基于迁移学习的数控机床节能控制决策方法

为降低机床等待过程的能耗，提出了基于迁移学习的数控机床节能控制决策方法。通过分析机床的节能控制条件，提出了机床等待过程的5种节能控制策略。考虑生产过程数据的多样性与复杂性，建立了融合深度置信网络与迁移学习的机床节能决策方法，电梯零部件制造车间的案例分析表明该方法的机床节能决策误差仅为3.2%，机床等待过程总能耗降低了52.5%。     

大数据驱动的离散制造车间实时能效分析方法

为实现生产过程的节能减排,提出一种大数据驱动的离散制造车间实时能效分析方法。首先,从能耗数据与工艺数据两个方面构建了制造数据封装模型,以实现制造大数据的采集与存储;其次,通过数据聚类与数据关联分析,建立了制造大数据分析方法,实现了能耗数据的特征提取及其与工艺数据的关联融合,并据此建立了离散制造车间多层次实时能效分析指标。该方法将大数据处理与制造车间能效分析相结合,通过能耗数据的挖掘分析与可视化展示,为智能车间的节能控制提供了决策依据。     

车间生产过程的能量足迹建模与加工参数协同优化

为降低零件加工过程的生产能耗,提出一种面向节能的车间生产过程多装备加工参数协同优化方法。以包含机床与机器人的定制化生产车间为研究对象,建立了考虑刀具退化动态过程的生产车间系统能量足迹模型。考虑刀具寿命、机器人运输平稳性的成本指标函数,建立了多装备系统的加工参数协同多目标优化模型。以加工时间为约束条件,使用蜂群算法获取了最优参数。实验表明,以节能目标为主的优化方案可降低机床加工能耗17.97%,降低机器人运输能耗18.13%。     

大数据驱动的离散制造车间生产过程智能管控方法研究

在智能制造背景下,离散制造企业对利用大数据技术提高车间生产管控水平提出了迫切的需求。研究大数据驱动的离散制造车间生产过程智能管控方法,在明确离散制造车间特点与管控需求的基础上,分析了传统方法的局限性和大数据方法的优势,进而提出大数据驱动的离散制造车间生产过程管控总体框架,以制造大数据的"采集-处理-分析-服务"为主线开展研究。在"进度预测-瓶颈发现-异常溯源-智能决策"的生产过程闭环管控机制中,分别提出：基于堆叠稀疏自编码机的生产进度在线预测技术,基于平行门控循环单元的生产瓶颈漂移发现技术,基于密度峰值-模糊C均值的生产异常溯源分析技术和基于多智能体强化学习的生产过程智能决策技术。最后,以某航空企业典型离散制造车间作为对象,对所提出的大数据分析与智能决策方法进行了原型系统开发和应用验证。     

柔性作业车间能耗优化研究

为了实现机械加工车间的节能优化运行,建立了考虑运输时间的节能柔性作业车间调度模型。使用基于动素的机床能耗模型预测生产过程中的机床能耗,并利用遗传算法实现了模型的求解。柔性作业车间环境下,该模型能够从能耗出发,为各加工任务选择合适的加工机床,同时生成优化的生产调度方案。最后,案例研究验证了建立的模型的节能效果和有效性。     

制造资源实时状态驱动的离散制造车间低碳调度研究

针对离散制造车间低碳调度问题,考虑车间制造资源实时状态,构建实时数据驱动的车间状态监测框架,以机床能耗、刀具磨损和切削液损耗作为碳排放来源,结合最大完工时间,建立一个制造资源实时状态驱动的离散制造车间低碳调度模型,并提出一种融合Tent映射的多目标Jaya优化算法。首先使用Tent混沌序列初始化种群,然后引入基于邻域搜索和模拟退火算法的局部搜索方法,并使用严格的外部档案集保存搜索到的解。最后通过灌装设备生产车间的实例数据对算法和模型进行验证,结果表明所提出的算法和模型能够有效求解离散制造车间低碳调度问题,减少车间异常状态对生产计划的影响,降低车间碳排放量。     

基于数据挖掘的机加工生产进度预测方法

为解决多品种、小批量航天产品机加工的工时计算和生产进度预测问题,给出了基于数据挖掘预测方法的逻辑流程和体系架构,开展了数据需求及处理,数据分析及预测的相关研究,并提出了生产进度预测方法,可实现基于车间制造资源数据、历史数据和当前数据的工时计算和生产进度预测,为进一步明确生产节点、制定生产计划和优化生产过程,奠定了基础、提供了参考。     

