面向大規(guī)模定制生產(chǎn)的智能成組技術研究.pdf

1、本文將智能信息技術應用于大規(guī)模定制生產(chǎn)中的成組技術。 1．提出智能成組技術的定義，分析在現(xiàn)代制造系統(tǒng)與成組技術的關系，重點分析了大規(guī)模定制與智能成組技術的關系。 2．將自適應變異的粒子群優(yōu)化算法用于求解成組技術中的P-中位模型，克服了用遺傳算法求解時的收斂速度慢和過早收斂之缺陷；克服用粒子群算法的計算量過大的不足，通過實例仿真，應用此算法效果良好。 3．將高屬性稀疏數(shù)據(jù)聚類回歸神經(jīng)網(wǎng)絡應用于成組技術中的夾具設計，

2、該神經(jīng)網(wǎng)絡，給定不同的閾值，可動態(tài)地，有效地實現(xiàn)對高屬性稀疏數(shù)據(jù)的歸并，實例仿真表明，此聚類效果更加符合實際。 4．將信息熵理論引入模糊聚類中，克服了一般聚類算法，在參數(shù)輸入、停機條件上存在諸多人為控制因素，能取得較為滿意的聚類效果。 5．根據(jù)軸類零件的結構-工藝的相似性特點，應用熵聚類模糊神經(jīng)網(wǎng)絡于軸類零件分類，實例應用表明，該算法更加適合軸類零件的結構和工藝特點。 6．為了拓寬零件及其所表達的模式分類范圍，使

3、其能為計算機自動識別，將相似原理應用于成組技術中的零件分類識別。 7．用有導師指導細化擬合的ART<,2>神經(jīng)網(wǎng)絡用于成組技術中的制造單元分類，克服了用ART<,1>神經(jīng)網(wǎng)絡的分類不足，實例仿真表明，分類效果較好。 8．根據(jù)零件幾何與工藝特征，應用模糊中心聚類學習算法，推出無導師的遞推學習方法來修改模糊聚類中心和隸屬函數(shù)，并將其與神經(jīng)網(wǎng)絡結合起來，實現(xiàn)并行零件體特征數(shù)據(jù)處理和模式分類，并編制專用程序，實現(xiàn)計算機對零件的自