针对订单不确定性对作业车间的鲁棒性的影响问题,首先,从复杂网络视角描述生产过程,建立作业车间网络模型,并对建立的有向加权作业车间网络的关键特征参数进行定义;其次,考虑生产特性和网络特征构造基于耦合映像格子的鲁棒性模型,利用网络中级联失效的进程与规模建立作业车间的鲁棒性评价指标,最后以实际生产过程为例进行仿真验证,结果表明,不同的扰动强度和扰动策略对网络的影响不同,也说明了该方法对作业车间的鲁棒性评价有效可行,且鲁棒性模型有较好的并行计算特性。

为精准获取机械零件尺寸,明确产品质量是否达到安全标准,提出一种复杂网络下机械零件三维轻量级识别方法。将机械零件三维信息转换为复杂网络下加工数据,利用邻接矩阵描述网络节点与边的内在关联,创建机械零件三维模型;把零件数据点拟作局部多项式曲面,推算各点在曲面内的投影残差,计算特征点相关指数,使用折线生长技术提取模型特征线;将三维模型变换成体素矩阵,确立不同三维特征间的差异,通过二维典型视图训练卷积神经网络,在正、反向传播运算后输出三维轻量级识别结果。仿真结果表明,所提方法有效提升了机械零件三维模型识别精度与效率,鲁棒性强,为机械零件的高质量生产提供可靠数据支持。

为解决汽车外形设计中设计参数组合爆炸和设计参数与意象目标之间复杂映射关系两个问题,基于产品基因网络的基本思想,以设计参数和意象目标为节点、节点间的相关性为边,建立汽车外形的基因网络模型。该模型表达了汽车外形的设计参数和意象目标两个集合的内部关联。按照节点的敏感性和度数大小对节点进行分类,筛选出关键节点和节点集团,辅助设计师进行决策。基于106个汽车外形参数建立了146款常用车型的三维参数模型,对参数间的相关性进行了计算分析,并面向20个意象目标开展了意象评价实验,利用实验数据建立了汽车外形的基因网络模型。基于不同的样本重复汽车外形基因网络的建模过程,通过比较论证了网络模型的存在性与稳定性。

复杂机械产品关键零件作为产品架构的核心,在产品研发、设计和制造过程中具有重要意义。但是,如何在数量巨大的零件集合中识别出关键零件在工程上非常困难。文章提出一种基于复杂网络的关键零件识别方法。首先,构建了产品零件关联关系加权复杂网络模型,然后提出使用改进的LocalRank算法识别网络中的关键节点,该算法具有计算复杂度低及计算效率高等优点,最后利用一种典型的传染病传播模型—SIR(Susceptible-Infective-Recovered)模型验证了识别结果的正确性。以齿轮箱产品为案例,运用所提方法识别其关键零件,最终结果说明了方法的有效性。为解决复杂机械产品关键零件识别难题,提供了有效的解决方法。

车间中重要资源状态的变化将会影响整个生产过程（推迟交货期、浪费资源等）。针对资源的重要性评判问题,结合复杂网络理论在复杂系统分析上的优势,将产品制造过程中的各设备资源定义为网络中的节点。根据任务路线的流向,构建制造过程多任务加权有向网络模型;同时基于所建立的车间制造网络,考虑资源节点自身属性及其相邻节点对其重要度的影响。综合度中心性、聚类系数及接近中心性三项网络特征参数,提出一种多属性决策算法评判节点的重要程度。最后,以变压器产业某个生产车间实况为例进行Flexsim仿真,通过仿真结果与该算法的对比验证其实用性和正确性。

为提升产品形态创新设计的效率和成功率,立足于用户感性需求,引入复杂网络概念,借鉴生物信息学中蛋白质互作网络构建的理论和方法,针对性地构建意象相关的产品形态基因网络;以无标度网络拓扑分析理论为基础理解产品形态基因网络的组织结构和动态性,识别并预测产品形态基因网络中的意象靶基因与优选基因组合,作为析出知识供设计师规划设计活动。以汽车侧轮廓的设计为例,基于形状文法理论开发了智能优化设计引擎,利用析出知识简化编码信息、优化求解顺序,有效验证了意象驱动的产品形态基因网络对设计的辅助作用。

提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象,首先用局部投影消噪方法对振动信号进行消噪;其次对消噪后的振动信号绘制递归图,进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取,选择确定率(DET)和递归熵(ENTR)2个特征构成特征向量,构成故障特征样本;然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别;最后,将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明,基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。