CN107248047A - 基于加工过程状态熵动态计算的加工过程状态评价方法 - Google Patents
基于加工过程状态熵动态计算的加工过程状态评价方法 Download PDFInfo
- Publication number
- CN107248047A CN107248047A CN201710647925.9A CN201710647925A CN107248047A CN 107248047 A CN107248047 A CN 107248047A CN 201710647925 A CN201710647925 A CN 201710647925A CN 107248047 A CN107248047 A CN 107248047A
- Authority
- CN
- China
- Prior art keywords
- state
- network
- entropy
- machining
- machining state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开一种基于加工过程状态熵动态计算的加工过程状态评价方法,包括以下步骤:(1)产品加工过程状态描述:依据产品加工过程的特点,对产品加工状态进行描述;(2)加工状态网络的建立及产品加工状态熵的计算:建立产品加工状态网络并利用产品加工时的工艺参数传感器动态地获取加工过程中的质量特性影响因素,依据网络计算加工过程中各个状态的熵值;(3)产品加工状态的评价:依据产品加工过程中计算得到的熵值波动量大小,对其加工状态进行评价。本发明通过对产品的加工状态进行描述,并分析产品加工状态网络的性能,动态计算加工状态网络的信息熵与网络结构熵,对产品的加工状态进行评价,为后续反馈调整措施提供理论指导。
Description
技术领域
本发明属于加工过程动态质量控制领域,涉及一种基于加工过程状态熵动态计算的加工过程状态评价方法。
背景技术
在产品的加工过程中,实现加工过程质量控制与改进对提高产品质量,减少废品损失,增强企业的市场竞争力具有重要的现实意义。产品的加工是一个工艺过程复杂、加工状态数量多、生产周期长的过程,来自人-机-环境等方面的影响因素众多,且彼此之间存在相互耦合关系,因此如何实现对产品加工状态的描述,进行加工过程状态熵的计算并对加工状态进行评价是提高产品的加工质量需要解决的关键问题。
目前,传统的利用SPC控制图的质量控制和基于过程误差的加工过程质量控制方法都无法对产品加工过程进行动态分析与识别,难以对加工过程中影响质量的关键加工状态进行识别并得到控制,导致最终产品质量难以保证。针对产品加工过程中加工状态难以描述及加工质量难以控制的问题,亟需一种加工过程控制方法,能够充分展现加工状态的特点与加工状态之间耦合性,动态计算产品加工过程中的加工状态的熵值并对加工状态进行评价,从而为及时采取反馈调整措施提供理论指导,有助于提高产品的加工质量。
发明内容
本发明目的在于提供一种基于加工过程状态熵动态计算的加工过程状态评价方法,通过对产品的加工状态进行描述,并分析产品加工状态网络的性能,动态计算加工状态网络的信息熵与网络结构熵,对产品的加工状态进行评价,为后续反馈调整措施提供理论指导。
为达到上述目的,本发明采用如下技术方案:
基于加工过程状态熵动态计算的加工过程状态评价方法,包括以下步骤:
(1)产品加工过程状态描述:依据产品加工过程的特点,对产品加工状态进行描述;
(2)加工状态网络的建立及产品加工状态熵的计算:建立产品加工状态网络并利用产品加工时的工艺参数传感器动态地获取加工过程中的质量特性影响因素,依据网络计算加工过程中各个状态的熵值;
(3)产品加工状态的评价:依据产品加工过程中计算得到的熵值波动量大小,对其加工状态进行评价。
进一步的,步骤(1)具体包括以下步骤:
1.1)产品的加工状态指的是一个多维的参数空间,用MS={MS1,MS2,...,MSn}表示,其中MSi表示第i个加工状态,i=1、2、3……n,n为加工状态的总数,n为正整数;其中MSi={Qi,Pi,Si,Ii},Qi表示加工状态i的质量指标,Pi表示加工状态i设定的工艺参数,Si表示加工状态i中监测得到的状态变量,Ii表示加工状态i中的过程干扰量;
1.2)产品的加工状态是一个动态变化的状态;产品加工状态未加工时根据历史加工数据设置此加工状态中的质量指标、工艺参数、状态变量及过程干扰;此状态加工过程中根据加工状态的变化对其中的参数进行实时更新。
