“因件制宜”再制造装配过程控制方法

doi:10.13196/j.cims.2018.06.004

计算机集成制造系统 ›› 2018, Vol. 24 ›› Issue (第6): 1357-1366.DOI: 10.13196/j.cims.2018.06.004

“因件制宜”再制造装配过程控制方法

刘从虎^1,3,李文艺¹,蔡维²⁺,韩君¹,何康¹,温海骏⁴

1.宿州学院机械与电子工程学院
2.重庆大学机械传动国家重点实验室
3.上海交通大学安泰经济管理学院
4.中北大学机械与动力工程学院

出版日期:2018-06-30 发布日期:2018-06-30
基金资助:
中国博士后科学基金面上资助项目(2017M611574);教育部人文社会科学研究资助项目(17YJC630082);安徽省高校自然科学研究重点资助项目(KJ2017A438,KJ2017A439);安徽省高校优秀人才支持计划资助项目(gxyqZD2018082)。

Control method of suiting operation to different conditions of remanufactured parts for reassembly process

Online:2018-06-30 Published:2018-06-30
Supported by:
Project supported by the Postdoctoral Science Foundation,China(No.2017M611574),the Humanities and Social Sciences Research Program of Ministry of Education,China(No.17 Provincial YJC630082),the Natural Science Research Foundation of Anhui Provincial Universities,China(No.KJ2017A438,KJ2017A439),and the Anhui Provincial University Excellent Talent Support Program,China(No.gxyqZD2018082).

摘要/Abstract

摘要： 为了提升不确定环境下的再制造装配质量,在分析再制造装配与原始制造装配差异的基础上,提出一种“因件制宜”再制造装配过程优化控制方法;以再制造零部件的不确定性特征为输入,再制造装配工位操作补偿值为输出,构建了基于反向传播神经网络的再制造装配过程耦合模型,实现对再制造装配工位进行“因件制宜”的操作指导,保障再制造产品质量。将本方法集成在再制造发动机装配车间制造执行系统中,验证了所提方法的有效性和可行性,为再制造装配过程控制的精准化和实时化提供了理论和方法支持,也为再制造产品可靠性和服役安全性提供了技术支持。

关键词: 再制造, 装配, 优化控制, 反向传播神经网络

Abstract: To improve the quality of remanufactured products under uncertainty,based on analyzing the difference between reassembly(remanufacturing assembly) and original assembly,a control method of suiting operation to different conditions of remanufactured parts for reassembly process was proposed.The reassembly process coupling model based on Back Propagation neural network was constructed by taking the feature of remanufacturing parts as input,and the operation compensation value of reassembly station as output,which achieved on the guidelines of suiting operation to different conditions of remanufactured parts in the reassembly station to improve the quality of remanufactured products.The proposed method was incorporated into Manufacturing Execution System (MES) of remanufacturing car engine assembly shop,and the validity and feasibility were verified.The research provided the theory and method support for real-time and precise control of reassembly process,and also provided technical support for reliability and service safety of remanufactured products.

Key words: remanufacturing, assembly, optimization control, back propagation neural network

中图分类号:

TH161
TP391

刘从虎,李文艺,蔡维,韩君,何康,温海骏. “因件制宜”再制造装配过程控制方法[J]. 计算机集成制造系统, 2018, 24(第6): 1357-1366.

[1]	秦旋,房子涵,张赵鑫. 考虑资源约束的预制构件多目标生产调度优化[J]. 计算机集成制造系统, 2021, 27(8): 2248-2259.
[2]	黎英杰,刘建军,陈庆新,毛宁. 多层级装配作业车间等量分批策略与调度算法[J]. 计算机集成制造系统, 2021, 27(8): 2307-2320.
[3]	杨旭亭,王孜悦,李凤鸣,宋锐. 基于过程建模的机器人分阶引导装配方法[J]. 计算机集成制造系统, 2021, 27(8): 2321-2330.
[4]	高鹏,杜建国,陆玉梅,朱宾欣. 政府再制造补贴对独立再制造商市场进入及产品质量决策的影响[J]. 计算机集成制造系统, 2021, 27(8): 2426-2436.
[5]	余志强,欧阳森山,孙炜. 基于球谐函数的三维装配体模型相似性分析方法[J]. 计算机集成制造系统, 2021, 27(7): 1974-1980.
[6]	阴艳超,张晟博,廖伟智,徐凯. 资源组件驱动的装配工具匹配推理方法[J]. 计算机集成制造系统, 2021, 27(7): 1981-1992.
[7]	张英英,夏一,杜纲. 产品族配置与考虑升级的再制造设计主从关联优化[J]. 计算机集成制造系统, 2021, 27(7): 2053-2064.
[8]	张雪梅,周根贵,曹柬. 考虑政府规制和供应链协调的再制造微分博弈模型[J]. 计算机集成制造系统, 2021, 27(7): 2095-2111.
[9]	陈治宇,鲍劲松,郑小虎,丁司懿,刘天元. 基于长短期记忆网络的装配工艺语义识别方法[J]. 计算机集成制造系统, 2021, 27(6): 1582-1593.
[10]	赵文浩,邢香园,王治,万峰,吴剑锋,陈瑞启. 基于知识挖掘的航天产品装配工时定额和管理系统[J]. 计算机集成制造系统, 2021, 27(6): 1594-1604.
[11]	杨泽青,王春方,彭凯,刘丽冰,张亚彬. 基于深度支持向量机的曲轴智能识别方法[J]. 计算机集成制造系统, 2021, 27(6): 1629-1640.
[12]	张昊鹏,郭宇,汤鹏洲,黄少华,刘道元,李晗. 基于图像匹配的增强现实装配系统跟踪注册方法[J]. 计算机集成制造系统, 2021, 27(5): 1281-1291.
[13]	杜海雷,孙惠斌,黄健,宋树林,崔宝锋,马涛,赵建,宋迎军,常智勇. 面向装配精度的航空发动机转子零件选配优化[J]. 计算机集成制造系统, 2021, 27(5): 1292-1299.
[14]	王子生,姜兴宇,刘伟军,石敏煊,杨世奇,杨国哲. 再制造机床装配过程误差传递模型与精度预测[J]. 计算机集成制造系统, 2021, 27(5): 1300-1308.
[15]	侯正航,何卫平. 基于数字孪生的飞机装配状态巡检机器人的建模与控制[J]. 计算机集成制造系统, 2021, 27(4): 981-989.

“因件制宜”再制造装配过程控制方法

Control method of suiting operation to different conditions of remanufactured parts for reassembly process

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics