数控机床主轴系统可靠性分析

数控机床是装备制造业的关键装备,主轴系统作为数控车床的关键子系统,其可靠性直接影响数控机床的稳定性.传统数控机床主轴系统可靠性建模大多基于数据,所获得的数据较少或无法获得数据时,难以准确进行可靠性建模.对此,将改进一次二阶矩法与克里金重要度抽样方法相结合,提出考虑主轴轴承动态磨损过程的主轴时变可靠性分析方法.这一方法基于改进一次二阶矩迭代求解状态方程,生成重要度抽样样本,建立克里金模型,进行克里金预测及结构失效概率评估,进而完成数控机床主轴系统的可靠性分析.通过实例验证了所提出的数控机床主轴系统可靠性分析方法的可行性和有效性.     

基于多源域深度迁移学习的机械故障诊断EI北大核心CSCD

针对不同工况下的机械故障诊断问题,迁移学习方法相比于深度学习具有明显的成效,单源域迁移故障诊断仍会出现负迁移和模型泛化能力差的问题。因此,本文提出一种基于多源域深度迁移学习的机械故障诊断方法。首先,进行锚适配器的构建,获得多源域-目标域适配器数据对。其次,建立基于深度域适应的迁移学习网络模型获得每个数据对的分类器与预测结果。最后,采用加权集成的方式进行分类器集成,用于最终的故障诊断识别。所提方法充分集成多源域故障特征信息,提取域不变特征,避免负迁移的问题,提高模型的泛化能力。通过一个滚动轴承数据来验证提出方法的性能,结果表明,多工况迁移故障诊断分类精度明显高于其中任意单一工况迁移,最高可提高8.78%,与其他方法相比,所提方法具有较好的精度和泛化能力。     

一种多品种变批量柔性作业车间调度方法

文中针对多品种变批量柔性生产车间交付周期长、设备利用不均衡、生产效率低的问题,提出了一种基于遗传算法的多品种变批量生产调度方法。该方法以最长完工时间和设备总负载为目标构建多品种变批量生产调度优化模型,并基于遗传算法求解该模型。同时考虑在实际生产过程中存在的动态扰动事件,设计并实现了一种基于扰动事件驱动的重调度方法。通过对某发动机的气门传动机构进行测试,验证了文中所提方法的可行性和有效性。     

基于改进模糊诊断的SMT产线质量追溯方法研究

锡膏印刷是表面贴装技术（Surface Mount Technology, SMT）产线质量管控的重要环节。目前该环节的各类参数对质量的影响程度不明确,导致质量追溯的准确度较低,难以精准确定SMT产品质量问题的根原因。针对此问题,提出了一种改进模糊诊断的SMT产线质量追溯方法。该方法基于改进模糊诊断构建动态锡膏印刷质量追溯模型,并利用sigmoid函数更新隶属度,实现诊断结果的动态更新。通过某通讯企业SMT产线多批次生产数据进行了应用验证,实现了锡膏印刷环节缺陷发生的定性定量根原因的准确分析。     

多维非线性特征重构与融合的复杂产品工期预测方法

制造企业复杂产品零部件种类众多、加工和装配工序复杂,质量、工艺、设备等各类数据呈现多维度、多尺度、多噪声等特点,工期的关键影响特征提取难度大,预测精度难以保证。针对上述问题,提出一种多维非线性特征重构与融合的复杂产品工期预测方法,首先提出基于集成堆栈式自编码器的多维非线性特征重构与融合方法并构建相应模型,建立特征间的复杂关联耦合关系,形成工期关键因素特征池;基于深度学习算法构建多维非线性重构与融合的复杂产品工期预测模型,实现复杂产品工期的准确预测。选取某企业断路器和3D打印产品为对象进行工期预测的应用验证和对比分析,本方法的均方根误差平均值为1.28,平均绝对百分比误差平均值为3.01%,与未进行特征重构融合的方法,以及支持向量机、神经网络等方法相比,在精度方面均有提升,方均根误差至少降低了约10.87%,平均绝对百分比误差至少降低了约7.74%,证明所提方法的有效性和实用性。