进一步的,对于质量指标Qi,表示为Qi={Qi1,Qi2,Qi3,...Qij,...Qim1},其中Qij表示质量指标中的第j个参数,m1为质量指标参数的数目,质量指标包括表面粗糙度、表面波纹度和尺寸公差;对于工艺参数Pi,表示为Pi={Pi1,Pi2,Pi3,...,Pim2},其中Pij表示工艺参数中的第j个参数,m2为工艺参数的数目,工艺参数包括被吃刀量、进给量和主轴转速;对于状态变量Si,表示为Si={Si1,Si2,Si3,...,Sim3},其中Sij表示状态变量中的第j个参数,m3为状态变量的数目,状态变量包括主轴振动量、工件振动量、切削力和切削热;对于过程干扰量Ii,表示为Ii={Ii1,Ii2,Ii3,...,Iim4},其中Iij表示过程干扰量中的第j个参数,m4为过程干扰量的数目,过程干扰量包括环境温度、操作人员和操作方法。
进一步的,步骤(2)具体包括以下步骤:
2.1)加工状态网络的建立:产品加工过程中的每个加工状态视为一个加工网络,加工网络中的网络节点由加工过程中的质量特性影响因素表示,节点的值表示质量影响因素的大小;加工状态网络表示为Sk={sk1,sk2,...skm},其中Sk表示第k个加工状态网络,skx表示第k个加工状态网络中的第x个质量影响因素节点,m为质量影响因素节点的数目;网络中各个节点之间的连边表示网络中节点间的耦合度,连接边的权重大小表示节点耦合度的大小;
2.2)加工过程中加工状态网络熵值的计算
首先计算加工网络中节点的值,节点的值根据加工过程中测得的质量影响因素的值确定;
加工状态网络为一个赋值网络,在采集到加工过程中质量特性影响因素的值后,将之进行无量纲化处理,得到质量特性影响因素的值q(skx),其中skx表示第k个加工状态网络中的第x个节点;第k个加工状态网络中的第x个质量影响因素节点的状态熵E1(skx)表示为:
其中,q(skx)为第k个加工状态中的第x个节点经过无量纲化处理之后的值,K表示修正系数,0<K<1;
计算得到产品加工状态网络单个节点的熵值后,再计算得到加工状态网络的总熵,第k个加工状态网络的信息熵E1(sk)表示为:
其中akx为第k个加工状态中第x个节点的权重系数,其表示为单个节点的强度与网络中所有节点强度之和的比值;
计算加工状态网络的网络结构熵时,第x个节点的重要度定义为其中αx表示网络中第x个节点的度;
在计算加工状态的网络结构熵时,对于αx=0的节点不做考虑,定义第k个加工状态网络的网络结构熵为其中wx表示k个加工状态网络各个节点的重要程度,用于表示网络中节点每个值的大小,在该加工状态网络中用质量特性影响因素经过无量纲化处理的值q(skx)表示,即wx=q(skx);
其中加工网络中加工状态的信息熵与网络结构熵会随着加工过程的进行,网络中权重的不断更新而动态改变;信息熵反映了各结点对于网络复杂度的影响,网络结构熵反应了网络混乱度的变化,信息熵与网络结构熵共同构成了加工状态网络的熵空间。
进一步的,步骤(3)具体包括以下步骤:
利用采集频率为1KHZ的传感器对加工状态信号进行采集,利用加工过程中采集到的信号分别计算各个加工状态的网络结构熵与信息熵,构成各个加工状态的熵空间;
针对产品加工过程中的多个加工状态不同的熵空间,分别计算各个熵空间中的熵值的变化量,其中信息熵的变化量为ΔE1,网络结构熵的变化量为ΔE2;
根据信息熵的变化量为ΔE1和网络结构熵的变化量为ΔE2对加工过程状态评价。
进一步的,根据信息熵的变化量为ΔE1和网络结构熵的变化量为ΔE2对加工过程状态评价,具体为:
第一种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2中任一个为正代表加工网络中混乱度的增加,代表着质量状态总熵呈现增长趋势;这意味着制造过程的波动趋向于远离理想的平衡状态;
第二种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2均为0表示质量的总熵状态在一定时间间隔内没有变化,这意味着制造过程的波动顺序和紊乱相互抵消;总体而言,过程波动处于暂时稳定的均衡临界状态;随着加工的继续和外部环境的变化,它将被破坏,然后转向稳定或不稳定状态;
第三种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2均为负值,表示质量的总熵状态在一定时间间隔内处于下降状态,这意味着制造过程的波动趋向于平衡状态;随着加工的继续和外部环境的变化,转向稳定状态。
