论文部分内容阅读
废旧机床再制造作为我国循环经济、绿色经济的重要组成部分之一,对于实现社会的可持续发展有着重大意义。而再制造产品质量是制约再制造企业发展的重要因素,同时,再制造系统存在许多的不确定性:废旧毛坯服役工况的不确定性、本身质量缺陷的不确定性以及组织结构的不确性,导致废旧机床再制造过程的质量控制较为困难,使得再制造产品的质量难以保证。基于此,以废旧机床再制造过程为研究对象,根据再制造过程的不确定性特点,对再制造过程质量异常在线监控、异常识别以及质量异常诊断与调整进行研究,主要研究内容如下:(1)针对毛坯质量分布不确定的问题,提出基于动态、非正态的EWMA控制图的方法。根据非参数方法中的Wilcoxon秩和检验的理论知识,应用秩统计量,获得与样本数据分布无关的统计量;在此基础上,通过不断移动控制图数据窗口来更新在线观测点,并利用得分函数获得动态的光滑参数,构建面向动态、非正态分布的再制造过程质量EWMA控制图,实现动态再制造过程质量的自适应监控。(2)针对再制造过程质量样本少、质量异常识别困难等问题,提出基于CS分解贝叶斯的主元分析方法。通过将CS分解贝叶斯空间估计的思想,特征子空间矩阵引入传统的PCA的方法,解决传统PCA需要大样本的问题,从而能实现在小样本条件下再制造过程质量异常识别。(3)针对再制造过程质量异常与引发因素之间的不确定性,采用基于粗糙集理论的再制造过程质量异常诊断与调整系统。利用粗糙集理论知识求得再制造过程质量影响因素相对再制造过程质量特征的重要度,再通过不同质量因素之间重要度大小,对质量异常进行溯源,找出引发质量异常的原因并进行调节,实现再制造过程的异常诊断与调整。(4)以废旧TPX6113镗床的导轨再制造过程为例,通过基于动态、非正态的EWMA控制图方法能灵敏地识别出再制造过程质量异常,出现质量异常后,基于改进的PCA质量异常识别模型能迅速识别出质量异常类型,再通过基于粗糙集的质量诊断模型对再制造质量异常诊断,诊断出质量异常原因并对过程异常进行调节,结果表明所提出的方法能够解决再制造过程质量控制问题,从而证明该方法的有效性和可行性。