基于注意力机制—门控循环单元—BP神经网络的智能多工序工艺参数关联预测

鉴于流程制造工序间能质流耦合严重，性能指标影响因素众多，工艺参数时序特征显著，现有制造模式下难以精准预测产品质量，在分析流程制造工艺性能指标多维、强时序、关联耦合特征的基础上，提出一种基于注意力机制—门控循环单元-BP神经网络(Attention AM-GRU-BPNN)的多工序耦合参数关联预测方法。首先采用互信息方法筛选多态异构生产数据作为输入，建立ConvGRU自编码器，通过无监督学习对过程数据、工艺参数、操作参数等进行时序特征提取，同时引入时序注意力机制提取不同工序的耦合关联特征并进行向量嵌入，为不同工序的工艺参数分配注意力权重。在此基础上，设计Attention网络自学习不同时刻下工艺关联特征对质量性能指标的影响差异，再通过门控循环单元网络对重要的关联特征进行增强，并按照时序特征对单工序预测模型进行聚合，实现多工序时序特征融合，最后通过输出层BPNN神经网络精准预测产品工艺质量。实验表明，AM-GRU-BPNN有效提高了预测精度，从多工序角度为生产线工序的加工过程控制提供了依据。     

智能移动终端柔性制造工艺及技术应用研究

以智能移动终端的多品种需求特性为切入点，研究柔性工艺全流程下人、机、料、车间环境的联动过程，提出融合制造过程数据挖掘、信息融合与算法模型的资源分配智能决策方法，实现产线柔性工艺全流程产能分析；研究基于层复记忆神经网络的深度学习智能算法及制造过程的边缘计算方法，实现柔性工艺过程中的关键工序工装夹具智能调度；研究基于强化学习的人、机、物协同控制决策知识库，推动基于知识驱动的工艺、设备设计理论与应用建设，不但实现智能终端产品的柔性生产，同时促进制造能力提升。     

基于数据驱动的复杂多阶段产品质量预测研究

针对复杂多阶段(多质量属性)产品在最终制造阶段进行质量预测时,难以对造成质量异常的潜在工艺参数进行在线溯源及实时优化导致质量预测精度较低的问题.提出数据驱动的复杂多阶段产品质量预测模型.首先,通过对历史工艺参数和质量数据应用基于规则的深度置信网络(RBDBN)形成各阶段质量分类规则及应用动态自适应模型对制造过程中异常工...     

数据—模型融合驱动的流程制造车间数字孪生系统研发EI北大核心

针对流程制造过程工序间耦合严重、过程建模困难、生产活动规划的联动性和智能化水平较低等问题,提出数据与模型融合驱动的、覆盖工艺流程全变量空间的车间多维数字孪生模型及其系统架构。融合车间生产全要素孪生模型与动态生产数据,建立了贯穿生产过程中不同工序的设备实体对象模型,从几何、物理、行为、规则等多个维度对耦合生产线实体对象特征进行刻画,实现了工艺设备静动态多维属性的数字化精准映射。在此基础上,搭建了包括物理产线、虚拟产线、信息服务等支撑多系统数据交互映射的车间数字孪生系统,研发了基于开放平台通信—统一架构(OPC UA)与Kepware的通信技术的静动态虚实映射和迭代运行机制,实现了从车间物理制造流程耦合向各孪生体参数间耦合的转换。最后,基于某流程制造企业制丝生产试验线开展应用验证,为解决流程工业耦合复杂而造成的协同交互与迭代运行难题提供了方法和实现途径。     

基于质量流模型的关联多工序制造过程加工质量研究

为了提升智能车间工件加工质量的合格率,考虑到相邻工序间的加工质量传递的影响,提出一种基于质量流模型的关联多工序制造过程加工质量分析模型。根据工件加工流程建立多工序制造过程质量流模型,识别出影响制造过程质量的瓶颈工序;根据制造过程参数提出了加工质量修改建议;通过某智能车间零部件工作缸的生产过程进行验证,由该模型计算出的工件加工合格率与历史数据相比,相对误差为0.35%。实验表明,该模型可以反映实际生产制造的过程,验证了模型的实用性。     

