工藝參數(shù)設(shè)計(jì)作為把控產(chǎn)品品質(zhì)的第一道關(guān)卡,對產(chǎn)品生產(chǎn)質(zhì)量的好壞有著決定性影響。隨著工業(yè)生產(chǎn)制造日益智能化,生產(chǎn)過程中出現(xiàn)越來越多的噪聲因素,嚴(yán)重影響了產(chǎn)品質(zhì)量。面對眾多噪聲干擾,田口方法通過設(shè)計(jì)大量噪聲因子試驗(yàn)以得到穩(wěn)健參數(shù)的舉措,可能會(huì)極大地增加生產(chǎn)成本,與生產(chǎn)制造經(jīng)濟(jì)性原則相違背。此外,當(dāng)噪聲因素?cái)?shù)量成倍增加時(shí),正交試驗(yàn)表也要隨之增大,最終會(huì)導(dǎo)致試驗(yàn)數(shù)據(jù)溢出正交表,難以進(jìn)行參數(shù)設(shè)計(jì)。為解決這些難題,本研究提出三種多響應(yīng)參數(shù)優(yōu)化方法,旨在設(shè)計(jì)出能夠抵抗噪聲干擾的參數(shù)優(yōu)化組合,同時(shí)可以降低生產(chǎn)成本。本研究最大特色在于將猶豫模糊集中允許同一猶豫模糊元,擁有多個(gè)隸屬度這一思想,應(yīng)用至參數(shù)優(yōu)化過程中,提高了多響應(yīng)系統(tǒng)的穩(wěn)健性,其主要研究內(nèi)容如下:（1）針對生產(chǎn)過程中噪聲干擾數(shù)量眾多且水平難以計(jì)量的情況,提出基于猶豫模糊決策的參數(shù)優(yōu)化方法。通過構(gòu)建猶豫模糊決策矩陣,然后采用正理想點(diǎn)法對多響應(yīng)系統(tǒng)進(jìn)行簡化,并通過主效應(yīng)分析得到參數(shù)優(yōu)化結(jié)果,既改善了產(chǎn)品質(zhì)量,又降低了生產(chǎn)成本。（2）針對綜合優(yōu)化指標(biāo)的權(quán)重難以確定的情況,本研究通過模糊邏輯推理對其進(jìn)行改進(jìn),充分利用各響應(yīng)之間的機(jī)理關(guān)系,得到更為客觀... 

【文章來源】：鄭州航空工業(yè)管理學(xué)院河南省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

多響應(yīng)生產(chǎn)模型

2基礎(chǔ)理論方法12所處的狀態(tài)。隨著對模糊邏輯的深入研究，模糊推理系統(tǒng)（FuzzyInferenceSystem，英文簡記FIS，又稱為模糊系統(tǒng)）逐漸完善，它是模糊推理的重要工具和實(shí)現(xiàn)途徑，主要包括四個(gè)部分（見圖2.2）：輸入模糊化、制定模糊規(guī)則、模糊邏輯推理機(jī)以及反模糊化輸出。FIS進(jìn)行不確定性推理的同時(shí)，完成了復(fù)雜非線性關(guān)系的映射[68]。圖2.2模糊推理系統(tǒng)接下來，分別對FIS的四個(gè)部分進(jìn)行介紹。輸入變量模糊化處理是進(jìn)行模糊推理的第一步，也是模糊系統(tǒng)的首要部分，它將輸入模糊推理系統(tǒng)的精確變量值通過隸屬函數(shù)映射到預(yù)先設(shè)置好的論域中，并根據(jù)論域中互相交疊的隸屬函數(shù)找到各輸入變量對應(yīng)的最大隸屬度值，將其作為模糊化處理的結(jié)果。在進(jìn)行模糊化處理時(shí)，常用的方法有單值模糊化方法、三角隸屬度函數(shù)模糊化方法、高斯隸屬度函數(shù)模糊化方法等。模糊規(guī)則是模糊系統(tǒng)中不可或缺的一個(gè)環(huán)節(jié)，其設(shè)置的合理性直接決定模糊推理結(jié)果（模糊推理等級）的準(zhǔn)確度。模糊規(guī)則的設(shè)置具有較大的靈活性，無論是強(qiáng)經(jīng)驗(yàn)弱理論還是強(qiáng)理論弱經(jīng)驗(yàn)的生產(chǎn)條件下均可以進(jìn)行推理，前者可以根據(jù)專家豐富的經(jīng)驗(yàn)知識進(jìn)行設(shè)置，而后者則根據(jù)生產(chǎn)過程機(jī)理進(jìn)行設(shè)置。模糊規(guī)則的設(shè)置實(shí)質(zhì)是將生產(chǎn)的過程機(jī)理和專家的知識經(jīng)驗(yàn)轉(zhuǎn)化為計(jì)算機(jī)可識別的自然語言，一般以“If…Then…”形式表達(dá)，其中“If…”語句表示前提條件，“Then…”語句表示推理結(jié)果。例如，將輸入變量1d的論域劃分為六個(gè)子區(qū)間，記作iA6,,2,1i，輸入變量2d的論域也劃分為六個(gè)子區(qū)間，記作6,,2,1jBj，輸出變量FRG的論域xo劃分為十個(gè)子區(qū)間，記作10,,2,1kCk。規(guī)則1：If1dis1Aand2dis1BThenxOis1Celse;規(guī)則2：If1dis2Aand2dis2BThenxOis2Celse;…規(guī)則S：If1dismAand2disnBThenxOisqC。

