CN116859873A - 一种紧固件生产工艺参数控制方法及系统 - Google Patents
一种紧固件生产工艺参数控制方法及系统 Download PDFInfo
- Publication number
- CN116859873A CN116859873A CN202311058041.1A CN202311058041A CN116859873A CN 116859873 A CN116859873 A CN 116859873A CN 202311058041 A CN202311058041 A CN 202311058041A CN 116859873 A CN116859873 A CN 116859873A
- Authority
- CN
- China
- Prior art keywords
- performance
- target
- parameter
- optimizing
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 116
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 110
- 238000004886 process control Methods 0.000 claims abstract description 87
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 238000013461 design Methods 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 23
- 238000011056 performance test Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005215 recombination Methods 0.000 claims description 3
- 230000006798 recombination Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 239000000047 product Substances 0.000 claims 5
- 238000013480 data collection Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 claims 1
- 239000012467 final product Substances 0.000 claims 1
- 230000006978 adaptation Effects 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000003754 machining Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 13
- 238000012360 testing method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 238000000137 annealing Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000004381 surface treatment Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005554 pickling Methods 0.000 description 1
- 230000000379 polymerizing effect Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000007655 standard test method Methods 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
- 238000005491 wire drawing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Abstract
本申请公开了一种紧固件生产工艺参数控制方法，涉及机加工技术领域，所述方法包括：根据紧固件的使用场景，获得使用设备和设备信息，基于数字孪生技术，对使用设备模拟装配获得设备孪生模型，并进行数据采集节点标识；通过设备孪生模型进行运行模拟，获得性能参数集；提取性能参数集中的性能极值，获得性能约束集；基于标准工艺控制参数进行试生产，获得样本性能参数集并获得性能偏差信息集；通过性能偏差信息集对标准工艺控制参数进行参数控制寻优，进行紧固件的生产工艺参数控制。达到提升不同应用场景下的适应能力，提高适配程度，实现紧固件在设备装置中稳定运行的技术效果。
Description
技术领域
本发明涉及机加工技术领域，特别涉及一种紧固件生产工艺参数控制方法及系统。
技术背景
随着工业产业的发展和高度成熟，紧固件广泛的应用于社会生活生产中，各种生活用品，生产设备、装置都离不开紧固件的应用。紧固件生产流程长，生产步骤多，控制参数多，参数调整对紧固件的性能影响机制复杂。现有的紧固件生产及工艺参数控制，多采用标准工艺、固定参数生产，生产过程中对工艺参数的调整频率低，调整周期长。存在对于不同应用场景下的适应能力差，调参困难，适配程度低，不利于紧固件在设备装置中稳定运行的技术问题。
发明内容
本申请的目的在于提供一种紧固件生产工艺参数控制方法及系统，用以解决现有技术中存在对于不同应用场景下的适应能力差，调参困难，适配程度低，不利于紧固件在设备装置中稳定运行的技术问题。
鉴于以上技术问题，本申请提供了一种紧固件生产工艺参数控制方法。
第一方面，本申请提供了一种紧固件生产工艺参数控制方法，其中，所述方法包括：
交互目标紧固件的使用场景，获得目标使用设备和目标设备信息，其中，所述目标设备信息为所述目标紧固件在所述目标使用设备中的K个布设位置信息，K为正整数；根据所述目标使用设备模拟装配获得目标设备孪生模型，并基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点；基于所述目标设备孪生模型进行运行模拟，获得目标性能参数集，其中，所述目标性能参数集包括K组目标性能数据，所述K组目标性能数据与所述K个性能参数采集节点一一映射；对所述K组目标性能数据进行性能极值提取，获得目标性能约束集；根据所述目标紧固件的型号规格调用标准工艺控制参数，并基于所述标准工艺控制参数进行所述目标紧固件的试生产，获得样本性能参数集；遍历比对所述样本性能参数集和所述目标性能约束集，获得性能偏差信息集，其中，所述性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过所述目标工艺控制参数进行所述目标紧固件的生产工艺参数控制。
第二方面，本申请还提供了一种紧固件生产工艺参数控制系统，其中，所述系统包括：
信息采集模块，所述信息采集模块用于：交互目标紧固件的使用场景，获得目标使用设备和目标设备信息，其中，所述目标设备信息为所述目标紧固件在所述目标使用设备中的K个布设位置信息，K为正整数；孪生模拟模块，所述孪生模拟模块用于：根据所述目标使用设备模拟装配获得目标设备孪生模型，并基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点；运行模拟模块，所述运行模拟模块用于：基于所述目标设备孪生模型进行运行模拟，获得目标性能参数集，其中，所述目标性能参数集包括K组目标性能数据，所述K组目标性能数据与所述K个性能参数采集节点一一映射；性能约束模块，所述性能约束模块用于：对所述K组目标性能数据进行性能极值提取，获得目标性能约束集；样本试产模块，所述样本试产模块用于：根据所述目标紧固件的型号规格调用标准工艺控制参数，并基于所述标准工艺控制参数进行所述目标紧固件的试生产，获得样本性能参数集；性能偏差分析模块，所述性能偏差分析模块用于遍历比对所述样本性能参数集和所述目标性能约束集，获得性能偏差信息集，其中，所述性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；参数寻优控制模块，所述参数寻优控制模块用于：通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过所述目标工艺控制参数进行所述目标紧固件的生产工艺参数控制。
