检索结果-内蒙古大学图书馆

作者：裴凤雀南京理工大学

学位级别：博士

上世纪70年代以来,能源问题日益凸显,光伏发电技术成为各国研究重点。此外,随着世界工业进程的推进,我国于2015年启动《中国制造2025》战略,推动以智能制造为核心的制造革命。如何实现光伏产业生产线的量化、优化与智能化成为了光伏行... 详细信息

上世纪70年代以来,能源问题日益凸显,光伏发电技术成为各国研究重点。此外,随着世界工业进程的推进,我国于2015年启动《中国制造2025》战略,推动以智能制造为核心的制造革命。如何实现光伏产业生产线的量化、优化与智能化成为了光伏行业的研究前沿。本论文针对串焊过程质量检测抽检不稳定、代表性差等过程能力指数(Process capability index,CPK)薄弱问题,提出了基于生产过程的质量在线实时监测、预测和协同优化方法,将事后检测转化为事中检测,将质量抽检转化为全部检测。本论文在介绍智能生产线过程质量大数据分析与协同优化的研究背景意义的基础上,对工业大数据、面向质量的数据关联分析与建模技术、质量标定与质量预测和预测导向的制造服务协同优化等进行了国内外现状分析,主要的研究内容和取得的成果可以归纳为以下几部分:基于节点精化的分层赋时Petri网的智能生产线系统建模研究。在分析离散动态事件系统和Petri网特点的前提下,对智能生产线系统进行特性研究,将其划分为若干层级,对关重特征进行质量相关的动态行为建模。通过案例构建了顶层/中间层/底层基于节点精化的分层赋时Petri网(Place Refinement Timed Petri Net,PTPN)的太阳能串焊系统模型,并对每层系统中的p D动态决策域与配置进行了研究。此外对该系统的有界性、活性、可达性进行了分析,验证PTPN的有效性。针对质量度量,研究基于QLF-SNR方法(Taguchi Quality Loss Function and Signal-Noise Ratio,QLF-SNR)的智能生产线加工质量多级协同异常发现方法。对多源信息进行QLF-SNR质量度量,结合PTPN智能生产线模型,实现加工信号向质量信息的转化,形成了多级质量特征度量。针对单元级/系统级采用了Relief算法的特征选择技术,降维处理,构建了智能生产线加工质量异常发现流程。以太阳能电池组件智能生产线多级系统模型进行案例验证,完成服务异常的阈值设定研究,实现多级协同异常发现,为质量预测提供标准质量等级研究方法。针对事后检测,研究基于多核融合的SVMs-DS方法(mulit-kernel Support vector machine and D-S theory,SVMs-DS)智能生产线加工质量预测。构建基于QLF-SNR的质量度量方法的智能生产线加工质量等级标定和多核融合评价模型研究,建立了过程质量预测评价模型更新机制,实现基于多核融合的SVMs-DS智能生产线加工质量预测。以太阳能电池组件智能生产线加工质量预测为案例,通过多核SVMs实现质量预测等级分类,利用DS证据理论提升分类精度,多核融合模型同单核预测精度进行对比,验证该算法的有效性和精确性,为面向质量的协同优化提供优化依据。针对质量精细化等级控制,研究面向串焊质量的协同优化机理和方法。分析串焊过程运作模式的约束和面向加工质量的PTPN模型约束,采用基于增广拉格朗日协同的适应协同优化(Augmented Lagrangian Coordination,ALC)机理,利用中心化ALC目标系统模型,构建辅助变量、一致性约束,对约束松弛化处理,实现协同优化模型的耦合关系搭建,通过改进遗传算法,采用分段编码形式,进行段内段间分别处理,优化了ALC协同优化模型的求解过程,通过算例研究,验证算法的有效性和高效性。最后,太阳能串焊机双层大数据分析架构开发与验证。基于Hadoop开源架构设计实现ATWDP大数据处理平台,采用Hive数据仓库和Mysql数据库双层存储模式,通过Spark和Sqoop进行桥接,以百度Echarts进行渲染,利用HDFS和Map Reduce进行分布式并行计算,实现数据实时和批量的处理,并通过基于SVMs-DS的加工质量预测的具体案例验证系统的有效性和实时性。通过本论文的研究,以太阳能电池组件生产线为例,将生产过程质量进行了系统建模、质量标定、异常发现、质量预测和协同优化等研究,实现了串焊过程质量的在线实时检测、预测和协同优化,实现数据闭环与信息反馈,为智能制造提供可参考范式。

