基于信息熵的物料配送时间节点预测方法

针对不确定性干扰因素影响复杂产品装配车间物料配送时间准确性的问题,提出了一种基于信息熵评价的物料配送时间节点预测方法。分析了复杂产品装配车间不确定性干扰因素的种类,采用综合时间需求因子量化不确定性干扰因素,定义装配工位状态,并建立工位状态转移概率矩阵。基于工位状态变化的马尔可夫链特性,建立复杂产品装配车间物料配送时间节点预测模型。提出平均预测误差的动态误差补偿方法修正预测值,并选取最大配送可行性时限和配送准确度为评价指标,构建基于信息熵的物料配送系统评价体系,对物料配送时间节点预测方法的有效性进行评价。最后,以某公司磨床主轴装配工位的物料配送历史数据为例,对提出的预测方法进行验证。结果表明,所提出的预测方法有助于增大物料配送系统的最大配送可行性时限、提升物料配送时间节点的准确性。     

基于时间窗约束的车间物料配送路径优化方法

针对混流生产车间物料配送需求的准确性和及时性,综合考虑实时生产状态和不确定因素,以实时生产数据为依据,动态计算各工位配送时间窗,并用正态模糊数的隶属度表示工位满意度。在此基础上,建立以配送成本最低为目标,以时间窗、运载能力和持续能力为约束的物料配送路径优化模型。采用基于禁忌搜索的改进遗传算法求解模型,该算法将禁忌搜索的记忆功能融入遗传算法中,防止遗传算法陷入局部最优。最后,通过实例验证该方法的有效性和可行性。     

基于自动仓储模式的物料配送系统设计

随着自动化立体仓储配送技术在制造企业中得到广泛应用以及准时化生产的深入,制造企业对物料配送的准确率、高效实时性的要求越来越高,就自动化立体库仓储系统物料配送的系统方案、物料计算、配送作业开展论述,提出一套适合小批量多品种制造企业基于自动化立体仓储系统的高效物料配送系统解决方案。     

基于Petri网的车间物料配送及路径规划方法

针对离散制造车间物料配送、废料回收效率低且成本高等问题,建立了能够描述车间资源流动状态的Petri模型.以车间物流总成本为优化目标,在分析车间资源流动的基础上结合物料配送的时间窗,提出了具有Petri网特性的软时间窗车辆路径规划方法.利用整数线性规划方法,在MATLAB软件中对实例进行求解,验证了 Petri网应用于离...     

基于时间序列理论的误差预测补偿技术

分析了机械加工精度控制模型及传统的误差补偿方法的局限性,尝试把时间序列预测理论应用于数控加工系统,构成了一种新型的误差预测补偿方法。基本思想是直接用已加工出的零件型面误差统计数据建立误差预测模型,得到加工下一零件时各轴不同时刻位置补偿量的预测值,达到提高复杂型面数控加工精度的目的。     

航空复合材料车间物料配送系统的研究

针对复合材料车间物料供应中存在的问题,提出改被动的物料供应为主动的物料配送.通过分析物料配送所需的信息,建立物料配送模型,并研究物料配送的作业流程.在此基础上开发了复合材料车间物料配送系统.     

基于eM-Plant的装配线物料配送仿真与优化

摘要：针对某太阳能模组装配线投产前验证原生产物流配送方案是否合理的问题,利用eM-Plant仿真平台建立了该装配线物料配送仿真系统。仿真分析后发现原方案存在不合理之处。采用试验设计方法,研究了生产计划的完成时间与装配线物料缓冲区的大小和配送小车的数量、速度以及装载量之间相互关系。根据试验的结果,选择一种最优的改进方案,确定优化有装配线暂存区的存储容量,配送小车的数量、运行速度和装载量,提高整个物流系统的输送效率,降低企业生产物流成本。     

加工过程中基于信息熵的神经网络控制方法研究

不确定性信息的处理是目前控制器设计的关键和难点 ,变切削深度加工过程有大量的不确定性信息 ,本文以其为实验对象 ,研究神经网络控制效果 ,虽然网络学习率已根据实际需要作了修改 ,但系统响应速度较慢。据此 ,提出基于信息熵的神经网络优化控制算法 ,对熵函数中的概率分别采用均匀分布规则和根据最大熵原理求取两种策略。比较发现 ,前者比最初神经网络控制更能显著提高系统响应速度 ,后者能在此基础上将震荡次数减少 2 / 3。实验证明 ,基于信息熵测度的控制对处理不确定性系统具有很好的效果。     

