（机械制造及其自动化专业论文）基于神经网络的零件成组技术的研究.pdf

哈尔滨工业大学工学硕士学位论文 摘要 成组技术问世数十年来，在制造领域得到了广泛的应用。但是纵观其发 展，我们可以看出，如果将成组技术仅作为一种单一的方法应用，而缺乏对 其广泛哲理的理解，成组技术可能会在竞争激烈的市场中渐渐失去自身的优 势。为此，可以考虑将成组技术的传统研究模式与当前多学科先进技术结合 起来，形成新的研究方向。人工神经网络是近年来新兴的一门学科，是基于 模仿生物大脑结构和功能而构成的一种信息处理系统，他具有高度的容错性 和大规模非线性并行处理功能、信息的分布式存储功能、自组织、自学习及 实时处理功能等，适用于模式识别与分类、智能控制、知识处理、非线性优 化等领域，特别是其中的b p 网络具有联想记忆功能，很适合零件的分类， 因此本文主要介绍b p 网络在零件分类的应用，将成组技术与神经网络相融 合，提出了一种基于神经网络的零件成组方法。 本文建立了一个基于神经网络的回转体零件成组分类系统，该系统经过 样本数据的训练，可以实现回转体零件的分类成组。 首先，通过对所搜集的典型回转体零件的进行分析，制定了回转体零件 特征分类标识表，提取零件特征代号作为神经网络的输入，零件的分组号以 及它与该组标准零件的相似系数作为网络的输出，最后通过网络反复训练， 综合考虑各项性能指标，确定了网络的其他参数。 其次，针对不同的成组目的，综合考虑零件的各个特征要素对成组结果 的影响程度不同，将零件进行了成组分类，作为神经网络的训练样本和测试 样本。 最后，利用网络对测试样本零件进行成组检测，其结果与期望结果一 致，且同组内的零件之间的相似程度也较高，归组准确。同时，利用传统的 有编码分类成组方法也对铡试零件进行了成组分类，通过与利用神经网络进 行成组的结果的对比，可见本文研究的基于神经网络的零件成组方法是十分 准确、高效。说明基于神经网络的零件成组分类方法是可行的，这方面的研 究具有广阔的应用前景。 关键词成组技术：有编码分类；神经网络；b p 算法 ：堕! ：堡三些查兰三兰塑圭兰堡篁圣 a b s t r a c t g r o u pt e c h n o l o g yh a sb e e nu s e de x t e n s i v e l yi nt h em a n u f a c t u r i n gf i e l df o r d e c a d e sa f t e ri tg e n e r a t e d b u ti ni t sd e v e l o p i n gp r o c e s s ，w ec a l lm a k eo u tt h a ti f o n l y c o n s i d e r g r o u pt e c h n o l o g y a sas i n g l e n e s s m e t h o d ，a n di g n o r e t h e u n d e r s t a n do fi t sa b o a r dp h i l o s o p h i ct h e o r y , g r o u pt e t h n o l o g ym a y b el o s so fs e l f - d o m i n a n c ei nt h ed r a s t i cm a r k e tc o m p e t i t i o n s o ，w ecanc o m b i n eg r o u p t e c h n o l o g y c l a s s i c a l p a t t e r n t ot h ec u r r e n t m u l t i d i s c i p l i n a r y a d v a n c e d t e c h n o l o g y , a n df o r man e wr e s e a r c hd i r e c t i o n a r t i f i c i a ln e u r a ln e t w o r ki sa n f r e s hs u b j e c t i n ：r e c e n ty e a r s ，i ti sa l li n f o r m a t i o nh a n d l i n gs y s t e mt h a tb a s e do n t h ei m i t a t i n gs t r u c t u r ea n d f u n c t i o no ft h eb i o l o g i cb r a i n ，i th a ss o m ef u n c t i o n s s u c ha sf a u l t - t o l e r a n tn a t u r ea n dn o n l i n e a rc o n c u r r e n tp r o c e s s i n gc o s m i c a l l y i n f o r m a t i o nd i s t r i b u t i n gs t o r e 、s e l f - o r g n i z e 、s e l fs t u d ya n