进一步的,根据信息熵的变化量为ΔE1和网络结构熵的变化量为ΔE2对加工过程状态评价,具体为:
分别根据各加工状态信息熵变化量与上一加工状态信息熵的比值ΔE1/E1与各加工状态网络结构熵变化量与上一加工状态网络结构熵的比值ΔE2/E2,对此加工状态进行评价,如下表所示:
相对于现有技术,本发明具有以下有益效果:
1、本发明综合考虑加工状态中各个质量特性影响因素,并对各个质量特性影响因素在不同加工状态中的值加以考虑;
2、本发明考虑了各个加工状态之间的相互作用,从各状态熵值变化量的角度对加工状态进行了评价。
本发明通过对产品的加工状态进行描述,并分析产品加工状态网络的性能,动态计算加工状态网络的信息熵与网络结构熵,对产品的加工状态进行评价,为后续反馈调整措施提供理论指导;本发明能够对加工过程中影响质量的关键加工状态进行识别并得到控制,保证最终产品质量。
附图说明
图1为产品加工状态的描述图;
图2为本发明评价方法的流程图;
图3为弧面凸轮各个加工状态的加工网络图;其中图3(a)为粗铣弧面凸轮、图3(b)为半精铣弧面凸轮、图3(c)为精铣弧面凸轮、图3(d)为磨削弧面凸轮;
图4为弧面凸轮各个加工状态熵值变化示意图。
具体实施方式
下面结合附图和示例对本发明做进一步说明。
如图1所示,一种基于加工过程状态熵动态计算的加工过程状态评价方法,包括以下几个部分:产品加工状态描述,加工耦合网络模型构建、加工状态信息熵与网络结构熵计算、产品加工状态评价。
为了实现产品加工状态的描述与评价,首先对产品加工状态进行描述,加工过程状态指的是一个多维的参数空间;利用网络理论建立加工过程网络模型,将产品质量特性影响因素看作加工状态网络中的节点;利用传感器对加工过程中的数据进行实时采集,并根据测得的产品质量特性影响因素参数更新网络模型中加工状态网络,使网络模型更能反映当前加工过程状态;根据网络模型的性能计算加工过程中的信息熵与网络结构熵,熵值反映了系统的有序性,从而得到加工状态的熵空间;计算加工状态网络熵值的波动量大小,并对产品的加工状态进行评价,从而提高产品的加工质量,减少产品的质量波动。
以下对本发明的各步骤予以分述。
请参阅图1至图4所示,本发明一种基于加工过程状态熵动态计算的加工过程状态评价方法,包括以下步骤:
步骤(1)、产品加工状态描述:
产品的加工过程是一个工艺过程复杂、加工状态数量多、生产周期长的过程,异常过程因素及其相互耦合关系会导致质量特性出现异常。为了实现对产品加工质量的控制,需要先对产品加工过程中的加工状态进行描述,包括以下步骤:
1.1)产品的加工状态指的是一个多维的参数空间,用MS={MS1,MS2,...,MSn}表示,其中MSi表示第i个加工状态,i=1、2、3……n,n为加工状态的总数,n为正整数。其中MSi={Qi,Pi,Si,Ii},Qi表示加工状态i的质量指标,Pi表示加工状态i设定的工艺参数,Si表示加工状态i中监测得到的状态变量,Ii表示加工状态i中的过程干扰量。
对于质量指标Qi,表示为Qi={Qi1,Qi2,Qi3,...Qij,...Qim1},其中Qij表示质量指标中的第j个参数,m1为质量指标参数的数目,质量指标有表面粗糙度,表面波纹度,尺寸公差等;对于工艺参数Pi,表示为Pi={Pi1,Pi2,Pi3,...,Pim2},其中Pij表示工艺参数中的第j个参数,m2为工艺参数的数目,工艺参数有被吃刀量,进给量,主轴转速等;对于状态变量Si,表示为Si={Si1,Si2,Si3,...,Sim3},其中Sij表示状态变量中的第j个参数,m3为状态变量的数目,状态变量包括主轴振动量,工件振动量,切削力,切削热等;对于过程干扰量Ii,表示为Ii={Ii1,Ii2,Ii3,...,Iim4,}其中Iij表示过程干扰量中的第j个参数,m4为过程干扰量的数目,过程干扰量包括环境温度,操作人员,操作方法等。
1.2)产品的加工状态是一个动态变化的状态。产品加工状态未加工时根据历史加工数据设置此加工状态中的质量指标、工艺参数、状态变量及过程干扰。此状态加工过程中根据加工状态的变化对其中的状态参数进行实时更新。
步骤(2)、加工耦合网络模型构建:
