[机械装备再制造]考虑失效特征的废旧零部件再制造成本预测模型研究

分析了废旧零部件失效特征对其再制造成本的影响,建立了一种基于失效特征的废旧零部件再制造成本预测模型,该模型将半监督学习与最小二乘支持向量机回归（LS-SVR）算法相结合,实现了在只有少量已完成再制造的废旧零部件样本和大量未知再制造成本的零部件样本的条件下,对废旧零件再制造成本的预测。该算法加入了k最近邻(kNN)算法,以kNN为辅、LS-SVR为主对未标记的样本进行置信度评估,将各阶段最优未标记样本逐步添加进有标记的样本集中,逐步更新预测模型,能够有效降低噪声,提高模型精度。经案例验证,提出的算法具有良好的回归预测能力和泛化能力。     

炼铁制造系统主料资源转换效率的主因素分析模型研究

影响炼铁制造系统主料资源转换效率的因素众多,为了更好地描述主料资源转换效率与影响因素之间的关系,需要在诸多影响因素中确定主因素。从炼铁制造系统输入输出角度对炼铁过程功能进行分析,确定焦比为系统目标变量以及目标变量的30个影响因素。在此基础上提出了一种基于灰色关联分析的主因素分析模型,求解系统灰色关联判断矩阵,对灰色关联度排序确定主因素。应用该模型对高炉生产数据进行处理,确定了影响炼铁制造系统主料资源转换效率的主因素,为后续主料资源转换效率数学模型的研究奠定了基础。     

再制造成本效益的一种定量分析模型及应用

为实现产品再制造的价值最优,从成本效益影响因素角度建立产品再制造决策指数的定量模型。提出一种图论方法分析各影响因素之间的相互关系,采用德尔菲专家评判法和熵权法确定各影响因素间的相互作用值。运用该模型能有效地量化再制造系统成本效益指数的变化范围,并计算出不同产品再制造成本效益指数,即指数越高的产品越适合再制造。以发动机再制造企业为例,结合汽车发动机和货车发动机的再制造成本效益分析,验证模型的可行性。     

基于CBR和RBR的再制造零件修复工艺智能决策系统

考虑再制造零件特征信息和工艺知识,采用CBR和RBR相结合的推理方法,构建了再制造零件修复工艺智能决策方法与模型,分析了再制造工艺知识、实例表达、实例组织与索引、规则表达与推理等过程。通过Java开发平台,采用B/S模式开发了智能决策系统原型,并以液压缸的再制造为例验证了该工艺智能决策模型的有效性与可行性,提高了再制造零件修复工艺智能决策的效率与准确性。     

浅释钻孔灌注桩在施工中的质量控制

结合施工实践,借鉴前人总结的经验,简析了钻孔灌注桩常见的质量事故,如塌孔、孔位偏移、斜孔、掉钻卡钻、卡管、导管进水、断桩等施工质量通病,并提出防治措施及处理方法,以便能够提高施工质量,减少资金浪费,提高社会效益。     

机械加工工艺过程资源环境属性清单分析与评价

根据机械加工工艺过程资源环境属性,分析了制造工艺过程清单分析步骤,并基于工艺的IPO过程模型,详细描述了清单分析评价指标建立过程与数据获取、评价方法。根据上述步骤和评价方法,建立了某刨削工艺清单分析表,综合评价该工艺的绿色性,从而为改善其资源消耗和环境影响提供依据。     

绿色再制造管理的体系结构及其实施策略

从产品多生命周期延展的技术角度，分析了绿色再制造管理的内涵；从绿色再制造的技术层面，阐述了绿色再制造管理的特点；针对目前缺乏对绿色再制造技术操作层面和策略层面综合考虑的现状，提出了一种集成绿色再制造各个环节的体系结构，并根据绿色再制造的时间和地点对废旧产品回收阶段、再制造生产阶段、再制造产品性能评估和使用阶段的管理进行了阐述。讨论了绿色再制造管理实施的几个策略和方法。     

钢铁绿色制造系统物料资源与环境影响关联模型研究

物料资源是钢铁制造系统产生环境影响的根源,揭示钢铁制造系统物料资源输入和环境排放之间的关联性是钢铁企业实施绿色制造的重要技术基础。建立钢铁制造过程输入输出框架模型,提出一种对钢铁制造过程物料资源消耗和环境排放进行关联性分析的方法。通过某炼钢工艺过程的应用实例,验证了上述模型和方法的有效性和可行性。     

一种面向能量优化的毛坯尺寸选择方法

毛坯尺寸选择是切削参数确定的前提和基础,合理确定毛坯尺寸是机械加工过程中极为重要和关键的一环。为实现毛坯尺寸的优化选择,建立了面向能量优化的毛坯尺寸决策模型。该模型以加工过程能量消耗最少为目标,以被吃刀量、切削速度和进给量为优化变量。并使用一维搜索算法与标准遗传算法的混合算法对模型进行验证,算例结果表明该方法可以有效选择毛坯尺寸,并对优化结果进行分析。     

一种新型绿色制造方式--高速干切削

切削加工的绿色化是制造业可持续性发展的重要方向,高速干切削是一种新型的绿色制造方式。围绕加工时间T、加工质量Q、加工成本C、资源消耗R、环境特性E等绿色制造加工过程的功能目标对高速干切削的绿色特性进行了具体分析研究,并提出了发展高速干切削技术的主要措施。