基于DELMIA的智能工艺体系关键技术研究与运用

针对传统制造和装配工艺规划自动化程度低、周期长、成本高、不能满足现代工艺制造需求的现状,提出了一种基于DELMIA软件系统的智能工艺体系。重点分析了DELMIA中产品-工艺-资源的全局工艺规划、虚拟装配动态仿真关键技术,并通过变速器箱体的机械加工工艺设计与变速器的装配仿真进行了实例验证,最后提出了采用BP神经网络算法对虚拟装配路径进行评价。结果说明,基于DELMIA的智能工艺体系能够显著提高产品的研发效率。     

基于制造成熟度的产品设计方案评价研究

为了使产品更好地满足企业的生产需求,减少企业在产品设计、制造等过程中出现的风险,对基于制造成熟度的产品设计方案评价进行研究.介绍了制造成熟度评价指标,提出了基于层次分析法的制造要素评价算法、基于模糊集的制造成熟度表示方法、基于逼近理想解排序的制造成熟度评价方法,进而得到基于制造成熟度的产品设计方案综合评价模型.以某新能...     

核模糊聚类和BP神经网络的切削工艺绿色度评价

为了对切削工艺绿色度进行客观有效评价,提出一种基于核模糊聚类算法和BP神经网络的工艺绿色度评价模型。根据面向绿色制造的工艺规划方法,建立切削工艺绿色度评价指标体系。通过核模糊聚类算法划分训练样本集,提升样本分类精度。利用BP神经网络建立工艺绿色度评价模型,基于训练结果自适应获取输入到输出的模糊规则,提高评价效率。通过汽车零件的切削工艺绿色度评价实例,验证了核模糊聚类和BP神经网络的切削工艺绿色度评价方法有效性。     

制造企业数字化转型能力成熟度评价模型研究

当前制造企业数字化转型能力成熟度评价模型研究普遍存在模型指标颗粒度较粗、缺乏对网络安全建设等维度评价、评价方法较单一等诸多问题,在管理实践中发挥效用有限。基于能力成熟度模型构建方法、价值链等理论,分析制造企业数字化转型的实际情况和阶段特征、关注重点,提出了一套覆盖制造企业全价值链业务活动、可根据评价应用场景进行灵活调整的评价模型。模型由能力要素、一级指标、二级指标组成的指标体系和5个能力成熟度等级组成。应用模型开展评价时,采用AHP-DEMATEL、模糊综合评价算法等进行指标权重设置与成熟度计算。该模型具有模型覆盖范围广、指标细化程度高、评价方法科学合理等优点,可为制造企业数字化转型评价提出广泛适用的分析依据与应用途径。     

基于改进BP神经网络面向STEP-NC 2.5D制造特征的智能宏观工艺规划

智能工艺规划是实现智能制造的关键技术。面向新型NC编程数据接口国际标准STEP-NC(STEP-compliantnumerical control, STEP-NC),一种基于改进BP神经网络面向STEP-NC 2.5D制造特征的智能宏观工艺规划方法被提出。在该方法中,用于STEP-NC 2.5D制造特征加工操作方法决策的集成BP神经网络模型首先被建立。考虑到BP神经网络容易陷入局部最优和收敛速度慢,将混沌算法、遗传算法和BP神经网络算法相结合得到用于加工操作方法决策的改进的BP神经网络。在此基础上,将零件的加工信息归一化处理后输入到改进的神经网络中,进而实现了STEP-NC 2.5D制造特征加工操作方法的智能生成。最后,通过实例验证了该方法的有效性和可行性。     

基于BP神经网络的集装箱制造过程绿色度评价研究

针对目前集装箱制造过程没有专门的绿色度评价体系与方法的问题,通过对集装箱制造过程进行分析,初步建立集装箱制造过程绿色度评价指标体系。基于调查问卷的方法对指标体系进行确定,并作为BP神经网络模型输入构建BP神经网络模型,对BP神经网络模型进行训练。基于某集装箱制造厂的实测数据对集装箱制造过程绿色度进行评价,结果表明所构建的模型能够反映集装箱制造过程的绿色度水平,给集装箱制造过程的绿色度评价提供了一种方法。     

遗传算法改进的BP神经网络在协同创新评价中的应用

为了解决客户协同创新中协同工作效率难于评价的问题,提出了一种用遗传算法优化的神经网络对客户协同产品创新进行评价的评价模型：在评价指标方面,设计了一套包括效益、效率和过程的18个指标的评价体系;在评价算法方面,将遗传算法与BP神经网络结合起来,设计了遗传算法改进的BP神经网络算法。该模型充分利用遗传算法的全局搜索能力强与神经网络的局部搜索能力强的特点,克服了遗传算法局部收敛与神经网络收敛速度较慢的问题,是一种非常适用于评价协同工作的模型。最后通过实例训练,证明了该模型的有效性与可行性。     