基于BP神经网络的高铁弹条热处理工艺优化

针对高铁弹条生产过程中质量的波动问题,采用工业互联网的技术与热处理工艺的深度融合提升产品的质量,通过构建了一个5×8×1的三层BP神经网络模型,以高铁弹条热处理中的各个参数为输入层,硬度HRC为输出层。对神经网络模型进行训练后,模型的预测值与实际值之间误差小于1%。通过工业互联网的建设,实时获取热处理过程中的参数,以前工序的实际值加上后续工序的设定值,进入训练好的模型对结果进行预测,当预测值与标准值偏离大于5%时,计算出后续工序参数的优化建议。MES系统结合SCADA系统把优化过的工艺参数下发至设备,从而达到提升高铁弹条性能的目的。     

面向边缘计算的制造资源感知接入与智能网关技术研究

针对云端智能制造与智慧服务系统应用中面临的大量异构制造设备资源感知接入困难、数据分析时延大等问题,分析探讨了面向边缘计算的制造资源感知接入特点、应用场景及接入模型构建方法;研究开发了边缘智能网关软件系统,设计了云边协同服务架构,实现了多种通信协议支持、数据采集分发、应用管理与安全防护等功能。分析了云边协同服务模式下边缘节点智能网关的重要作用与任务,结合复杂装备智能制造样板间生产线与虚拟工厂应用系统,实现了制造资源感知接入技术、边缘智能网关功能验证与应用示范。     

融合Mar-G LSTM的流程生产工艺质量预测算法

针对流程生产连续性强、时序耦合复杂等特点,传统神经网络不具备长期记忆能力,且在深层次网络训练时易出现训练参数灾难、梯度爆炸等问题,提出基于马尔可夫优化的融合门控循环单元(GRU)与长短期记忆网络(LSTM)的组合预测模型(Mar-G LSTM)。首先在循环神经网络结构中融入门控机制构建深度LSTM神经网络模型,对流程生产时序数据信息进行选择性记忆,学习时序数据序列的信息依赖,进而解决训练过程中的梯度爆炸问题;同时结合马尔可夫链对GRU-LSTM模型的预测结果进行修正优化,在降低模型的复杂度的情况下进一步提高了模型的预测精度。最后,结合某流程生产线的工艺数据进行分析验证,结果表明,Mar-G LSTM算法在预测精度上较随机森林模型、门控循环单元神经网络模型(GRU)、长短期记忆神经网络模型(LSTM)和卷积神经网络与门控循环单元网络组合模型(CNN-GRU)分别提高了37.42%、21.32%、17.91%和12.56%,所提Mar-G LSTM算法可实现流程生产质量的准确预测,为降低工艺参数调控任务的完成时间提供了思路和实现途径。     

考虑云制造服务协同的多用户任务调度优化

云制造系统中有各种不同的分布式制造服务,而以往对制造服务调度的研究忽略了服务提供企业间的协同效应。为考虑云制造服务社会属性对服务协同的影响,从合作与竞争的角度建立了云服务间协同效应的测度模型。进而,以最大化平均用户满意度及最大化云服务协同效应为优化目标,构建了双目标云服务选择与调度模型。基于灰狼优化算法设计了一种灰狼优化模拟退火混合算法(GWO-SA)对该模型进行优化求解。使用算例进行测试并与其他多目标优化算法比较,仿真结果表明了该模型的有效性和GWO-SA算法的高效性。     

基于嵌入式CPS模型的产品质量在线管控方法

随着工业4.0时代的来临,制造技术正逐步从自动化、数字化、网络化向智能化方向发展。作为工业4.0的重要策略—信息物理系统(Cyber-physical system,CPS),由于其具有自主判断、自主决策、自主调控能力,如何将CPS技术应用于流程工业的智能化制造引起了广泛关注。根据钢铁制造过程的特点,提出在各工序中嵌入CPS质量管控模块的过程控制系统,实现全流程产品质量在线动态管控与优化。重点研究采用嵌入式CPS方法的产品质量在线管控系统架构和产品质量管控模型。在这些模型中,提出一种基于数据驱动的质量异常判定模型,提出基于贡献图的质量异常原因分析方法,讨论动态的工艺参数控制策略。嵌入式CPS产品质量监控系统可以根据生产过程中各个工序的产品质量偏离情况,及时调整后工序的工艺参数,实现产品质量的在线优化。通过汽车钢的应用实例,证实了基于嵌入式CPS模型的动态产品质量管控方法是提高产品质量的稳定性和实现柔性智能化制造的有效途径。     

基于GABP和改进NSGA-Ⅱ的高速干切滚齿工艺参数多目标优化决策#br#

针对高速干切滚齿过程中的工艺参数优化决策问题,提出一种基于加工工艺样本预测和多目标遗传优化算法的工艺参数优化决策方法。基于实际加工工艺样本集,以改进的多目标遗传算法（improved NSGA-Ⅱ）为主体模型,以最大刀具寿命、最小加工能耗为优化目标,以加工质量、加工时间为约束条件,利用遗传反向传播算法（GABP）神经网络建立关于加工优化目标的预测模型,将其作为多目标优化模型的适应度函数;通过DBSCAN算法获取待优化滚齿工艺问题的相似样本集,建立多目标优化问题输入区间;构建面向待优化滚齿工艺问题的多目标优化模型,迭代搜索最优工艺参数集。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

面向e-制造的工艺规划与工序分配集成技术研究

为满足e—制造技术对工艺规划和工序分配的新需求,在制造设备e—化的基础上,提出了一种面向e—制造的动态工艺规划与工序分配的集成方法和Capplet集成模型。该集成模型通过Java解决方案和动态Web页面两种方式实现。在基于遗传算法的工序分配与工艺规划的并行交互机制下,基于甘特图的协同工序分配方法为动态工序分配提供了一种新的解决途径。Capplet集成模型与e—制造实时加工调度的无缝集成,为e—制造的生产准备奠定了基础。     

采用反馈机制的多生产线制造系统协同优化

为研究具有可互替耦合设备的多生产制造系统的优化问题,给出了该类型制造系统的一般性描述,并基于经典的MiniFAB模型设计了该多生产线制造系统。为解决优化过程中训练数据不足的问题,提出了基于反馈机制的多生产线制造系统结构优化方法。为进一步提高优化方法的精度,将结构优化方法与启发式调度规则优化结合,提出了多生产线制造系统协同优化方法。案例验证了所提出方法的可行性和有效性。     

基于赋值型误差传递网络的多工序加工质量预测

加工质量实时预测是工件多工序加工质量控制的关键。航空制造领域关键零部件的异形空间大尺寸、材料难加工与小批量加工等特性,导致加工样本数据不足与加工误差监测困难。针对上述问题,提出一种基于赋值型误差传递网络的多工序加工质量预测建模方法。通过将质量特征引入多工序误差传递网络来描述加工过程中节点间的影响关系,形成赋值型的误差传递网络。并以关键质量特征节点为基础,采用基于粒子群算法优化的支持矢量回归机方法,构建单工序质量预测模型。在此基础上,基于赋值型误差传递网络的拓扑结构,合并单工序加工质量预测模型,以构建多工序加工质量预测模型。最后,开发了一个面向多工序加工质量预测的软件平台并以起落架零件的加工为例验证上述模型,结果表明该方法能够有效地预测加工误差,并从多工序的角度为异形零件的加工过程控制提供依据。     