dr e a lt i m ep r o c e s s a n ds oo n ，i ti st h es a m ew i t ht h ef i e l d so fp a t t e r nr e c o g n i t i o na n dc l a s s i f y 、 i n t e l l i g e n tc o n t r o l 、k o n w l e d g eh a n d l i n g 、n o n l i n e a ro p t i m i z ea n d s oo n ， e s p e c i a l l yt h eb pn e t 【i sa d a p tt oc l a s s i f yt h ec o m p o n e n t sw i t hi t sa s s o c i a t i v e m e m o r yf u n c t i o n s ot h i sp a p e rm o s t l yi n t r o d u c e st h ea p p l i a n c ea b o u t b pn e u r a l n e t w o r ki nt h ec o m p o n e t sc l a s s i f y ，a n dc o n n e c t sg r o u pt e c h n o l o g ya n dn e u r a l ，n e t w o r k ，p r e s e n t sac o m p o n e n t sg r o u p i n gm e t h o db a s e do nn e u r a ln e t w o r k t h i s p a p e rs e t su par e v o l v i n gb o d yc o m p o n e n t sg r o u p i n gs y s t e mb a s e do n n e u r a ln e t w o r k ，a f t e rb e i n gt r a i n i n gb ys w a t c hd a t a ，c a r r yo u tg r o u p i n go ft h e r e v o l v i n gb o d yc o m p o n e n t s f i r s t ，b ya n a l y z i n gt h er e p r e s e n t a t i v er e v o l v i n gb o d yc o m p o n e n t s ，t h i s p a p e rf r a m e sac h a r a c t e r i s t i cg r o u pf o r mf o rr e v o l v i n gb o d yc o m p o n e n t s ，a n d p i c k s u pt h ec h a r a c t e r i s t i cc o d en a m eo ft h ec o m p o n e n t st oa c t a st h ei n p u to f n e u r a l n e t w o r k ，t h eg r o u pn u m b e ra n dt h es i m i l a r i t yf a c t o ra c ta st h ee x p o r to f n e u r a ln e t w o r k f i n a l l y ，b yt h e r e p e a t e dt r a i n i n go ft h en e t w o r k ，a n dt h i n k i n g s y n t h e t i c a l l ya b o u tt h ep e r f o r m a n c ei n d e x ，c o n f i r mo t h e rp a r a m e t e r so ft h e n e t w o r k s e c o n d ，f o rd i f f e r e n ta i mo fg r o u p ，w es h o u l dt h i n ks y n t h e t i c a l l ya b o u tt h e d i f f e r e n to ft h ee f f e c to fe a c hc o m p o n e n tc h a r a c t e r i s t i co ng r o u pr e s u l ta n d s e p a r a t et h e mi n t ot h r e e ，f o u r ，f i v e ，s i xg r o u p s ，r e s p e c t i v e l y t h e s eg r o u p sa r e i i 堕查堡三兰查耋三篓! 圭兰竺篁兰 。 