产品加工过程中的每个加工状态视为一个加工网络,加工网络中的网络节点由加工过程中的质量特性影响因素表示,节点的值表示质量影响因素的大小。故加工状态网络可以表示为Sk={sk1,sk2,...skm},其中Sk表示第k个加工状态网络,skx表示第k个加工状态网络中的第x个质量影响因素节点,m为质量影响因素节点的数目。网络中各个节点之间的连边表示网络中节点间的耦合度,连接边的权重大小表示节点耦合度的大小。
步骤(3)、加工状态的信息熵与加工状态的网络结构熵计算:
首先计算加工网络中节点的值,节点的值根据加工过程中测得的质量影响因素的值确定。
加工状态网络为一个赋值网络,在采集到加工过程中质量特性影响因素的值后,将之进行无量纲化处理,得到质量特性影响因素的值q(skx)。第k个加工状态网络中的第x个质量影响因素节点的状态熵E1(skx)表示为:
其中q(skx)为第k个加工状态中的第x个节点经过无量纲化处理之后的值,K表示修正系数,处于0与1之间。
计算得到产品加工状态网络单个节点的熵值后,再计算得到加工状态网络的总熵,第k个加工状态网络的信息熵E1(sk)表示为:
其中akx为第k个加工状态中第x个节点的权重系数,其表示为单个节点的强度与网络中所有节点强度之和的比值。
计算加工状态网络的网络结构熵时,第x个节点的重要度定义为其中αx表示网络中第x个节点的度。
在计算加工状态的网络结构熵时,对于αx=0的节点不做考虑,可以定义第k个加工状态网络的网络结构熵为其中wx表示k个加工状态网络各个节点的重要程度,用于表示网络中节点每个值的大小,在该加工状态网络中用质量特性影响因素经过无量纲化处理的值q(skx)表示,即wx=q(skx)。
其中加工网络中加工状态的信息熵与网络结构熵会随着加工过程的进行,网络中权重的不断更新而动态改变。信息熵与网络结构熵共同构成了加工状态网络的熵空间。
步骤(4)、产品加工状态评价
利用传感器对加工状态信号进行采集,利用加工过程中采集到的信号分别计算各个加工状态的网络结构熵与信息熵,构成各个加工状态的熵空间。
针对产品加工过程中的多个加工状态不同的熵空间,分别计算各个熵空间中的熵值的变化量,其中信息熵的变化量为ΔE1,网络结构熵的变化量为ΔE2。
加工过程三种状态:
第一种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2中任一个为正代表加工网络中混乱度的增加,代表着质量状态总熵呈现增长趋势。这意味着制造过程的波动趋向于远离理想的平衡状态。
第二种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2均为0表示质量的总熵状态在一定时间间隔内没有变化,这意味着制造过程的波动顺序和紊乱相互抵消。总体而言,过程波动处于暂时稳定的均衡临界状态。随着加工的继续和外部环境的变化,它将被破坏,然后转向稳定或不稳定状态。
第三种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2均为负值,表示质量的总熵状态在一定时间间隔内处于下降状态,这意味着制造过程的波动趋向于平衡状态。随着加工的继续和外部环境的变化,转向稳定状态。
在实际加工过程中,往往希望加工过程处于第二种与第三种状态,据此,对加工状态进行评价:
分别根据各加工状态信息熵变化量与上一加工状态信息熵的比值ΔE1/E1与各加工状态网络结构熵变化量与上一加工状态网络结构熵的比值ΔE2/E2,对此加工状态进行评价,如表1所示。
表1加工状态评价
基于加工过程状态熵动态计算的加工过程状态评价方法
弧面凸轮机构是数控机床圆盘式刀库的核心传动装置,其加工精度对于数控机床的加工精度具有极其重要的影响。为了验证本发明的可行性和有效性,利用本发明所述的方法对弧面凸轮加工状态网络的建立及加工状态的评价。
步骤(1)产品加工状态定义:
依据弧面凸轮加工过程的特点,将弧面凸轮的加工过程划分为4个加工状态,分别为:粗铣弧面凸轮→半精铣弧面凸轮→精铣弧面凸轮→磨削弧面凸轮。
步骤(2)加工耦合网络模型构建:
根据弧面凸轮加工过程中的质量影响因素值,建立弧面凸轮加工网络。如图3所示。
步骤(3)网络结构熵与信息熵计算:
利用传感器对加工状态信号进行采集,利用加工过程中采集到的信号分别计算各个加工状态的网络结构熵与信息熵,构成各个加工状态的熵空间。如图4所示。
步骤(4)加工状态评价
依据计算得到的加工状态的网络结构熵与信息熵值的波动量大小,对产品的各个加工状态进行评价。可知对于粗铣弧面凸轮、精铣弧面凸轮、磨削弧面凸轮的评价为优,半精铣弧面凸轮的评价为良。若要提高弧面凸轮的加工精度,应在半精铣加工状态加以改进。
