隨著“工業(yè)互聯(lián)網(wǎng)”、“工業(yè)4.0”及“中國(guó)制造2025”等一系列概念的提出,“智能”成為現(xiàn)代加工制造行業(yè)的特征。切削加工是加工制造中主要的加工方式之一且在加工過(guò)程中會(huì)產(chǎn)生大量數(shù)據(jù)。由于數(shù)據(jù)切削加工中各種規(guī)律的具體體現(xiàn),而用于數(shù)據(jù)挖掘的分類(lèi)算法是大數(shù)據(jù)分析算法中涉及到的一類(lèi)重要算法。因此,采用基于大數(shù)據(jù)分析技術(shù)的優(yōu)化方法對(duì)切削加工過(guò)程中所包含的加工資源進(jìn)行優(yōu)選是提高生產(chǎn)效率、降低生產(chǎn)成本和實(shí)現(xiàn)切削加工過(guò)程智能化的有效途徑。因此,基于大數(shù)據(jù)分析技術(shù)的切削加工過(guò)程優(yōu)化方法的研究對(duì)實(shí)現(xiàn)切削加工過(guò)程智能化具有重要的意義。首先,由于切削加工過(guò)程十分復(fù)雜,無(wú)法直接采用大數(shù)據(jù)分析技術(shù)進(jìn)行分析。因此,本文在分布式工藝規(guī)劃（DPP）的基礎(chǔ)上提出強(qiáng)化分布式工藝規(guī)劃（EDPP）對(duì)加工過(guò)程中所涉及到的加工資源進(jìn)行分解并將切削加工過(guò)程優(yōu)化問(wèn)題轉(zhuǎn)化為大數(shù)據(jù)分析問(wèn)題。還提出了加工資源數(shù)據(jù)化過(guò)程中應(yīng)遵循的準(zhǔn)則,并基于所提出的準(zhǔn)則對(duì)加工資源從幾何和物理兩個(gè)方面進(jìn)行匯總和數(shù)據(jù)化。其次,針對(duì)切削加工過(guò)程的高度非線(xiàn)性和難以建立全局優(yōu)化模型等問(wèn)題,本文對(duì)大數(shù)據(jù)分析技術(shù)中用于建模的數(shù)據(jù)挖掘算法和用于模型優(yōu)化的優(yōu)化算法原理進(jìn)行研究。... 

【文章來(lái)源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 論文研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 切削加工過(guò)程優(yōu)化技術(shù)的研究
        1.2.2 搜索算法在切削加工過(guò)程優(yōu)化中應(yīng)用的研究
        1.2.3 基于專(zhuān)家系統(tǒng)的切削加工過(guò)程優(yōu)化的研究
        1.2.4 基于數(shù)據(jù)分類(lèi)算法的切削加工優(yōu)化研究
    1.3 本論文題目來(lái)源、研究?jī)?nèi)容及論文結(jié)構(gòu)
第2章 切削加工過(guò)程數(shù)據(jù)化
    2.1 強(qiáng)化工藝分布式規(guī)劃（E-DPP）
        2.1.1 工藝分布式規(guī)劃（DPP）
        2.1.2 E-DPP的架構(gòu)
        2.1.3 E-DPP中加工資源優(yōu)選方法
        2.1.4 E-DPP加工優(yōu)化問(wèn)題轉(zhuǎn)化
    2.2 切削加工資源數(shù)據(jù)化的準(zhǔn)則
    2.3 切削加工資源中幾何信息的數(shù)據(jù)化
        2.3.1 工件的幾何信息分析
        2.3.2 機(jī)床的幾何信息分析
        2.3.3 刀具的幾何信息分析
        2.3.4 加工條件中的幾何信息分析
    2.4 切削加工資源中物理信息的數(shù)據(jù)化
        2.4.1 工件的物理信息分析
        2.4.2 機(jī)床的物理信息分析
        2.4.3 刀具的物理信息分析
        2.4.4 加工條件中的物理信息分析
    2.5 加工要求、結(jié)果和檢測(cè)的數(shù)據(jù)化
        2.5.1 加工要求和加工質(zhì)量信息分析
        2.5.2 加工過(guò)程檢測(cè)信息分析
    2.6 本章小結(jié)
第3章 切削加工過(guò)程混合算法開(kāi)發(fā)
    3.1 混合算法結(jié)構(gòu)
    3.2 混合算法中分類(lèi)算法的研究
        3.2.1 深度信念網(wǎng)絡(luò)（DBN）的原理研究及算法實(shí)現(xiàn)
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)（CNN）的原理研究及算法實(shí)現(xiàn)
        3.2.3 超極限學(xué)習(xí)機(jī)（H-ELM）的原理研究及算法實(shí)現(xiàn)
    3.3 混合算法中優(yōu)化算法的原理研究
        3.3.1 遺傳算法（GA）的原理研究與算法實(shí)現(xiàn)
        3.3.2 粒子群算法（PSO）的原理研究與算法實(shí)現(xiàn)
    3.4 混合算法的開(kāi)發(fā)與程序?qū)崿F(xiàn)
    3.5 本章小結(jié)
第4章 基于模擬數(shù)據(jù)的切削加工過(guò)程仿真驗(yàn)證
    4.1 切削加工過(guò)程模擬數(shù)據(jù)生成
        4.1.1 工件數(shù)據(jù)生成
        4.1.2 刀具數(shù)據(jù)生成
        4.1.3 機(jī)床數(shù)據(jù)生成
        4.1.4 加工條件數(shù)據(jù)生成
        4.1.5 其他因素?cái)?shù)據(jù)生成
        4.1.6 標(biāo)簽數(shù)據(jù)的生成生成
    4.2 切削加工過(guò)程優(yōu)化的混合算法性能評(píng)估
        4.2.1 分類(lèi)算法性能評(píng)估
        4.2.2 優(yōu)化算法性能評(píng)估
    4.3 切削加工過(guò)程優(yōu)化仿真
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)成果
致謝
附錄1


【參考文獻(xiàn)】：
期刊論文
[1]基于灰色關(guān)聯(lián)和主成分分析的車(chē)削加工多目標(biāo)優(yōu)化[J]. 劉春景,唐敦兵,何華,陳興強(qiáng).  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(04)
[2]基于遺傳算法的加工工藝決策與排序優(yōu)化[J]. 鄭永前,王陽(yáng).  中國(guó)機(jī)械工程. 2012(01)
[3]基于粒子群算法的數(shù)控加工切削參數(shù)優(yōu)化[J]. 劉海江,黃煒.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(06)
[4]大型容器車(chē)削加工工藝參數(shù)優(yōu)化專(zhuān)家系統(tǒng)[J]. 郭金星,陳玉全,李振加,馮軍,寧世友.  哈爾濱理工大學(xué)學(xué)報(bào). 2005(01)



本文編號(hào)：3111372