基于漂移瓶颈的制造车间生产批量/提前期研究

制造车间中存在的大量不确定性因素（如设备状态变化、人员变动和紧急插单等）导致车间物料流瓶颈频繁漂移,使得产品生产批量和提前期设置难以适应实时工况,为此,在物料流漂移瓶颈研究基础上,提出了产品批量和提前期的设定方法。利用瓶颈指数和瓶颈漂移指数表征实时变化的制造单元成为瓶颈的能力;采用排队论方法,并以最小化非增值加工时间和相邻制造单元加工速率差异为目标,计算出适应实时工况的最优生产批量和提前期;最后,通过对某一制造车间内瓶颈工序生产批量和提前期的计算,验证了该方法的有效性和实用性。     

灰色马尔柯夫链方法在设备故障预测中的应用初探

将灰色马尔柯夫预测模型应用于设备运行状态的预测，实践证明，这种预测方法兼有灰色ＧＭ（１，１）预测和马尔柯夫概率矩阵预测的优点，尤其适用于随机波动性较大的数据列的预测。这一应用拓广了灰色预测的应用范围。对轴承振动的预测结果表明，该预测模型的预测精度是令人满意的。     

CMP过程多变量免疫预测R2R控制方法

为了解决多输入多输出和产品质量不易在线测量的化学机械研磨(chemical mechanical polishing,CMP)过程R2R(run-to-run)控制的难题,提出了一种基于贝叶斯最小二乘支持向量机(Bayes least squares support vector machine,BLS-SVM)预测模型和克隆选择免疫多目标滚动优化算法的CMP过程多变量R2R预测控制器BSVMPR2R.由LS-SVM和贝叶斯证据框架(Bayes evidence framework,BEF)方法分别构建材料去除率(material removal rate,MRR)和晶圆内非均匀度(within-wafer nonuniformity,WIWNU)的BLS-SVM预测模型,解决了线性预测模型的失配问题;通过预测误差对后续批次过程扰动和漂移进行在线估计实现反馈校正,提高了预测模型精度;将多变量控制问题转化为基于2个预测模型的多目标优化问题,由克隆选择免疫多目标滚动优化算法求解最优控制律提高了控制精度.仿真结果表明,BSVMPR2R控制器的性能优于双指数加权移动平均(double exponential weighted moving average,dEWMA)多变量控制器,抑制了CMP过程扰动和漂移的影响,显著降低了MRR和WIWNU的均方根误差.     

基于瓶颈多态性的生产物流瓶颈闭环预测方法

针对不确定性环境下的生产物流瓶颈漂移预测问题，提出一种基于瓶颈多态性的瓶颈闭环预测方法。建立灵敏型瓶颈、迟钝型瓶颈、渐向型瓶颈和渐离型瓶颈的概念，以定性描述制造系统的物流瓶颈多态性；以瓶颈指数为基础，以制造单元时问和质量为参数，构建瓶颈漂移指数数学模型，并以此为依据构建瓶颈多态性判定机制，以实现瓶颈多态性的定量描述，进而为瓶颈漂移规律的研究提供技术支持；构建包含数据统计分析、瓶颈预测机制、瓶颈多态性分析和瓶颈指数迭代预测四项内容的瓶颈闭环预测方法，以实现生产物流瓶颈的动态连续预测。通过对某汽车装配车间生产物流瓶颈的动态预测和监控，验证了该方法的有效性和准确性。     

基于改进贝叶斯方法的稳健性设计建模技术

针对模型不确定性条件下的稳健参数设计问题,在贝叶斯模型平均方法的基础上,通过考虑因子效应原则,提出基于因子效应原则的贝叶斯模型平均(BMA-EP)稳健性设计建模技术.结合先验信息与贝叶斯法则,计算主效应的后验概率并构建传统的贝叶斯模型平均模型;根据各主效应的后验概率,逐步运用效应层次原则和效应遗传原则更新各主效应的先验,确定模型的后验概率,并以该后验概率作为权重,对各模型进行加权,得到预测性能较佳且符合试验设计原则的稳健性模型.结合实际工业案例和仿真试验验证了所提方法的有效性,结果表明,所提方法不但改善了模型的预测性能,而且提高了最佳参数设置的可靠性.     