Claims (7)
1.基于加工过程状态熵动态计算的加工过程状态评价方法,其特征在于,包括以下步骤:
(1)产品加工过程状态描述:依据产品加工过程的特点,对产品加工状态进行描述;
(2)加工状态网络的建立及产品加工状态熵的计算:建立产品加工状态网络并利用产品加工时的工艺参数传感器动态地获取加工过程中的质量特性影响因素,依据网络计算加工过程中各个状态的熵值;
(3)产品加工状态的评价:依据产品加工过程中计算得到的熵值波动量大小,对其加工状态进行评价。
2.根据权利要求1所述的基于加工过程状态熵动态计算的加工过程状态评价方法,其特征在于:步骤(1)具体包括以下步骤:
1.1)产品的加工状态指的是一个多维的参数空间,用MS={MS1,MS2,...,MSn}表示,其中MSi表示第i个加工状态,i=1、2、3……n,n为加工状态的总数,n为正整数;其中MSi={Qi,Pi,Si,Ii},Qi表示加工状态i的质量指标,Pi表示加工状态i设定的工艺参数,Si表示加工状态i中监测得到的状态变量,Ii表示加工状态i中的过程干扰量;
1.2)产品的加工状态是一个动态变化的状态;产品加工状态未加工时根据历史加工数据设置此加工状态中的质量指标、工艺参数、状态变量及过程干扰;此状态加工过程中根据加工状态的变化对其中的参数进行实时更新。
3.根据权利要求1所述基于加工过程状态熵动态计算的加工过程状态评价方法,其特征在于:对于质量指标Qi,表示为Qi={Qi1,Qi2,Qi3,...Qij,...Qim1},其中Qij表示质量指标中的第j个参数,m1为质量指标参数的数目,质量指标包括表面粗糙度、表面波纹度和尺寸公差;对于工艺参数Pi,表示为Pi={Pi1,Pi2,Pi3,...,Pim2},其中Pij表示工艺参数中的第j个参数,m2为工艺参数的数目,工艺参数包括被吃刀量、进给量和主轴转速;对于状态变量Si,表示为Si={Si1,Si2,Si3,...,Sim3},其中Sij表示状态变量中的第j个参数,m3为状态变量的数目,状态变量包括主轴振动量、工件振动量、切削力和切削热;对于过程干扰量Ii,表示为Ii={Ii1,Ii2,Ii3,...,Iim4},其中Iij表示过程干扰量中的第j个参数,m4为过程干扰量的数目,过程干扰量包括环境温度、操作人员和操作方法。
4.根据权利要求1所述的基于加工过程状态熵动态计算的加工过程状态评价方法,其特征在于:步骤(2)具体包括以下步骤:
2.1)加工状态网络的建立:产品加工过程中的每个加工状态视为一个加工网络,加工网络中的网络节点由加工过程中的质量特性影响因素表示,节点的值表示质量影响因素的大小;加工状态网络表示为Sk={sk1,sk2,...skm},其中Sk表示第k个加工状态网络,skx表示第k个加工状态网络中的第x个质量影响因素节点,m为质量影响因素节点的数目;网络中各个节点之间的连边表示网络中节点间的耦合度,连接边的权重大小表示节点耦合度的大小;
2.2)加工过程中加工状态网络熵值的计算
首先计算加工网络中节点的值,节点的值根据加工过程中测得的质量影响因素的值确定;
加工状态网络为一个赋值网络,在采集到加工过程中质量特性影响因素的值后,将之进行无量纲化处理,得到质量特性影响因素的值q(skx),其中skx表示第k个加工状态网络中的第x个节点;第k个加工状态网络中的第x个质量影响因素节点的状态熵E1(skx)表示为:
<mrow>
<msub>
<mi>E</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>K</mi>
<mi>lg</mi>
<mfrac>
<mn>1</mn>
<mrow>
<mi>q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,q(skx)为第k个加工状态中的第x个节点经过无量纲化处理之后的值,K表示修正系数,0<K<1;
计算得到产品加工状态网络单个节点的熵值后,再计算得到加工状态网络的总熵,第k个加工状态网络的信息熵E1(sk)表示为:
<mrow>
<msub>
<mi>E</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>k</mi>
<mi>x</mi>
</mrow>
</msub>
<msub>