2基礎(chǔ)理論方法13兩個(gè)模糊集合之間的關(guān)系計(jì)算、多個(gè)模糊關(guān)系的合成和利用已構(gòu)建好的模糊運(yùn)算關(guān)系指導(dǎo)新輸入變量進(jìn)行邏輯推理等多個(gè)部分。根據(jù)推理方式不同，可分為Zadeh推理法[51]和Mamdani推理法[100]，二者最大區(qū)別是，各自運(yùn)算關(guān)系不同，Zadeh法運(yùn)用的是叉積進(jìn)行基本關(guān)系運(yùn)算，而Mamdani利用模糊集合的笛卡爾積計(jì)算兩個(gè)模糊集合間的蘊(yùn)含關(guān)系。根據(jù)輸入規(guī)則數(shù)量不同，又可將其劃分為單條件輸入模糊推理，多條件輸入模糊推理，還有多條件多規(guī)則模糊推理。以兩個(gè)輸入變量，兩條模糊規(guī)則的Mamdani推理為例，其推理過程如圖2.3所示。圖2.3模糊邏輯推理示意圖由于模糊推理的結(jié)果是一個(gè)模糊集合，不便于更直觀地進(jìn)行決策，只能看作初步推理結(jié)果，不能作為最終決策的依據(jù)。因此，需要運(yùn)用加權(quán)平均法、重心法或者最大隸屬度法進(jìn)行反模糊化處理，將模糊集合轉(zhuǎn)化為一個(gè)清晰的數(shù)值。至此，可總結(jié)得到模糊邏輯推理在多響應(yīng)參數(shù)優(yōu)化過程中的應(yīng)用步驟：Step1：將多響應(yīng)生產(chǎn)過程中的多個(gè)響應(yīng)作為模糊推理系統(tǒng)的輸入變量，F(xiàn)RG為輸出變量，將輸入變量以及輸出變量，就其論域劃分為多個(gè)區(qū)間。當(dāng)輸入變量存在量綱、質(zhì)量特性不一致時(shí)，可對其進(jìn)行處理，并將處理結(jié)果作為FIS的輸入變量。Step2：根據(jù)實(shí)際生產(chǎn)情況制定合理的模糊規(guī)則。Step3：根據(jù)前兩步得到的模糊子集和模糊規(guī)則，構(gòu)建模糊蘊(yùn)涵關(guān)系，并對新的輸入變量進(jìn)行模糊關(guān)系運(yùn)算。Step4：通過反模糊化方法，運(yùn)算得到最終結(jié)果，即數(shù)值清晰的模糊推理等級。隨著智能技術(shù)發(fā)展，模糊邏輯推理已經(jīng)不需要人工進(jìn)行推理和計(jì)算，可直接利用MATLAB工具箱進(jìn)行推理。只需要進(jìn)行論域劃分和規(guī)則設(shè)置，計(jì)算機(jī)能夠根據(jù)制定好的模糊規(guī)則，自動(dòng)計(jì)算得到蘊(yùn)含關(guān)系，并展示輸入與輸出變量的蘊(yùn)含關(guān)系圖。若需要進(jìn)行新的推理時(shí)，?

【參考文獻(xiàn)】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)遺傳算法的磁粒研磨TC4材料工藝參數(shù)優(yōu)化[J]. 趙傳營,趙玉剛,劉寧,宋盼盼,高躍武,張勇,劉廣新.  表面技術(shù). 2020(02)
[2]基于參數(shù)優(yōu)化SVM方法識別鹽生植被鈉離子光譜特征[J]. 鄧來飛,張飛,齊亞霄,袁婕.  光譜學(xué)與光譜分析. 2020(01)
[3]基于響應(yīng)曲面法的軸承鋼GCr15高速外圓磨削參數(shù)優(yōu)化[J]. 劉偉,商圓圓,鄧朝暉,劉仁通,肖周強(qiáng).  中國機(jī)械工程. 2019(23)
[4]基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的3D增材印花工藝參數(shù)優(yōu)化[J]. 王曉暉,劉月剛,孟婥,孫以澤.  紡織學(xué)報(bào). 2019(11)
[5]基于數(shù)據(jù)挖掘的循環(huán)流化床鍋爐輔機(jī)故障預(yù)警[J]. 張維,劉吉臻,高明明.  動(dòng)力工程學(xué)報(bào). 2019(10)
[6]高溫合金GH4169的電火花加工工藝性研究[J]. 李淑玉,孟輝,李強(qiáng)弟.  機(jī)床與液壓. 2019(17)
[7]電動(dòng)汽車無線充電系統(tǒng)實(shí)現(xiàn)軟開關(guān)的參數(shù)優(yōu)化設(shè)計(jì)方法[J]. 王付勝,郭娟娟,王文洋,張瑋,趙為.  中國電機(jī)工程學(xué)報(bào). 2019(S1)
[8]基于猶豫模糊決策的銑削參數(shù)優(yōu)化[J]. 禹建麗,谷豐盈,陳洪根.  工業(yè)工程. 2019(03)
[9]改進(jìn)量子粒子群BP神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及應(yīng)用[J]. 賈偉,趙雪芬.  軟件導(dǎo)刊. 2019(10)
[10]翼身融合布局客機(jī)總體參數(shù)分析與優(yōu)化[J]. 柴嘯,陳迎春,譚兆光,陳真利,司江濤,李杰,張彬乾.  航空學(xué)報(bào). 2019(09)



本文編號：2986143