考虑设备预维护的柔性作业车间调度节能优化方法

随着能源成本的飙升和环境日益恶化,实现节能生产的策略越来越受到制造企业的关注.在车间实际生产调度过程中,机床设备的故障与维护会影响车间调度方案的顺利执行,进而导致出现车间加工资源冲突、能耗增大和完工时间延长等问题.为减少实际柔性作业车间加工过程中出现由于机床故障而导致加工中断的情况,提出一种考虑设备预维护的柔性作业车间调度节能优化方法.分析考虑设备预维护的柔性作业车间能耗特性,建立考虑设备预维护的柔性作业车间调度节能优化模型,设计机床预维护策略,并在此基础上提出一种启发式框架下的调度算法对节能优化模型进行求解,通过不同方案的对比分析,验证所提方法的有效性.     

基于产品制造过程内含能分级的冲压车间节能调度研究

冲压制造离散性强、工艺复杂、能量损耗较大,为实现冲压制造过程的节能和高效运行,在保证最大完工时间受影响较小的前提下降低能耗,以冲压车间为对象进行了节能调度研究。建立面向冲压车间的多目标节能调度模型,采用多目标优化算法进行求解,得到Pareto解集。提出基于产品制造过程内含能分级的方案评价与选择方法,计算出不同调度方案下各产品的制造过程内含能并进行分级处理,选择出产品制造过程内含能较小的调度方案作为最优执行方案,提高了节能调度的可行性。最后,应用某冲压车间生产实例验证了节能调度模型和基于产品制造过程内含能分级的方案评价与选择方法的可靠性,与原始调度方案相比,车间总能耗与最大完工时间均实现了降低。     

一种面向机械车间柔性工艺路线的加工任务节能调度方法*

大量研究表明机械车间消耗了大量能量,因此降低机械车间的能耗是实现可持续制造的策略之一。现有机械车间节能调度研究主要针对给定的或者具有部分柔性的工艺路线,缺乏对机械车间任务工艺路线多柔性的节能调度研究。针对机械车间任务柔性工艺路线对机械车间调度能耗的影响特性,提出一种面向机械车间柔性工艺路线的节能调度方法。首先,分析了面向机械车间柔性工艺路线的加工任务调度的能耗特性;基于此,构建了节能调度模型,该模型是以任务加工总能耗、加工完成时间、机床负载为目标。进一步提出了一种改进的Q学习算法对该模型进行求解获得其Pareto解。最后通过案例验证了提出模型的节能效果及算法的可行性。     

数字孪生驱动的数控铣削刀具磨损在线监测方法

针对数控铣床不断老化导致刀具磨损预测模型误差较大,加工过程中动态数据难以在线采集等问题,提出一种数字孪生驱动的刀具磨损在线监测方法。采用神经网络对加工过程中的多源数据进行特征提取,建立考虑机床老化的刀具磨损时变偏差量化模型,并在此基础上提出数控铣削刀具磨损的在线预测方法;开发了面向刀具磨损的数控铣削数字孪生系统,在线感知加工过程中的动态数据并实时仿真刀具磨损过程;最后,将该方法应用于实际加工中并与其他的预测方法进行了对比,结果表明该方法有效降低了机床老化带来的误差,实现了刀具磨损的精确预测。     

An energy consumption prediction approach of die casting machines driven by product parameters

Die casting machines, which are the core equipment of the machinery manufacturing industry, consume great amounts of energy. The energy consumption prediction of die casting machines can support energy consumption quota, process parameter energy-saving optimization, energy-saving design, and energy efficiency evaluation; thus, it is of great significance for Industry 4.0 and green manufacturing. Nevertheless, due to the uncertainty and complexity of the energy consumption in die casting machines, there is still a lack of an approach for energy consumption prediction that can provide support for process parameter optimization and product design taking energy efficiency into consideration. To fill this gap, this paper proposes an energy consumption prediction approach for die casting machines driven by product parameters. Firstly, the system boundary of energy consumption prediction is defined, and subsequently, based on the energy consumption characteristics analysis, a theoretical energy consumption model is established. Consequently, a systematic energy consumption prediction approach for die casting machines, involving product, die, equipment, and process parameters, is proposed. Finally, the feasibility and reliability of the proposed energy consumption prediction approach are verified with the help of three die casting machines and six types of products. The results show that the prediction accuracy of production time and energy consumption reached 91.64% and 85.55%, respectively. Overall, the proposed approach can be used for the energy consumption prediction of different die casting machines with different products.     