r e g a r d sa st h en e r v o u s - n e t w o r kt r a i n i n gs a m p l e sa n dt e s ts a m p l e s f i n a l l y , i ti su s e dt h en e t w o r kt oc h e c ku pt h et e s ts a m p l e s i ft h er e s u l ti s a c c o r dw i t ht h ee x p e c tr e s u l t ，w ec a l lt h i n kt h eg r o u pi sa c c u r a t e s i m u l t a n e i t y , u s i n gt h em e t h o do ft r a d i t i o n a lc o d i n gg r o u pt og r o u pt h et e s ts a m p l e sa n d c o n t r a s t i n gt h er e s u l t so ft w og r o u p i n gm e t h o d ，i tc a np r o v et h a tt h ec o m p o n e n t s g r o u pm e t h o do ft h i sp a p e ri sa c c u r a t e ，h i l g h , e f f e c t i v ea n dp r a c t i c a b l e t h e r e s e a r c ho ft h i sk i n do fg r o u p i n gm e t h o dh a sw i d e l yf o r eg r o u n d e d k e y w o r d sg r o u pt e c h n o l o g y , c o d i n gg r o u p ，n e u r a ln e t w o r k ，b pa r i t h m e t i c 坠堑量三些奎兰三耋堡圭兰堡篁兰 1 1 引言 第1 章绪论 随着产品更新速度的加快，市场竞争的日趋激烈以及生产类型不断的增 多，多品种、单件小批量生产在生产方式中的比重越来越大，因此，产品标 准化与产品多样化之间的矛盾逐步突出和激化，成组技术( g r o u pt e c h n o l o g y ) 的出现，为产品标准化找到了新的途径【1j 。成组技术是利用有关事物的相似 性将相似的事物归类成组，并寻求解决这一组问题的最优方案。而零件归类 成组的合理与否直接影响到成组技术的效果，因此国内外对成组技术的分类 方法十分重视。随着计算机技术的发展，现在已广泛采用计算机方法对零件 进行分类，而与人工智能和人工神经网络相融合，可以将成组技术的传统研 究模式与当前多学科先进技术结合起来，从而形成新的研究方向【2 j 。 人工神经网络是近年来得到迅速发展的一个新兴研究领域，它具有高度 的容错性和大规模非线性并行处理，信息分布式存储，自组织和自学习及联 想记忆等功能。国内外一些研究学者已经开始用神经网络来解决成组技术方 面的应用问题p j 。神经网络能够充分的逼近任意复杂的非线性关系，适用于 多输入和多输出的场合，零件的分类成组系统就是一个多输入多输出的系 统，所以神经网络为零件成组提供了有效的途径。 1 2 国内外成组技术的发展概况 分析多品种、中小批量生产中现行生产技术准备体制所存在的问题，也 是多品种、中小批量生产企业的通病。其病症概括起来：1 ) 生产效率低，经 济效益差，2 ) 管理混乱；3 ) 生产准备工作周期长，因而特别不能适应产品更 新换代日趋频繁的现代化要求，正因为如此，成组技术才应运而生【4 】。 概括地说，成组技术是根据机械产品零件之间结构形状，尺寸，材料和 工艺等信息的相似原理将零件分类成组，通过扩大成组批量来提高多品种、 单件小批量生产的设计、制造和管理水平。它是一门生产技术科学，研究如 何识别和发掘生产活动中有关事物的相似性，并充分利用这种相似性为生产 服务。应用在机械加工方面，就是把多品种，中小批量生产转变成较大批量 哈尔滨工业大学工学硕士学位论文 生产所采用的一整套技术措施，从而使多品种、中小批量生产能在提高生产 率、降低成本、保证质量等方面获得大批量生产的经济效果。 事物之间存在继承性和相似性。成组技术正是利用这一基本思想，把表 面看似零乱的事物，利用它们之间的继承性和相似性，通过相应的分类技 术，达到将它们各自归类成组的目的。然后针对每个组，通过合理化和标准 化的处理，便可制订出为解决同组事物共同问题( 共性问题) 所必需的统一 原则和统一方法。结构工艺继承性是设计标准化的前提，结构一一工艺 相似性则是工艺标准化的基础【5 】。 1 2 1 国外成组技术的发展概况 成组技术作为完整的科学理论体系是由前苏联的米特洛凡诺夫于2 0 世纪 5 0 年代中期首先提出来的。他在1 9 5 9 年出版的成组工艺科学原理一书中 总结了前苏联早期在成组工艺方面的实践经验和研究工作。当时着重应用于 各种类型机床的成组加工，即成组工序。 2 0 世纪5 0 年代末6 0 年代初，成组技术传入东欧和西欧各国，在东欧各 国，成组技术被积极采用并取得了进展。前捷克斯洛伐克机床与金属切削研 究所提出了一个十分简明实用的零件分类编码系统，适合于零件特征统计和 小型企业初期实施成组技术采用。