上述说明仅是本申请技术方案的概述，为了能够更清楚阐明本申请的技术手段，进而可依照说明书的内容予以实施，并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
本发明的实施例及后述简单说明结合图示予以说明，附图说明如下：
图1为本申请一种紧固件生产工艺参数控制方法的流程示意图；
图2为本申请一种紧固件生产工艺参数控制方法中获得K个性能参数采集节点的流程示意图；
图3为本申请一种紧固件生产工艺参数控制系统的结构示意图。
附图标记说明：信息采集模块11、孪生模拟模块12、运行模拟模块13、性能约束模块14、样本试产模块15、性能偏差分析模块16、参数寻优控制模块17。
具体实施方式
本申请通过提供一种紧固件生产工艺参数控制方法，解决了现有技术面临的对于不同应用场景下的适应能力差，适配程度低，不利于紧固件在设备装置中稳定运行的技术问题。
本技术实施例中的方案，为解决上述问题，所采用的整体思路如下：
首先，根据目标紧固件的使用场景，获得目标使用设备和目标设备信息，目标设备信息紧固件包括目标紧固件在目标使用设备中的K个布设位置信息；而后，基于数字孪生技术，对目标使用设备模拟装配获得目标设备孪生模型，并根据目标设备信息对目标设备孪生模型上对应位置进行数据采集节点标识，得到K个性能参数采集节点；接着，通过目标设备孪生模型进行运行模拟，获得包含与K个性能参数采集节点一一映射的K组目标性能数据的目标性能参数集；而后，提取目标性能参数集中的性能极值，获得目标性能约束集；然后，根据目标紧固件的型号规格调用标准工艺控制参数，并基于标准工艺控制参数进行目标紧固件的试生产，获得样本性能参数集；遍历比对样本性能参数集和目标性能约束集，获得性能偏差信息集，其中，性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；通过性能偏差信息集对标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过目标工艺控制参数进行目标紧固件的生产工艺参数控制。达到提升不同应用场景下的适应能力，提高适配程度，实现紧固件在设备装置中稳定运行的技术效果。
为更好理解上述技术方案，下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，需要说明的是，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种紧固件生产工艺参数控制方法，所述方法包括：
S100：交互目标紧固件的使用场景，获得目标使用设备和目标设备信息，其中，所述目标设备信息为所述目标紧固件在所述目标使用设备中的K个布设位置信息，K为正整数；
其中，目标紧固件的使用场景是指目标紧固件应用装置、设备及所在的环境，影响目标紧固件的设计和功能需求。使用场景包括：使用环境、目标设备等。示例性的，包括环境温度、湿度、压力、酸碱度、是否具有腐蚀性。
此外，在特定的使用场景中，首先识别目标使用设备，即需要使用目标紧固件的设备。这可以通过物体识别技术、扫描、用户输入等方式实现。然后，需要获取目标设备信息，包括交互目标紧固件在目标使用设备中的布设位置信息。这些位置可以是具体的物理坐标、部件名称、编号等方式进行标识。K表示目标紧固件在目标设备中布设的数量，即目标紧固件在目标使用设备中可能的K个布设位置数。通过对使用场景进行交互，获取信息，得以得到目标紧固件在正确的位置，为后续模拟、分析等提供准确点位。
可选的，目标设备信息还包括目标设备的结构，各部件材料，配合方式，运行参数等。
S200：根据所述目标使用设备模拟装配获得目标设备孪生模型，并基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点；
其中，模拟装配是通过虚拟或物理的方式模拟目标使用设备的装配过程，得到目标设备孪生模型，进而获取目标设备在实际使用中的装配状态和性能的技术方法。在模拟装配过程中，使用计算机辅助设计软件、三维建模技术等手段来创建目标使用设备的虚拟模型，模拟对象包括目标使用设备各个零部件、配合形式、运行控制条件等。通过进行模拟装配，获得孪生模型，可以在虚拟环境中模拟和预测设备的行为和性能，高效准确的对目标紧固件的目标环境进行模拟，有利于工艺参数的控制和优化。
进一步的，如图2所示，根据所述目标使用设备模拟装配获得目标设备孪生模型，获得K个性能参数采集节点，步骤S200包括：
S210：预构建部件模型共享平台，其中，所述部件模型共享平台存储有多类型使用设备的组成部件模型；
S220：交互获得目标使用设备的目标设计信息，其中，所述目标设计信息包括N个部件设计信息和部件连接关系信息；
S230：基于所述目标设计信息遍历所述部件模型共享平台，获得N个目标部件模型，其中，N为正整数；
S240：采用所述N个目标部件模型和所述部件连接关系信息进行模拟装配，获得所述目标设备孪生模型；
S250：基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得所述K个性能参数采集节点。
上述实施例中，部件模型共享平台存储了多种类型使用设备的组成部件模型。这些部件模型数字化的三维模型，用于描述不同类型设备的各个零部件和组件及其材料参数，具有较高的清晰度。部件模型共享平台可以通过用户上传、设计方分享、大数据采集等渠道作为信息来源，获取模型信息并构建。平台的目的是提供一个统一的资源库，使得在后续步骤中可以根据目标设计信息快速获取需要的部件模型。
上述实施例中，目标设计信息是指目标设备的N个部件设计信息及N个部件连接关系信息。其中，N个部件设计信息包括N个部件的外形尺寸、表面处理、材料性能等信息。可选的，目标设计信息获取方式还包括与用户或设计师进行交互，以获得目标使用设备的目标设计信息。信息可以是图纸、CAD文件、设计规范等。
上述实施例中，获得N个目标部件模型，首先，基于所述目标设计信息遍历所述部件模型共享平台，对目标设计信息的各项参数进行匹配，并计算匹配度；接着，对各项参数设定匹配度阈值，并根据匹配度阈值对部件模型共享平台中模型进行筛选；然后，选取符合匹配度阈值且匹配度最高的模型，设置为目标部件模型。重复以上步骤N次，获得N个目标部件模型。
此外，可选的，各项参数匹配度阈值设定根据各配件参数类型不同具体设定，示例性的，对于外形尺寸分为关键外形尺寸和一般外形尺寸，关键外形尺寸指会影响目标设备性能、装配、运行等的尺寸，一般外形尺寸是指对于目标设备性能、装配、运行影响程度轻微或无影响的尺寸，包括操作杆抓握部尺寸、防滑纹尺寸等。对于关键外形尺寸，根据设计尺寸及公差准许范围严格设定匹配度阈值；对于一般外形尺寸，匹配度阈值为不影响目标设备性能、装配、运行的范围。
进一步的，材料性能阈值，大于等于目标设计信息要求。
上述实施例中，利用所获取的N个目标部件模型以及部件连接关系信息，进行模拟装配。将各个部件按照设计，确定安装位置，装配顺序、连接方式、约束、运行参数，运行环境等，生成目标设备孪生模型。其中，模拟装配通过装配仿真软件进行，实现在虚拟环境中模拟设备的运行和性能的技术效果。
上述实施例中，对目标设备孪生模型，根据目标设备信息，标识出的K个性能参数采集节点，表示了目标设备孪生模型中需要采集性能参数的位置。这些性能参数包括温度、压力、振动等各种与目标紧固件性能相关的参数。
通过上述的一系列步骤，可以根据目标使用设备的设计信息，构建出一个与实际设备相对应的孪生模型，并在模型中标识出性能参数的采集节点，具有提高数据采集精度，降低采集数据量的技术效果，为后续的数据采集和性能分析提供基础。
