智能产线运行优化理论与技术/智能制造系列丛书

智能产线是一种信息物 理深度融合的制造系统，通 过泛在的物联感知和网络协 同技术，使制造设备高度互 联、制造数据深度集成与产 线动态重构，实现生产过程 的自主感知、状态评估、自 适应运行及智能优化控制。 本书系统地介绍了智能 产线运行的相关理论与技术 。其中：第1章概述了智能 产线的国内外研究现状、内 涵、特征和定义；第2章介 绍了产线状态数据的实时采 集与云-边协同计算技术； 第3章提出了产能约束下的 多级批量生产计划集成规划 方法；第4章构建了智能产 线生产物流的主动感知与协 同调度模型；第5章介绍了 刀具磨损状态监控与寿命预 测技术；第6章分析了工件 多工序加工质量的误差分析 、溯源与预测技术；第7章 描述了多源信息融合的复杂 数控加工装备的状态评价模 型；第8章搭建了基于数字 孪生的智能产线可视化系统 。 本书可作为高等院校智 能制造工程、机械工程、工 业工程等相关专业的研究生 、本科生、大专生的教材， 也可供从事智能制造设计、 开发和应用的企业技术人员 参考。

张富强，长安大学副教授，硕士生导师。主要研究方向：复杂生产系统与物流工程。包括：智能物流动态规划与状态评测、共享仓储服务配置与运行优化、产线装备状态效能评估等。主持与参与国家自然科学基金和省部级计划等项目6项，在国内外学术期刊、国际会议上发表学术论文20余篇，其中SCI索引10篇。

第1章 智能产线概论 1.1 智能制造背景 1.1.1 智能制造产生的背景 1.1.2 智能制造的发展战略 1.1.3 产线智能化的困境 1.2 国内外研究现状 1.2.1 产线状态数据实时采集与云-边协同计算 1.2.2 产线多级批量生产计划的集成与优化 1.2.3 生产物流的主动感知与协同调度技术 1.2.4 刀具磨损状态智能监控与寿命预测 1.2.5 面向多工序加工过程的工件质量追溯 1.2.6 复杂加工装备的健康状态综合评价 1.2.7 基于数字孪生的智能产线建模与可视化 1.2.8 智能产线发展的新趋势 1.3 新一代信息技术和人工智能赋能产线 1.3.1 智能产线的定义与特征 1.3.2 智能产线运行优化的实现框架 1.3.3 智能产线运行优化的关键使能技术 参考文献 第2章 产线状态数据的实时采集与云-边协同计算技术 2.1 产线状态数据的需求分析 2.2 产线状态数据的采集方案 2.2.1 数据类型分析 2.2.2 数据采集方案 2.3 面向数控加工装备的数据采集方法 2.3.1 基于内置传感器的装备数据采集 2.3.2 基于外接传感器的装备数据采集 2.4 面向数控加工装备的数据预处理 2.4.1 信号截取与工序识别 2.4.2 基于CEEMDAN-小波包组合的状态数据去噪模型 2.4.3 案例分析 2.5 基于物料主动感知的AGV云-边协同计算框架 2.5.1 AGV状态数据采集与信息交互 2.5.2 边缘侧RFID数据处理技术 2.5.3 云边协同计算技术 本章小结 参考文献 第3章 产线多级批量生产计划的集成与优化技术 3.1 产线生产计划集成概述 3.2 产线生产计划集成模型 3.2.1 问题的假设 3.2.2 变量定义 3.2.3 模型的建立 3.3 基于改进蜉蝣算法的模型求解 3.3.1 标准的蜉蝣算法 3.3.2 改进蜉蝣算法求解模型的总体流程 3.3.3 四维空间矩阵式编码及种群初始化 3.3.4 第四维度空间最优批量搜索 3.3.5 基于交叉运算的产品批量及加工顺序协同优化 3.4 案例分析 3.4.1 数据准备 3.4.2 结果分析 本章小结 参考文献 第4章 智能产线生产物流的主动感知与协同调度技术 4.1 生产物流主动感知与协同调度的内涵与特征 4.1.1 相关概念及定义 4.1.2 内涵与特征 4.2 生产物流主动感知与协同调度的体系架构 4.2.1 体系架构 4.2.2 运行逻辑 4.3 “感知-分析-监控”生产物流主动感知模型 4.3.1 基于生产物流的分布式感知模型 4.3.2 资源智能体基本特性 4.3.3 基于健康程度的资源智能体状态分析 4.3.4 基于阈值的实时生产物流状态监控 4.3.5 基于“感知-分析-监控”的主动感知模型 4.4 基于蒙特卡洛树搜索的物流单元分级协同调度 4.4.1 基于物流单元智能体的生产物流服务分析 4.4.2 集成物流单元智能体的AGV调度规则 4.4.3 物流单元分级协同调度过程 4.5 考虑资源智能体状态触发的协同调控策略 4.5.1 生产物流动态调控问题描述 4.5.2 异常事件扰动对应的可重构分级调控规则 4.5.3 基于调控规则的多智能体协同调度策略 4.6 案例分析 本章小结 参考文献 第5章 刀具磨损状态智能监控与寿命预测技术 5.1 刀具磨损状态智能监控与寿命预测概述 5.2 刀具信号的特征提取与特征选择 5.2.1 刀具磨损监测信号获取 5.2.2 刀具特征信号的预处理 5.2.3 信号特征提取 5.2.4 信号特征选择 5.3 刀具磨损状态智能识别 5.3.1 刀具磨损状态识别概述 5.3.2 基于广义回归神经网络的刀具磨损状态识别 5.3.3 基于XGBoost与Softmax的刀具磨损状态识别 5.4 刀具寿命智能预测模型 5.4.1 刀具寿命智能预测概述 5.4.2 基于AMPSO-SVR的刀具寿命预测 5.4.3 基于特征因子与多变量GRU网络的刀具寿命预测 5.5 案例分析 5.5.1 刀具磨损状态识别应用实例 5.5.2 刀具寿命预测应用实例 本章小结 参考文献 第6章 工件加工质量的误差分析、溯源与预测技术 6.1 工件加工质量的误差影响因素分析 6.2 工件加工质量的虚拟测量技术 6.2.1 虚拟测量方法概述 6.2.2 BP神经网络结构设计 6.2.3 基于BP神经网络的加工质量虚拟测量模型构建 6.2.4 案例分析 6.3 基于改进神经网络的工件加工质量误差溯源方法 6.3.1 工件加工质量误差溯源概述 6.3.2 BP神经网络工件加工质量误差溯源模型 6.3.3 基于遗传算法优化的BP神经网络误差溯源模型 6.3.4 基于思维进化算法优化的BP神经网络误差溯源模型 6.3.5 基于粒子群优化的BP神经网络误差溯源模型 6.3.6 基于蝙蝠算法优化的BP神经网络误差溯源模型 6.3.7 案例分析 6.4 工件加工质量的预测模型 6.4.1 工件加工质