前橋?qū)儆趶?fù)雜機(jī)械裝配產(chǎn)品,其裝配過程繁多,裝配工藝復(fù)雜。前橋裝配過程存在誤差傳遞及誤差累積效應(yīng),眾多質(zhì)量控制點(diǎn)之間存在非線性約束關(guān)系,質(zhì)量特性偏差會影響產(chǎn)品的最終裝配質(zhì)量。隨著數(shù)字化信息技術(shù)的快速發(fā)展,前橋裝配過程逐漸向自動化、智能化方向發(fā)展。本文旨在解決前橋裝配過程偏差傳遞作用對產(chǎn)品質(zhì)量的影響問題,提出了一種數(shù)字孿生驅(qū)動的質(zhì)量管控模式,設(shè)計了一種基于蟻群算法廣義回歸神經(jīng)網(wǎng)絡(luò)（ACO-GRNN）的質(zhì)量在線優(yōu)化模型,從而實(shí)現(xiàn)裝配過程的在線控制。本文研究內(nèi)容如下:（1）闡述了國內(nèi)外裝配質(zhì)量控制以及相關(guān)領(lǐng)域的研究現(xiàn)狀,分析前橋裝配的工藝流程及特點(diǎn),提出數(shù)字孿生驅(qū)動的質(zhì)量管控模式,同時介紹了前橋裝配過程質(zhì)量控制應(yīng)用的關(guān)鍵使能技術(shù)。（2）通過對人工神經(jīng)網(wǎng)絡(luò)的分析,選用GRNN作為前橋裝配質(zhì)量在線優(yōu)化的基礎(chǔ)預(yù)測模型。構(gòu)建GRNN優(yōu)化改進(jìn)問題的數(shù)學(xué)模型,將蟻群算法與GRNN進(jìn)行融合,利用蟻群算法魯棒性和并行性等特點(diǎn)對GRNN光滑因子向量進(jìn)行尋優(yōu),設(shè)計ACO-GRNN模型。通過仿真實(shí)驗(yàn)驗(yàn)證了基于蟻群算法的改進(jìn)廣義回歸網(wǎng)絡(luò)預(yù)測模型的可行性。（3）以某輕卡前橋裝配過程控制為例,結(jié)合前橋裝配特點(diǎn),搭建了軟、... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 研究現(xiàn)狀
        1.2.1 誤差流理論研究
        1.2.2 質(zhì)量預(yù)測方法研究
        1.2.3 數(shù)字孿生技術(shù)
    1.3 相關(guān)概念介紹
    1.4 研究的目的及意義
    1.5 研究內(nèi)容及結(jié)構(gòu)
        1.5.1 課題來源
        1.5.2 研究內(nèi)容與結(jié)構(gòu)
第二章 前橋裝配質(zhì)量管控體系研究
    2.1 引言
    2.2 前橋裝配過程分析
        2.2.1 前橋結(jié)構(gòu)介紹
        2.2.2 前橋裝配工藝介紹
        2.2.3 前橋裝配特點(diǎn)分析
    2.3 前橋裝配過程質(zhì)量管控需求分析
    2.4 數(shù)字孿生驅(qū)動的質(zhì)量管控模式
        2.4.1 數(shù)字孿生概念
        2.4.2 數(shù)字孿生應(yīng)用場景
        2.4.3 數(shù)字孿生驅(qū)動的質(zhì)量管控模式設(shè)計
    2.5 裝配過程在線質(zhì)量控制關(guān)鍵使能技術(shù)
        2.5.1 在制品身份識別技術(shù)
        2.5.2 工業(yè)通信網(wǎng)絡(luò)技術(shù)
        2.5.3 OPC技術(shù)
    2.6 本章小結(jié)
第三章 裝配質(zhì)量在線優(yōu)化問題建模
    3.1 引言
    3.2 人工神經(jīng)網(wǎng)絡(luò)
        3.2.1 神經(jīng)網(wǎng)絡(luò)概述
        3.2.2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.3 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用
    3.3 廣義回歸神經(jīng)網(wǎng)絡(luò)
        3.3.1 RBF與 GRNN概述
        3.3.2 GRNN結(jié)構(gòu)
        3.3.3 GRNN計算流程
    3.4 質(zhì)量在線優(yōu)化問題建模
        3.4.1 問題描述
        3.4.2 變量定義
        3.4.3 問題建模
    3.5 本章小結(jié)
第四章 裝配質(zhì)量控制閾優(yōu)化方法研究
    4.1 引言
    4.2 蟻群算法與廣義回歸神經(jīng)網(wǎng)絡(luò)的融合
        4.2.1 蟻群算法基本原理
        4.2.2 蟻群算法數(shù)學(xué)模型
        4.2.3 蟻群算法流程步驟
        4.2.4 蟻群算法與廣義回歸神經(jīng)網(wǎng)絡(luò)的互補(bǔ)性
        4.2.5 蟻群算法與廣義回歸神經(jīng)網(wǎng)絡(luò)的融合方式
    4.3 基于ACO-GRNN裝配質(zhì)量控制閾預(yù)測建模
        4.3.1 ACO-GRNN
        4.3.2 關(guān)鍵質(zhì)量點(diǎn)控制閾預(yù)測模型
        4.3.3 參數(shù)選取
    4.4 實(shí)例與驗(yàn)證
        4.4.1 建模仿真
        4.4.2 結(jié)果分析
    4.5 本章小結(jié)
第五章 前橋裝配過程質(zhì)量管控系統(tǒng)
    5.1 引言
    5.2 系統(tǒng)整體架構(gòu)
        5.2.1 軟件架構(gòu)
        5.2.2 硬件架構(gòu)
        5.2.3 數(shù)據(jù)庫架構(gòu)
    5.3 系統(tǒng)實(shí)現(xiàn)
        5.3.1 基礎(chǔ)資源建模
        5.3.2 質(zhì)量數(shù)據(jù)配置
        5.3.3 質(zhì)量在線控制
        5.3.4 數(shù)字孿生監(jiān)控
        5.3.5 質(zhì)量數(shù)據(jù)追溯
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況