基于改进HSMM的设备故障预测方法研究

针对传统隐半马尔科夫模型(HSMM)在故障诊断和预测应用中存在的不足,对传统HSMM做了以下改进:一是将状态持续时间概率分布和监测值概率分布连续化,并假定其服从威布尔分布;二是基于状态开始时间的识别,提出了状态剩余持续时间;三是提出了时变转移概率的概念,给出了各时刻转移概率的计算方法。确立了基于改进HSMM的故障诊断和预测的方法体系,给出了故障诊断判据和设备剩余寿命的计算式。案例研究表明方法是合理有效的。     

基于SVDD和相对距离的设备故障程度预测

针对设备故障程度预测问题,提出一种基于支持向量数据描述和核空间相对距离的预测算法。首先通过实验分析法,优化选取了对设备故障程度敏感的频域特征参数及核函数参数;然后分别单独训练设备不同故障程度的数据样本,得到相应的描述设备故障程度的各独立封闭超球体,并引入待测样本点至各超球体中心的相对距离,确定样本所属的故障程度,在此基础上建立设备故障程度预测模型。通过转子振动台所模拟的不平衡故障数据进行实验验证,表明所提出方法能有效预测设备的故障程度。     

基于动态反馈的多元参数回归空调负荷预测控制方法

针对目前常用的空调负荷预测算法中精度与实用性的问题,提出多重负荷预测的方法:负荷的趋势预测模型和精确预测模型。趋势预测模型用于预测24 h内各时刻的负荷,建立基于气象、历史和时间参数长期和短期多元参数回归模型,并引入预测控制方法中反馈校正和滚动优化的方法,并对误差采用一次平滑法。采用遍历搜索法,寻找最优误差,反馈给模型进行修正。每滚动一次,舍去旧值,引入新值,并重新寻优一次误差,直至完成预测。精确预测用于下一个时刻的负荷,利用相似日的历史负荷建立二阶ARX模型,对气象负荷进行第一次修正,再利用前一日的负荷建立一阶ARX模型,对预测负荷进行第二次修正,利用滚动优化进行动态反馈修正。利用某小区的实际数据进行测试,预测结果满足精度要求。     

基于EMD-SVR的MEMS陀螺仪随机漂移多尺度预测（英文）

为了提高MEMS陀螺仪随机漂移序列的预测精度,提出了一种基于经验模态分解(EMD)和支撑向量回归(SVR)的多尺度预测模型。首先,通过EMD分解,将原始漂移序列分解为有限个频率逐级递减的本征模函数(IMF)。然后,根据每个IMF的时频特性,分别进行相空间重构并建立SVR预测模型。最后,将各IMF的预测结果等权相加得到最终预测结果。实验结果表明,提出的模型能够有效预测MEMS陀螺仪的随机漂移,且相比于单一的SVR模型具有更高的预测精度,可为MEMS陀螺仪漂移误差补偿提供依据。     

设备可靠性的灰色系统判定

将灰色系统理论应用于机械设备可靠性分析,构成了机械设备可靠性工程新的理论和方法,通过可靠性参数的灰色预测、系统和屯零件的可靠性预测,实时地使用设备真实运行状态的数据进行决策,代替以往需要通过大量试验数据进行数理统计得到先验规律用以指导具体实践问题的方法.由于实时地使用实际运行状态的数据,因而更能接近设备的真实状况,用来指导实践具有相当可观的经济效益与社会效益.     

一种基于支持向量机预测器模型的转子系统故障诊断方法

提出了一种基于支持向量机回归预测模型的转子系统故障诊断方法。分别对转子系统振动信号建立支持向量机回归预测模型，利用回归预测模型对振动测试信号进行预测，计算各支持向量机回归预测模型的预测信号与真实信号的误差并计算信噪比，通过比较各预测信号的信噪比来判断转子系统的工作状态和故障类型。实验结果表明，该方法能够有效地应用于转子系统的故障诊断。     

基于马尔可夫链的设备大修决策研究

在设备寿命周期管理工作中,加强对设备状态分析的研究,有利于提高设备的使用效益和管理水平。本文简述了马尔可夫预测的基本原理,将马尔可夫链引入到设备大修理的维修决策中,通过建立设备状态转移概率矩阵,利用马尔可夫链进行分析和计算,给出数学模型,为设备管理部门提供参考。     

基于瓶颈指数的生产物流瓶颈多态性研究

针对不确定性环境下制造车间生产物流瓶颈漂移现象,建立以主瓶颈、次瓶颈、灵敏型瓶颈和迟钝型瓶颈为主的瓶颈多态性概念模型;综合考虑制造单元的生产能力、生产负荷、质量保证能力和生产成本,构建瓶颈指数数学模型,以实现制造单元瓶颈度的准确度量;以瓶颈指数为基础,构建瓶颈及主次瓶颈的预测机制,并构建瓶颈漂移敏感系数,以实现制造车间生产物流瓶颈与非瓶颈、主瓶颈和次瓶颈、灵敏型瓶颈和迟钝型瓶颈的准确判别,进而为实现瓶颈漂移现象的预测和监控提供一种方法。     

基于DD-HSMM的设备运行状态识别与故障预测方法

针对设备运行状态识别与故障预测问题,提出一种基于时变转移概率的隐半Markov模型。该模型将设备历史运行信息融人Markov状态转移概率矩阵的估计过程中,使Markov状态转移概率矩阵具有时变特性。基于改进前向后向算法研究了相应的隐半Markov模型参数估计方法,使其能够不断综合利用历史运行信息进行自我更新,以更加符合设备真实运行的过程。同时以该模型为基础,利用故障率方法建立了对设备剩余使用寿命进行预测的基本步骤。通过某滚动轴承运行状态识别实例演示了该模型的建模过程,证明了基于该模型的设备状态识别与预测方法比传统隐半Markov模型方法更为有效。     

设备旋转部件故障的短期预测研究

根据机械故障诊断技术，建立设备各旋转部件的多维故障特征参量模型，并针对故障预测数据的短期性和非线性，提出模糊-灰色自动寻优预测方法。此方法可以自动寻找最佳优化因子τ^＊，使预测值和实际值最贴近。通过对各部件多维故障特征参量的预测和故障模糊评判，可以自动分析出部件存在的故障及可能性概率。研究结果表明，预测数据精度检验结果优良，该方法是可行和有效的。     

面向瓶颈漂移的制造车间生产过程优化关键技术

针对生产过程优化决策因被动响应瓶颈动态变化而无法保证系统性能最优的问题,构建面向瓶颈漂移的生产过程优化方法,并对其关键技术进行研究,以实现优化的主动性、全局性和时效性。首先,建立包含最佳瓶颈位置判定、瓶颈预测、瓶颈漂移因素组合优化和生产调度优化的生产过程优化流程;其次,以系统全局效益最大化为目标,运用Flexsim 建模仿真技术,确定系统的最佳瓶颈位置,进而为瓶颈漂移因素的组合优化提供依据;在分析瓶颈漂移因素重要度的基础上,构建面向最佳瓶颈位置的瓶颈漂移因素组合优化方法,以促使瓶颈在制造单元能力/负荷相对平衡的条件下固定于系统最佳位置;构建差额全局效益数学模型,以实现瓶颈漂移影响度的准确度量,并以此为基础,构建生产调度驱动机制,以确定瓶颈漂移环境下生产调度启动的最佳时机,进而过滤不必要的生产调度优化过程,提高系统的稳定性;最后,通过优化汽车某部件装配过程,以验证该方法的有效性。     

全断面掘进机关键部件特征参数预处理研究

首先介绍了全断面掘进机（Tunnel Boring Machine,TBM）主要系统部件的状态参数,通过分析TBM特征参数时间序列的变化趋势,确定了采用灰色预测和神经网络预测相结合的方法对TBM关键部件状态特征参数的变化趋势进行预测,建立了基于灰色理论和神经网络的全断面掘进机状态特征参数预测模型.通过实例计算,给出了预测模型的改进措施.经过改进的预测模型,能够保证设备达到1级预测精度,预测10小时后的设备运行情况.最后,介绍了开发的全断面掘进机故障诊断系统中参数预测的部分,使得预测结果更直接地呈现在操作者面前,具有很好的指导意义.     

冗余结构系统共因失效相关性分析及概率预测

通过分析冗余结构系统环境载荷和元件强度分散度对系统各失效模式之间相关程度的不同影响,阐明了元件强度变量相互独立时冗余系统共因失效的发生机理,揭示了共因失效这种系统失效相关性的最基本原因。通过系统1、2重失效概率近似表达了系统各重失效概率的下限,并在此基础上建立考虑共因失效的冗余结构系统概率预测模型,利用JC方法的分析结果近似预测单位时段冗余系统的失效概率。     

石油化工生产装置长周期运行设备风险评价

探讨了以石油化工装置长周期运行为目的进行风险评价的方法，重点介绍了如何通过RBI、RCM、SIL分析、可靠性分析来计算设备失效概率的方法。     

基于小波支持向量机的陀螺随机漂移预测模型研究

通过小波变换抑制各种干扰噪声,预处理后的陀螺漂移数据采用支持向量机的方法建立陀螺漂移预测模型。试验得到的陀螺漂移数据对提出的模型进行验证。结果表明,相对于独立的支持向量机模型（SVM）和径向基神经网络模型（RBF）,提出模型得到的陀螺随机漂移预测精度更高。