针对液压缸制造车间动态调度问题,构建了基于次品处理的动态调度优化模型,并以最大完工时间、在制品库存数量以及动态扰动量为目标,提出了一种改进帝国竞争算法对模型进行求解。在算法设计中,首先,设计了一种基于先到先加工策略的解码方式;其次,基于最小在制品库存数量,设计了混合初始化策略,以及基于关键路径的邻域搜索策略,以加快算法收敛速度,提升解的质量;最后,在帝国同化中设计了文化入侵过程,同时在帝国竞争中考虑保护最弱帝国以避免算法陷入局部最优。通过对不同规模的标准算例的算法对比仿真实验,以及对某液压缸柔性生产车间的实际工程案例分析,验证了所提算法的有效性。

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

高性能液压缸的生产工艺柔性大,加工周期长,其生产属于典型的非标、单件小批量离散型制造模式,在设计和生产中难以优化和控制。针对液压缸生产企业在使用数字化设计和流程管控软件时软件集成度低和耦合度高的问题,设计了一种高性能液压缸数智化设计与制造平台。通过可重构中间件技术,该平台集成了AutoCAD、SolidWorks等软件接口,并在融合神经网络算法和多目标优化技术的同时,构建了图库、工时预测、柔性工艺规划等数字化设计和生产管控模块。该数智化设计与制造平台可以实现设计与制造过程的全生命周期管控,为制造企业实现数智化转型提供有力支撑。

针对目前ERP信息管理系统与CAD产品设计系统之间信息集成度不高的问题,以液压缸生产为背景,设计并开发了一种面向ERP与CAD集成的产品图库管理系统。将CAD设计图纸的物料信息识别提取到ERP系统的数据库中,并自动生成特殊的产品BOM表样式,将每个产品的整套CAD设计图纸与其订单合同信息绑定,以便生产人员能实时检索浏览所需图纸;然后根据液压缸的设计参数将典型产品对应的图纸进行分类标准化管理形成企业基型产品清单和标准图库,以便设计人员据此快速完成新产品的设计。

在信息技术与制造业深度融合以及工业互联网快速发展的背景下,如何利用大数据、云制造等新型技术进行信息化转型是高端制造业实现产能突破和提质增效的关键。然而,高端液压缸多品种、单件、小批量的离散制造模式带来的图纸工艺数据庞大复杂、信息传递不畅以及生产繁复耗时等问题严重制约了企业的发展。以高端液压缸的离散制造为核心构建全生命周期管控平台,它包含4个关键信息化技术:集成全生命周期管理(PLM)、企业资源计划管理(ERP)、制造执

为了提高冶金行业液压缸加工工时预测精度,提出一种结合基于案例的推理(CBR)和混合Jaya算法优化BP神经网络的液压缸加工工时预测方法(CBR-HJaya-BP)。使用混合Jaya算法优化BP神经网络的初始权值和阈值,采取基于Sin混沌反向学习的种群初始化策略提高初始解的质量,引入阿基米德优化算法中的转移算子,在探索阶段采用均匀交叉产生中间种群,在开发阶段使用Jaya公式产生中间种群,在解的保留策略中引入了模拟退火算法中的Metropolis准则,以跳出局部最优。以某冶