本文關(guān)鍵詞：基于數(shù)據(jù)分析的數(shù)控加工工藝參數(shù)能效優(yōu)化方法研究

  更多相關(guān)文章： 數(shù)控加工 工藝參數(shù)優(yōu)化 能量效率 田口法 數(shù)據(jù)分析

【摘要】：數(shù)控機(jī)床是現(xiàn)代制造單元的基礎(chǔ)裝備,以數(shù)控機(jī)床為主體的數(shù)控加工系統(tǒng)在將毛坯轉(zhuǎn)換為零件的同時(shí)也消耗了大量的能量。隨著能源和環(huán)境問題的日益嚴(yán)峻,以低能耗、低污染的節(jié)能制造模式逐步興起。大量研究表明,實(shí)際加工中,工藝參數(shù)不僅影響加工質(zhì)量、成本、效率等指標(biāo),還與能量效率問題緊密相關(guān)。因此,工藝參數(shù)優(yōu)化作為實(shí)現(xiàn)機(jī)床加工系統(tǒng)節(jié)能的重要手段之一,探索其能效優(yōu)化方法成為我國(guó)機(jī)械制造業(yè)可持續(xù)發(fā)展的必然選擇。本論文在國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)課題“機(jī)床產(chǎn)品機(jī)械加工制造系統(tǒng)能效優(yōu)化提升技術(shù)及應(yīng)用”(2014AA041506)和國(guó)家自然基金面上項(xiàng)目“面向廣義能量效率的數(shù)控加工工藝規(guī)劃理論與方法研究”(51475059)的資助下,對(duì)數(shù)控加工能效優(yōu)化方法進(jìn)行了研究,可為我國(guó)機(jī)械制造企業(yè)轉(zhuǎn)型升級(jí),實(shí)現(xiàn)能量高效利用提供理論參考,具有重要的研究意義。首先,從直接能耗與間接能耗兩個(gè)方面進(jìn)行數(shù)控加工系統(tǒng)能耗特性研究,建立面向直接能耗和考慮間接能耗兩種形式的比能函數(shù)。其次,針對(duì)數(shù)控加工過程能耗特性復(fù)雜的問題,提出一種基于試驗(yàn)數(shù)據(jù)的數(shù)控加工工藝參數(shù)能效優(yōu)化方法。采用田口法安排實(shí)驗(yàn),基于響應(yīng)面法對(duì)各目標(biāo)進(jìn)行回歸擬合,由此構(gòu)建以工藝參數(shù)為自變量,以實(shí)際加工要求為約束條件,以能效和時(shí)間為目標(biāo)的數(shù)控加工工藝參數(shù)多目標(biāo)優(yōu)化模型,并基于粒子群算法對(duì)所建立的模型進(jìn)行求解。再次,以車間歷史數(shù)據(jù)為基礎(chǔ),提出一種數(shù)控加工工藝參數(shù)自適應(yīng)節(jié)能優(yōu)化方法。將車間歷史數(shù)據(jù)進(jìn)行樣本預(yù)處理,運(yùn)用模糊聚類算法和多元統(tǒng)計(jì)回歸探索能效與工藝參數(shù)的關(guān)聯(lián)關(guān)系,采用模糊關(guān)聯(lián)規(guī)則挖掘算法獲取能效優(yōu)化知識(shí),并利用所得到的優(yōu)化知識(shí)建立能效規(guī)則庫(kù)和模糊推理機(jī)。最后,通過實(shí)際案例對(duì)論文所提出的基于數(shù)據(jù)分析的數(shù)控加工工藝參數(shù)能效優(yōu)化方法進(jìn)行應(yīng)用分析,驗(yàn)證論文所提方法的可行性與實(shí)用性,為降低數(shù)控加工過程中的能量損耗,提高數(shù)控機(jī)床能量利用效率提供理論方法支撐。
【關(guān)鍵詞】：數(shù)控加工 工藝參數(shù)優(yōu)化 能量效率 田口法 數(shù)據(jù)分析
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TG659
【目錄】：

