基于递归分析和机器学习的小批量机械加工过程状态监测

来源：计算机集成制造系统杂志2024年第12期北京时间：

作者：王秋莲, 周啸宇, 黎敏, 李杰

单位：南昌大学经济管理学院

摘要：随着市场竞争的日益激烈,小批量生产模式成为了一种重要的生产方式。针对小批量生产的特性和现有研究需要进行大量预先实验的问题,提出一种基于递归分析和机器学习的小批量生产方式下机械加工过程状态监测方法。首先通过加工实验采集不同工件的少量试加工的功率信号;其次将预处理后的功率数据输入深度信念网络进行训练,并通过遗传算法优化,得到训练好的工件识别模型;接着进行递归分析以及迭代自组织数据分析,得到状态监测模型。最后案例研究验证了状态监测方法的有效性,其中工件识别精度为99.3%,状态监测准确率为98%。

关键词：小批量,递归分析,深度信念网络,迭代自组织数据分析,状态监测

基金资助：国家自然科学基金资助项目(51765043);江西省自然科学基金资助项目(20232BAB204043);江西省高校人文社科研究资助项目(JC22120);江西省研究生创新专项资金资助项目(YC2020-S079)。