基于熵流的智能制造过程多维质量状态控制方法研究

Intelligent manufacturing is the technical assurance for turning the manufacturing to intelligent manufacturing and sustainable development. At the background of intelligent manufacturing of high-end equipment, the big data-based multi-dimensional, strong coupling and time-varying about quality state are discussed to present a novel analysis and control method, which deals with the multi-dimensional quality state fluctuation in the multi-machine intelligent manufacturing process. With the proposed method, the coupled distribution and propagation rules and the multi-machine cooperation modes are explored in intelligent manufacturing process. Depending on the entropy flow, brittleness network and the theory of multi-dimensional space, data-driven quality control technologies including quality state space distribution, cloud pool modeling, stability analysis, fluctuation evaluation of quality state, decoupling adaptive control method are proposed. The scientific problems and technical difficulties are resolved, such as the evolution and instability mechanism of quality state fluctuations, multi-dimensional propagation effects and evaluation. An intelligent quality control system integrating quality state modeling-state evaluation-state control is established in the level of analysis method and control mode, which provides the supporting and technical assurance for quality control in the intelligent manufacturing process.

智能制造是实现中国制造向中国“智”造转变和可持续发展的技术保证。本项目拟以高端智能装备制造过程为背景，基于大数据探索其质量状态波动的多维度、强耦合、时变性和动态性等特征，提出面向智能制造过程多机协同的多维质量状态波动分析与控制方法，探索智能制造过程质量状态波动的耦合分布特性、传播规律以及多机协同模式，基于熵流、脆性网络以及多维空间等理论方法，研究数据驱动的智能制造过程多维质量状态空间分布与云池构建、质量状态稳定性分析与波动评价、多梯度耦合质量状态解耦与自适应控制方法，解决智能制造过程质量状态波动的演变机理与失稳机制、多维传递扩散效应与评价方法等方面的科学问题与技术难点，从分析方法、控制方式等方面建立一个集成质量状态建模-状态评价-状态控制的智能化质量控制方法体系，为智能制造过程的质量控制提供理论支持与技术保证。

大数据背景下，智能制造过程表现出了多机协作、时变性、动态性和高可靠性等特性，现有的自动化生产质量控制方法已无法满足智能制造过程质量稳定性控制要求。通过本项目相关研究提出了一种基于熵流的智能制造过程多维质量状态控制方法。项目取得的主要成果如下：.1. 基于云模型构建了过程质量状态多数据特征融合的数据云池模型，提出了数据驱动的多维质量状态波动空间负熵函数模型，研究了多维质量状态波动规律的多阶演化机制，提出了基于多维变点识别的质量状态波动稳定性判定方法，可实现多维过程质量状态稳定性的动态判定。.2. 提出了基于最小熵空间的多维质量状态波动评价方法，研究了过程质量状态波动的多维度扩散效应和最小熵空间条件，实现了过程状态波动多维特征空间建模和多维质量状态波动扩散效应的预测分析；提出了基于状态熵空间的制造过程多维质量状态波动多阈值评价方法，为智能制造过程质量波动分析提供了理论方法支持。.3. 提出了基于负熵增加的熵空间搜索解耦与多机协同质量控制方法，提出了基于小世界网络质量状态多梯度熵空间搜索解耦算法，通过定义多机协同因子分析了变换工艺环境下的质量状态转换机理，提出了基于迁移MDTSCNN-SVM的多工况时变多维质量状态动态预测模型，实现了多工况下智能制造过程质量状态的迁移动态预测；建立了迁移SVR-PSO工艺质量参数自适应智能优化模型，采用负熵增加策略构建了基于多机协同因子的深度SLSTM预测网络模型，可实现面向智能制造过程多工况自适应协同质量控制。.4. 开发了面向智能制造过程多维质量状态协同控制软件原型系统，通过压缩机与多工况锻造加工实验数据对所研究的方法进行了验证，部分研究成果已在生产过程中应用，为数据驱动的智能制造过程多维质量状态协同预测控制提供了一套新方法。.共发表学术论文13篇，其中SCI检索3篇，EI检索9篇；在线发表SCI论文1篇；培养毕业硕士研究生7名，毕业博士研究生1名；授权国家发明专利2项，申请3项；取得软件著作权登记3项；申请1项。