• 中文摘要3-4
• 英文摘要4-9
• 1 緒論9-19
• 1.1 論文的選題背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-15
• 1.2.1 數(shù)控加工系統(tǒng)能效研究現(xiàn)狀10-12
• 1.2.2 數(shù)控加工工藝參數(shù)能效優(yōu)化研究現(xiàn)狀12-14
• 1.2.3 基于數(shù)據(jù)挖掘的生產(chǎn)制造系統(tǒng)優(yōu)化研究現(xiàn)狀14-15
• 1.3 論文研究意義及項(xiàng)目來源15-16
• 1.3.1 論文研究意義15-16
• 1.3.2 論文項(xiàng)目來源16
• 1.4 論文的主要研究?jī)?nèi)容16-17
• 1.5 本章小結(jié)17-19
• 2 數(shù)控加工過程能耗特性分析及能效函數(shù)建立19-31
• 2.1 影響工藝參數(shù)選取主要因素分析19-22
• 2.1.1 數(shù)控加工過程變量分析19-20
• 2.1.2 工藝參數(shù)選取受切屑變形影響20
• 2.1.3 工藝參數(shù)選取受切削溫度影響20-21
• 2.1.4 工藝參數(shù)選取受切削力影響21-22
• 2.2 數(shù)控加工過程能耗特性分析22-27
• 2.2.1 數(shù)控加工過程直接能耗分析22-26
• 2.2.2 數(shù)控加工過程間接能耗分析26-27
• 2.3 數(shù)控加工過程能效及時(shí)間函數(shù)建立27-29
• 2.3.1 數(shù)控加工過程能量效率函數(shù)27-28
• 2.3.2 數(shù)控加工過程時(shí)間函數(shù)28-29
• 2.4 本章小結(jié)29-31
• 3 基于試驗(yàn)數(shù)據(jù)的數(shù)控加工工藝參數(shù)能效優(yōu)化方法31-49
• 3.1 基于田口法的優(yōu)化試驗(yàn)設(shè)計(jì)與分析32-42
• 3.1.1 數(shù)控加工節(jié)能優(yōu)化試驗(yàn)配置及試驗(yàn)條件32-34
• 3.1.2 正交試驗(yàn)設(shè)計(jì)及結(jié)果34-37
• 3.1.3 信噪比分析及極差分析37-42
• 3.2 基于響應(yīng)面法的數(shù)控加工能效回歸方程建立42-44
• 3.3 數(shù)控加工工藝參數(shù)多目標(biāo)優(yōu)化模型44-45
• 3.3.1 優(yōu)化變量44
• 3.3.2 優(yōu)化目標(biāo)44
• 3.3.3 約束條件44-45
• 3.4 基于交叉法的多目標(biāo)粒子群算法模型求解45-47
• 3.5 本章小結(jié)47-49
• 4 基于車間歷史數(shù)據(jù)的數(shù)控加工工藝參數(shù)自適應(yīng)能效優(yōu)化方法研究49-83
• 4.1 車間歷史數(shù)據(jù)樣本預(yù)處理49-52
• 4.1.1 數(shù)據(jù)清洗49-50
• 4.1.2 數(shù)據(jù)集成50
• 4.1.3 數(shù)據(jù)規(guī)范化50-51
• 4.1.4 數(shù)據(jù)聚類51-52
• 4.2 基于多元統(tǒng)計(jì)技術(shù)的工藝參數(shù)與能效影響規(guī)律分析52-67
• 4.2.1 基于多元逐步回歸的能效數(shù)據(jù)統(tǒng)計(jì)建模流程52-53
• 4.2.2 異常數(shù)據(jù)處理53-54
• 4.2.3 主軸空載功率擬合模型54-55
• 4.2.4 切削功率與附加載荷損耗擬合模型55-61
• 4.2.5 基于 3D曲面分析的工藝參數(shù)與能效影響規(guī)律分析61-67
• 4.3 基于模糊關(guān)聯(lián)規(guī)則算法的工藝參數(shù)能效優(yōu)化規(guī)則獲取67-74
• 4.3.1 模糊關(guān)聯(lián)規(guī)則描述68-69
• 4.3.2 基于MOPSO算法的能效優(yōu)化規(guī)則提取方法69-71
• 4.3.3 能效優(yōu)化規(guī)則的挖掘及解釋71-74
• 4.4 基于車間歷史數(shù)據(jù)的數(shù)控加工工藝參數(shù)自適應(yīng)能效優(yōu)化方法74-81
• 4.4.1 數(shù)控加工工藝參數(shù)自適應(yīng)能效優(yōu)化方法流程74-76
• 4.4.2 基于數(shù)據(jù)分析的工藝參數(shù)能效優(yōu)化知識(shí)庫(kù)建立76-78
• 4.4.3 數(shù)控加工過程數(shù)據(jù)模糊化與解模糊化78-81
• 4.5 本章小結(jié)81-83
• 5 案例應(yīng)用83-99
• 5.1 基于試驗(yàn)數(shù)據(jù)的數(shù)控加工工藝參數(shù)能效優(yōu)化分析83-92
• 5.1.1 試驗(yàn)條件83-86
• 5.1.2 優(yōu)化結(jié)果及分析86-92
• 5.2 基于車間歷史數(shù)據(jù)的數(shù)控加工工藝參數(shù)自適應(yīng)能效優(yōu)化分析92-97
• 5.2.1 車間加工數(shù)據(jù)獲取92-93
• 5.2.2 優(yōu)化結(jié)果及分析93-97
• 5.3 本章小結(jié)97-99
• 6 結(jié)論與展望99-101
• 致謝101-103
• 參考文獻(xiàn)103-109
• 附錄109
• A. 作者在攻讀碩士學(xué)位期間發(fā)表或錄用的論文目錄109
• B. 作者在攻讀碩士學(xué)位期間獲得的專利或軟件著作權(quán)109
• C. 作者在攻讀碩士學(xué)位期間參加的科研項(xiàng)目109
• D. 作者在攻讀碩士學(xué)位期間所獲獎(jiǎng)勵(lì)109