基于熵值法径向基神经网络的清扫车吸尘口垃圾颗粒驻留时间预测

针对清扫车吸尘口内垃圾颗粒驻留时间受到结构类、固相类及气相类因素多类型、非线性作用预测难的问题,提出了基于熵值法的径向基神经网络(RBFNN)的垃圾颗粒驻留时间预测方法,该方法考虑了吸尘负压、滚刷转速、颗粒质量、颗粒密度、颗粒流量和吸尘管直径6种因素,将采用熵值法求解的因素权重作为输入扰动变量,建立了垃圾颗粒驻留时间的预测模型。结果表明：与采用传统RBFNN的预测方法相比,所提方法具有预测精度高的优点,可较好地解决清扫车吸尘口垃圾颗粒驻留时间预测难的问题,有助于提升清扫车吸尘系统设计水平。     

基于S变换和互信息的梁类结构裂纹定位方法

实际使用中的梁类结构容易萌生裂纹,影响其使用寿命及安全可靠运行,准确判定其裂纹损伤位置对于实现梁类结构的快速准确维护处理具有重要意义,为此提出基于振动信号S变换和互信息值实现梁类结构裂纹的识别与定位。首先,基于测试获得梁类结构上分布点的振动信号;其次,利用S变换将振动信号变换到时频域,计算梁结构在裂纹损伤前后各对应位置点时频域振动信号的互信息值;最后,通过检索互信息值向量中分量的最小值位置实现裂纹区域的准确定位。为了避免引入附加质量的影响,利用机器视觉测振系统采集悬臂梁和小型复合材料叶片上的分布点振动信号,设置不同裂纹位置对梁类结构裂纹定位方法进行了验证,证明了方法的有效性。     

基于滤波器组的时频分布及其在故障诊断中的应用

采用滤波器组将信号分解成一系列子带信号，依据信息熵最小原则，对各个子带信号的伪Winger分布(PWVD)的参数进行优化，得到各个子带信号的优化PWVD，求这些优化PWVD的加权和，得到原始信号的一种新的时频分布。当计算时频信息熵的分组数取得合适时，该分布具有一定的自适应性，且与其它自适应时频分布相比，具有计算量小的特点。将该时频分布应用于转子故障的诊断中，诊断效果十分理想。     

基于熵权的模糊综合评判在材料选择中的应用

针对一般的模糊综合评判法在权重确定方面具有一定的随意性,提出了一种基于熵权的模糊综合评判方法.通过熵权使权重的确定由主观判断转为由各指标数据之间的关系来确定,并将该方法用于材料的选择之中.结果表明,该方法是可行的,在实践中具有一定的应用价值.     

基于时间信息融合的振动故障诊断方法

由于依靠一个状态的数据进行融合诊断存在误诊和漏诊的可能性,提出了一种基于时间信息的融合诊断方法,以小波分析和概率模型为分析手段,给出了基于时间信息融合的具体算法,并定义了故障定量判别的指标——故障度.通过转子故障模拟试验得到了大量数据,对故障实例的计算以及振动信号的分析结果表明,故障度能够有效地区分故障类别,提高了诊断的准确性.     

基于信息熵贴近度和证据理论的旋转机械故障诊断方法

从信息融合的思路出发,建立反映振动能量的旋转机械故障状态的信息熵特征,如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵。通过试验,建立了旋转机械典型故障下的信息熵期望值,即获得基于信息熵的故障诊断标准特征向量。由于传感器的不确定性和故障的多样性,提出采用D-S证据理论来对4种信息熵进行信息融合。根据越相似模式间的距离越短的思路,提出采用信息熵贴近度来建立证据理论的基本可信度分配,以基于基本可信数的决策方法来作为故障模式识别方法。通过实例计算,证明基于信息熵贴近度和证据理论的旋转机械故障诊断方法是故障模式定量识别的一种可行的新方法。     

基于信息熵的涡旋压缩机故障诊断研究

为了定量描述涡旋压缩机运行状态,在状态特征提取的基础上,从振动信号分析的思路出发,结合信息论中熵和灰关联度的理论,建立了一种基于时域的奇异谱熵、频域的功率谱熵、时-频域小波能量谱熵和小波空间特征谱熵的故障诊断方法,并作为综合评价涡旋压缩机振动状态的定量特征指标,可实现对涡旋压缩机几种故障的较好识别,证明了该故障诊断方法的有效性。     

一种基于信息熵的供应商优选方法

为了提高企业的核心竞争力，越来越多的企业把供应商引入其供应链中，但如何选择合适的供应商是困扰企业的一个关键问题。在描述零件供应商选择模型的基础上，提出了基于信息熵的零件供应商选择和评价方法，避免了传统的供应商评价和选择方法主观性过强的特点，并以实例说明了本方法的有效性。     

基于信息熵的制造服务单元建模与定量评估方法研究

为评估制造服务协同中制造服务单元划分的合理性,提出了基于信息熵的制造服务单元建模与定量评估方法。阐述了制造服务协同过程,提出了制造服务单元模型。基于Shannon信息论,结合制造服务单元信息容量和制造特征标识码的相关性,建立了制造服务单元评估的定量方法。实例证明,该方法可有效地减少制造服务链的信息冗余,优化制造服务协同过程。