S300：基于所述目标设备孪生模型进行运行模拟，获得目标性能参数集，其中，所述目标性能参数集包括K组目标性能数据，所述K组目标性能数据与所述K个性能参数采集节点一一映射；
其中，目标性能数据包括目标紧固件在目标设备运行中承受的工作性能数据，包括强度、塑性、韧性、硬度、楔负载、保证载荷、扭矩系数、抗磨性能、抗腐蚀性能等
可选的，基于所述目标设备孪生模型进行运行模拟前。首先，确定模拟的不同工况或操作条件，例如不同负载、不同环境温度等。接着，将构建好的目标设备孪生模型加载到仿真软件或平台中。并对于每个工况，设置适当的初始条件，包括部件的初始状态、输入参数等。然后，在仿真软件中运行模拟，让目标设备孪生模型在不同工况下模拟目标设备的运行行为。而后，在模拟运行过程中，采集目标设备在每个工况下的性能参数。并将获得的性能参数数据与之前标识的K个性能参数采集节点进行映射。每个性能参数数据与一个特定的节点相对。最后，整理和组织获得的性能参数数据，形成目标性能参数集。每个工况下都会有一组性能参数数据，与K个性能参数采集节点一一对应。获取目标性能参数集，为后续目标紧固件生产工艺参数调整提供了性能目标。
S400：对所述K组目标性能数据进行性能极值提取，获得目标性能约束集；
进一步的，目标紧固件在目标使用设备中具有K个布设位置，进而对应K种工况，不同工况对于目标紧固件的性能参数要求各不相同。对目标性能数据集中K组目标性能数据进行性能极值提取，通过聚合性能指标，获取多种工况下，各性能指标序列中性能需求最大值，评估目标使用设备需求的目标紧固件性能范围和限制，为控制工艺参数提供指导。进而确保目标紧固件适用于目标使用设备K个布设位置中任一位置，确保目标使用设备在各种工况下的正常运行和安全性能。
进一步的，对所述K组目标性能数据进行性能极值提取，获得目标性能约束集，步骤S400包括：
S410：对所述K组目标性能数据进行性能指标项聚合，获得H个性能指标项，其中，H为正整数；
S420：根据所述H个性能指标项对所述K组目标性能数据进行数据重组，获得H组性能指标参数；
S430：序列化所述H组性能指标参数，并进行性能极值提取，获得H个性能指标极值；
S440：所述H个性能指标极值构成所述目标性能约束集。
其中，性能指标项聚合是指遍历目标性能参数集，对所有性能参数进行分类合并。即对于K组目标性能数据，共包含H个性能指标项，H为正整数，K组目标性能数据中任意一组包含的性能指标项最多不多于H个，最少不少于1个，H个性能指标项中任意一项包含的性能指标参数最多不多于K条，最少不少于K条。
根据H个性能指标项对所述K组目标性能数据进行数据重组，即将K组目标性能数据按H个性能指标项分为H类性能指标，其中H类性能指标中每一类为一组性能指标参数，合计H组。可选的，数据重组还包括数据清洗，对K组目标性能数据进行常值检测与处理、去重、数据格式转化、数据标准化，提高数据的可靠性和准确性，便于数据重组的进行。
此外，序列化是指对H组性能指标参数中每一组性能指标参数进行排序。性能极值是指目标使用设备在各种工况下对目标紧固件性能要求的最大值，在目标紧固件的选型及工艺参数控制中体现为性能参数的最小值。通过序列号，获取H个性能指标极值，为目标紧固件的选型及工艺参数控制提供性能约束条件，进而实现满足约束条件的目标紧固件得以适应目标使用设备全部工况下K个布设位置性能要求的技术效果。
上述实施例中，将H个性能指标极值关联存储，得到目标性能约束集。
S500：根据所述目标紧固件的型号规格调用标准工艺控制参数，并基于所述标准工艺控制参数进行所述目标紧固件的试生产，获得样本性能参数集；
可选的，目标紧固件的型号规格获取方式包括：用户提供、设计方案采集、设备手册采集、紧固件型号数据库选取等方式。其中，试生产是指验证性质的小规模生产试验阶段，旨在验证生产流程、工艺参数和产品质量。
其中，可选的，试生产数量根据生产工艺参数的最小生产数量，稳定性等因素确定。试生产应剔除生产过程中工艺设备未进入稳定生产状态时产生的产品。确保试生产获取的样本相对均一，可以稳定的体现标准工艺控制参数下目标紧固件的性能表现。
此外，样本性能参数集通过对试生产获得的样本进行测试获得，测试内容，包括强度、塑性、韧性、硬度、楔负载、保证载荷、扭矩系数、抗磨性能、抗腐蚀性能等工H项，且与上述H个性能指标项的H类性能指标一一对应。测试方法采用行业标准测试方法或常用测试方法，需要理解的是，为了说明书的简洁，具体测试方法在此不做展开。
S600：遍历比对所述样本性能参数集和所述目标性能约束集，获得性能偏差信息集，其中，所述性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；
可选的，首先，遍历样本性能参数集，分类聚合获取样本性能参数集中的H组性能指标参数。而后，分别对样本性能参数集中的H组性能指标参数进行偏差计算。其中，偏差计算方式包括标准差、方差、绝对偏差、相对偏差、平均绝对偏差等。具体的偏差计算方式根据实际需要和便于工艺参数控制的原则由专业人员确定。通过选择适合的偏差计算方法，获取性能偏差信息集，实现更好的衡量样本性能参数与目标性能约束之间的偏差，为对标准工艺控制参数进行参数控制寻优提供数据支持。
S700：通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过所述目标工艺控制参数进行所述目标紧固件的生产工艺参数控制。
其中，目标紧固件的生产工艺流程由多个环节组成。示例性的，对于紧固件中螺栓紧固件的生产工艺，包括：盘元、退火、酸洗、磷化、造化、拉丝、锻造、车加工、制牙(搓丝、滚丝)、热处理、表面处理。多个生产工艺环节联合影响目标紧固件的性能参数。如热处理中的正火、退火、淬火、回火，共同影响目标紧固件的硬度、韧性、强度的等性能参数。通过性能偏差信息集进行参数控制寻优，迭代寻优，实现稳定高效的获得优化的目标工艺控制参数，对目标紧固件的生产工艺参数进行控制，提高目标紧固件适配程度的技术效果。
进一步的，通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，步骤S700包括：
S710：基于所述性能偏差信息集调用获得第一性能指标偏差参数；
S720：对所述第一性能指标偏差参数进行性能指标项提取，获得第一性能指标项；
S730：确定所述第一性能指标项高关联的第一工艺步骤集合，其中，所述第一工艺步骤集合包括G项生产工艺步骤，每一生产工艺步骤具有性能关联度标识；
S740：根据性能关联度标识确定G个寻优步长；
S750：基于所述第一工艺步骤集合选定第一生产工艺步骤作为第一寻优方向，并基于所述G个寻优步长调用获得第一寻优步长；
S760：以所述标准工艺控制参数为基准，基于所述第一寻优方向和所述第一寻优步长进行第一生产工艺步骤的控制参数寻优，获得第一寻优控制参数；
S770：采用所述第一寻优控制参数进行所述标准工艺控制参数的对应替换，获得第一替换工艺控制参数；
S780：基于所述第一工艺步骤集合选定第二生产工艺步骤作为第二寻优方向，并基于所述G个寻优步长调用获得第二寻优步长；
S790：以所述第一替换工艺控制参数为基准，基于所述第二寻优方向和所述第二寻优步长进行第二生产工艺步骤的控制参数寻优，获得第二寻优控制参数；
S7100：采用所述第二寻优控制参数进行所述第一替换工艺控制参数的对应替换，获得第二替换工艺控制参数；
S7110：以此类推，获得对应于所述G项生产工艺步骤的G个寻优控制参数，所述G个寻优控制参数构成第一性能指标校正参数；
S7120：以此类推，获得M个性能指标校正参数，构成所述目标工艺控制参数。
其中，性能指标偏差参数是指偏差参数类型及其偏差数值，包含对应的性能指标类型标记。示例性的，第一性能指标项为目标紧固件强度，其性能指标偏差参数为强度偏差，偏差类型为标准偏差，偏差数值50Mpa。
第一工艺步骤集合是指对第一性能指标产生主要影响的相应多个工艺步骤，且每一生产工艺步骤具有性能关联度标识，用于标记表达工艺步骤对于第一性能指标的影响程度。示例性的，以影响程度最高的工艺步骤关联度为基准关联度，其他工艺步骤的关联度根据影响程度，为基准关联度乘以一关联系数。