基于装配操作难度指标的零件级可装配性评价方法

产品可装配性设计(DFA)对缩短产品开发周期、降低生产成本和提高产品质量有着很大的影响,特别是对可装配性评价已经成为DFA中的重要一环。从装配的实际操作角度,列出零件装配的八个基本动作,分析影响零件基本动作的因素,构建基于神经网络的产品可装配性评价模型,形成基于操作难度指标的动作级评价和零件级评价的二级可装配性评价方法,最后应用构建的评价方法对CB齿轮泵可装配性进行评价实验。通过评价实验,证实了该评价方法具有先进性、可行性和较强的实用性。     

基于粗糙最优最劣法的大型复杂装备研发体系成熟度评估

大型复杂装备的研发对于提升国家实力具有重要意义,具有研发周期长、风险大的特点,智能制造的推进要求大型复杂装备研发体系更为信息化和系统化.为更好的指导大型复杂装备的研发管理,提高企业研发体系的建设和升级,提出基于能力成熟度模型集成(CMMI)的研发体系成熟度模型.从研发战略、研发管理能力、研发流程和研发信息化平台四个维度构建评估模型,考虑到评估信息的不确定性,采取粗糙最优最劣法(Best and Worst Method,BWM)对复杂装备研发体系成熟度进行评估.最优最劣法可减少指标之间的两两对比,提高结果一致性,粗糙集理论能够剔除冗余,简便易用.该模型帮助企业有效测度和提升研发管理.最后将该方法用于企业复杂装备研发体系成熟度评估案例中,准确评估出研发体系成熟度等级.     

基于眼动追踪的工程车辆造型设计用户体验预测模型

为降低主观因素干扰,更加客观地评估产品造型的用户体验性,基于眼动数据,提出一种应用遗传算法优化BP神经网络的用户体验预测模型。将Tobii 120型眼动仪作为试验仪器,以Likert五级主观量表法作为辅助研究方法,采集了40位用户对12个工程车设计方案评价过程中的眼动数据,通过遗传算法对初始值编码,优化BP神经网络,建立眼动数据与主观评价相结合的综合评价模型。经广义线性回归模型筛选,确定了以注视时间为代表的10个眼动参数作为神经网络构建参数,随机选取35组眼动数据进行预测,结果显示该神经网络能有效预测产品造型设计用户主观体验得分,预测相对误差约5%。基于遗传算法的优化BP神经网络模型对使用眼动数据预测用户体验主观评价效果显著,可为今后产品造型的用户体验评价提供参考。     

基于BP神经网络的外协供应商选择方法及应用

针对大型建材装备制造企业不能快速准确选择最优外协供应商的问题,提出了一种基于BP神经网络的外协供应商选择方法。在分析外协供应商及其评价方法的基础上,建立了基于BP神经网络的外协供应商综合评价模型,设计了一种基于BP神经网络的外协供应商选择算法,可以利用训练好的神经网络进行外协供应商的选择。通过算例进行了仿真分析,验证了算法的可行性。     

基于复杂网络的制造系统脆弱性综合评估方法

针对现有制造系统脆弱性研究的不足,提出一种基于复杂网络的制造系统脆弱性综合评估方法。对制造系统复杂网络的节点、边、局域世界和网络生长模式进行定义,建立了对应的复杂网络模型;构造了制造系统脆弱性的评估框架,从结构脆弱性和功能脆弱性两个维度进行具体评价;基于系统复杂网络的拓扑特性评估其结构脆弱性,基于系统的功效性指标评估其功能脆弱性,综合两种脆弱性建立系统的整体脆弱性综合评价模型;以发动机装配制造系统为例,通过建立该系统的复杂网络模型,评估系统的脆弱性,验证了该方法的可行性,并给出了安全运行的合理建议。     

基于内隐测量和BP神经网络的产品色彩情感化设计

为准确获取用户对产品色彩的情感意象，有效缩小设计师与用户之间的情感认知差距，以电熨斗产品的色彩设计为研究对象，以内隐测量技术和BP神经网络为研究手段，开展用户情感认知的演化机理研究。通过眼动、脑电和行为实验分别提取被试面对不同色彩方案时的眼动指标、脑电信号和情感意象评价值，结合BP神经网络构建基于“产品色彩—生理信号—情感意象”三层关联结构的产品色彩情感意象评价模型。实验表明，所提方法能够准确获取用户对产品色彩的情感认知规律，为产品色彩情感化设计研究提供有效的理论依据和数据支撑。     