在西欧，前联邦德国阿亨工业大学奥匹兹 教授进行了很多实用研究，研制了奥匹兹零件分类编码系统，并提出了计算 机辅助零件分类成组方法。英国是应用成组技术较早的国家，它发展成组技 术的特点是比较重视生产单元的建立，侧重于生产单元的设备布置、组织管 理和经济效果的评定等工作。 2 0 世纪6 0 年代以后，日本和美国也积极采用成组技术，并取得了效果。 日本重视零件分类编码系统对推广成组技术的作用，机械技术研究所和中小 企业振兴事业团，在各企业的合作下，自1 9 6 8 年至1 9 7 6 年，为适应技术进步 逐次开发了五个零件分类编码系统，以供各企业实施成组技术采用或制定本 企业系统时参考。如今日本的成组技术发展很快，特别在造船工业领域已取 得很大成绩，基本普及以成组技术为基础的计算机辅助编制工艺规程( c a p p ) 和柔性制造系统( f m s ) 。在美国，数控机床自1 9 5 2 年问世以来，几十年的生 产实践显示了它的一系列优越性。白2 0 世纪7 0 年代以后，美国和其他先进工 业国家已认识到，为进一步发挥数控机床的优越性，必须和成组技术相结 合，并用成组技术指导它的应用。现代成组生产单元已广泛采用数控机床和 哈尔滨工业大学工学硕士学位论文 加工中心。由于美国技术力量强大、基础好，因此尽管起步较晚，发展却极 为迅速，促使美国的制造业飞速发展，处于世界领先水平【6 j 。 成组技术的推广应用及其与计算机、数控等生产技术的紧密结合，必然 会推进柔性制造系统的创建。由于柔性制造系统适应目前多品种、小批生产 日益发展的趋势以及技术经济上的优越性，它自2 0 世纪6 0 年代末7 0 年代初一 经问世，尤其是近年来得到了很大的发展。随着科技的飞速发展，为适应瞬 息多变的市场需求，近代还涌现出一些先进制造技术，这些技术包括：计算 机集成制造、精益生产、敏捷制造、成组技术、并仿工程技术、准时生产、 智能制造，以及仿真和虚拟制造等等。它们之间往往相互渗透和融合，从而 进一步推进技术的发展，成组技术在这方面将发挥着他特殊的作用。 例如，为创建计算机集成系统，应采用成组技术基本原理对系统的各类 信息进行分类编码，实现信息的简化、标准化和要素化，为数据的获取、组 织、转换和分配提供有效的手段。 又如，现代生产系统最宜采用成组布局形式，即按成组技术原理形成针 对某类零件的相对独立的生产单元。成组布局形式是目前精益生产、敏捷制 造的主要手段，将是现代工厂生产系统布局的主要发展方向。 可见，随着先进制造技术的进步，成组技术也正取得不断的拓展和深 化，要使计算机技术能在机械制造领域中得到有效而广泛的应用，关键在于 必须与成组技术相结合。事实上，成组技术己经成为c a d 、c a m 、c a p p 、 f m s 和c i m s 的基础【7 j 。只有这些先进技术和成组技术紧密结合，才能相得 益彰，才能使一切先进制造技术获得最大的技术经济效益。 1 2 2 国内成组技术的发展概况 我国引入并研究成组技术开始的时间相当早，2 0 世纪6 0 年代初就在纺织 机械、飞机、机床及工程机械等行业中推广应用了成组技术。2 0 世纪7 0 年代 末至8 0 年代初以来，为适应我国改革开放、四化建设的需要，成组技术再度 受到国家有关部、局和工厂企业、研究院所以及高等院校的重视。机械工业 部设计研究总院负责组织研制了全国机械零件分类编码系统，它将对我国推 广应用成组技术起到推进作用。某些工业部、局制定了实施成组技术的规 划，并选定了试点工厂。一些工厂实践表明，应用成组技术的技术经济效益 是十分显著的。我国不少高等工业院校结合教学和科研工作，在成组技术基 本理论及其应用方面，如零件分类编码系统、零件分类成组和计算机辅助编 啥尔滨工业大学工学硕上学位论文 码、工艺设计、零件设计，以及生产管理的软件系统等方面都展开了大量的 研究工作，并取得了不少成果。应指出，在这方面开展的工作为而后我国推 广和研究f m s 和c i m s 等先进制造技术奠定了基础。2 0 年代8 0 年代末9 0 年代 初“8 6 3 ”高科技跟踪计划开始实施，决定在我国创建和研究c i m s ，重点实 施的工厂从最初的4 个扩建到如今的约6 0 个，取得了可喜的进展和可贵的经 验。“九五”期间计划在近百个企业中推广应用，这对企业的技术改造和技 术进步将起到很好的示范和推进作用。在创建我国c i m s 过程中，作为c i m s 的基础技术的成组技术发挥了重要作用。 1 9 9 4 年底国家计划委员会与机械工业部公布了机械工业振兴纲要， 其中要求到2 0 0 0 年大中企业普遍采用c a d ，c a m 技术，20 1 0 年大中型企业 主要产品中的小批量、多品种产品的关键工序要实现柔性生产，提高机械工 业的自动化和柔性化水平。加强机械工业共性技术、基础技术的研究开发。 为完成纲要提出的上述任务，应重视和加强成组技术的研究和推广。 成组技术可作为指导多品种、中小批量生产的基本法则，它也是先进制 造技术的重要的基础技术之一。可以确信，随着科学技术是第一生产力指导 思想认真贯彻以及科技和经济密切结合的新体制的建立，成组技术对提高机 械工业的制造技术水平和振兴我国机械工业将日益发挥其重要的作用瞄j 。 