面向引线焊线工艺的参数预测模型与规律分析

芯片封装的引线键合质量受键合温度、功率、压力、速度、时间等多参数的影响,各参数间相互耦合,存在着非线性关系,难以用准确的数学模型来表达其间的关系,影响芯片键合质量的提高.应用方差分析法开展正交试验的数据分析,得出各工艺参数对键合质量关键评价指标(剪切力和压扁球直径)的影响程度,确定描述工艺模型的6个关键参数.提出基于自适应神经模糊推理系统的焊线工艺预测模型的构建方法,并通过焊线机上的多组试验数据进行模型训练.将所建模型的预测结果与实际数据相比较,结果显示剪切力和压扁球直径预测模型所产生的平均误差分别为3.16%和1.24%.基于所建预测模型,确定关键工艺参数对键合质量的影响规律,为进一步实现焊线工艺过程的最优参数组合提供支持.     

5G技术赋能的智能离散制造车间主动调度模式

分析了当前离散制造车间调度模式的不足和面临的挑战，在此基础上，提出一种5G技术赋能的智能离散制造车间主动调度模式，将生产过程的传统被动调度模式转化为“互联-预测-调控”的主动调度模式。针对实际生产中交货期变化、机器故障等异常工况，通过5G技术构建云-边-端协同的车间多源异构数据互联互通体系，打通各层级之间的通信壁垒，实现全生产要素的数据实时感知与互联以及生产指令的上传下达；基于感知数据，采用深度学习等人工智能技术实现车间运行状态与异常事件的精准预测；根据预测结果主动调控生产计划，优化资源配置，构建了云-边-端协同的主动调度机制，实现调度“规则+算法”的混合联动，降低异常事件对生产过程的影响，实现复杂动态制造环境下的车间性能优化。     

AVIDM构建发动机数字化研发集成平台

固体火箭发动机的研制是一个涉及多学科、多模型、多平台、多个研制生产单位的庞大而复杂的系统工程。在设计领域，构成各分系统的不同专业学科之间具有紧密的耦合和反馈关系；在制造领域，不同工序之间，工艺与设计之间也存在大量的数据交换。如何建立面向全院科研生产协同的、集成的工作平台，是缩短产品研制生产周期，提升固体发动机快速研制能力和批生产综合管理能力的技术关键。     

基于WOA-Kriging算法的钛合金 切削力预测数学模型研究

针对钛合金难加工且质量和效率不高的问题,提出了一种基于鲸鱼优化算法的Kriging模型建模方法。建立了其参数优化的数学模型,提高了其加工质量和效率,通过鲸鱼优化算优化了传统Kriging模型变异函数的参数,提高了Kriging模型的建模精度;采用正交实验设计方法,对TC4钛合金铣削加工进行了样本点采集,得到了包含设计变量和性能响应的16个样本点;采用WOA-Kriging代理模型技术,建立了钛合金加工工艺参数与切削力之间的近似模型,并与传统的Kriging代理模型技术进行了比较。研究结果表明:采用基于鲸鱼优化算法的Kriging模型建立的钛合金加工工艺参数与切削力之间的近似模型精度更高,能够为其加工工艺参数优化提供更加精确的数学模型。     

面向生产计划分析的协同制造过程建模语言及建模仿真系统

跨企业协同制造涉及要素种类多、联动关系复杂、内外部不确定性影响大，导致协同运行能力弱。针对其顶层统筹管理能力弱、缺乏有效的计划分析手段等问题，提出面向生产计划分析的协同制造过程建模语言，为决策层提供不依赖具体生产数据、兼顾不确定因素的领域专用抽象建模和模型仿真工具。总结并凝练协同制造的领域知识，定义其概念模型，基于概念模型制定协同制造过程建模语言CoM-PML;开发基于CoM-PML的建模和仿真系统POMES4CM,通过执行多过程仿真协助企业管理人员分析产品齐套周期、资源利用率等，辅助决策。选取3种复杂产品的协同制造流程进行案例验证，得到具有指导意义的过程模型和生产计划，验证方法和系统的有效性。