[發(fā)明專(zhuān)利]一種基于多機(jī)協(xié)同因子的復(fù)雜加工過(guò)程穩(wěn)定性評(píng)估方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910333897.2
• 申請(qǐng)日: 2019-04-24
• 公開(kāi)（公告）號(hào): CN110032146B
• 公開(kāi)（公告）日: 2020-10-27
• 發(fā)明（設(shè)計(jì)）人: 趙麗萍;李博豪;要義勇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安交通大學(xué)
• 主分類(lèi)號(hào): G05B19/414
• 分類(lèi)號(hào): G05B19/414
• 代理公司: 西安通大專(zhuān)利代理有限責(zé)任公司 61200
• 代理人: 高博

1.一種基于多機(jī)協(xié)同因子的復(fù)雜加工過(guò)程穩(wěn)定性評(píng)估方法，其特征在于，利用網(wǎng)絡(luò)理論建立加工過(guò)程網(wǎng)絡(luò)模型，將影響加工過(guò)程質(zhì)量的參數(shù)作為加工過(guò)程網(wǎng)絡(luò)中的節(jié)點(diǎn)，連邊反應(yīng)不同節(jié)點(diǎn)復(fù)雜的耦合關(guān)系；加工過(guò)程網(wǎng)絡(luò)隨加工過(guò)程進(jìn)行不斷更新；通過(guò)計(jì)算節(jié)點(diǎn)的熵與節(jié)點(diǎn)之間的相關(guān)度計(jì)算加工過(guò)程網(wǎng)絡(luò)的網(wǎng)絡(luò)信息熵，

第k個(gè)加工過(guò)程網(wǎng)絡(luò)中第i個(gè)節(jié)點(diǎn)的信息熵E(s_ki)為：

其中，q(s_ki)表示第k個(gè)加工過(guò)程網(wǎng)絡(luò)中第i個(gè)節(jié)點(diǎn)的值，K表示修正系數(shù)，0＜K＜1；

單工序加工過(guò)程網(wǎng)絡(luò)信息熵E(S_k)為：

其中，i≠j，u_i,j為加工過(guò)程網(wǎng)絡(luò)中節(jié)點(diǎn)連邊值；

單工序下不同加工過(guò)程網(wǎng)絡(luò)網(wǎng)絡(luò)信息熵的變化量ΔE(S_k)為：

ΔE(S_k)＝E(S_k)-E(S_k-1)；

通過(guò)計(jì)算反應(yīng)不同工序間質(zhì)量狀態(tài)轉(zhuǎn)換的傳遞因子，計(jì)算多機(jī)協(xié)同不同工序下加工過(guò)程的網(wǎng)絡(luò)信息熵，分別針對(duì)前后兩個(gè)工序建立加工過(guò)程網(wǎng)絡(luò)，并計(jì)算各個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)信息熵，分別得出兩個(gè)加工過(guò)程網(wǎng)絡(luò)的節(jié)點(diǎn)信息熵的最大值與最小值；分別計(jì)算出兩個(gè)加工過(guò)程網(wǎng)絡(luò)的節(jié)點(diǎn)信息熵最大值與最小值后，多機(jī)協(xié)同下不同工序網(wǎng)絡(luò)信息熵的傳遞因子β_k,k+1為：

節(jié)點(diǎn)信息熵的計(jì)算可表示為：

其中，E(s_ki)表示在加工過(guò)程網(wǎng)絡(luò)中信息熵最大的節(jié)點(diǎn)，E(s_kj)表示在加工過(guò)程網(wǎng)絡(luò)中信息熵最小的節(jié)點(diǎn)，x表示信息熵最大的節(jié)點(diǎn)對(duì)應(yīng)的監(jiān)測(cè)參數(shù)序列，y表示信息熵最小的節(jié)點(diǎn)對(duì)應(yīng)的監(jiān)測(cè)參數(shù)序列；

