制造资源混合粒度优化组合方案求解技术

为实现对云请求端制造需求的快速响应并提供最理想的制造云,在定义制造云服务(manufacturing cloudservice,MCS)的基础上,提出了MCS混合粒度动态优化组合方法.通过对制造服务需求的解析,将MCS按照粒度从大到小的顺序进行匹配,实现了云池资源的初次过滤;然后构建基于总服务成本、服务质量和交易期的制造云多目标优化数学模型,并引入Epsilon-SPEA2优化算法对该优化问题进行求解,从而快速高效地获得Pareto最优解;采用基于改进优劣解距离(technique for order preference by similarity to an ideal solution,TOPSIS)的动态多属性决策方法对Pareto最优解所代表的互为非支配的MCS组合方案进行评价排序,筛选出最优的MCS组合方案.最后结合某区域模具公司群所能提供的制造服务以及相应历史数据,依据客户需求进行MCS的动态优化组合仿真,验证了文中方法的可行性和实用性.     

知识图谱在智能制造领域的研究现状及其应用前景综述

数据和知识是新一代信息技术与智能制造深度融合的基础.然而,当前产品设计、制造、装配和服务等过程中,数据及知识的存储大多以传统关系型数据库为基础,这导致了数据及知识的冗余性和搜索及推理的低效性.近年来,知识图谱技术飞速发展起来,它本质上是基于语义网络的思想,可以实现对现实世界的事物及其相互关系的形式化描述.该技术为智能制造领域数据及知识的关联性表达和相关性搜索推理问题的解决带来了可能性,因此其在智能制造的实现过程中扮演着越来越重要的角色.为了给知识图谱在智能制造领域的应用提供理论支撑,总结了知识图谱领域的研究进展;同时探索了知识图谱在智能制造领域的3大类应用方向,共15小类应用前景,分析了在各个应用前景上与传统方法的不同之处,应用过程中所需要使用的知识图谱相关技术以及实施过程中所待突破的关键技术,希望可以为进一步展开针对知识图谱在智能制造领域的研究提供启发,同时为相关企业针对知识图谱的实际应用提供参考;最后以数控车床故障分析为案例,验证了知识图谱在智能制造领域应用的有效性.     

基于领地行为的多目标粒子群算法及在板翅换热器设计中的应用

针对多目标粒子群算法易于陷入局部最优解的问题,提出基于领地行为的多目标粒子群算法。通过模仿动物领地行为中的领地占领、自我完善和寻找新领地三种子行为,提出领地半径动态更新技术来扩大种群搜索范围,采用交叉操作和高斯变异增加种群多样性和增强搜索能力,提出定总概率和期差概率提高粒子寻优的有效性,实现对多目标粒子群算法的改进。同时采用改进的逼近理想解法群体多属性决策方法,实现对Pareto最优解的多属性模糊评价与优选。将算法应用于板翅式换热器多目标综合设计,可以快速、准确地获得合理的结构参数。     

深度学习在装备剩余使用寿命预测技术中的研究现状与挑战

有效的装备剩余使用寿命(RUL)预测有助于及时规避严重生产事故,并为视情维护提供技术支持,在现代工业中发挥着重要作用.近年来,深度学习凭借其在大数据处理和特征提取方面的独特优势与潜力,在RU L预测领域得到了广泛应用.鉴于此,综述了深度学习在装备RU L预测领域的最新研究.首先介绍几种应用于RU L预测的典型深度学习方法,并对其实现RU L预测的基本原理和建模方法进行了概述;其次,对近年来典型深度学习方法在RU L预测领域的应用和发展趋势进行了详细总结;最后,探讨了现阶段基于深度学习的RU L预测技术所面临的挑战性问题及展望.     

面向维修的复杂装备模块智能聚类与优化求解技术

为解决传统维修过程中由单独的维修部门被动应对既成事实的复杂装备检修问题,同时加强其他部门对于维修活动的协同能力,在复杂装备的设计阶段引入维修相关的驱动要素和维修阶段的策略选择,提出一种面向维修的复杂装备模块化设计方法。从维修成本、维修复杂度、维修效率等方面探讨复杂装备模块化设计准则,得到各维修特性的量化计算方法,通过综合考虑约束条件建立面向维修的模块化设计模型。采用青蛙跳跃算法和细菌优化相结合的混合多目标蛙跳算法对模型进行优化求解,从而得到一系列代表模块化设计方案的Pareto最优解,并利用基于信息熵理论的Pareto优选方法获取最终的模块化设计方案。以沈阳某机床厂设计生产的GMC型精密五轴加工中心为例,运用数值仿真手段验证了该方法的有效性和可行性。     

基于模糊关联的复杂产品模块化设计方法及其应用

复杂产品的模块化设计在很大程度上依赖于其零件间关联关系的确定。但是依赖知识与经验的零件间关联评价信息往往存在诸多不确定性,在以往的模块化设计方法中很少被涉及。为了解决这一问题,提出了基于模糊关联分析与求解的复杂产品模块化设计方法。发展了一种模糊证据推理算法用于对零件间的异构多准则关联关系进行融合,从而有效处理了零件间关联关系确定过程中准则多、信息存在模糊与缺失的问题,实现了零件间综合关联关系的量化。以此为基础,构建了以模块内平均模糊聚合度高、模块间平均模糊耦合度低为驱动目标的数学规划模型。将模糊非支配机制引入粒子群算法,发展了一种基于模糊非支配解的多目标离散粒子群算法,对构建的复杂产品模块化数学规划模型进行求解。采用模糊逼近理想解排序法对所求得的模糊非支配解进行优选,从而获得最优的模块化设计方案。结果表明,所提出的方法能够有效处理复杂产品模块化设计过程中不确定信息的转化与传递。以柱塞泵的模块化设计为例进行数值仿真,验证了该方法的可行性与有效性。     

环境胁迫响应的潜在故障适应性修复方法

工业生产系统在运行过程中不可避免地要面临各种环境因素的随机波动,由此会引起系统性能波动而造成设备故障发生。以运行阶段系统所处的环境因素为研究对象,对环境因子和环境敏感系统进行说明,并对温度、湿度、振动等环境胁迫因子对设备系统性能的影响进行分析。针对环境敏感系统提出环境胁迫响应模型：在环境胁迫条件下,系统性能下降处于潜在故障状态时,利用传感器对环境因子进行监测,并根据监测数据构建转录因子阵列和状态酶阵列,转录因子启动环境修复方案并配合状态酶调控其运行程度进行环境适应性修复,避免潜在故障持续造成功能故障,保障系统的正常运行。通过对空分流程进行模拟,验证了该模型方法的有效性。     

基于知识图谱的智能客服机器人

针对当前一些已有的智能客服机器人存在不够“智能”、无法有效解决复杂场景的问题,文中研究了一种以客户为中心、以知识图谱和自然语言处理为核心技术的智能客服机器人。该系统基于真实金融场景,运用知识图谱和自然语言处理技术,实现系统自动识别问题、精准理解问题和准确解答问题。经上线测试表明,该系统不仅能提供精准度较高的答案,而且可大幅提升服务效率,解决89%的客服问题,人机对比度可以达到1∶200以上,总体运行较好。