On a generalized approach to manufacturing energy efficiency

Energy efficiency has become a very significant factor, requiring its inclusion in the manufacturing decision-making attributes. This paper proposes a generalized approach to manufacturing energy efficiency. The basic element of the approach is the division of energy efficiency definition and study into four manufacturing levels, namely process, machine, production line, and factory. Process-level definitions are provided for the majority of manufacturing processes. A machine-level study indicates and solves difficulties, generated by the workpiece geometry, and points out the interaction with the process level through factors, such as the process time. Moreover, machine tool peripherals are responsible for a significant portion of the consumed energy, and classification based on the dependence of their consumption on process variables is required. Studies made on the production line and factory levels show that energy efficiency, at these levels, is heavily dependent on production planning and scheduling and can be improved through the appropriate utilization of machines, with the inclusion of shutdown and eco-modes. Finally, a case study is presented, showing that many of the difficulties towards the optimization of energy efficiency can be dealt with successfully, using the proposed generalized approach.     

基于低能耗的平面端铣削粗/精加工参数全局多目标优化

以平面端铣削粗/精加工过程为研究对象,根据变频调速铣床主轴电机运行特点,提出分段空载功率函数模型,构建铣床粗/精加工总能耗模型及总生产率模型,并通过相应实验对模型进行完善。结合实际生产建立粗/精加工过程约束条件。选取企业实际生产案例,采用遗传算法对选定加工特征的粗/精端铣削过程进行全局多目标优化,并与传统只针对粗加工或精加工的局部铣削参数优化进行比较。实验结果表明,与优化前相比,局部优化后的粗/精加工总能耗下降了12.51%,全局优化后的粗／精加工总能耗下降了15.04%;局部优化后总加工时间缩短了18.48%,全局优化后总加工时间缩短了21.26%。     

基于SOM-Kmeans的机床能效等级评价方法

机床能效等级评价是提高能源效率的基础。现有机床能效评价方法多运用能量利用率和比能等指标评价特定加工过程能效,未考虑加工能力对机床能效评价的影响,致使无法综合评价机床能效等级。为此,从机床加工能力和能耗特性角度构建机床能效等级评价指标,提出基于自组织映射神经网络-K均值(SOM-Kmeans)的机床能效等级评价方法。首先,分析机床加工能力特性和时段能耗特性,构建机床加工能力指标和多时段能耗特性指标;其次,运用SOM-Kmeans对机床能效信息进行聚类分析,并采用主成分分析法(PCA)对机床能效等级进行综合评价;最后,通过实际案例验证了所提方法的有效性和实用性。     

[可靠性建模及试验技术]基于元动作模块的多轴数控机床精度分析

为充分发挥多轴数控机床大数据的价值，降低运动精度的预测难度，提出了基于元动作模块的精度分析方法。采用多体模型描述机床运动系统的结构和运动关系，利用旋量理论和微分方法推导了用于运动精度评价的坐标误差模型；规划了多轴数控机床大数据驱动的精度分析的结构框架，并重点论述了以元动作模块为基本组成单元的分布式元动作数据库的构建方法，该方法充分发挥历史大数据和实时动态数据的价值，保证了机床运动系统的仿真和精度预测的稳定性与准确性。通过对五轴联动加工中心的刀具运动系统的实例分析，验证了精度分析方法的简便性和适用性。     

基于工件材料去除率的滚齿机床能耗模型

开展了滚齿机床能耗建模与参数分析的研究。基于滚刀和工件的几何参数与空间运动分析，进行未变形切屑的数值计算，求取了滚齿加工过程中材料去除率的数值，建立了滚齿机床能耗预测模型，并通过正交试验进行了验证，平均预测准确率超过95%。基于实验结果与所提出的数值模型，对比分析了进给速度、滚刀转速与切削深度对表征能量利用效率的比能耗的影响，结果表明，所提出的模型可以准确预测滚齿加工过程中的机床能耗。