进一步的，寻优步长是指与性能关联度相关。性能关联度高，相应的寻优步长短，避免错过最优参数。示例性的，若关联度为1的涉及温度的工艺步骤寻优步长为20摄氏度，则关联度为05的涉及温度的工艺步骤寻优步长为40摄氏度。遍历第一工艺步骤集合中G项生产工艺步骤，可以获取G个寻优步长，其中G个寻优步长具有生产工艺步骤标识，且与G项生产工艺步骤一一对应。
可选的，对于不同工艺步骤，可以包含多个寻优步长，示例性的，对于加热恒温步骤，寻优步长包括温度步长、恒温时间步长。
上述实施例中，可选的，进行第一生产工艺步骤的控制参数寻优，通过寻优算法模型进行。寻优模型是指，根据性能偏差信息集，考虑多个指标和约束条件，选择最佳工艺参数的算法模型。其中，寻优算法可采用包括：加权总得分法、线性规划、整数规划、遗传算法、粒子群优化算法等。优选的，采用粒子群优化算法构建寻优模型。示例性的，寻优模型包含H层寻优层，H层寻优层对应H个性能指标。其中，每个寻优层由一个子寻优模型构成，前一子寻优模型输出与后一子寻优模型输入连接，子寻优模型中粒子有G维，粒子数为100，最大惯性权重1，最小惯性权重0.1，迭代次数为500次。其中，惯性权重基于步长设定。
进一步的，首先，以第一子寻优模型基于第一寻优方向和第一寻优步长，进行第一工艺步骤的控制参数优化，输出得到第一寻优控制参数；接着，采用第一寻优控制参数对标准工艺控制参数做对应替换，将替换结果设置为第一替换工艺控制参数。而后，基于第一替换工艺控制参数与第二寻优步长，通过第二寻优子模型对第二工艺步骤控制参数优化，得到第二寻优控制参数，并采用第二寻优控制参数对第一替换工艺控制参数做对应替换，获得为第二替换工艺控制参数。最后，重复上述过程，遍历寻优模型中H层子寻优模型，获取M个性能指标矫正参数，构成目标工艺控制参数。
进一步的，通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，步骤S700还包括：
S7130：预设迭代次数约束和迭代性能约束；
S7140：若寻优迭代参数符合所述迭代次数约束，或寻优迭代性能测试结果符合所述迭代性能约束，则停止控制参数寻优。
一种可选的实施例中，寻优模型预设有迭代次数约束及迭代性能约束，得以实现避免因生产工艺步骤多，控制参数相互影响所造成的目标工艺控制参数陷入局部最优解，无法满足迭代性能约束的技术效果。
进一步的，确定所述第一性能指标项高关联的第一工艺步骤集合，其中，所述第一工艺步骤集合包括G项生产工艺步骤，每一生产工艺步骤具有性能关联度标识，S730还包括：
基于所述第一性能指标项调用获得历史多工艺步骤性能参数记录和成品性能参数记录；
将工艺步骤控制参数和工艺步骤性能参数作为自变量，将成品性能测试值作为因变量，分别对所述历史多工艺步骤性能参数记录和所述成品性能参数记录进行数据提取，获得多组工艺步骤性能参数-成品性能测试值；
构建工艺步骤控制参数与性能指标之间的目标关联关系式，具体关系式如下：
Y＝β0+β1X1+β2X2+...+βnXn；
其中，Y为成品性能测试值，X1至Xn为工艺步骤性能参数，β0至βn为关联度系数；
将所述多组工艺步骤性能参数-成品性能测试值代入目标关联关系式进行数值拟合，获得多组关联度系数；
基于所述多组关联度系数进行均值计算，获得n项均值关联度；
预设关联度阈值，并基于所述预设关联度阈值遍历所述n项均值关联度，筛选获得所述G项生产工艺步骤；
将对应于所述G项生产工艺步骤的G个均值关联度作为所述性能关联度标识对应进行生产工艺步骤的标识处理。
其中，可选的，预设关联度阈值采用双阈值法，其中第一预设关联度阈值小于第二预设关联度，小于第一预设关联度的视为不相关生产工艺步骤，大于第二预设关联度的视为相关生产工艺步骤并存入第一工艺步骤集合。大于第一预设关联度且小于第二预设关联度的生产工艺步骤设置为储备工艺步骤集合。若上述实施例中，若寻优迭代参数符合迭代次数约束，且寻优迭代性能测试结果未能符合迭代性能约束。则启用储备工艺步骤集合，加入第一工艺步骤集合。
可选的，由专业技术人员对储备工艺步骤集合中多个工艺步骤进行筛选，提取储备工艺步骤集合中适配步骤，加入第一工艺步骤集合。并重新进行寻优。
可选的，上述储备工艺步骤集合可多次启用，直至寻优迭代性能测试结果符合迭代性能约束，或备用工艺步骤集合均加入第一工艺步骤集合，停止控制参数寻优并输出目标工艺控制参数。
本申请涉及的一种可选的实施例中，还包括：
交互获得所述目标使用设备的使用寿命关联信息，其中，所述使用寿命关联信息包括使用环境工况、设备运行参数和使用频次规划；
根据目标使用设备型号信息进行历史数据调用，获得样本使用环境工况集、样本运行参数集、样本使用频次规划集和样本使用寿命信息集；
基于知识图谱整合所述样本使用环境工况集、所述样本运行参数集、所述样本使用频次规划集和样本使用寿命信息集，获得相似比对数据库；
采用所述使用寿命关联信息遍历所述相似比对数据库进行数据相似性分析，获得相似指数集合；
序列化所述相似指数集合并调用最大相似指数对应的样本使用寿命信息，作为所述目标紧固件的使用寿命预测值；
基于所述使用寿命预测值生成紧固件更换提醒节点。
其中，环境工况包括环境温度、湿度、高盐、高压等。使用频次规划包括工作频率、工作时长等。
其中，建立基于样本使用环境工况集、样本运行参数集、所样本使用频次规划集和样本使用寿命信息集的相似对比数据库，根据目标使用设备的环境工况、设备运行参数和使用频次规划，与数据库匹配，获得高相似度的工况下目标紧固件的典型寿命值，作为目标紧固件的使用寿命预测值，可以实现对目标紧固件寿命的高效预测的技术效果。
可选的，基于目标紧固件的使用寿命预测值，对目标紧固件进行全生命周期寿命测试，测试包括使用寿命、工作时长-性能下降曲线、工作时长-故障率曲线等。结合目标使用设备故障率要求、目标性能约束集，获得目标紧固件使用寿命典型值。其中，目标紧固件使用寿命典型值为多个样品全生命周期寿命测试结果中，满足目标使用设备故障率要求、目标性能约束集的平均最长工作时长与寿命安全系数的乘积。优选的，安全系数取值范围为1.8-3。
综上所述，本发明所提供的一种紧固件生产工艺参数控制方法具有如下技术效果：
本申请通过根据目标紧固件的使用场景，获得目标使用设备和目标设备信息，目标设备信息紧固件包括目标紧固件在目标使用设备中的K个布设位置信息；而后，基于数字孪生技术，对目标使用设备模拟装配获得目标设备孪生模型，并根据目标设备信息对目标设备孪生模型上对应位置进行数据采集节点标识，得到K个性能参数采集节点；接着，通过目标设备孪生模型进行运行模拟，获得包含与K个性能参数采集节点一一映射的K组目标性能数据的目标性能参数集；而后，提取目标性能参数集中的性能极值，获得目标性能约束集；然后，根据目标紧固件的型号规格调用标准工艺控制参数，并基于标准工艺控制参数进行目标紧固件的试生产，获得样本性能参数集；遍历比对样本性能参数集和目标性能约束集，获得性能偏差信息集，其中，性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；通过性能偏差信息集对标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过目标工艺控制参数进行目标紧固件的生产工艺参数控制。达到提升不同应用场景下的适应能力，提高适配程度，实现紧固件在设备装置中稳定运行的技术效果。
实施例二
基于与所述实施例中一种紧固件生产工艺参数控制方法同样的构思，如图3所示，本申请还提供了一种紧固件生产工艺参数控制系统，所述系统包括：
信息采集模块11，用于交互目标紧固件的使用场景，获得目标使用设备和目标设备信息，其中，目标设备信息为目标紧固件在目标使用设备中的K个布设位置信息，K为正整数；
孪生模拟模块12，用于根据目标使用设备模拟装配获得目标设备孪生模型，并基于目标设备信息对目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点；
运行模拟模块13，用于基于目标设备孪生模型进行运行模拟，获得目标性能参数集，其中，目标性能参数集包括K组目标性能数据，K组目标性能数据与K个性能参数采集节点一一映射；
性能约束模块14，用于对K组目标性能数据进行性能极值提取，获得目标性能约束集；
样本试产模块15，用于根据目标紧固件的型号规格调用标准工艺控制参数，并基于标准工艺控制参数进行目标紧固件的试生产，获得样本性能参数集；
性能偏差分析模块16，用于遍历比对样本性能参数集和目标性能约束集，获得性能偏差信息集，其中，性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；
参数寻优控制模块17，用于通过性能偏差信息集对标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过目标工艺控制参数进行目标紧固件的生产工艺参数控制。
进一步的，孪生模拟模块12还包括孪生模型构建单元，用于交互获得目标使用设备的目标设计信息，其中，目标设计信息包括N个部件设计信息和部件连接关系信息；基于目标设计信息遍历部件模型共享平台，获得N个目标部件模型，其中，N为正整数；采用N个目标部件模型和部件连接关系信息进行模拟装配，获得目标设备孪生模型；
进一步的，孪生模拟模块12还包括数据采集节点标识单元，用于基于目标设备信息对目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点。
进一步的，参数寻优控制模块17还包括：
性能关联度获取单元，用于基于第一性能指标项调用获得历史多工艺步骤性能参数记录和成品性能参数记录，构建工艺步骤控制参数与性能指标之间的目标关联关系式，具体关系式如下：
Y＝β0+β1X1+β2X2+...+βnXn；
其中，Y为成品性能测试值，X1至Xn为工艺步骤性能参数，β0至βn为关联度系数；
将多组工艺步骤性能参数-成品性能测试值代入目标关联关系式进行数值拟合，获得多组关联度系数；基于多组关联度系数进行均值计算，获得n项均值关联度；预设关联度阈值，并基于预设关联度阈值遍历n项均值关联度，筛选获得G项生产工艺步骤；将对应于G项生产工艺步骤的G个均值关联度作为性能关联度。
寻优步长设定单元，用于根据性能关联度标识确定G个寻优步长；
寻优单元，用于基于第一工艺步骤集合选定第一生产工艺步骤作为第一寻优方向，并基于G个寻优步长调用获得第一寻优步长；以标准工艺控制参数为基准，基于第一寻优方向和第一寻优步长进行第一生产工艺步骤的控制参数寻优，获得第一寻优控制参数；采用第一寻优控制参数进行标准工艺控制参数的对应替换，获得第一替换工艺控制参数；基于第一工艺步骤集合选定第二生产工艺步骤作为第二寻优方向，并基于G个寻优步长调用获得第二寻优步长；以第一替换工艺控制参数为基准，基于第二寻优方向和第二寻优步长进行第二生产工艺步骤的控制参数寻优，获得第二寻优控制参数；采用第二寻优控制参数进行第一替换工艺控制参数的对应替换，获得第二替换工艺控制参数；以此类推，获得对应于G项生产工艺步骤的G个寻优控制参数，G个寻优控制参数构成第一性能指标校正参数；以此类推，获得M个性能指标校正参数，构成目标工艺控制参数。
进一步的，参数寻优控制模块17还用于：
预设迭代次数约束和迭代性能约束；
若寻优迭代参数符合迭代次数约束，或寻优迭代性能测试结果符合迭代性能约束，则停止控制参数寻优。
进一步的，参数寻优控制模块17包括步骤：
基于性能偏差信息集调用获得第一性能指标偏差参数；
对第一性能指标偏差参数进行性能指标项提取，获得第一性能指标项；
确定第一性能指标项高关联的第一工艺步骤集合，其中，第一工艺步骤集合包括G项生产工艺步骤，每一生产工艺步骤具有性能关联度标识；
根据性能关联度标识确定G个寻优步长；
基于第一工艺步骤集合选定第一生产工艺步骤作为第一寻优方向，并基于G个寻优步长调用获得第一寻优步长；
以标准工艺控制参数为基准，基于第一寻优方向和第一寻优步长进行第一生产工艺步骤的控制参数寻优，获得第一寻优控制参数；
采用第一寻优控制参数进行标准工艺控制参数的对应替换，获得第一替换工艺控制参数；
基于第一工艺步骤集合选定第二生产工艺步骤作为第二寻优方向，并基于G个寻优步长调用获得第二寻优步长；
以第一替换工艺控制参数为基准，基于第二寻优方向和第二寻优步长进行第二生产工艺步骤的控制参数寻优，获得第二寻优控制参数；
采用第二寻优控制参数进行第一替换工艺控制参数的对应替换，获得第二替换工艺控制参数；
以此类推，获得对应于G项生产工艺步骤的G个寻优控制参数，G个寻优控制参数构成第一性能指标校正参数；
以此类推，获得M个性能指标校正参数，构成目标工艺控制参数。
应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的一种紧固件生产工艺参数控制系统，为了说明书的简洁，在此不做进一步的展开。
应当理解的是，本申请所公开的实施例及上述说明，可以使得本领域的技术人员运用本申请实现本申请。同时本申请不被限制于上述所提到的这部分实施例，对本申请提到的实施例进行显而易见的修改、变种，也属于本申请原理范围之内。
Claims (8)
1.一种紧固件生产工艺参数控制方法，其特征在于，所述方法包括：
交互目标紧固件的使用场景，获得目标使用设备和目标设备信息，其中，所述目标设备信息为所述目标紧固件在所述目标使用设备中的K个布设位置信息，K为正整数；
根据所述目标使用设备模拟装配获得目标设备孪生模型，并基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点；
基于所述目标设备孪生模型进行运行模拟，获得目标性能参数集，其中，所述目标性能参数集包括K组目标性能数据，所述K组目标性能数据与所述K个性能参数采集节点一一映射；
对所述K组目标性能数据进行性能极值提取，获得目标性能约束集；
根据所述目标紧固件的型号规格调用标准工艺控制参数，并基于所述标准工艺控制参数进行所述目标紧固件的试生产，获得样本性能参数集；
遍历比对所述样本性能参数集和所述目标性能约束集，获得性能偏差信息集，其中，所述性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；
通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过所述目标工艺控制参数进行所述目标紧固件的生产工艺参数控制。
2.如权利要求1所述的方法，其特征在于，根据所述目标使用设备模拟装配获得目标设备孪生模型，并基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点，所述方法还包括：
预构建部件模型共享平台，其中，所述部件模型共享平台存储有多类型使用设备的组成部件模型；
交互获得目标使用设备的目标设计信息，其中，所述目标设计信息包括N个部件设计信息和部件连接关系信息；
基于所述目标设计信息遍历所述部件模型共享平台，获得N个目标部件模型，其中，N为正整数；
采用所述N个目标部件模型和所述部件连接关系信息进行模拟装配，获得所述目标设备孪生模型；
基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得所述K个性能参数采集节点。
3.如权利要求1所述的方法，其特征在于，对所述K组目标性能数据进行性能极值提取，获得目标性能约束集，所述方法还包括：
对所述K组目标性能数据进行性能指标项聚合，获得H个性能指标项，其中，H为正整数；
根据所述H个性能指标项对所述K组目标性能数据进行数据重组，获得H组性能指标参数；
序列化所述H组性能指标参数，并进行性能极值提取，获得H个性能指标极值；
所述H个性能指标极值构成所述目标性能约束集。
4.如权利要求1所述的方法，其特征在于，通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，所述方法还包括：
基于所述性能偏差信息集调用获得第一性能指标偏差参数；
对所述第一性能指标偏差参数进行性能指标项提取，获得第一性能指标项；
确定所述第一性能指标项高关联的第一工艺步骤集合，其中，所述第一工艺步骤集合包括G项生产工艺步骤，每一生产工艺步骤具有性能关联度标识；
根据性能关联度标识确定G个寻优步长；
基于所述第一工艺步骤集合选定第一生产工艺步骤作为第一寻优方向，并基于所述G个寻优步长调用获得第一寻优步长；
以所述标准工艺控制参数为基准，基于所述第一寻优方向和所述第一寻优步长进行第一生产工艺步骤的控制参数寻优，获得第一寻优控制参数；
采用所述第一寻优控制参数进行所述标准工艺控制参数的对应替换，获得第一替换工艺控制参数；
基于所述第一工艺步骤集合选定第二生产工艺步骤作为第二寻优方向，并基于所述G个寻优步长调用获得第二寻优步长；
以所述第一替换工艺控制参数为基准，基于所述第二寻优方向和所述第二寻优步长进行第二生产工艺步骤的控制参数寻优，获得第二寻优控制参数；
采用所述第二寻优控制参数进行所述第一替换工艺控制参数的对应替换，获得第二替换工艺控制参数；
以此类推，获得对应于所述G项生产工艺步骤的G个寻优控制参数，所述G个寻优控制参数构成第一性能指标校正参数；
以此类推，获得M个性能指标校正参数，构成所述目标工艺控制参数。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
预设迭代次数约束和迭代性能约束；
若寻优迭代参数符合所述迭代次数约束，或寻优迭代性能测试结果符合所述迭代性能约束，则停止控制参数寻优。
6.如权利要求4所述的方法，其特征在于，确定所述第一性能指标项高关联的第一工艺步骤集合，其中，所述第一工艺步骤集合包括G项生产工艺步骤，每一生产工艺步骤具有性能关联度标识，所述方法还包括：
基于所述第一性能指标项调用获得历史多工艺步骤性能参数记录和成品性能参数记录；
将工艺步骤控制参数和工艺步骤性能参数作为自变量，将成品性能测试值作为因变量，分别对所述历史多工艺步骤性能参数记录和所述成品性能参数记录进行数据提取，获得多组工艺步骤性能参数-成品性能测试值；
构建工艺步骤控制参数与性能指标之间的目标关联关系式，具体关系式如下：
；
其中，为成品性能测试值，/>至/>为工艺步骤性能参数，/>至/>为关联度系数；
将所述多组工艺步骤性能参数-成品性能测试值代入目标关联关系式进行数值拟合，获得多组关联度系数；
基于所述多组关联度系数进行均值计算，获得n项均值关联度；
预设关联度阈值，并基于所述预设关联度阈值遍历所述n项均值关联度，筛选获得所述G项生产工艺步骤；
将对应于所述G项生产工艺步骤的G个均值关联度作为所述性能关联度标识对应进行生产工艺步骤的标识处理。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
交互获得所述目标使用设备的使用寿命关联信息，其中，所述使用寿命关联信息包括使用环境工况、设备运行参数和使用频次规划；
根据目标使用设备型号信息进行历史数据调用，获得样本使用环境工况集、样本运行参数集、样本使用频次规划集和样本使用寿命信息集；
基于知识图谱整合所述样本使用环境工况集、所述样本运行参数集、所述样本使用频次规划集和样本使用寿命信息集，获得相似比对数据库；
采用所述使用寿命关联信息遍历所述相似比对数据库进行数据相似性分析，获得相似指数集合；
序列化所述相似指数集合并调用最大相似指数对应的样本使用寿命信息，作为所述目标紧固件的使用寿命预测值；
基于所述使用寿命预测值生成紧固件更换提醒节点。
8.一种紧固件生产工艺参数控制系统，其特征在于，所述系统包括：
信息采集模块，所述信息采集模块用于：交互目标紧固件的使用场景，获得目标使用设备和目标设备信息，其中，所述目标设备信息为所述目标紧固件在所述目标使用设备中的K个布设位置信息，K为正整数；
孪生模拟模块，所述孪生模拟模块用于：根据所述目标使用设备模拟装配获得目标设备孪生模型，并基于所述目标设备信息对所述目标设备孪生模型进行数据采集节点标识，获得K个性能参数采集节点；
运行模拟模块，所述运行模拟模块用于：基于所述目标设备孪生模型进行运行模拟，获得目标性能参数集，其中，所述目标性能参数集包括K组目标性能数据，所述K组目标性能数据与所述K个性能参数采集节点一一映射；
性能约束模块，所述性能约束模块用于：对所述K组目标性能数据进行性能极值提取，获得目标性能约束集；
样本试产模块，所述样本试产模块用于：根据所述目标紧固件的型号规格调用标准工艺控制参数，并基于所述标准工艺控制参数进行所述目标紧固件的试生产，获得样本性能参数集；
性能偏差分析模块，所述性能偏差分析模块用于遍历比对所述样本性能参数集和所述目标性能约束集，获得性能偏差信息集，其中，所述性能偏差信息集包括M个性能指标偏差参数，其中，M为正整数；
参数寻优控制模块，所述参数寻优控制模块用于：通过所述性能偏差信息集对所述标准工艺控制参数进行参数控制寻优，获得目标工艺控制参数，通过所述目标工艺控制参数进行所述目标紧固件的生产工艺参数控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311058041.1A CN116859873B (zh) | 2023-08-22 | 2023-08-22 | 一种紧固件生产工艺参数控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311058041.1A CN116859873B (zh) | 2023-08-22 | 2023-08-22 | 一种紧固件生产工艺参数控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116859873A true CN116859873A (zh) | 2023-10-10 |
| CN116859873B CN116859873B (zh) | 2024-01-12 |
Family
ID=88236125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311058041.1A Active CN116859873B (zh) | 2023-08-22 | 2023-08-22 | 一种紧固件生产工艺参数控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116859873B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117130337A (zh) * | 2023-10-25 | 2023-11-28 | 江苏大圆电子科技有限公司 | 漆包线生产工艺自动化调节方法及系统 |
| CN117148804A (zh) * | 2023-10-30 | 2023-12-01 | 张家港广大特材股份有限公司 | 结合应用需求的特种钢材冶炼控制方法及系统 |
| CN117171896A (zh) * | 2023-11-03 | 2023-12-05 | 鲜一汽配（南通）有限公司 | 一种汽车转向器输入轴加工优化方法及系统 |
| CN117171922A (zh) * | 2023-11-02 | 2023-12-05 | 江苏菲尔浦工程科技有限公司 | 一种钢结构制作中平行矫正的方法及系统 |
| CN117234171A (zh) * | 2023-11-16 | 2023-12-15 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
| CN117250931A (zh) * | 2023-11-16 | 2023-12-19 | 一夫科技股份有限公司 | 基于数据融合的石膏板生产智能控制方法及系统 |
| CN117270832A (zh) * | 2023-11-22 | 2023-12-22 | 卡奥斯工业智能研究院(青岛)有限公司 | 一种机器指令的生成方法、装置、电子设备及存储介质 |
| CN117327858A (zh) * | 2023-11-16 | 2024-01-02 | 张家港广大特材股份有限公司 | 一种特种钢材冶炼数据测试分析方法及系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109773588A (zh) * | 2019-03-01 | 2019-05-21 | 山东大学 | 一种机床数字孪生模型性能测试方法及装置 |