1 2 3 零件的成组分类系统 成组技术是提高中小批量生产经济效益的一种很好的方法。具体地说， 利用成组技术将多种零件按其结构和工艺的相似性分类，以形成零件族，把 同一零件族中生产量小的零件汇集成生产量大的组，从而使小批量生产能获 得接近于大批量生产的经济效益【鲫。 目前比较常见的零件分组系统有：有编码分类系统和无编码分类系统。 1 有编码分类系统有编码分类系统是利用一定的规则选用一定数列的 字码来描述零件的特征，即是“以数代形”“以数代工艺特征”。即将零件的 有关设计、加工等方面的信息转译为代码，根据零件的代码，按照一定的相 似准则对零件分组。成组技术就是通过分类编码系统而把设计标准化和工艺 标准化联系起来【1 。分类编码系统为设计标准化提供了设计信息检索和反 馈的手段，从而保证不同产品之间具有良好的继承性。分类编码系统也为工 艺标准化提供了将零部件分类成组的工具，因而能充分利用零部件之间的相 似一陛。 哈尔滨工业大学工学硕士学位论文 有编码分类的应用较为广泛。目前常用的编码系统有西德的o p i t z 系 统，同本的k k 3 系统，以及我国的j c b m 1 系统。 2 无编码分类系统无编码分类系统不需要用字符来描述零件的特征， 而是结合生产流程、统计分析及模式识别等技术来对零件进行分类，主要包 括生产流程分析法、视检法、势函数法、聚类分析法、模糊聚类分析法等。 生产流程分析法是通过分析全部被加工零件的工艺路线，识别出客观存 在的零件工艺相似性，从而划分出零件组，这种方法仅适用于成组工艺。势 函数法是根据零件之间的“势值”来进行分类j 。聚类分析法是一种数值 分类方法，计算量比较大。还有一种是模糊聚类分析法需要借助于模糊数学 的相关知识来对零件进行成组分类。 目前对于无编码分类的研究较少，但随着计算机等高科技技术的飞速发 展，无编码分类将拥有广阔的研究前景，将神经网络技术应用到成组技术中 就为无编码分类提供了一个有效的途径。 1 3 神经网络的发展及应用 1 3 1 国外神经网络的发展 人工神经元网络的研究已有近半个世纪的历史，但它的发展并不是一帆 风顺的，而是经过两起一落中间呈现马鞍形的过程。 1 9 4 3 年m c c u l l o c h 与p i t e s 合作用逻辑数学工具研究客观事件在形式神经 网络中的论述，从此开始了对神经网络的理论研究。他们提出了m p 模型。 1 9 4 9 年d o n a l d 提出了突触联系效率可变的假设，h e b b 学习规则开始是作为 假设提出来的。1 9 5 7 年r o s e n b l a t t 首次提出并设计制作了著名的感知器。神 经网络从理论研究转入工程阶段。1 9 6 0 年，w i d r o w 提出了自适应线性元件 模型和w i d r o w 。h o f f 学习规则。神经网络的研究达到第一次高潮【心_ 15 1 。 1 9 6 9 年m i n s k y 和p a 协e 一饰j 指出感知器对于更复杂的问题，无法找到有效 的训练算法，使神经网络的研究陷入了低谷。进入2 0 世纪7 0 年代，即使处于 低潮时期，仍有不少研究工作者坚持不懈的努力工作，提出了各种不同的网 络模型，增加网络的功能和各种学习算法的研究，为后来神经网络理论、数 学模型、网络结构体系奠定了一定的基础，g r o s s b e r g 等提出了自适应共振 理论目o a r t 模型【1 7 , 1 8 t ，芬兰学者k o h o n e n 提出了自组织映射理论。尤其重要 的是w e b o s 提出了误差反传播理论i l 。 啥尔滨工业大学工学硕士学位论文 上个世纪7 0 年代末至8 0 年代初，脑科学、神经科学研究的发展重新唤起 了人们对神经网络研究的兴趣。被大家一致公认的神经网络研究复苏的主要 标志是1 9 8 2 年美国加州理工学院物理学家h o p f i e l d 教授发表的一篇具有里程 碑性的论文，他提出了离散递归神经网络模型和连续递归网络模型 2 0 , 2 tj ，从 而掀起了神经网络研究的第二个高潮。这期间发展和推广了b p 算法，使b p 算法成为当今最流行的网络训练算法。 到了上个世纪末，人工神经网络的研究更是得到了迅猛的发展。新的算 法、新的网络结构、网络逼近能力分析、递归网络的稳定性分析等方面都取 得了大量的成果。人工神经网络技术与当前技术相结合，如与人工智能、视 觉、语言、识别系统、图像处理、机器人及医学等的结合，会带来开发更容 易和应用性更强的前景。 当前各国发展的重点是以应用为导向，采取长远计划发展与近期效果相 结合方法，以研究更高性能的混合计算机为目标，使神经网络在工业技术应 用上发生更大的突破和新的发展【2 “。 1 3 2 国内神经网络的发展 我国在神经网络领域的研究也开始的比较早。1 9 8 8 年6 月北京大学组织 召开了第一次关于神经网络的讨论会。1 9 8 9 年和1 9 9 0 年，不同学会和研究单 位召开过专题讨论会。在1 9 9 0 年1 2 月内8 4 1 单位联合组织了中国第一次神经 网络会议。1 e e e 神经网络委员会副主席作了主要动向的演说【z ”。1 9 9 1 年由 1 3 4 单位组织召开了第二次中国神经网络会议，国内自己的研究成果论文大 为增加，实现技术的研究呈增长趋势。 