制造系統(tǒng)和制造過程充滿了復(fù)雜性與動態(tài)性,數(shù)據(jù)挖掘和機器學(xué)習(xí)等知識發(fā)現(xiàn)手段可應(yīng)用于制造過程的各個階段,是應(yīng)對制造業(yè)挑戰(zhàn)的重要方法和技術(shù)。將這些技術(shù)手段與制造相結(jié)合,不僅可以充分挖掘企業(yè)數(shù)據(jù)中蘊含的工藝知識,為企業(yè)帶來更快的響應(yīng)速度與更深遠(yuǎn)的洞察力;同時利用機器學(xué)習(xí)強大的計算能力對過程進行分析和優(yōu)化,有助于提高設(shè)計與生產(chǎn)效率、降低成本和改善質(zhì)量。數(shù)據(jù)挖掘和機器學(xué)習(xí)方法因其高精度以及良好的可用性,越來越受到大家的關(guān)注。本文對數(shù)據(jù)挖掘和機器學(xué)習(xí)在工藝知識提取以及表面粗糙度預(yù)測的應(yīng)用進行研究,提出了對應(yīng)的算法進行求解,具體內(nèi)容如下:（1）針對企業(yè)積累的歷史數(shù)據(jù)未能充分利用的問題,提出基于混沌引力搜索算法的關(guān)聯(lián)規(guī)則挖掘方法。該方法引入混沌映射改進引力常數(shù)更新使得算法的搜索能力得到提高,綜合考慮多個評價指標(biāo),并加入相似度評價指標(biāo)以保持產(chǎn)生規(guī)則的多樣性。該方法可以有效對工藝知識進行挖掘,較其它經(jīng)典方法在挖掘結(jié)果的質(zhì)量方面有所提高。（2）針對人工神經(jīng)網(wǎng)絡(luò)不能顯式地指出過程參數(shù)與生產(chǎn)質(zhì)量之間的非線性關(guān)系這一缺點,開發(fā)了一種基于蜻蜓算法的分類規(guī)則抽取方法,旨在從加工過程中生成精確和可理解的分類規(guī)則,用于表達(dá)... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

CAPP方法

數(shù)據(jù)挖掘和知識發(fā)現(xiàn)(Knowledge Discovery in Database,KDD)通常被相提并論,兩個術(shù)語在多個場合下被認(rèn)為是可以互換的。對數(shù)據(jù)挖掘的定義有多種,例如“從海量數(shù)據(jù)中識別出有效、新穎、潛在有用并最終可理解的模式的非平凡過程”[37]。即數(shù)據(jù)挖掘就是試圖從海量數(shù)據(jù)中找出有用的知識,這一類知識往往是隱含的而又潛在有用的。數(shù)據(jù)挖掘作為一個多學(xué)科交叉的研究領(lǐng)域,融合了機器學(xué)習(xí)、統(tǒng)計學(xué)、數(shù)據(jù)庫、人工智能等技術(shù)。目前,數(shù)據(jù)挖掘覆蓋了多種不同的應(yīng)用任務(wù)和算法,根據(jù)數(shù)據(jù)的結(jié)構(gòu)模式可分為以下幾類(圖1-2):分類(Classification)、關(guān)聯(lián)規(guī)則挖掘(Association Rule Mining,ARM)、聚類(Clustering)、回歸(Regression)、特征選擇(Feature Selection)和可視化(Description and Visualization)等。DM持續(xù)激發(fā)著學(xué)者們的研究興趣,不斷有新的研究成果涌現(xiàn),并已經(jīng)廣泛地應(yīng)用在商業(yè)、醫(yī)療、金融市場分析等領(lǐng)域[38]。本文應(yīng)用到的數(shù)據(jù)挖掘技術(shù)主要包括預(yù)測、關(guān)聯(lián)規(guī)則與分類規(guī)則抽取等。分類是按照已知的分類模式找出數(shù)據(jù)對象的共同特征,并依據(jù)共同特征建立模型,從而判別類別未知的樣本,并將其劃分到對應(yīng)的類別中。分類的輸入是單次事務(wù)的各項數(shù)據(jù)特征,例如銀行顧客的收入、職業(yè)、年齡等,而輸出對應(yīng)的是各項類別,每一個類別則代表不同實際意義,并與每一項事務(wù)相對應(yīng)�；貧w與分類相類似,只是分類器的輸出變?yōu)榫唧w的數(shù)值。