基于BOHB-BP的增材制造成型件质量预测方法EI北大核心

表面粗糙度和拉伸强度是衡量熔融沉积制造(FDM)成型件质量的重要指标,但由于FDM工艺参数众多,且与FDM成型件质量之间呈现非线性关系,因此传统方法难以准确预测这两项指标。为此,提出一种贝叶斯超频道优化算法(BOHB)与BP神经网络相结合的FDM 3D打印成型件质量预测方法以提高预测精度与稳定性。将层厚、扫描次数和填充间隔这三个工艺参数作为模型的输入;利用BOHB算法对BP神经网络的超参数进行优化得到BOHB-BP模型;使用中心复合实验获取表面粗糙度和拉伸强度的实验数据,在以上两种数据集上根据留一法验证模型的精度与稳定性;将模型BOHB-BP与模型GA-BP和BP的预测情况进行对比实验,证明了所提方法在不同数据集上均有更好的预测精度与稳定性。     

面向复杂产品的智能设计及成本估算模型

针对基于实例设计方法应用于复杂产品时难以实现相似实例搜索、修改和产品成本估算的问题,提出一种通过建立产品的全局特征属性建立产品功能属性与全局特征属性映射关系的方法。全局特征属性包括产品结构的几何属性、材料属性和制造属性。基于多级神经网络建立功能属性与全局特征属性之间的映射模型,并在此基础上建立了适合复杂产品的智能设计和成本估算模型,实现了复杂物理结构相似性评价、适应性修改方案自动生成和新产品的成本估算。论述了全局特征属性的描述方法、映射模型的构建方法和基于距离的相似实例搜索方法。结合实例验证了模型的可行性,为复杂产品智能设计提供了技术支持。     

基于BP-AdaBoost的耦合碰摩故障特征识别研究

旋转机械故障诊断研究中,采用BP神经网络容易陷入局部极小点而无法得到全局最优解,导致对耦合碰摩故障分类识别率不高的问题。研究了经验模态分解方法和BP-Ada Boost方法,结合二者优点,提出了一个故障识别的新方法,首先为了去除背景信号和噪声信号,选用经验模态分解方法来分解转子的振动信号,得到转子系统碰摩信号的主要故障特征,然后用BP-AdaBoost模型对3种不同工况进行识别。基于实验数据的分析表明方法的识别率要优于BP神经网络。     

复杂产品数字孪生装配模型表达与精度预测

针对复杂产品装配过程中装配模型/数据/信息脱节、精度预测不准确、缺乏现场装配有效指导等实际工程应用问题,提出复杂产品数字孪生装配模型表达与精度预测方法。给出基于数字孪生的复杂产品装配精度预测方法总体流程;其次,将数字孪生装配模型表达划分为装配对象模型和装配工艺模型,并明确了产品数字孪生装配模型的精准建模机制;在此基础上,采用基于实测数据的装配偏差传递更新迭代机制实现融合多维度误差源的产品装配误差分析计算与装配精度预测;最后,以某型卫星结构部装为例搭建了复杂产品数字孪生装配软硬件系统平台,并通过实例验证了所提方法的可行性,为复杂产品装配精度预测与保障提供了一种切实可行的新思路和新途径。     

基于模糊综合评判和BP神经网络的通用机械产品售后质量损失评估及预警方法

针对通用机械产品售后质量损失影响因素多、质量损失评估及预警困难等问题,提出了一种基于模糊综合评判和BP神经网络的通用机械产品售后质量损失评估及预警方法。建立了通用机械产品售后质量损失的评价指标体系,并对售后质量损失的综合模糊评价、三层BP神经网络质量损失预警等关键技术进行了研究。最后,将该方法应用于重庆某通用机械制造企业售后质量损失的评估预警管理,取得了良好应用效果。     

基于Agent的制造网格资源优选评估模型研究

为了解决制造网格系统中制造资源发现的优选问题,缩短用户选择最佳资源的时间,提高制造网格的服务质量,提出了制造网格系统中制造资源发现机制的结构模型,建立了包括一般性评价指标、特有评价指标和个性化评价指标的制造网格资源评价指标库,并提出了基于Agent的制造网格资源优选评估模型和具体实现算法。结合实例对该模型和算法进行了验证,结果表明所提出的模型和算法可以有效地解决资源优选问题。     

基于效用函数逼近的绿色产品评价方法

提出了采用逼近绿色产品效用函数的评价方法。首先选取产品样本,然后采用函数逼近方法建立评价模型。依据人工神经网络逼近函数的计算条件, 建立了基于BP神经网络和径向基函数神经网络的绿色产品评价模型以电冰箱为例,建立评价指标体系,收集了相关的评价样本,分别对BP神经网络和径向基函数神经网络进行了训练和仿真。该方法的计算不需要各指标的权重,可对绿色产品序数和基数效用函数进行逼近,实现了绿色产品非线性效用函数的评价。