為了降低機床等待過程中的能耗,提出了一種實時數(shù)據(jù)驅(qū)動的機床等待時間預(yù)測與節(jié)能控制方法。首先,建立了射頻識別驅(qū)動的生產(chǎn)進度評估方法,并以生產(chǎn)進度數(shù)據(jù)作為輸入,構(gòu)建了基于堆棧降噪自編碼的機床等待時間預(yù)測模型;其次,依據(jù)預(yù)測的機床等待時間,提出了機床狀態(tài)切換方法,以降低機床能耗;最后,通過一個電梯零部件制造車間的案例分析,表明該方法的預(yù)測誤差僅為4.1%,同時將機床等待過程能耗降低了57%,實現(xiàn)了制造車間的節(jié)能減排。 

【文章來源】：中國機械工程. 2020,31(12)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

面向機床等待時間預(yù)測的堆棧降噪自編碼模型結(jié)構(gòu)

在離散制造車間中,主要以加工范圍廣、通用性強的普通機床(例如臥式車床、數(shù)控銑床、鉆床等)為主,對于此類機床,根據(jù)圖2的機床能耗曲線,機床運行過程主要包括6種狀態(tài):停機狀態(tài)、待機狀態(tài)、暖機狀態(tài)、空閑狀態(tài)、空切削狀態(tài)、切削狀態(tài)。機床的能耗模式依賴于機床的工作狀態(tài),當(dāng)機床處于停機狀態(tài)時,并不產(chǎn)生能耗;待機狀態(tài)(非工作狀態(tài))將會產(chǎn)生固定的功率消耗Psb,在該狀態(tài)中,機床的某些功能模塊并沒有準(zhǔn)備好,只有應(yīng)急服務(wù)模塊是處于激活狀態(tài);當(dāng)機床處于空閑狀態(tài)(工作狀態(tài))時,機床的所有模塊都已經(jīng)被激活,其功率為Pid,此時機床已經(jīng)做好加工零件的準(zhǔn)備;機床從非工作狀態(tài)到工作狀態(tài),需要經(jīng)歷暖機狀態(tài),該狀態(tài)是一個短暫的過渡狀態(tài),目的是讓機床各功能模塊做好加工的準(zhǔn)備。2.2 機床狀態(tài)切換方法

將提出的SDAE模型與現(xiàn)有的預(yù)測方法進行對比，包括反向傳播神經(jīng)網(wǎng)絡(luò)（back propagation neutral network,BPNN)[7]、支持向量機（support vector machine,SVM)[17]、隨機森林（random forests,RF)[18]以及深度置信網(wǎng)（deep belief networks,DBN)[19]，結(jié)果如圖4所示。對比結(jié)果顯示，本文提出的SDAE模型能夠獲得較低預(yù)測誤差，而DBN僅次于SDAE，另外3種方法的預(yù)測精度比較接近，這說明對于本文的機床等待時間預(yù)測問題，深度學(xué)習(xí)方法特別是SDAE能夠更好地利用工件的加工進度數(shù)據(jù)進行預(yù)測。從計算時間來看，SVM的計算時間最短，但是過早地收斂到了局部最優(yōu)解，盡管SDAE的計算時間要長于SVM，但誤差要小得多。通過上述方法,每臺機床的等待時間都可預(yù)測出來,結(jié)合機床的等待時間即可判斷機床需要采取的節(jié)能方法,通過控制策略可以實現(xiàn)機床的能耗節(jié)約,如圖5a所示,同時圖中也展示了不采用控制策略時機床空閑等待過程的能耗。從圖中可以看出,通過控制策略,可以實現(xiàn)機床等待過程總節(jié)能57%,特別是對于M2和M3,它們的能耗節(jié)約分別達到了28.37 kW·h和13.3 kW·h,說明了這兩臺機床的空閑等待時間較長,沒有被充分利用,需要在后續(xù)的工序派工中重點考慮。

【參考文獻】：
期刊論文
[1]面向能耗的多工藝路線柔性作業(yè)車間分批優(yōu)化調(diào)度模型[J]. 李聰波,沈歡,李玲玲,易茜.  機械工程學(xué)報. 2017(05)
[2]基于RFID技術(shù)的離散制造車間實時數(shù)據(jù)采集與可視化監(jiān)控方法[J]. 曹偉,江平宇,江開勇,路平.  計算機集成制造系統(tǒng). 2017(02)
[3]面向能量效率的數(shù)控銑削加工參數(shù)多目標(biāo)優(yōu)化模型[J]. 李聰波,朱巖濤,李麗,陳行政.  機械工程學(xué)報. 2016(21)



本文編號：2981395