<mi>E</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中akx为第k个加工状态中第x个节点的权重系数,其表示为单个节点的强度与网络中所有节点强度之和的比值;
计算加工状态网络的网络结构熵时,第x个节点的重要度定义为其中αx表示网络中第x个节点的度;
在计算加工状态的网络结构熵时,对于αx=0的节点不做考虑,定义第k个加工状态网络的网络结构熵为其中wx表示k个加工状态网络各个节点的重要程度,用于表示网络中节点每个值的大小,在该加工状态网络中用质量特性影响因素经过无量纲化处理的值q(skx)表示,即wx=q(skx);
其中加工网络中加工状态的信息熵与网络结构熵会随着加工过程的进行,网络中权重的不断更新而动态改变;信息熵反映了各结点对于网络复杂度的影响,网络结构熵反应了网络混乱度的变化,信息熵与网络结构熵共同构成了加工状态网络的熵空间。
5.根据权利要求1所述基于加工过程状态熵动态计算的加工过程状态评价方法,其特征在于:步骤(3)具体包括以下步骤:
利用传感器对加工状态信号进行采集,利用加工过程中采集到的信号分别计算各个加工状态的网络结构熵与信息熵,构成各个加工状态的熵空间;
针对产品加工过程中的多个加工状态不同的熵空间,分别计算各个熵空间中的熵值的变化量,其中信息熵的变化量为ΔE1,网络结构熵的变化量为ΔE2;
根据信息熵的变化量为ΔE1和网络结构熵的变化量为ΔE2对加工过程状态评价。
6.根据权利要求5所述基于加工过程状态熵动态计算的加工过程状态评价方法,其特征在于:根据信息熵的变化量为ΔE1和网络结构熵的变化量为ΔE2对加工过程状态评价,具体为:
第一种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2中任一个为正代表加工网络中混乱度的增加,代表着质量状态总熵呈现增长趋势;这意味着制造过程的波动趋向于远离理想的平衡状态;
第二种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2均为0表示质量的总熵状态在一定时间间隔内没有变化,这意味着制造过程的波动顺序和紊乱相互抵消;总体而言,过程波动处于暂时稳定的均衡临界状态;随着加工的继续和外部环境的变化,它将被破坏,然后转向稳定或不稳定状态;
第三种:加工状态中信息熵的变化量ΔE1和网络结构熵的变化量ΔE2均为负值,表示质量的总熵状态在一定时间间隔内处于下降状态,这意味着制造过程的波动趋向于平衡状态;随着加工的继续和外部环境的变化,转向稳定状态。
7.根据权利要求5所述基于加工过程状态熵动态计算的加工过程状态评价方法,其特征在于:根据信息熵的变化量为ΔE1和网络结构熵的变化量为ΔE2对加工过程状态评价,具体为:
分别根据各加工状态信息熵变化量与上一加工状态信息熵的比值ΔE1/E1与各加工状态网络结构熵变化量与上一加工状态网络结构熵的比值ΔE2/E2,对此加工状态进行评价,如下表所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710647925.9A CN107248047B (zh) | 2017-08-01 | 2017-08-01 | 基于加工过程状态熵动态计算的加工过程状态评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710647925.9A CN107248047B (zh) | 2017-08-01 | 2017-08-01 | 基于加工过程状态熵动态计算的加工过程状态评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107248047A true CN107248047A (zh) | 2017-10-13 |
CN107248047B CN107248047B (zh) | 2020-05-22 |
Family
ID=60012172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710647925.9A Active CN107248047B (zh) | 2017-08-01 | 2017-08-01 | 基于加工过程状态熵动态计算的加工过程状态评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107248047B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763729A (zh) * | 2018-05-24 | 2018-11-06 | 西安交通大学 | 基于网络结构熵的流程工业机电系统耦合状态评估方法 |