| EP3557341A1 (de) * | 2018-04-19 | 2019-10-23 | Siemens Aktiengesellschaft | Verfahren und verwaltungseinrichtung zur optimierung eines industriellen prozesses |
| CN112427624A (zh) * | 2020-11-04 | 2021-03-02 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的铸锻双控成型系统及参数优化方法 |
| CN112699504A (zh) * | 2020-12-24 | 2021-04-23 | 北京理工大学 | 装配体物理数字孪生建模方法、装置、电子设备及介质 |
| US20210299827A1 (en) * | 2020-03-31 | 2021-09-30 | Guangdong University Of Technology | Optimization method and system based on screwdriving technology in mobile phone manufacturing |
| CN113673104A (zh) * | 2021-08-20 | 2021-11-19 | 华东交通大学 | 基于数字孪生的制造业车间工艺规划系统 |
| CN114630211A (zh) * | 2022-05-13 | 2022-06-14 | 苏州氢澜科技有限公司 | 一种基于数字孪生的燃料电池生产系统及其调整方法 |
| WO2022157257A1 (en) * | 2021-01-20 | 2022-07-28 | Jems, Energetska Družba, D.O.O. | Systems and methods for plant process optimisation |
| CN114881289A (zh) * | 2022-04-11 | 2022-08-09 | 中国兵器装备集团自动化研究所有限公司 | 一种基于数字孪生的熔铸装药成型工艺参数优化方法及系统 |
| WO2022207223A1 (en) * | 2021-03-30 | 2022-10-06 | Siemens Aktiengesellschaft | Method and system for optimizing a digital twin simulation model using machine learning |
| EP4095627A1 (en) * | 2021-05-24 | 2022-11-30 | ABB Schweiz AG | Evaluating alternative control parameters based on a digital twin |
| CN115660509A (zh) * | 2022-12-26 | 2023-01-31 | 沈阳创新设计研究院有限公司 | 一种基于数字孪生技术的工厂建造管控方法及系统 |
| US20230206779A1 (en) * | 2021-12-27 | 2023-06-29 | Nabors Drilling Technologies Usa, Inc. | Digital twin for rig operations |
| CN116484651A (zh) * | 2023-06-19 | 2023-07-25 | 天津美腾科技股份有限公司 | 基于数字孪生的系统参数调节方法、装置、电子设备 |
-
2023
- 2023-08-22 CN CN202311058041.1A patent/CN116859873B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3557341A1 (de) * | 2018-04-19 | 2019-10-23 | Siemens Aktiengesellschaft | Verfahren und verwaltungseinrichtung zur optimierung eines industriellen prozesses |
| CN109773588A (zh) * | 2019-03-01 | 2019-05-21 | 山东大学 | 一种机床数字孪生模型性能测试方法及装置 |
| US20210299827A1 (en) * | 2020-03-31 | 2021-09-30 | Guangdong University Of Technology | Optimization method and system based on screwdriving technology in mobile phone manufacturing |
| CN112427624A (zh) * | 2020-11-04 | 2021-03-02 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的铸锻双控成型系统及参数优化方法 |
| CN112699504A (zh) * | 2020-12-24 | 2021-04-23 | 北京理工大学 | 装配体物理数字孪生建模方法、装置、电子设备及介质 |
| WO2022157257A1 (en) * | 2021-01-20 | 2022-07-28 | Jems, Energetska Družba, D.O.O. | Systems and methods for plant process optimisation |
| WO2022207223A1 (en) * | 2021-03-30 | 2022-10-06 | Siemens Aktiengesellschaft | Method and system for optimizing a digital twin simulation model using machine learning |
| EP4095627A1 (en) * | 2021-05-24 | 2022-11-30 | ABB Schweiz AG | Evaluating alternative control parameters based on a digital twin |
| CN113673104A (zh) * | 2021-08-20 | 2021-11-19 | 华东交通大学 | 基于数字孪生的制造业车间工艺规划系统 |
| US20230206779A1 (en) * | 2021-12-27 | 2023-06-29 | Nabors Drilling Technologies Usa, Inc. | Digital twin for rig operations |
| CN114881289A (zh) * | 2022-04-11 | 2022-08-09 | 中国兵器装备集团自动化研究所有限公司 | 一种基于数字孪生的熔铸装药成型工艺参数优化方法及系统 |
| CN114630211A (zh) * | 2022-05-13 | 2022-06-14 | 苏州氢澜科技有限公司 | 一种基于数字孪生的燃料电池生产系统及其调整方法 |
| CN115660509A (zh) * | 2022-12-26 | 2023-01-31 | 沈阳创新设计研究院有限公司 | 一种基于数字孪生技术的工厂建造管控方法及系统 |
| CN116484651A (zh) * | 2023-06-19 | 2023-07-25 | 天津美腾科技股份有限公司 | 基于数字孪生的系统参数调节方法、装置、电子设备 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117130337B (zh) * | 2023-10-25 | 2023-12-22 | 江苏大圆电子科技有限公司 | 漆包线生产工艺自动化调节方法及系统 |