第六章是總結(jié)和展望,主要是總結(jié)了論文的研究內(nèi)容與結(jié)論,并對與未來的可能研究方向進行了展望。隨著數(shù)字化制造在企業(yè)中的應(yīng)用不斷深入,企業(yè)數(shù)據(jù)庫存儲了豐富的數(shù)據(jù)。原有工藝可作為企業(yè)設(shè)計新產(chǎn)品時的參考,特別是對于那些結(jié)構(gòu)相似的典型零部件,制造系統(tǒng)功能與產(chǎn)品特征的關(guān)聯(lián)規(guī)則成為工藝設(shè)計過程中常采用的工藝知識,而得到這些知識規(guī)則是當(dāng)前生產(chǎn)企業(yè)目前遇到的挑戰(zhàn)之一,對于該問題企業(yè)往往缺乏合理有效的解決方案。因此,本章針對產(chǎn)品與制造系統(tǒng)之間的映射關(guān)系,建立關(guān)聯(lián)規(guī)則挖掘模型,并對規(guī)則挖掘算法進行研究。

【參考文獻】：
期刊論文
[1]SDAE-LSTM模型在金融時間序列預(yù)測中的應(yīng)用[J]. 黃婷婷,余磊.  計算機工程與應(yīng)用. 2019(01)
[2]基于深度學(xué)習(xí)的木材含水率預(yù)測[J]. 夏春江,王培良,張媛.  杭州電子科技大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[3]群智能算法的理論及應(yīng)用綜述[J]. 王水花,張煜東,吉根林.  南京師范大學(xué)學(xué)報(工程技術(shù)版). 2014(04)
[4]基于深度信念網(wǎng)絡(luò)的PM2.5預(yù)測[J]. 鄭毅,朱成璋.  山東大學(xué)學(xué)報(工學(xué)版). 2014(06)
[5]支持工藝設(shè)計的制造知識類型及層次模型[J]. 馬春暉,同淑榮,李靖.  航空制造技術(shù). 2011(18)
[6]基于輕量化模型的CAD/CAPP系統(tǒng)集成技術(shù)研究[J]. 田富君,田錫天,李洲洋,耿俊浩.  計算機集成制造系統(tǒng). 2010(03)
[7]一類基于動態(tài)約束滿足問題的產(chǎn)品配置方法[J]. 李偉,劉光復(fù).  機械科學(xué)與技術(shù). 2005(04)
[8]數(shù)據(jù)挖掘中分類算法的研究及其應(yīng)用[J]. 羅海蛟,劉顯.  微機發(fā)展. 2003(S2)
[9]基于知識發(fā)現(xiàn)原理的制造工藝重用方法研究[J]. 高偉,殷國富,戈鵬.  中國機械工程. 2003(19)
[10]5坐標(biāo)數(shù)控加工中工件表面形貌的計算機仿真[J]. 趙曉明,胡德金,趙國偉.  上海交通大學(xué)學(xué)報. 2003(05)

博士論文
[1]衛(wèi)星典型構(gòu)件工藝挖掘與配置方法研究[D]. 王琳.哈爾濱工業(yè)大學(xué) 2015
[2]車銑刀具磨損狀態(tài)監(jiān)測及預(yù)測關(guān)鍵技術(shù)研究[D]. 李威霖.西南交通大學(xué) 2013
[3]基于智能學(xué)習(xí)模型的制造過程質(zhì)量控制理論與方法論研究[D]. 余建波.上海交通大學(xué) 2009
[4]工藝知識發(fā)現(xiàn)與重用技術(shù)[D]. 劉書暖.西北工業(yè)大學(xué) 2007
[5]產(chǎn)品制造信息中的知識發(fā)現(xiàn)及其應(yīng)用研究[D]. 李存榮.武漢理工大學(xué) 2006



本文編號：3497189