CN110032146A (zh) * | 2019-04-24 | 2019-07-19 | 西安交通大学 | 一种基于多机协同因子的复杂加工过程稳定性评估方法 |
CN110142803A (zh) * | 2019-05-28 | 2019-08-20 | 上海电力学院 | 一种移动焊接机器人系统工作状态检测方法及装置 |
CN112487590A (zh) * | 2020-12-08 | 2021-03-12 | 国网四川省电力公司经济技术研究院 | 一种优化智能电网鲁棒性的方法及装置 |
CN112684766A (zh) * | 2020-12-04 | 2021-04-20 | 西安交通大学 | 一种基于负熵增加的多机协同控制方法及系统 |
CN118134341A (zh) * | 2024-05-06 | 2024-06-04 | 金石(天津)科技发展有限公司 | 一种酸奶纸环标生产控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310102A (zh) * | 2013-06-07 | 2013-09-18 | 沈阳机床(集团)有限责任公司 | 一种基于熵权和隶属度理论的机床综合性能评价方法 |
CN103413020A (zh) * | 2013-06-25 | 2013-11-27 | 武汉理工大学 | 一种面向车间级制造能力的动态综合评估方法 |
CN105204438A (zh) * | 2015-07-29 | 2015-12-30 | 西安交通大学 | 一种面向缸盖零件的加工质量控制方法 |
CN106021724A (zh) * | 2016-05-20 | 2016-10-12 | 江南大学 | 基于ahm及熵值法的机床产品制造系统的能效评价方法 |
-
2017
- 2017-08-01 CN CN201710647925.9A patent/CN107248047B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310102A (zh) * | 2013-06-07 | 2013-09-18 | 沈阳机床(集团)有限责任公司 | 一种基于熵权和隶属度理论的机床综合性能评价方法 |
CN103413020A (zh) * | 2013-06-25 | 2013-11-27 | 武汉理工大学 | 一种面向车间级制造能力的动态综合评估方法 |
CN105204438A (zh) * | 2015-07-29 | 2015-12-30 | 西安交通大学 | 一种面向缸盖零件的加工质量控制方法 |
CN106021724A (zh) * | 2016-05-20 | 2016-10-12 | 江南大学 | 基于ahm及熵值法的机床产品制造系统的能效评价方法 |
Non-Patent Citations (2)
Title |
---|
DANIEL PEREZ-CANALES 等: "identification of dynamic instabilities in machining process using the approximate entropy method", 《INTERNATIAL JOURNAL OF MACHINE TOOLS & MANUFACTURE》 * |
王波 等: "机械产品装配过程质量熵研究", 《制造自动化》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763729A (zh) * | 2018-05-24 | 2018-11-06 | 西安交通大学 | 基于网络结构熵的流程工业机电系统耦合状态评估方法 |
CN108763729B (zh) * | 2018-05-24 | 2020-07-28 | 西安交通大学 | 基于网络结构熵的流程工业机电系统耦合状态评估方法 |
CN110032146A (zh) * | 2019-04-24 | 2019-07-19 | 西安交通大学 | 一种基于多机协同因子的复杂加工过程稳定性评估方法 |