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 周志恒;張超勇;謝陽;黃拯滔;邵新宇;;數(shù)控車床切削參數(shù)的能量效率優(yōu)化[J];計(jì)算機(jī)集成制造系統(tǒng);2015年09期

2 許賢博;邵華;;基于田口算法和灰色關(guān)聯(lián)理論的車削參數(shù)多目標(biāo)優(yōu)化研究[J];工具技術(shù);2015年08期

3 胡狄;張華;鄢威;李弼心;;面向節(jié)能優(yōu)化的數(shù)控銑削參數(shù)優(yōu)化方法研究[J];機(jī)械設(shè)計(jì)與制造;2015年08期

4 張洪潮;孔露露;李濤;陳俊超;;切削比能模型的建立及參數(shù)影響分析[J];中國(guó)機(jī)械工程;2015年08期

5 李新鵬;張超勇;高亮;石楊;;基于元胞粒子群算法的數(shù)控切削參數(shù)優(yōu)化[J];計(jì)算機(jī)工程與應(yīng)用;2014年02期

6 肖宏偉;;2013年～2020年能源需求預(yù)測(cè)及對(duì)策建議[J];宏觀經(jīng)濟(jì)管理;2014年01期

7 江小云;;計(jì)算機(jī)智能技術(shù)在切削參數(shù)優(yōu)化中的應(yīng)用[J];福建工程學(xué)院學(xué)報(bào);2013年06期

8 李聰波;崔龍國(guó);劉飛;李鵬宇;;基于廣義邊界的機(jī)械加工系統(tǒng)碳排放量化方法[J];計(jì)算機(jī)集成制造系統(tǒng);2013年09期

9 段桂江;嚴(yán)懿;王洋;;基于數(shù)據(jù)挖掘的質(zhì)量成本分析與控制[J];計(jì)算機(jī)集成制造系統(tǒng);2013年07期

10 劉春景;唐敦兵;何華;陳興強(qiáng);;基于Kriging插值和遺傳算法鈦合金車削加工參數(shù)優(yōu)化[J];機(jī)械科學(xué)與技術(shù);2013年04期

，

本文編號(hào)：601677