【參考文獻(xiàn)】：
期刊論文
[1]人工神經(jīng)網(wǎng)絡(luò)在光伏中的應(yīng)用綜述[J]. 何雅靜,汪登.  太陽能. 2019(01)
[2]蟻群算法的基本原理及參數(shù)設(shè)置研究[J]. 楊銳銳,王穎.  南方農(nóng)機(jī). 2018(13)
[3]蟻群算法的基本原理及應(yīng)用綜述[J]. 肖艷秋,焦建強(qiáng),喬東平,杜江恒,周坤.  輕工科技. 2018(03)
[4]數(shù)字孿生及其應(yīng)用探索[J]. 陶飛,劉蔚然,劉檢華,劉曉軍,劉強(qiáng),屈挺,胡天亮,張執(zhí)南,向峰,徐文君,王軍強(qiáng),張映鋒,劉振宇,李浩,程江峰,戚慶林,張萌,張賀,隋芳媛,何立榮,易旺民,程輝.  計算機(jī)集成制造系統(tǒng). 2018(01)
[5]發(fā)動機(jī)缸體多工序加工變形誤差傳遞的建模與分析[J]. 李貴龍,杜世昌.  上海交通大學(xué)學(xué)報. 2017(04)
[6]產(chǎn)品數(shù)字孿生體的內(nèi)涵、體系結(jié)構(gòu)及其發(fā)展趨勢[J]. 莊存波,劉檢華,熊輝,丁曉宇,劉少麗,甕剛.  計算機(jī)集成制造系統(tǒng). 2017(04)
[7]數(shù)字孿生車間——一種未來車間運(yùn)行新模式[J]. 陶飛,張萌,程江峰,戚慶林.  計算機(jī)集成制造系統(tǒng). 2017(01)
[8]物聯(lián)網(wǎng)驅(qū)動的“生產(chǎn)-物流”動態(tài)聯(lián)動機(jī)制、系統(tǒng)及案例[J]. 屈挺,張凱,羅浩,王宗忠,賈東元,陳新,黃國全,李曉敏.  機(jī)械工程學(xué)報. 2015(20)
[9]基于賦值型誤差傳遞網(wǎng)絡(luò)的多工序加工質(zhì)量預(yù)測[J]. 江平宇,王巖,王煥發(fā),鄭鎂.  機(jī)械工程學(xué)報. 2013(06)
[10]基于WLS-SVM標(biāo)準(zhǔn)差σ預(yù)測的產(chǎn)品過程質(zhì)量控制方法研究[J]. 孫林.  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2013(02)

博士論文
[1]復(fù)雜機(jī)械產(chǎn)品裝配過程在線質(zhì)量控制方法研究[D]. 趙志彪.合肥工業(yè)大學(xué) 2013

碩士論文
[1]多工序誤差流建模與應(yīng)用[D]. 馬浩.北京理工大學(xué) 2016
[2]C飛機(jī)制造公司質(zhì)量管理體系與質(zhì)量控制研究[D]. 李媛.天津大學(xué) 2013



本文編號：3374562