针对工业机器人作业时间和作业能耗,提出一种运动参数优化方法。采用五次多项式拟合机器人关节空间中每两个路径点之间的轨迹,基于机器人运动学和动力学建立时间和能耗模型,使用加权系数法构建了以绿色度最大为目标的优化模型。为了便于计算和避免算法陷入局部最优,引入增广拉格朗日乘子方法将模型简化,采用带收缩因子的粒子群算法进行求解。运用所提方法对中纤板生产线作业机器人运动参数进行优化,对两种轨迹函数所得结果进行对比,证明了所提方法的合理性,表明该方法能有效平衡机器人作业时间和作业能耗,提高机器人作业过程绿色度。

为了实现对数控机床绿色度的智能评价,提高数控机床绿色度预测精度,提出了一种基于聚类和自适应神经模糊推理系统(ANFIS)的评价方法.采用改进的粒子群优化模糊C均值聚类算法实现样本的自适应分类,生成辅助ANFIS学习的训练样本集;建立基于ANFIS的评价模型,通过对训练样本集的学习自动生成模糊规则,消除评价指标的模糊性和随机性对评价结果的影响;训练后的评价模型可用于评价样本的自适应推理.最后利用提出的评价方法对数控机床绿色度进行实例分析,验证了该评价方法的有效性.

为了对切削工艺绿色度进行客观有效评价,提出一种基于核模糊聚类算法和BP神经网络的工艺绿色度评价模型。根据面向绿色制造的工艺规划方法,建立切削工艺绿色度评价指标体系。通过核模糊聚类算法划分训练样本集,提升样本分类精度。利用BP神经网络建立工艺绿色度评价模型,基于训练结果自适应获取输入到输出的模糊规则,提高评价效率。通过汽车零件的切削工艺绿色度评价实例,验证了核模糊聚类和BP神经网络的切削工艺绿色度评价方法有效性。