物联网环境下的机械产品管控一体智能装配系统建模

针对应用物联网技术对促进制造系统发展所具有的重要现实意义,以构建互联感知与智能高效的装配系统为目标,在分析物联网技术在机械产品装配系统应用模式的基础上,提出一种基于物联网技术的管控一体智能装配系统的概念。为解决物联网环境下的装配系统分析与优化问题,从机械产品装配过程角度出发,采用面向对象的赋时着色Petri网将系统抽象为由若干工艺关联、功能相互独立的装配单元或功能模块组成的对象集合,并根据每个模块及单元之间的工艺约束和逻辑关系,确定整个系统的消息传递网络,最终通过消息驱动实现单元与模块之间的通讯互联,并建立了物联网环境下的管控一体智能装配系统模型,其中知识规则赋予模型中决策变迁智能行为,主要用于消解模型中的令牌路由选择和系统死锁问题。以发动机拧紧工艺为例验证了模型的可行性与有效性。     

制造执行系统数据采集技术在重车车桥厂的应用

制造执行系统作为车间作业现场管理、监测与控制的一体化平台,基于各类数据采集技术,实现生产过程异构数据的实时采集、监控。以某重车车桥厂装配过程为背景,首先简要分析了车桥装配过程中数据采集的挑战和问题,介绍了项目中数据采集硬件以及遇到的问题和解决方案。通过项目实施前后一些情况进行对比,说明了数据采集技术的应用对厂方精益生产水平的推动、提升作用。     

改进的快速跟踪回声状态网络及PM2.5预测

针对递归最小二乘回声状态网络在噪声环境中预测精度不高的问题,提出了一种改进的快速跟踪回声状态网络。首先在递归最小二乘回声状态网络结构的基础上,将自适应调节的可变遗忘因子加入其代价函数中,用改进的递归最小二乘法对网络输出权值进行训练,得到快速跟踪回声状态网络;然后利用经典Lorenz混沌系统验证快速跟踪回声状态网络的有效性;最后利用灰关联法分析各相关变量与PM2.5的关联度,建立PM2.5浓度值辅助变量集合,将辅助变量集合输入到快速跟踪回声状态网络进行PM2.5浓度值预测。实验表明,与传统回声状态网络、递归最小二乘回声状态网络预测效果相比,快速跟踪回声状态网络的预测方法精度佳,抗噪声能力强。     

基于速度交流的多种群多目标粒子群算法研究

为提高多目标优化算法的收敛精度和搜索性能,提出一种基于速度交流的多种群多目标粒子群算法。算法引入速度交流机制,将种群划分为多个子种群以实现速度信息共享,改善粒子单一搜索模式,提高算法的全局搜索能力。采用混沌映射优化惯性权重,提高粒子搜索遍历性和全局性,为降低算法在运行后期陷入局部最优Pareto前沿的可能性,对各个子种群执行不同的变异操作。将算法与NSGA-Ⅱ、SPEA2、AbYSS、MOPSO、SMPSO和GWASF-GA先进多目标优化算法进行对比,实验结果表明:该算法得到的解集具有更好的收敛性和分布性。     

回采工作面上隅角瓦斯防治

对正令煤业井下瓦斯涌出情况进行了总结,为治理回采工作面上隅角瓦斯,采取了冒落拱上方采空区裂隙带钻孔抽放、已采老空区瓦斯抽放、上隅角插入式抽放等办法,有效防止了瓦斯超限,并提出了上隅角管理措施。     

一种基于正则优化的批次继承极限学习机算法

极限学习机(ELM)作为一种新型神经网络,具有极快的训练速度和良好的泛化性能。针对极限学习机在处理高维数据时计算复杂度高,内存需求巨大的问题,该文提出一种批次继承极限学习机(B-ELM)算法。首先将数据集均分为不同批次,采用自动编码器网络对各批次数据进行降维处理;其次引入继承因子,建立相邻批次之间的关系,同时结合正则化框架构建拉格朗日优化函数,实现批次极限学习机数学建模;最后利用MNIST, NORB和CIFAR-10数据集进行测试实验。实验结果表明,所提算法具有较高的分类精度,并且有效降低了计算复杂度和内存消耗。     

改进非支配排序精英遗传算法的篦冷机参数优化

为优化篦冷机控制参数,提高换热效率,将传热和粘性耗散引起的修正熵产数分别作为目标函数,利用遗传算法对篦冷机参数进行多目标优化.为增加多目标遗传算法的种群多样性,提高算法的局部搜索能力,对传统的非支配排序精英遗传算法(NSGA-Ⅱ)进行部分功能改进.构建多种群、多交叉算子的操作模式,根据子种群对最优解集的贡献量自适应调节子种群规模,利用局部搜索算法提高算法的局部搜索能力.通过标准多目标优化问题验证所提出算法的有效性,并根据优化得到的篦冷机熵产数的最优解集,给出冷却风机功率最小的最优控制方案,通过与生产线的实际数据进行对比验证其优化效果.     

基于速度交流的共生多种群粒子群算法

为了提高粒子群算法的求解精度,改善算法的搜索性能,提出一种基于速度交流的共生多种群粒子群算法(SMPSO)。该算法采用速度交流机制划分整个从种群为多个子种群,负责解空间的全局搜索,将获得的最优信息分享给主种群;主种群综合从种群与自身最优经验,负责局部深度优化,获得最优信息反馈给从种群,从而建立主从群间的共生关系,实现解空间的充分搜索。迭代后期,在主种群中引入自适应变异策略,提高算法跳出局部最优的能力。将提出的SMPSO算法应用于基准测试函数中,与其它改进的PSO算法进行比较。实验结果表明,SMPSO算法在求解精度、搜索能力、稳定性等方面均有较大的提高。     

基于最短路径的复杂机械产品装配过程质量控制点公差带在线优化方法

为提高复杂机械产品的装配精度和装配质量稳定性,提出一种基于最短路径的复杂机械产品装配过程质量控制点公差带在线优化方法。对关键工序的质量控制点公差带进行细粒度划分;从装配精度角度出发,引入田口工序能力指数构建质量损失—公差函数;综合考虑装配过程中两种作业(基本作业和辅助作业)类型的时间调整损失,建立装配时间调整费用—公差函数;在上述两函数的基础上,通过加权聚类建立装配损失—公差函数模型,以描述质量控制点的总损失与公差的关系;构建基于最短路径的公差带在线优化模型,将装配损失—公差函数作为权函数,以最小损失为目标进行搜索,实现对后续质量控制点公差带的在线优化。以某型发动机缸盖螺栓拧紧过程为应用实例,验证了上述方法的可行性和有效性。     

用于水泥熟料fCaO预测的多核最小二乘支持向量机模型

针对水泥熟料游离氧化钙(fCaO)含量预测模型辨识的问题,考虑到单一核函数无法显著提高模型精度,采用多项式核函数、指数径向基核函数和高斯径向基核函数组合构建等价核的方法,建立了多核最小二乘支持向量机水泥熟料fCaO预测模型。同时,利用改进的粒子群优化算法对多核最小二乘支持向量机模型的6个待确定参数进行迭代寻优,避免了模型参数人工选取的盲目性。最后将基于改进粒子群的多核最小二乘支持向量机模型应用于熟料fCaO含量的实例仿真。结果表明,建立的水泥熟料fCaO含量预测模型精度高、泛化能力强。