CN110032146B (zh) * | 2019-04-24 | 2020-10-27 | 西安交通大学 | 一种基于多机协同因子的复杂加工过程稳定性评估方法 |
CN110142803A (zh) * | 2019-05-28 | 2019-08-20 | 上海电力学院 | 一种移动焊接机器人系统工作状态检测方法及装置 |
CN112684766A (zh) * | 2020-12-04 | 2021-04-20 | 西安交通大学 | 一种基于负熵增加的多机协同控制方法及系统 |
CN112684766B (zh) * | 2020-12-04 | 2022-03-08 | 西安交通大学 | 一种基于负熵增加的多机协同控制方法及系统 |
CN112487590A (zh) * | 2020-12-08 | 2021-03-12 | 国网四川省电力公司经济技术研究院 | 一种优化智能电网鲁棒性的方法及装置 |
CN112487590B (zh) * | 2020-12-08 | 2022-07-29 | 国网四川省电力公司经济技术研究院 | 一种优化智能电网鲁棒性的方法及装置 |
CN118134341A (zh) * | 2024-05-06 | 2024-06-04 | 金石(天津)科技发展有限公司 | 一种酸奶纸环标生产控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107248047B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107248047A (zh) | 基于加工过程状态熵动态计算的加工过程状态评价方法 | |
CN103941644B (zh) | 一种基于时间参数的数控铣床能耗预测方法 | |
CN104808587B (zh) | 一种基于机加工设备运行状态的稼动率统计方法 | |
CN105607575B (zh) | 基于fa‑lssvm的数控机床主轴热漂移建模方法 | |
CN102081706B (zh) | 基于相似性理论的工艺规划方法 | |
CN107945045B (zh) | 一种基于粒子群遗传算法的再制造装配过程的选配方法 | |
CN103198186A (zh) | 基于特征的飞机结构件切削参数优化方法 | |
CN103390082A (zh) | 一种多轴机床几何精度稳健优配方法 | |
CN103279803A (zh) | 基于综合信息论及现代内点理论的负荷建模方法和系统 | |
CN110618668A (zh) | 柔性生产的绿色动态调度方法 | |
CN104408241B (zh) | 一种修形圆柱齿轮的有限元网格自动生成方法 | |
CN101320031A (zh) | 一种奥氏体不锈钢精密钢带性能预测模型及其冷轧工艺设计 | |
CN103793577A (zh) | 一种机械加工过程中少切削液加工工艺优化控制方法 | |
CN110210079A (zh) | 一种面向整机动态特性的机床支承件质量匹配方法 | |
CN103106313B (zh) | 轧后件顺序重构方法 | |
CN103500251A (zh) | 数控铣削中刀具切削用量的优化加工方法 | |
CN104200270A (zh) | 一种基于差异演化算法的滚齿工艺参数自适应调整方法 | |
CN115755758A (zh) | 基于神经网络模型的机床加工控制方法 | |
CN112053019B (zh) | 一种实现光纤预制棒沉积工序智能化的方法 | |
CN111948977B (zh) | 一种用于不锈钢加工的多目标优化方法和系统 | |
CN107491036A (zh) | 机床加工能耗控制方法及加工机床 | |
CN113705897A (zh) | 一种面向工业铜箔生产的产品质量预测方法及系统 | |
CN106897503A (zh) | Rv减速器主轴承多目标优化中设计变量范围的确定方法 | |
CN108445855B (zh) | 基于K-means的注塑机配方参数优化方法 | |
CN116484533A (zh) | 基于伯努利分布与混合驱动法的铣削稳定性分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |