论文部分内容阅读
大规模定制生产将充分利用现代柔性制造技术，利用CAD和CAM技术，但离开成组技术思想，就不能充分利用以往的信息资源和大规模定制资源。大规模定制生产的目标就无法实现。成组技术是通过充分利用产品和制造过程中的相似性将不同产品中的相似性零部件，甚至零件中的部分结构信息归类处理形成“成组批量”，从而取得效益。在这篇论文中，将智能信息技术应用于大规模定制生产中的成组技术。1．提出智能成组技术的定义，分析在现代制造系统与成组技术的关系，重点分析了大规模定制与智能成组技术的关系。2．将自适应变异的粒子群优化算法用于求解成组技术中的P-中位模型，克服了用遗传算法求解时的收敛速度慢和过早收敛之缺陷；克服用粒子群算法的计算量过大的不足，通过实例仿真，应用此算法效果良好。3．将高属性稀疏数据聚类回归神经网络应用于成组技术中的夹具设计，该神经网络，给定不同的阈值，可动态地，有效地实现对高属性稀疏数据的归并，实例仿真表明，此聚类效果更加符合实际。4．将信息熵理论引入模糊聚类中，克服了一般聚类算法，在参数输入、停机条件上存在诸多人为控制因素，能取得较为满意的聚类效果。5．根据轴类零件的结构-工艺的相似性特点，应用熵聚类模糊神经网络于轴类零件分类，实例应用表明，该算法更加适合轴类零件的结构和工艺特点。6．为了拓宽零件及其所表达的模式分类范围，使其能为计算机自动识别，将相似原理应用于成组技术中的零件分类识别。7．用有导师指导细化拟合的ART2神经网络用于成组技术中的制造单元分类，克服了用ART1神经网络的分类不足，实例仿真表明，分类效果较好。8．根据零件几何与工艺特征，应用模糊中心聚类学习算法，推出无导师的递推学习方法来修改模糊聚类中心和隶属函数，并将其与神经网络结合起来，实现并行零件体特征数据处理和模式分类，并编制专用程序，实现计算机对零件的自动分类系统。本学位论文将智能信息技术，结合计算机技术应用于成组技术即智能成组技术，形成“成组大批量”，合理组织产品的生产协作，以最快的速度，最低的成本制造出用户满意的产品。使得大规模定制生产的目标真正实现。