论文题目: 面向大规模定制生产的智能成组技术研究
论文类型: 博士论文
论文专业: 管理科学与工程
导师: 薛恒新
关键词: 大规模定制,成组技术,神经网络,模糊聚类,相似原理,信息熵
文献来源: 南京理工大学
发表年度: 2005
论文摘要: 大规模定制生产将充分利用现代柔性制造技术，利用CAD和CAM技术，但离开成组技术思想，就不能充分利用以往的信息资源和大规模定制资源。大规模定制生产的目标就无法实现。成组技术是通过充分利用产品和制造过程中的相似性将不同产品中的相似性零部件，甚至零件中的部分结构信息归类处理形成“成组批量”，从而取得效益。在这篇论文中，将智能信息技术应用于大规模定制生产中的成组技术。1．提出智能成组技术的定义，分析在现代制造系统与成组技术的关系，重点分析了大规模定制与智能成组技术的关系。2．将自适应变异的粒子群优化算法用于求解成组技术中的P-中位模型，克服了用遗传算法求解时的收敛速度慢和过早收敛之缺陷；克服用粒子群算法的计算量过大的不足，通过实例仿真，应用此算法效果良好。3．将高属性稀疏数据聚类回归神经网络应用于成组技术中的夹具设计，该神经网络，给定不同的阈值，可动态地，有效地实现对高属性稀疏数据的归并，实例仿真表明，此聚类效果更加符合实际。4．将信息熵理论引入模糊聚类中，克服了一般聚类算法，在参数输入、停机条件上存在诸多人为控制因素，能取得较为满意的聚类效果。5．根据轴类零件的结构-工艺的相似性特点，应用熵聚类模糊神经网络于轴类零件分类，实例应用表明，该算法更加适合轴类零件的结构和工艺特点。6．为了拓宽零件及其所表达的模式分类范围，使其能为计算机自动识别，将相似原理应用于成组技术中的零件分类识别。7．用有导师指导细化拟合的ART2神经网络用于成组技术中的制造单元分类，克服了用ART1神经网络的分类不足，实例仿真表明，分类效果较好。8．根据零件几何与工艺特征，应用模糊中心聚类学习算法，推出无导师的递推学习方法来修改模糊聚类中心和隶属函数，并将其与神经网络结合起来，实现并行零件体特征数据处理和模式分类，并编制专用程序，实现计算机对零件的自动分类系统。本学位论文将智能信息技术，结合计算机技术应用于成组技术即智能成组技术，形成“成组大批量”，合理组织产品的生产协作，以最快的速度，最低的成本制造出用户满意的产品。使得大规模定制生产的目标真正实现。
论文目录:
摘要
ABSTRACT
1 绪论
1.1. 21世纪的制造业
1.1.1. 产品生命周期缩短
1.1.2. 交货期成为主要的竞争因素
1.1.3. 用户需要多样化、个性化
1.1.4. 质量和成本是企业永恒的主题
1.1.5. 多品种小批量生产比例增大
1.2. 大规模定制的提出和基本概念
1.2.1. 大规模定制的提出
1.2.2. 大规模定制的基本概念
1.2.3. 大规模定制的分类
1.3. 大规模定制的支撑平台
1.3.1. 大规模定制的关键技术
1.3.2. 大规模定制的主要方法
1.3.3. 大规模定制的管理模式
1.4. 大规模定制的实施
1.4.1. 大规模定制的优势和不足
1.4.2. 大规模定制的产业应用现状
1.4.3. 实施大规模定制的成功要素和潜在风险
1.4.4. 大规模定制的实施策略
1.5. 论文的思路
2 智能成组技术
2.1. 成组技术的起源及其主要研究成果
2.1.1. 成组技术的起源
2.1.2. 成组单元与单元制造系统
2.1.3. 智能成组技术的研究现状
2.2. 成组技术与现代先进制造技术
2.2.1. 并行工程与GT
2.2.2. 精益生产与GT
2.2.3. 制造管理信息化与GT
2.2.4. 小结
2.3. 航天晨光成组技术的应用
2.3.1. 航天晨光基本情况
2.3.2. 专用车产品
2.3.3. 管类产品
2.4. 大规模定制生产与智能成组技术的结合