| CN117130337A (zh) * | 2023-10-25 | 2023-11-28 | 江苏大圆电子科技有限公司 | 漆包线生产工艺自动化调节方法及系统 |
| CN117148804A (zh) * | 2023-10-30 | 2023-12-01 | 张家港广大特材股份有限公司 | 结合应用需求的特种钢材冶炼控制方法及系统 |
| CN117148804B (zh) * | 2023-10-30 | 2024-03-01 | 张家港广大特材股份有限公司 | 结合应用需求的特种钢材冶炼控制方法及系统 |
| CN117171922A (zh) * | 2023-11-02 | 2023-12-05 | 江苏菲尔浦工程科技有限公司 | 一种钢结构制作中平行矫正的方法及系统 |
| CN117171922B (zh) * | 2023-11-02 | 2024-01-26 | 江苏菲尔浦工程科技有限公司 | 一种钢结构制作中平行矫正的方法及系统 |
| CN117171896A (zh) * | 2023-11-03 | 2023-12-05 | 鲜一汽配（南通）有限公司 | 一种汽车转向器输入轴加工优化方法及系统 |
| CN117250931A (zh) * | 2023-11-16 | 2023-12-19 | 一夫科技股份有限公司 | 基于数据融合的石膏板生产智能控制方法及系统 |
| CN117234171A (zh) * | 2023-11-16 | 2023-12-15 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
| CN117327858A (zh) * | 2023-11-16 | 2024-01-02 | 张家港广大特材股份有限公司 | 一种特种钢材冶炼数据测试分析方法及系统 |
| CN117250931B (zh) * | 2023-11-16 | 2024-01-23 | 一夫科技股份有限公司 | 基于数据融合的石膏板生产智能控制方法及系统 |
| CN117234171B (zh) * | 2023-11-16 | 2024-02-20 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
| CN117327858B (zh) * | 2023-11-16 | 2024-04-02 | 张家港广大特材股份有限公司 | 一种特种钢材冶炼数据测试分析方法及系统 |
| CN117270832A (zh) * | 2023-11-22 | 2023-12-22 | 卡奥斯工业智能研究院(青岛)有限公司 | 一种机器指令的生成方法、装置、电子设备及存储介质 |
| CN117270832B (zh) * | 2023-11-22 | 2024-02-13 | 卡奥斯工业智能研究院(青岛)有限公司 | 一种机器指令的生成方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116859873B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116859873B (zh) | 一种紧固件生产工艺参数控制方法及系统 | |
| Wang et al. | A data driven cycle time prediction with feature selection in a semiconductor wafer fabrication system | |
| US5687094A (en) | Design verification apparatus | |
| US5761093A (en) | Quality forecasting engine | |
| CN106206346A (zh) | 具取样率决定机制的量测抽样方法 | |
| CN110163429B (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
| Sandberg | Knowledge based engineering: In product development | |
| Chang et al. | A case-based reasoning approach for due-date assignment in a wafer fabrication factory | |
| CN106022631B (zh) | 一种指标权重分析方法 | |
| JP2012226511A (ja) | 歩留まり予測システムおよび歩留まり予測プログラム | |
| Ahsan et al. | Developing computational intelligence for smart qualification testing of electronic products | |
| Esmaeili et al. | Variable reduction for multi-objective optimization using data mining techniques; application to aerospace structures | |
| Kupriyanov et al. | A general approach for tolerance control in quality assessment for technology quality analysis | |
| Ghiasian et al. | A machine learning-based design recommender system for additive manufacturing | |
| Macioł et al. | The use of Fuzzy rule-based systems in the design process of the metallic products on example of microstructure evolution prediction | |
| Cui et al. | Probabilistic model for online 3D printing service evaluation | |
| CN108415372B (zh) | 精密机床热误差补偿方法 | |
| Smith et al. | Discrete-event simulation and machine learning for prototype composites manufacture lead time predictions | |
| JP5051223B2 (ja) | 事例生成プログラム、事例生成装置、事例生成方法 | |
| Sivakumar et al. | Minimizing cost of assembly of an interrelated dimensional chain product using ABC algorithm | |
| CN111985787A (zh) | 一种面向大规模定制的工艺模块化方案评价方法 | |
| Adesiyan | Performance prediction of production lines using machine learning algorithm | |
| Yip et al. | Knowledge intensive CAD in product design validation | |
| Cullen et al. | An artificial neural network customer forecasting model | |
| EP4075219A1 (en) | System and method of monitoring an industrial environment |
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 |