面向大规模定制的e-制造工艺优化决策方法研究

通过对面向大规模定制的e-制造工艺规划特点的分析，论述了基于特征分解及邻域搜索技术的多工艺规划方法，建立了采用工艺聚类技术进行动态成本核算并进而实现工艺优选的多工艺优化决策模型。在聚类模型中采用基于加权有向图的工艺描述数学模型，并以工艺合并后零件加工成本变化最小为标准，建立了零件相似距离模型，并设计出相应的聚类算法模型。利用Java技术开发了一套软件原型系统，通过实例分析验证了模型和方法的合理性及有效性。     

基于模糊聚类的产品模块化形成过程分析

阐述了大规模定制与产品模块化设计相结合的可能性,考虑了全生命周期中影响零件交互关系,以及产品模块形成的一系列因素.应用模糊聚类算法,分析了模块的有序聚类形成过程.结合典型特例表明,本文所提出的方法对产品模块化的形成具有较强的适用性和有效性,为面向大规模定制的模块化敏捷生产模式提供了另一种数值分析和评价手段.     

面向大规模定制生产的e-制造单元目标层解分析优化规划模型

e-制造单元规划是一个较为复杂的大型设计优化问题,全局优化性和算法复杂性的协调处理始终是解决该问题的重点和难点.通过深入分析e-制造单元的结构和特点,提出一种e-制造逻辑单元的双级式层次结构模型,并采用目标层解分析(ATC)方法建立一种e-制造逻辑单元协同规划模型以及相应的算法模型和解决方案.该模型针对大规模定制产品的制造问题,综合考虑各零件族在制造过程中的耦合关系,在零件聚类优化的基础上,实现e-制造单元的优化规划.通过深入细致的算法复杂度和收敛性分析,并结合具体的实例验证,论证该模型的合理性和有效性.     

面向产品族的制造单元聚类规划研究

为了支持用户的个性化需求 ,在分析产品族的模块化结构及其零部件构成比例等特点的基础上 ,提出了支持生产线布局规划的面向产品族的制造单元聚类规划方法 ,给出了聚类规划过程、聚类规划算法描述 ,并进行了应用分析。构建了零部件与工艺路线间的关联量化矩阵。利用聚类规划方法 ,获得了零部件的聚集分类及相关的聚集工艺需求、与零部件聚集相对应的制造单元的加工需求能力分配比例指标和制造单元间的交流等信息。最后在企业制造资源和工艺环节映射关系的支持下 ,形成了面向产品族的基于制造单元的生产线布局规划方法。本研究为企业的大规模定制生产模式下生产系统的规划提供了可行的思路     

基于PCA与蚁群算法的机械故障聚类诊断方法

针对现代机械复杂化、智能化的特点,为快速准确地诊断出设备故障,提出了基于PCA与蚁群算法的机械故障聚类诊断新方法。定义了聚类准确率判别因子,对主元的选取进行自适应调整,利用基于高斯径向基核函数的主元分析方法实现了故障特征提取。以蚁群算法解决旅行商问题为原型,定义了城市圈,改进蚁群算法实现了双重寻优,把故障聚类转化为蚁群算法最擅长的寻求最优解问题,将改进的蚁群算法用于故障特征样本的聚类。实例分析证明了该方法的有效性。     

基于有向图的零件容差建模方法

为了实现用计算机表示零件几何形状和尺寸变动的基准、变动方向和变动量的要求,提出了一种基于有向图的容差建模方法。该方法采用一个五元组来表示容差元：定义零件的参考坐标系和零件中与几何形状和尺寸相关的关键特征;采用图的有向边描述关键特征之间的容差关系;采用单位向量表示容差变动方向,实现容差元的有向图表示;基于图的和运算实现了对所有容差元模型求和,从而构建了零件容差模型。最后,给出了实例验证,并开发了与CATIA集成的容差建模功能模块。     

分块自适应加权改进大规模模糊聚类

为解决传统模糊C均值聚类(Fuzzy C-means,FCM)算法在处理大规模数据集时遇到的时间复杂和内存不足等瓶颈,提出基于大数据集抽样分块的多视角自适应模糊聚类算法,算法通过邻域正则约束提高传统FCM算法的抗噪性,通过低秩与熵加权约束提高多视角一致性,以提高算法对多样化数据聚类的适应性,最后通过Canopy算法初始聚类中心提取、数据抽样分块和自适应加权优化算法对大规模数据聚类的适应性.实验结果表明,算法在继承传统多视角FCM算法良好聚类性能基础上,减少了计算复杂度,提高了聚类准确率,适于大规模数据集聚类.     

基于模糊核加权C-均值聚类的高光谱图像分类

高光谱图像分类是高光谱数据分析的重要研究内容之一。模糊C-均值聚类算法因其算法简单、收敛速度快等优点受到广泛的关注。由于高光谱数据的维数较高,其光谱波段的非线性特性使得传统模糊C-均值聚类算法无法在原始空间得到较好的聚类结果。另外,模糊C-均值聚类算法在计算聚类中心时,仅使用了各样本对聚类中心的隶属度,忽略了样本之间固有存在的空间分布特征。为此提出了模糊核加权C-均值聚类算法,在计算模糊核聚类中心时,根据样本的空间分布特征,为每个样本分配不同的权值,使得每个核聚类中心随着样本的不同而各有不同。标准数据和实际高光谱数据的实验结果均表明,相比较传统模糊C-均值均聚类算法,模糊核加权C-均值聚类算法在总体分类精度上有较大的提高。     

