面向前桥装配过程的在线质量控制方法研究
发布时间：2021-08-31 08:21
前桥属于复杂机械装配产品,其装配过程繁多,装配工艺复杂。前桥装配过程存在误差传递及误差累积效应,众多质量控制点之间存在非线性约束关系,质量特性偏差会影响产品的最终装配质量。随着数字化信息技术的快速发展,前桥装配过程逐渐向自动化、智能化方向发展。本文旨在解决前桥装配过程偏差传递作用对产品质量的影响问题,提出了一种数字孪生驱动的质量管控模式,设计了一种基于蚁群算法广义回归神经网络（ACO-GRNN）的质量在线优化模型,从而实现装配过程的在线控制。本文研究内容如下:（1）阐述了国内外装配质量控制以及相关领域的研究现状,分析前桥装配的工艺流程及特点,提出数字孪生驱动的质量管控模式,同时介绍了前桥装配过程质量控制应用的关键使能技术。（2）通过对人工神经网络的分析,选用GRNN作为前桥装配质量在线优化的基础预测模型。构建GRNN优化改进问题的数学模型,将蚁群算法与GRNN进行融合,利用蚁群算法鲁棒性和并行性等特点对GRNN光滑因子向量进行寻优,设计ACO-GRNN模型。通过仿真实验验证了基于蚁群算法的改进广义回归网络预测模型的可行性。（3）以某轻卡前桥装配过程控制为例,结合前桥装配特点,搭建了软、...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 引言
1.2 研究现状
1.2.1 误差流理论研究
1.2.2 质量预测方法研究
1.2.3 数字孪生技术
1.3 相关概念介绍
1.4 研究的目的及意义
1.5 研究内容及结构
1.5.1 课题来源
1.5.2 研究内容与结构
第二章 前桥装配质量管控体系研究
2.1 引言
2.2 前桥装配过程分析
2.2.1 前桥结构介绍
2.2.2 前桥装配工艺介绍
2.2.3 前桥装配特点分析
2.3 前桥装配过程质量管控需求分析
2.4 数字孪生驱动的质量管控模式
2.4.1 数字孪生概念
2.4.2 数字孪生应用场景
2.4.3 数字孪生驱动的质量管控模式设计
2.5 装配过程在线质量控制关键使能技术
2.5.1 在制品身份识别技术
2.5.2 工业通信网络技术
2.5.3 OPC技术
2.6 本章小结
第三章 装配质量在线优化问题建模
3.1 引言
3.2 人工神经网络
3.2.1 神经网络概述
3.2.2 人工神经网络结构
3.2.3 人工神经网络应用
3.3 广义回归神经网络
3.3.1 RBF与 GRNN概述
3.3.2 GRNN结构
3.3.3 GRNN计算流程
3.4 质量在线优化问题建模
3.4.1 问题描述
3.4.2 变量定义
3.4.3 问题建模
3.5 本章小结
第四章 装配质量控制阈优化方法研究
4.1 引言
4.2 蚁群算法与广义回归神经网络的融合
4.2.1 蚁群算法基本原理
4.2.2 蚁群算法数学模型
4.2.3 蚁群算法流程步骤
4.2.4 蚁群算法与广义回归神经网络的互补性
4.2.5 蚁群算法与广义回归神经网络的融合方式
4.3 基于ACO-GRNN装配质量控制阈预测建模
4.3.1 ACO-GRNN
4.3.2 关键质量点控制阈预测模型
4.3.3 参数选取
4.4 实例与验证
4.4.1 建模仿真
4.4.2 结果分析
4.5 本章小结
第五章 前桥装配过程质量管控系统
5.1 引言
5.2 系统整体架构
5.2.1 软件架构
5.2.2 硬件架构
5.2.3 数据库架构
5.3 系统实现
5.3.1 基础资源建模
5.3.2 质量数据配置
5.3.3 质量在线控制
5.3.4 数字孪生监控
5.3.5 质量数据追溯
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]人工神经网络在光伏中的应用综述[J]. 何雅静,汪登. 太阳能. 2019(01)
[2]蚁群算法的基本原理及参数设置研究[J]. 杨锐锐,王颖. 南方农机. 2018(13)
[3]蚁群算法的基本原理及应用综述[J]. 肖艳秋,焦建强,乔东平,杜江恒,周坤. 轻工科技. 2018(03)
[4]数字孪生及其应用探索[J]. 陶飞,刘蔚然,刘检华,刘晓军,刘强,屈挺,胡天亮,张执南,向峰,徐文君,王军强,张映锋,刘振宇,李浩,程江峰,戚庆林,张萌,张贺,隋芳媛,何立荣,易旺民,程辉. 计算机集成制造系统. 2018(01)
[5]发动机缸体多工序加工变形误差传递的建模与分析[J]. 李贵龙,杜世昌. 上海交通大学学报. 2017(04)
[6]产品数字孪生体的内涵、体系结构及其发展趋势[J]. 庄存波,刘检华,熊辉,丁晓宇,刘少丽,瓮刚. 计算机集成制造系统. 2017(04)
[7]数字孪生车间——一种未来车间运行新模式[J]. 陶飞,张萌,程江峰,戚庆林. 计算机集成制造系统. 2017(01)
[8]物联网驱动的“生产-物流”动态联动机制、系统及案例[J]. 屈挺,张凯,罗浩,王宗忠,贾东元,陈新,黄国全,李晓敏. 机械工程学报. 2015(20)
[9]基于赋值型误差传递网络的多工序加工质量预测[J]. 江平宇,王岩,王焕发,郑镁. 机械工程学报. 2013(06)
[10]基于WLS-SVM标准差σ预测的产品过程质量控制方法研究[J]. 孙林. 合肥工业大学学报(自然科学版). 2013(02)
博士论文
[1]复杂机械产品装配过程在线质量控制方法研究[D]. 赵志彪.合肥工业大学 2013
硕士论文
[1]多工序误差流建模与应用[D]. 马浩.北京理工大学 2016
[2]C飞机制造公司质量管理体系与质量控制研究[D]. 李媛.天津大学 2013
本文编号：3374562
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 引言
1.2 研究现状
1.2.1 误差流理论研究
1.2.2 质量预测方法研究
1.2.3 数字孪生技术
1.3 相关概念介绍
1.4 研究的目的及意义
1.5 研究内容及结构
1.5.1 课题来源
1.5.2 研究内容与结构
第二章 前桥装配质量管控体系研究
2.1 引言
2.2 前桥装配过程分析
2.2.1 前桥结构介绍
2.2.2 前桥装配工艺介绍
2.2.3 前桥装配特点分析
2.3 前桥装配过程质量管控需求分析
2.4 数字孪生驱动的质量管控模式
2.4.1 数字孪生概念
2.4.2 数字孪生应用场景
2.4.3 数字孪生驱动的质量管控模式设计
2.5 装配过程在线质量控制关键使能技术
2.5.1 在制品身份识别技术
2.5.2 工业通信网络技术
2.5.3 OPC技术
2.6 本章小结
第三章 装配质量在线优化问题建模
3.1 引言
3.2 人工神经网络
3.2.1 神经网络概述
3.2.2 人工神经网络结构
3.2.3 人工神经网络应用
3.3 广义回归神经网络
3.3.1 RBF与 GRNN概述
3.3.2 GRNN结构
3.3.3 GRNN计算流程
3.4 质量在线优化问题建模
3.4.1 问题描述
3.4.2 变量定义
3.4.3 问题建模
3.5 本章小结
第四章 装配质量控制阈优化方法研究
4.1 引言
4.2 蚁群算法与广义回归神经网络的融合
4.2.1 蚁群算法基本原理
4.2.2 蚁群算法数学模型
4.2.3 蚁群算法流程步骤
4.2.4 蚁群算法与广义回归神经网络的互补性
4.2.5 蚁群算法与广义回归神经网络的融合方式
4.3 基于ACO-GRNN装配质量控制阈预测建模
4.3.1 ACO-GRNN
4.3.2 关键质量点控制阈预测模型
4.3.3 参数选取
4.4 实例与验证
4.4.1 建模仿真
4.4.2 结果分析
4.5 本章小结
第五章 前桥装配过程质量管控系统
5.1 引言
5.2 系统整体架构
5.2.1 软件架构
5.2.2 硬件架构
5.2.3 数据库架构
5.3 系统实现
5.3.1 基础资源建模
5.3.2 质量数据配置
5.3.3 质量在线控制
5.3.4 数字孪生监控
5.3.5 质量数据追溯
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]人工神经网络在光伏中的应用综述[J]. 何雅静,汪登. 太阳能. 2019(01)
[2]蚁群算法的基本原理及参数设置研究[J]. 杨锐锐,王颖. 南方农机. 2018(13)
[3]蚁群算法的基本原理及应用综述[J]. 肖艳秋,焦建强,乔东平,杜江恒,周坤. 轻工科技. 2018(03)
[4]数字孪生及其应用探索[J]. 陶飞,刘蔚然,刘检华,刘晓军,刘强,屈挺,胡天亮,张执南,向峰,徐文君,王军强,张映锋,刘振宇,李浩,程江峰,戚庆林,张萌,张贺,隋芳媛,何立荣,易旺民,程辉. 计算机集成制造系统. 2018(01)
[5]发动机缸体多工序加工变形误差传递的建模与分析[J]. 李贵龙,杜世昌. 上海交通大学学报. 2017(04)
[6]产品数字孪生体的内涵、体系结构及其发展趋势[J]. 庄存波,刘检华,熊辉,丁晓宇,刘少丽,瓮刚. 计算机集成制造系统. 2017(04)
[7]数字孪生车间——一种未来车间运行新模式[J]. 陶飞,张萌,程江峰,戚庆林. 计算机集成制造系统. 2017(01)
[8]物联网驱动的“生产-物流”动态联动机制、系统及案例[J]. 屈挺,张凯,罗浩,王宗忠,贾东元,陈新,黄国全,李晓敏. 机械工程学报. 2015(20)
[9]基于赋值型误差传递网络的多工序加工质量预测[J]. 江平宇,王岩,王焕发,郑镁. 机械工程学报. 2013(06)
[10]基于WLS-SVM标准差σ预测的产品过程质量控制方法研究[J]. 孙林. 合肥工业大学学报(自然科学版). 2013(02)
博士论文
[1]复杂机械产品装配过程在线质量控制方法研究[D]. 赵志彪.合肥工业大学 2013
硕士论文
[1]多工序误差流建模与应用[D]. 马浩.北京理工大学 2016
[2]C飞机制造公司质量管理体系与质量控制研究[D]. 李媛.天津大学 2013
本文编号：3374562
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3374562.html