2.4.1. 智能成组技术是实现大规模定制生产的必经之路
2.4.2. 面向大规模定制生产的智能成组技术
2.4.3. 智能成组技术的作用
3 自适应变异的粒子群优化算法求解P-中位模型
3.1. 零件分族的P-中位模型
3.2. 自适应变异的粒子群优化算法描述
3.2.1. 自适应变异的粒子群优化算法的描述
3.3. 算法仿真
3.4. 小结
4 数据聚类回归逻辑神经网络在成组夹具设计中的应用
4.1. 夹具的编码
4.2. 高属性维稀疏数据聚类回归逻辑神经网络模型
4.2.1. 高属性维稀疏信息系统
4.2.2. 稀疏特征
4.2.3. 稀疏特征差异度
4.2.4. 相似矩阵及性质
4.2.5. 高属性维稀疏数据聚类回归逻辑神经网络模型
4.2.6. 高属性维稀疏数据聚类回归逻辑神经网络学习算法
4.3. 应用实例
4.4. 小结
5 基于新模糊聚类算法的成组零件分类
5.1. 零件编码系统的零件分组方法
5.2. 模糊聚类
5.3. 引入信息熵理论的模糊聚类
5.4. 应用实例
5.5. 小结
6 基于模糊神经网络的轴类零件聚类分析
6.1. 轴类零件的特征参数
6.2. 熵聚类模糊神经网络模型
6.2.1. 模糊输入空间划分和规则提取
6.2.2. 基于模糊加权型推理法的模糊神经网络模型
6.2.3. 模糊神经网络系统的学习
6.3. 应用实例
6.4. 小结
7 零件相似的原理在成组零件分类中的应用
7.1. 零件相似性特征的定义
7.2. 基于相似性特征的零件编码
7.3. 基于编码的零件相似识别方法
7.4. 零件相似方法的应用
7.5. 小结
8 ART_2神经网络在成组技术中的应用
8.1. 神经网络在零件编码分类系统中的应用
8.2. 制造单元设计概述
8.3. 有导师指导细化拟合的ART_2神经网络模型
8.4. 应用实例
8.5. 小结
9 识别零件几何与工艺特征的自动分类系统
9.1. 零件特征权级与权重
9.1.1. 特征抽取
9.1.2. 目标类别与零件特征权级、权重分配
9.2. 优化计算与模糊中心聚类
9.3. 模糊中心聚类模式识别神经网络
9.4. 自动分类应用系统设计
9.5. 应用实例
9.6. 小结
10 结论与展望
10.1. 研究结论
10.2. 航天晨光成组技术应用下一步的打算
10.3. 未来展望
10.3.1. 成组技术与制造全球化
10.3.2. 成组技术的一个重要发展—大批量定制生产方式
10.3.3. 成组技术与知识经济和技术创新
10.3.4. 成组技术与可持续发展
致谢
参考文献
附录 博士学位在读期间发表的论文和参加的项目等情况
发布时间: 2007-11-21
参考文献
- [1].大成组技术中的若干关键技术研究[D]. 刘丹.浙江大学2010
相关论文
- [1].大成组技术中的若干关键技术研究[D]. 刘丹.浙江大学2010
- [2].面向大规模定制的生产管理模式及其产品族建模技术研究[D]. 郑华林.重庆大学2002
- [3].面向大规模定制产品设计关键技术研究[D]. 刘久富.南京航空航天大学2002
- [4].基于Internet的大规模定制生产计划系统的研究[D]. 马玉芳.武汉理工大学2003
- [5].面向大规模定制的产品模块化若干设计方法研究[D]. 王海军.大连理工大学2005
- [6].面向大规模定制生产的企业快速响应关键技术研究与应用[D]. 战培志.南京航空航天大学2005
- [7].面向大规模定制供应链的企业协作模型研究[D]. 孙靖.同济大学2006
- [8].面向大规模定制的延迟策略及其应用研究[D]. 夏欣跃.上海交通大学2007
- [9].基于柔性的大规模定制系统快速反应能力研究[D]. 谭跃雄.国防科学技术大学2006
- [10].面向大规模定制的产品族设计关键技术研究[D]. 陈建.山东大学2007