基于群智能加权核聚类的水电机组故障诊断

针对核聚类中核参数选择依赖经验,最优聚类中心难以有效获取的问题,提出了一种仿电磁蜂群加权核聚类算法。首先,考虑不同特征对聚类结果的影响,对样本进行加权处理,利用核空间的Xie-Beni指标建立加权核聚类模型;然后,提出并引入仿电磁蜂群算法求解聚类模型,实现聚类中心、特征权重与核参数的同步寻优。利用该方法分别对3组标准测试样本集以及水电机组故障样本进行聚类测试,并与传统方法进行对比分析。试验结果表明,提出的仿电磁蜂群加权核聚类算法较传统聚类方法具有更高的精度,能够有效实现水电机组振动故障的准确聚类与识别,完成故障诊断。     

基于全局图遍历的加权频繁模式挖掘算法

为解决加权遍历模式挖掘问题,提出了一种从边加权有向图到顶点加权有向图的变换模型.基于该模型,提出了基于全局图遍历加权频繁模式挖掘算法.在该算法中,利用图全局拓扑信息评估遍历模式的加权支持度,将剪枝问题转化为模式可扩展性问题,进而利用可扩展模式的向下闭合特性产生候选模式集.实验结果表明,该算法是一个高效的基于图遍历的加权频繁模式挖掘算法.     

三维CAD模型模块划分的蚁群聚类图分割方法

为了使三维CAD模型模块划分的结果保持较好的结构完整性,提出一种面向图分割的蚁群聚类算法.用属性连接图表示复杂的CAD模型并进行简化;通过对模型连接方式和零件属性的分析,获得零件的结构、功能和材料相关性并建立综合相关度矩阵;根据零件的连接层次关系重构了蚁群聚类的局部范围界定和密度函数计算方法,实现了面向图分割的的蚁群聚类.采用上述方法对某型飞机襟翼模型进行模块划分,验证了所提方法的正确性和有效性.     

生成有向装配连接图有向割集的递归收缩算法

为解决有向装配图有向割集的求解,给出一个生成有向装配连接图有向割集的高效算法,该算法优先考虑检查有向割集两个子图问边的方向.算法首先利用边收缩图的概念,递归生成有向装配连接图的具有一个连通子图的一部分有向断集,接着通过判断另一个子图是否连通,从这些有向断集的集合中筛选出全部的有向割集.理论分析和实验分析均表明,该改进算法可行且高效,时间复杂度明显低于已有算法.     

基于聚类分析与支持向量机模型的缸盖座圈图像判别

为在生产现场及时检测出发动机缸盖气门座圈未被压装到位的情况,采用蚁群聚类算法对状态各异的缸盖气门座圈缝隙图像进行合理归类,并在聚类基础上推演相关支持向量机(SVM)模型实现检测的早期分流,从而提高现场运行速度与检测判别性能.首先,分析缸盖座圈缝隙图像差异,确定体现检测图像宏观特征的观测点,采用聚类数目未知时的蚁群聚类算...     

基于改进混合蚁群算法的大批量定制协同制造链优化 

针对大批量定制协同制造链优化配置问题,以质量、成本、时间、提前交货期和协同度为评价指标,以最小化评估指标综合值为目标,建立了大批量定制协同制造链的优化配置数学模型,构造了适合该模型特征的改进混合蚁群算法并阐述了其求解过程。范例计算及对比分析表明,该方法是有效的、可行的。研究结果为大批量定制协同制造链的优化配置提供了可参考的模型和求解算法。     

基于蚁群聚类的多目标环形分类的方法研究

针对群体机器人协作进行分类问题,将机器人个体通过简单的相互作用,使它们协作来解决复杂的问题.首先,机器人采用Hu不变矩和BP神经网络对目标物体进行分类,所有机器人的移动、搬运和放置行为都是随机的,物体之间引入势力场,机器人搬运物体时受到场的作用.实验证明经过一定的时间后,物体将形成稳定的环形分类结构,实现多目标的环形分类.     

面向大批量定制设计的定制客户动态聚类方法研究

通过分析现有客户聚类存在的不足，面向大批量定制设计提出了根据功能结构模型进行客户动态聚类划分的新方法。采用面向对象的技术，
将功能作为产品族的特征属性与产品族结构封装，建立了产品族功能结构模型；应用蚂蚁自我聚集行为的聚类原理，以产品族功能结构模型为分类模式，以动态定制客户集为模式样本，提出了基于功能结构蚂蚁树的定制客户动态聚类算法。在自行开发的工程机械产品定制服务平台上，以摊铺机定制客户的聚类划分为例进行了实验验证。     

基于直接进化理论的产品族结构自适应方法

为满足不断变化的产品定制需求,改善产品族结构的内容及组织形式,基于发明问题解决理论及其直接进化理论,分析得到了产品族结构动态演化的依据,提出了基于定制产品数据的自适应过程,并采用增加资源包含量的技术进化模式,指导实施产品族结构的自适应过程。首先,通过零件模型聚集和零件模型浓缩的方法,将定制过程中产生的新的零件模型向产品族结构添加,增加产品族结构的有效性。然后,基于零件的使用状态信息,对产品族结构中的零件模型进行重新组合,提高了产品族结构的合理性。从功能特征层面,定义了产品族结构自适应过程启动的判定依据。最后,以纺织机械产品族结构数据为例,对上述原理和方法进行了验证,得到了与企业产品发展和规划比较一致的结果。     

基于蚁群算法的机械故障智能诊断方法研究

介绍了蚁群算法基本原理,实验验证了蚁群聚类算法可用于轴承故障诊断,对比蚁群算法和BP神经网络在故障诊断中的不同,分析了蚁群算法在故障模式识别中的特点。