1 9 9 2 年中国神经网络委员会在北京承办世界性的国际神经网络学术大 会，受到i e e e 神经网络委员会，国际神经网络学会等国际学术组织的大力 支持。 1 3 3 神经网络的应用 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称a n n ) 是基于模仿生物大脑 的结构和功能而构成的一种信息处理系统。它具有信息的分布存储、并行处 理以及自学习等优点，已经在信息处理、模式识别、智能控制及系统建模等 方面得到越来越广泛的应用2 4 _ 。近年来在航天系统、电力系统、汽车工 业、制造业、军事国防、管理、生物医学等工程领域取得了瞩目的成就。 哈尔演工业大学工学硕士学位论文 在电火花加工中的应用还只是刚刚开始，但已展示出无法比拟的优势， 神经网络与预测控制理论相结合，构成预测控制系统，用于电火花加工过程的 控制；在电力系统故障诊断、智能控制、继电保护和暂稳态计算、短期负荷 预报等系统计算优化中有很多与神经网络相结合的研究；此外，神经网络在 具有非线性和参数时变特性的飞行控制中也具有广泛应用前景，并通过和其 它控制理论( 如非线性动态逆控制、模糊控制、自适应控制等) 结合形成了 独特的研究特点。 机械工程领域内，在机床设备方面，有人工神经网络在机床运动误差补 偿、热变形控制的应用：在加工工艺方面，有加工工艺参数的评定、加工参 数优化、加工误差的预测、c a p p 研究开发及精密车床车削内孔误差补偿等 应用；在刀具方面，刀具磨损估计、铣刀及钻头的磨损监测、估计、镗削加 工状态的监测；在零件设计方面，有齿轮、弹簧、齿轮的强度、v 带设计应 用等；在机构设计方面，有机器人路径选择及机构优化设计；在摩擦学方 面，有摩擦学设计，确定系统磨损趋势及润滑油选择等：在表面工程应用方 面，有腐蚀预测、热处理及涂层预报等；在设备故障诊断方面，有齿轮减速 器、内燃机、风机、紧固件损伤、汽轮机等故障诊断等等，可以说人工神经 网络在机械工程领域的应用及其广泛【2 8 】。 但是人工神经网络在成组技术中的应用还不够广泛，可以说，用神经网 络的方法对零件进行成组，还是一个比较新的方向。文献 2 9 中提出一种基 于神经元网络的轴类零件分类模型，采用基于反向传播算法的多层前馈式神 经网络和自适应共振理论网络实现基于特征的轴类零件家族的动态聚类与从 聚类模板到每一事例的索引，完成轴类零件的实例分类的三层模型。这种并 行、分布式的神经网络分类处理过程大大提高了推理效率，为实例推理提供 了崭新的思路。文献 3 0 中提出运用自组织神经网络进行船体曲面零件的编 码分类，也为成组技术提供了新的途径。文献【3 1 中将神经网络应用于成组 技术中，并结合遗传算法中的编码方法，提取零件的重要特征参数进行编 码，使得需要分类的零件在提取特征值作为神经网络的输入时能够覆盖零件 的全部特征，并且信息没有冗余，提高了学习的效率和分类的可靠性。 1 4 课题研究的目的和意义 成组技术至今已经问世数十年，伴随着c a d c a m 、c i m s 的发展，在 制造领域内成组技术的用途越来越广泛，文献 8 的研究报告囊括了美国5 3 哈尔滨工业大学工学硕士学位论文 家公司使用g t 的情况。在这些公司中，成组技术的使用面涉及到设计、工 艺规划( 包括n c 程序的生成) 、采购、销售、成本估算、工具管理、调度 等。在大多数情况下。编码分类系统被作为实现成组技术的工具，他们的经 验表明：成组技术的用途是广泛的，如果仅作为一种单一的用途而缺乏对其 广泛哲理的理解，可能会在竞争激烈的市场中失去自身的优势。考虑到神经 网络在模式识别等方面的潜在应用，一些研究学者已经开始用神经网路来解 决成组技术方面的应用问题。神经网络为成组技术的使用提供了一种新的途 径。 零件的分类过程包含很多的信息处理，而且零件特征信息中模糊信息占 很大比重，若单纯用有编码分类方法难以准确实施，而神经网络是个模拟生 物大脑的信息处理系统，所以引入神经网络实施零件的分类成组，零件的分 类系统实际上是一个多输入( 零件特征) 单输出( 零件所在组) 系统，神经 网络对于多输入、多输出模糊信息众多的状况极为适用。 所以综合考虑到神经网络在模式识别以及信息存储方面的潜在应用，本 文提出了一种基于神经网络的零件分类方法，利用标准零件对网络进行训 练，训练好的网络可以对任意零件进行分组预测，实现了一种准确高效的分 组方法。 1 5 论文的主要研究内容 本课题的主要研究内容是提出一种基于神经网络的研究方法，通过网络 的建立、训练以及检测，完成零件的成组分类，并通过有编码分类的比较讨 论，证实该方法的准确、高效、可行。为此，本课题要开展以下几个方面的 工作： 1 提出一种基于神经网络的零件成组分类方法，建立神经网络零件分 组系统。根据成组批量和组内零件相似程度的要求不同，实现4 种不同情况 的零件分组。 2 制定出回转体零件的特征标识分类表，收集回转体零件图纸，参照 有编码分类系统，对回转体零件特征信息进行详细分析，从而提取出能够覆 盖零件的全部特征零件的特征信息。 3 根据回转体零件特征标识分类表，确定本文神经网络的训练样本和 测试样本。取2 0 0 个零件作为样本，其中1 0 0 个作为训练样本，另外1 0 0 个 作为测试样本。 