针对重庆某发动机生产制造企业对发动机曲轴箱孔系加工精度及生产节拍要求,开发设计了一台工艺、结构、布局及性能等都针对曲轴箱加工的专用机床。对工件加工技术要求及难点进行分析后得出加工难点：工件材料软,待加工孔不同面且加工精度较高,从而导致工件加工合格率及生产效率低。为解决此问题,拟定了全新的工艺方案,并确定了各项工艺参数,同时,对专用夹具工作原理进行了介绍。通过实际上线生产,工艺及装备均满足企业对加工精度及生产节拍的需求。

以某摩托车发动机缸体三面八孔的加工为研究对象,分析了各孔的加工精度要求及技术难点,在分析传统加工工艺不足的基础上,利用工序集中原则,提出了镗、锪、攻丝复合加工的工艺方案,进而设计了三面加工专用机床整体布局方案;通过分析缸体结构及工艺特点,确定了工件的加工姿态;最后根据球室、台阶孔、螺纹孔的工艺要求及结构特点等确定了三面精镗、锪削、攻丝同时加工的工艺方案。实际生产应用表明缸体生产节拍为0.5min/件,合格率达到99.9%以上,缸体加工后各项精度指标均达到或超过图纸要求。

为了解决云制造资源优化配置过程中,制造任务和制造服务资源动态变化影响云服务优化组合和执行的问题,提出了一种面向云制造资源的优化配置方法。该方法以服务质量和服务组合柔性为指标建立组合评价体系,构建面向云资源优化配置的双层规划模型,并采用改进的多目标遗传算法对模型进行求解。最后实验证明了该模型与算法的可行性。

针对数字化工厂背景下制造企业机加工车间存在的数据实时采集难、质量异常状态分析与诊断不及时等问题,提出了集质量数据采集—分析—诊断—调整于一体的面向数字化工厂的动态过程在线质量控制方法。该方法综合运用SPC、神经网络、专家系统等理论与技术,建立工序质量在线控制系统,并对其中面向数字化工厂的质量数据在线采集方法、基于SPC和神经网络的工序质量智能诊断方法以及基于专家系统的工序质量调整方法进行了详细分析。最后,以某电梯零部件企业的机加工车间为例,验证了该多品种小批量动态过程在线质量控制方法的可行性和有效性。

机床的选择是涉及到多个指标和多种方案选择的多目标决策问题。针对这一问题,提出了一种基于模糊层次分析法和熵权理想点法相结合的解决方法。该方法运用层次分析法从生产周期（T）、质量（Q）、成本（C）、资源消耗（R）、环境因素（E）五个绿色制造指标进行分析,建立了指标评价体系和判断矩阵并结合熵权法求得指标的主客观权重。再根据理想点法结合各指标主客观权重建立了加权规范化决策矩阵并得到各方案贴近度,最终依据贴近度的大小对方案的优劣进行排序,选择贴近度大的作为最佳方案。最终结果是经过对各方面的综合评价得到的,因此具有更好的准确性。

为解决机加工中刀具材料的多准则决策问题,考虑到决策者选择时的主观性和模糊性,提出一种将模糊层次分析法与熵权理想点法集成的求解模型。该方法运用层次分析法将刀具材料的技术性、经济性、绿色性三个方面作为评价指标,先用模糊层次分析法对各指标进行主观权重求解,再通过熵权法进行客观权重求解,最后利用理想点法对刀具材料的选择模型进行评价,计算各备选材料方案的贴近度。贴近度越大,则最终的选择方案越理想。并通过实例分析证明模糊层次分析法与熵权理想点法对刀具材料选择的合理性与有效性。

现代企业生产将会面临生产效率、经济及环境等多方面的需求,并且车间需要随时根据企业生产需求的改变调整生产调度策略。文章面向流水车间,建立了车间的生产运作时间,生产成本以及车间能耗的多目标数学模型,运用归一加权方法对量纲进行统一,并根据企业需求,通过层次分析法决策各指标权重,利用遗传算法对此问题进行寻优迭代,实时获取符合当下生产情况的调度优化方案,建立了一套面向高效、经济、节能的流水车间多目标调度优化方法。在此基础上,根据车间生产特点,提出了四种典型车间生产调度模式,并运用敏感性分析对车间生产模式进行判断。最后,以流水车间齿轮类零件加工为例,分析不同生产模式下车间调度方案,验证了模型的有效性与准确性。

针对在多数主流造型软件中无法或不方便对STL文件进行信息查看的问题,文章设计并实现了一个面向离线编程任务的工件STL文件浏览器,在读取STL文件的同时建立其拓扑关系,完成了诸如模型显示、特定点坐标,特定面法矢及其拓扑关系查看、信息批量输出等功能。该浏览器可作为一个模块嵌入离线编程软件,精简离线编程任务的工作流程。

针对加工中心机床VMC850B的立柱进行结构优化设计,提出了一种基于神经网络和遗传算法优化的结构设计方法。基于有限元设计方法,建立立柱的三维模型,并运用ANSYS软件对立柱进行静力学分析和模态分析,采用不同的遗传算法优化结果对立柱进行优化设计,对优化结果进行静动态特性分析。结果表明,在保证立柱刚度和稳定性的前提下,优化后立柱的一阶固有频率有不同程度的提高,有效改善了立柱的动态性能,提高了整机的稳定性,为机床的进一步优化提供了有效的理论依据。

针对某电梯零部件制造企业对产品制造过程质量可控性的要求,结合电梯零部件生产企业多品种、小批量的生产特点,提出基于SPC（统计过程控制）和神经网络的电梯零部件工序质量控制方法。将加工件的质量相关数据采集到MES系统中,再根据质量数据绘制出加工件的x-R控制图（均差-极值）,然后建立用于控制图模式识别的神经网络模型,并使用遗传算法对神经网络的参数进行优化,使网络误差达到最小。在正确的识别了控制图模式后,可实时的监控生产过程中存在的问题并予以处理。最后,通过实例验证了基于SPC和神经网络的多品种小批量机加工车间工序质量控制方法的可行性。