將網(wǎng)絡(luò)信息熵的梯度定義為多機(jī)協(xié)同因子，通過(guò)多機(jī)協(xié)同因子對(duì)加工過(guò)程穩(wěn)定性進(jìn)行評(píng)估用于提高加工過(guò)程質(zhì)量，利用多機(jī)協(xié)同下不同工序下網(wǎng)絡(luò)信息熵的傳遞因子，對(duì)不同加工工序所建立的加工過(guò)程網(wǎng)絡(luò)的網(wǎng)絡(luò)信息熵進(jìn)行修正如下：

E(S_k+1)＝β_k,k+1*E(S_k+1)

其中，β_k,k+1為多機(jī)協(xié)同下不同工序網(wǎng)絡(luò)信息熵的傳遞因子；

則多機(jī)協(xié)同下不同工序間加工過(guò)程網(wǎng)絡(luò)網(wǎng)絡(luò)信息熵的變化量為：

ΔE(S_k+1)＝E(S_k+！)-ΔE(S_k)

得出在復(fù)雜加工過(guò)程下連續(xù)的熵值變化曲線與熵值變化量的變化曲線，將網(wǎng)絡(luò)信息熵的變化量視為多機(jī)協(xié)同因子，根據(jù)多機(jī)協(xié)同因子的變化曲線，如果熵值變化量在區(qū)間內(nèi)連續(xù)上升，且在此區(qū)間內(nèi)熵值的變化量累計(jì)大于原熵值的20％，認(rèn)為此加工過(guò)程發(fā)生了不穩(wěn)定波動(dòng)，需要對(duì)此加工過(guò)程加以外界控制并利用熵值變化量與前工序熵值變化量的關(guān)聯(lián)，對(duì)前工序的波動(dòng)進(jìn)行評(píng)估，提高加工質(zhì)量；如果在多機(jī)協(xié)同不同工序連續(xù)的兩個(gè)加工過(guò)程網(wǎng)絡(luò)熵值變化量大于原有熵值的50％，認(rèn)為多機(jī)協(xié)同下后一工序?yàn)樵摷庸み^(guò)程中的關(guān)鍵工序，需對(duì)后一工序加以重點(diǎn)監(jiān)控并對(duì)其加工參數(shù)進(jìn)行優(yōu)化以提高加工質(zhì)量；如果熵值變化量在過(guò)程中一直為負(fù)或始終在0線上下波動(dòng)，認(rèn)為該加工過(guò)程處于穩(wěn)定波動(dòng)中，加工過(guò)程達(dá)到理想狀態(tài)。

2.根據(jù)權(quán)利要求1所述的評(píng)估方法，其特征在于，建立加工過(guò)程網(wǎng)絡(luò)模型具體為：

產(chǎn)品復(fù)雜加工過(guò)程中的不同加工階段可視為不同的加工過(guò)程網(wǎng)絡(luò)，加工過(guò)程網(wǎng)絡(luò)中的網(wǎng)絡(luò)節(jié)點(diǎn)表示加工過(guò)程中影響加工質(zhì)量的參數(shù)，節(jié)點(diǎn)的值反應(yīng)加工過(guò)程中該參數(shù)的大小及該參數(shù)的波動(dòng)程度；加工過(guò)程網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)間的連邊表示網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)之間的關(guān)聯(lián)程度，連邊值的大小表示節(jié)點(diǎn)耦合度的大小，表征各加工質(zhì)量影響參數(shù)之間的相關(guān)度。

3.根據(jù)權(quán)利要求1或2所述的評(píng)估方法，其特征在于，產(chǎn)品連續(xù)加工過(guò)程中所建立的第k個(gè)加工過(guò)程網(wǎng)絡(luò)S_k表示為：

S_k＝{s_k1,s_k2,……，s_kn}

其中，s_ki表示第k個(gè)加工過(guò)程網(wǎng)絡(luò)中的第i個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)；n為加工質(zhì)量影響參數(shù)的總數(shù)。