4 编制程序。本文主要利用m a t l a b 软件进行程序编制，编制出神经网 络的样本采集程序、训练程序、测试程序，m a t l a b 软件自带的神经网络工 具箱可以提供b p 神经网络的训练和测试等函数，使程序大大简化。 5 用传统的有编码分类方法对零件进行分组，之后比较神经网络方法 分组与有编码分类方法分组的结果，证明神经网络分类的准确与可行性。 哈尔滨工业大学工学硕士学位论文 2 1 引言 第2 章零件的成组分类系统 科学技术的发展和社会需求的多样化，使得产品更新换代的速度加快， 多品种、中小批量生产在机械工业中的比例和地位有明显的上升趋势。所以 如何提高多品种、中小批量生产的效率，是人们极为关注的问题，成组技术 就是解决这一问题的最有效途径之一。而如何科学准确合理地对零件进行分 类成组又是成组技术的关键【3 。本章就对各种零件的分类系统和成组方法 进行介绍，并给出利用神经网络进行零件分组时，输入零件特征要素的提取 方法。 把与生产活动有关的事物，按照一定的规划进行分类成组是实施成组技 术的核心和基础，我们把对研究对象进行标识或描述的特定规则或依据称为 分类方法或分类法则。而把按此方法和法则建立起来的系统称为分类系统， 分类系统的描述方法可分为有编码分类系统和无编码分类系统【3 3 】。下面就 对两种分类系统的零件成组分类方法进行分别介绍。 2 2 有编码分类系统 本文绪论中已经提到过，有编码分类系统是利用一定的规则给零件起个 代号，即用一组数字、字母或符号( 总称“字符”) 来描述和代替某个具体的 零件。即“以数代形”、“以数代工艺特征”。具体的办法是将零件的有关设 计、加工等方面的信息转译为代码，根据零件的代码，按照一定的相似准则 对零件分组。 2 2 1o p i t z 分类编码系统 在有编码分类方法中，零件分类编码系统是它的重要组成部分，也是有 效实施成组技术的重要手段，因此在实施成组技术的过程中，建立相应的零 件分类编码系统，也就成为一项首要的准备工作。本文的内容之一就是利用 有编码分类方法进行零件分组，这里对有编码分类方法中所用到的o p i t z 系统进行详细说明。 哈尔滨工业大学_ 学硕士学位论文 o p i t z 系统是一个十进制的九位代码的混合结构分类编码系统。它是 由联邦德国a a c h e n 工业大学h o p i t z 教授领导的机床和生产工程实验室所 开发。这一系统原来是为联邦德国机床制造商协会( v d w ) 调查统计机床产 品中各类零件构成和分布而设计的。因此，曾经用过v d w 零件分类编码系 统的名称。后来随着这一系统的完善而被用于成组技术中，并且鉴于它是 h o p i t z 教授领导开发的，特别是他为这一系统的分类法则和使用说明写过 专著和一系列文章，因此如今习惯上都称此为o p i t z 系统。 下面对o p i t z 系统的各个分类环节进行介绍，由于本文研究的是回转 体零件的分类成组问题，所以在这里只对各个环节中与回转体零件相关的部 分进行介绍。o p i t z 系统中针对回转体零件分类的编码详细规则如表2 1 所 不a o p i t z 系统前面5 个横向分类环节主要用来描述零件的基本形状要 素，称作形状码。 第1 个横向分类环节主要用来区分回转体类与非回转体类的零件类别。 对于回转体类零件，它用l d 来区分盘状，短轴和细长轴类零件。 第2 个横向分类环节至第五个横向分类环节，则是针对第1 个横向分类 环节中所确定的零件类别的形状细节，作进一步的描述并细分。对于无变异 的正规回转体类零件，则按外部形状一内部形状一平面加工一辅助孔、齿形 和成型加工这样的顺序细分。 o p i t z 系统的辅助码部分实际上是一个公用部分。即不论回转体类或 非回转体类零件，均需用到这一部分，故而这一部分的横向分类环节皆为独 立环节，与其前面的所谓主码部分互不相干。辅助码部分从第6 个横向分类 环节开始，用来划分零件的主要尺寸。对于回转体类零件是指其最大直径 d ，对于非回转体类零件则指其最大长度j 。第7 个横向分类环节是以材料 种类作为其分类标志，但其中也附带考虑部分热处理信息。第8 个横向分类 环节的分类标志为毛坯原始形状。单有材料种类标志，只能知道零件是由何 种材料制成，例如：某种零件系用碳钢制成。可是究竟该零件的毛坯是棒料 还是锻件，则尚有赖于毛坯原始形状这一标志加以说明。最后一个，也即第 9 个横向分类环节，则是说明零件加工精度的分类标志。其作用在于提示零 件上何种加工表面有精度要求，以便在安排工艺时要加以考虑。 o p i t z 系统的结构也较简单，仅有9 个横向分类环节，因此便于记忆 和手工分类。系统的分类标志虽然形式上偏重零件结构特征，但是实际上隐 含着工艺信息。