为解决智能制造质量预测难题,针对汽车发动机缸体压铸过程数据高维、子过程耦合,难以建立仿真预测模型特点,研究缸体压铸工艺,建立缸体压铸动态过程数学模型。针对压铸生产过程具有时序性特点,以及经典循环神经网络面临梯度爆炸、超参数未知等困难,提出基于LSTM循环神经网络的质量预测方法,以历史数据训练神经网络,对比Holt-Winter和多元线性回归两种时间序列预测模型。结果表明,LSTM预测模型具有更高的准确性,对智能制造产品质量预测有借鉴意义。

硅片多线切割是硅片生产中一个重要环节,传统的多线切割设备是采用游离砂浆式切割,这种切割方式效率低、成本高。而用于光伏行业的金刚线切割方式出片率高,绿色环保。但由于集成电路行业对硅片质量要求高,且金刚石切割设备价格昂贵,故还未广泛使用。因此,将砂浆切割设备改造成金刚石多线切割设备,并运用数据挖掘方法对切割过程数据进行分析,预测切割质量,反馈、优化关键参数。实验结果表明,改造金刚线设备切割的硅片TTV、Warp、Bow均优于传统砂浆切割。通过设备改造和参数优化,能更好地提高生产效率,保证生产质量,对硅片金刚线切割设备国产化具有重要的指导意义。

RV(Rotate Vector)减速器装配质量的影响因素众多,装配质量不稳定。针对此情况,建立了基于麻雀搜索算法(Sparrow search algorithm,SSA)优化的BP神经网络质量预测模型,以减速器的关键性能指标--传动误差作为输出指标,选取减速器零部件的关键尺寸参数作为影响因素输入,经过数据预处理后建立质量预测模型进行误差预测。结果表明,经过麻雀搜索算法改进后的BP神经网络预测模型具有良好的预测精度,为RV减速器装配环节的零件选配工作提供了帮助。

为了解铸造过程中高温铝合金的冷却过程,采用有限元仿真软件对轮毂的充型成型过程进行可视化表征,得到轮毂冷却时的氧化夹杂、缩松、裂纹等任何缺陷存在的位置。充型时材料的流动取向和应力场分布可为选择材料参数提供依据,气穴等缺陷分布可为模具排气结构的改进提供依据,温度场分布等可为充型成型参数的选择提供帮助。

为了提高光纤激光切割质量的预测精度,分别使用了多项式响应面法、克里金法和支持向量回归法三种代理模型方法,建立了激光功率、切割速率和辅助气体压力等加工参数与挂渣量之间的预测模型。使用拉丁超立方抽样法产生30组训练数据,利用正交试验法产生25组验证数据用以验证预测模型的精度。结果表明,利用克里金法和支持向量回归法建立的模型均成功地预测了挂渣质量,其中克里金法建立的模型预测精度最高,并利用该模型分析了激光切割加工参数对挂渣量的影响规律。