关键词：协同优化田口质量损失模型 SVMs-DS 拉格朗日协同优化(ALC) 分段遗传算法

来源：评论

学校读者我要写书评

暂无评论

多元质量损失模型的系数确定

引用

工业工程 2012年第3期15卷 80-82页

作者：樊树海 Amanda Elizabeth 南京工业大学工业工程系南京210009 CS Corporation New YorkNY 10038 USA

依据质量参数指标的共作用及互作用效应,对田口的基于绝对质量偏移的单变量质量损失模型进行扩展。在建立了基于相对质量偏移的多元质量损失模型的基础上,对于多元质量损失模型的核心问题(系数确定问题),提出了系数确定的容差法。

关键词：田口质量损失模型仿真质量控制

来源：评论

学校读者我要写书评

暂无评论

基于选配法的统计公差设计

引用

机械设计 2002年第12期19卷 46-49页

作者：邵锦文马玉林张振家冯国泰刘振德哈尔滨工业大学241教研室黑龙江哈尔滨150001 哈尔滨工业大学现代生产技术中心黑龙江哈尔滨150001

采用选择装配技术可以提高零部件的可加工性 ,特别对高精度要求的产品 ,选配方法应用更为重要 ,比较完全互换法 ,选配法在保证相同的装配质量同时降低了加工成本。在设计初始阶段 ,有效的公差分析技术是非常重要的。提出一个基于选配方... 详细信息

采用选择装配技术可以提高零部件的可加工性 ,特别对高精度要求的产品 ,选配方法应用更为重要 ,比较完全互换法 ,选配法在保证相同的装配质量同时降低了加工成本。在设计初始阶段 ,有效的公差分析技术是非常重要的。提出一个基于选配方法的公差设计新方法 ,采用统计模型技术来评估装配质量。应用该方法对采用选择装配技术的公差设计有参考价值。应用事例验证了方法的可行性。

关键词：选择装配统计模型公差分析田口质量损失模型

来源：评论

学校读者我要写书评

暂无评论

计算机装配工艺系统研究

引用

航天制造技术 2002年第1期 49-52页

作者：邵锦文张振家冯国泰马玉林哈尔滨工业大学哈尔滨工业大学现代生产技术中心

计算机辅助选择装配是利用计算机,并采用有效的算法,对装配尺寸链中各组成环的尺寸进行合理的搭配选择,以达到减小封闭环偏差变动范围,提高装配精度的目的。现有的选配工作缺少一个理想的物理模型来保证高精度的装配。本文提出了一个新... 详细信息

计算机辅助选择装配是利用计算机,并采用有效的算法,对装配尺寸链中各组成环的尺寸进行合理的搭配选择,以达到减小封闭环偏差变动范围,提高装配精度的目的。现有的选配工作缺少一个理想的物理模型来保证高精度的装配。本文提出了一个新的计算机辅助选配系统,采用田口博士质量损失模型作为装配匹配精度指标,同时以总成本为优化目标函数,采用改进的模拟退火优化方法求解匹配零部件。

关键词：模拟退火计算机选择装配工艺系统公差设计田口质量损失模型产品设计

来源：评论

学校读者我要写书评

暂无评论

并行组合模拟退火算法在计算机辅助选配系统的应用研究

并行组合模拟退火算法在计算机辅助选配系统的应用研究

引用

全国零部件设计与制造会议

作者：邵锦文张振家马玉林冯国泰哈尔滨工业大学气动研究中心(黑龙江哈尔滨) 哈尔滨工业大学现代生产技术中心(黑龙江哈尔滨)

计算机辅助选择装配是利用计算机,并采用有效的算法,对装配尺寸链中各组成环的尺寸进行合理的搭配选择,以达到减小封闭环偏差变动范围,提高装配精度的目的.现有的选配工作缺少一个理想的物理模型来保证高精度的装配.本文提出了一个新的... 详细信息

计算机辅助选择装配是利用计算机,并采用有效的算法,对装配尺寸链中各组成环的尺寸进行合理的搭配选择,以达到减小封闭环偏差变动范围,提高装配精度的目的.现有的选配工作缺少一个理想的物理模型来保证高精度的装配.本文提出了一个新的计算机辅助选配系统,采用田口博士质量损失模型作为装配匹配精度指标,同时以总成本为优化目标函数,采用并行组合的模拟退火优化方法求解零部件的匹配.事例分析了选配系统的应用.

关键词：模拟退火选择装配公差设计田口质量损失模型机械设计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：