不足之处是，虽然系统考虑了精度标志，但是由于零件的精 里玺堡三兰奎耋三兰堡圭兰堡丝兰 表2 - 1o p i t z 分类编码系统( 回转体零件) t a b l e 2 1o p i t zc l a s s i f yc o d i n gs y e t e m ( r e v 0 1 v j n gb o d yc o m p o n e n t s ) 溢 ii il l ii vv 零件类别外形要素 内形要素平面加工辅助孔及齿 ol d = 050 光滑无通孔 o 无平面加工 0 无无辅助孔 无形状要素无盲孔齿 10 5 l d】苴 无形状 堇 无形状 1 外：平面；1 1 1 1 轴向孔， = 3 2 光 带螺纹 光 带螺纹 2 外：沿圆周 2 轴向孔， 滑滑 有分度关系有节距 3 带功能带功能 3 外：槽和缝 3 径向孔， 槽槽无节距 4双 无形状双 无形状 4 外：花键和 4 轴向l t t 或 向要素向要素，多边形径向或其 它，无节距 5 带螺纹带螺纹 5 外：平面和或 5 轴向和或 缝或槽，花键径向域其 它，有二坩距 6 功能槽功能槽 6内：平面, i j 槽6 圆柱齿轮 7 功能锥度功能锥度 7 内：花键和多 7 有锥齿轮 边形齿 8 传动螺纹传动螺纹 8外及内：花键8 其它齿 和，或缝或槽 9 其它其它 9 其它 9 其它 iv i iv i l li x 直径 5 0 1 1 0 0 钢吼4 2 0 m p a 不热处理 三角形，六角形 3 3 1 0 0 5 1 6 0 钢4 2 0 m p a 可热处理低 管子 4 碳钢不热处理表面硬化钢 4 16 0 5 2 5 0 2 3 的钢热处理 l u t 型型材 5 5 2 5 0 5 4 0 0 合金钢( 不热处理) 薄板料2 及3 6 4 0 0 5 6 0 0 合金钢( 热处理)中板及厚板 2 及4 7 6 0 0 5 1 0 0 0 有色金属铸、锻件2 及5 8 io o c l 2 0 0 0 其他材料粗加工过的零件 ( 2 + 3 + 4 + 5 ) 哈尔滨工业大学工学硕士学位论文 度概念比较复杂，它既有尺寸精度，又有几何形状精度和位置精度，所以单 用个横向分类环节来表示似嫌不够。而且系统的分类标志尚欠严密和准 确。容易造成所谓的高代码掩盖低代码的问题。此外，从总体结构上看，系 统虽然简单，但从局部结构上看，则仍旧十分复杂。因为系统中采用了关联 环节，所以不少零件类别都各有一套分类表。 2 2 2 有编码分类方法 完成零件的编码之后，便可以根据相似准则对零件进行分组，根据相似 性准则可以把有编码分类方法分为以下三种： 1 特征位数据法在零件编码中选定若干个特征码位来制定分类的相似 性标准，凡是与特征码位代码相同的零件就可以归于同一零件族。 利用特征位数据法分组时，零件组数主要取决于选定的特征位数目。特 征位数多，则零件组数多而每组内的零件种数少，有可能出现不足以形成理 想( 成组) 批量的情况；反之特征位数少，则零件组数少而每组内的零件种 数多，有可能出现组内零件的相似程度过低。以至给后续工作一一制订成组 工艺和机床配备造成出错的情况。 实际上，根据分类的目的，往往只要求有若干特征属性相似即可。这 样，只需要在编码中选用若干特征码位来制定分类的相似性标准，只要是特 征码位代码相同的零件皆可以归属于同一零件组，如此，可能出现的最大组 数可大大减少u 。 例如，采用奥匹兹编码系统，按全码位分类，可能出现的最大组数就是 g = 1 0 9 ；如规定第l 、2 、6 及7 这4 个码位为分类特征码位，则可能出 现的最大组数为1 0 4 ，它与全码位相比为1 0 4 1 0 9 = i 1 0 5 。，即可能出现的 零件组组数仅为全码位的十万分之一。这样，由于分组数减少，可能使零件 组汇集较多的零件种数，虽然它们仅在某些属性方面有共性，但却能满足分 类目的的要求p “。 2 码域法从原理上说，码域法和特征位数据法同出一辙。它只是试 图克服特征位数据法的粗糙缺点而在方法上进行改进。 在完成对产品零件的分类编码工作后，可以就零件分类编码的结果( 即 所得到的每个零件的分类编码代号) 进行统计分析，由此得出分类矩阵表上 每个元素( 即每个小方格) 所代表的特定分类标志的出现频数。根据这一统计 资料。加上人们对每类零件可能拥有的结构工艺特征组合的主观判断，便 哈尔滨工业人学 二学硕0 j 学位论文 可设计出一张分类矩阵码域表。 分类矩阵中列代表分类代码的位，行代表分类代码的数。矩阵中有斜线 的元素集，便构成所谓的码域。利用分类矩阵码域法进行零件分组的奥妙， 全在这一码域中。这一码域就是根据分类结果的统计分析资料，结合人们的 主观经验而设计成的。以此分类矩阵码域为标准，去和每个零件的分类代码 逐位比较。比较的结果如果是零件的每一位分类代码和有斜线的码域所代表 的数字完全吻合则此零件可划入该分类矩阵码域所代表的零件组。和特征 数据法相比，这种方法适当地扩大了成组的零件种数。 3 特征位码域法它是上述两种方法的综合，因而能兼备二者的特点， 也就是说，要使每一个特征码位也具有一定的数字范围。即既能抓住零件分 类的主要特征方面，又能适当放宽其相似性要求，以期得到满意的分类结 果。 确定了分组的相似性原则之后，便根据确定出的典型零件特征矩阵和零 件组特征矩阵，对各个元素的代码进行比较，再根据相似性准则，即可将零 件划分成组。该方法优点是便于计算机识别，但零件组特征矩阵的确定要依 赖于工厂的技术资料，并且计算量较大。 2 3 无编码分类系统 无编码分类系统主要的零件成组方法包括生产流程分析法、视检法、势 函数法、聚类分析法、模糊聚类分析法等，这里的具体的介绍一下最为常用 的生产流程分析法。 生产流程分析法研究工