基于故障知识引导的冷镦自适应单纯形优化方法及系统与流程
本发明涉及冷镦成形,尤其涉及一种基于故障知识引导的冷镦自适应单纯形优化及系统。
背景技术:
1、冷镦成形是一种利用金属塑性变形实现零件成形的先进制造工艺,具有材料利用率高、生产效率高、加工成本低等优点,被广泛应用于汽车、电子、电器、航空航天及机械制造等领域。
2、随着冷镦装置自动化程度不断提高,生产过程中的工艺参数数量不断增加,包括送料长度、切断长度、冲头位置、冲压力、主轴转速以及成型配件状态等参数。上述参数之间具有明显耦合关系,其变化会直接影响产品尺寸精度、表面质量以及成形完整性。
3、实际生产过程中,由于原材料性能波动、成型配件磨损、设备老化以及环境变化等因素影响,冷镦产品容易出现毛刺、裂纹、偏心、银层偏移、尺寸超差以及成形不完整等质量问题。
4、目前多数企业主要依赖经验丰富的调机人员进行故障诊断和参数调整。该方式存在以下不足:
5、(1)高度依赖个人经验;
6、(2)调机过程缺乏统一标准;
7、(3)调机次数较多;
8、(4)设备停机时间较长;
9、(5)知识难以传承与复用。
10、近年来出现的故障诊断专家系统能够通过规则库和故障树对异常进行推理分析,但其知识规则主要依赖人工建立,缺乏自主学习能力,难以适应不断变化的生产环境。
技术实现思路
1、本发明提供了一种基于故障知识引导的冷镦自适应单纯形优化方法及系统,能至少部分地改善上述问题。
2、为实现上述目的,本发明采用以下技术方案:
3、一种基于故障知识引导的冷镦自适应单纯形优化方法,其包括如下步骤:
4、s1、构建包含故障现象、故障原因、历史调机方案、参数调整记录及调机成功率的冷镦故障知识库;
5、s2、采集冷镦装置实时运行数据及产品质量数据,并根据所述实时运行数据及产品质量数据构建优化状态向量;
6、s3、基于所述优化状态向量在所述冷镦故障知识库中进行相似案例检索,获得相似案例信息;所述相似案例信息包括故障推理结果、历史相关调机经验及工艺参数调整优先级;
7、s4、将当前工艺参数组合作为基准顶点,根据所述相似案例信息确定各待优化工艺参数对应的初始扰动方向和初始扰动步长;分别沿各待优化工艺参数对应的初始扰动方向生成扰动顶点,由所述基准顶点和各扰动顶点构成初始单纯形,并基于所述初始单纯形中各顶点对应的目标函数值执行单纯形搜索;
8、s5、在单纯形搜索过程中监测优化过程,当满足预设停滞条件时,根据所述相似案例信息及当前的单纯形搜索状态,生成单纯形搜索的系数调整策略;
9、s6、根据所述系数调整策略调整搜索系数在优化过程中计算补偿拟梯度方向和自适应步长因子,根据所述补偿拟梯度方向、自适应步长因子及单纯形搜索结果更新工艺参数组合,并继续执行单纯形搜索;
10、s7、当达到最大搜索次数或目标函数值连续多次改善量低于终止阈值时,输出当前单纯形中最优顶点对应的工艺参数组合及异常恢复决策方案。
11、优选地,步骤s1中,所述故障知识库采用故障树结构组织,故障树的根节点包括毛刺、裂纹、偏心、银层偏移、尺寸超差、成形不足及表面压痕中的一种或多种。
12、优选地,步骤s2中,采集的所述实时运行数据包括送料长度、切断长度、冲头位置、主轴转速、冲压力、电机电流及成型配件累计冲次;所述产品质量数据包括产品尺寸、视觉检测结果及废品率。
13、优选地,步骤s4中,初始单纯形的构建包括:
14、将当前工艺参数组合表示为n维基准顶点,其中n为待优化工艺参数的数量;
15、根据故障推理结果确定各待优化工艺参数的推荐调整方向,根据历史相关调机经验中的参数调整量、案例相似度和调机成功率确定各待优化工艺参数的历史成功调整幅度,并根据工艺参数调整优先级对所述历史成功调整幅度进行加权,得到各待优化工艺参数对应的初始扰动步长;
16、以所述基准顶点为第一顶点,分别对其中一个待优化工艺参数按照对应的推荐调整方向和初始扰动步长进行扰动,生成n个扰动顶点,由所述基准顶点和n个扰动顶点构成具有n+1个顶点的初始单纯形;
17、当扰动顶点超出对应工艺参数的允许范围时,对所述初始扰动步长进行缩短或者改变扰动方向,并对所述初始单纯形进行非退化校验。
18、优选地,步骤s4中,所述单纯形搜索的操作包括反射操作、扩展操作、外部收缩操作、内部收缩操作及缩边操作。
19、优选地,步骤s5中:所述停滞条件为以下任一条件:
20、连续多次迭代中目标函数值的相对改善量低于预设阈值;
21、所述自适应步长因子连续多次迭代低于预设下限阈值;
22、所述补偿拟梯度方向的模长连续多次迭代低于预设阈值。
23、优选地,步骤s6中:
24、所述补偿拟梯度方向通过对历史拟梯度方向进行动量平滑得到,用于指示有利搜索方向;
25、所述自适应步长因子基于历史迭代步长的对数平滑及局部曲率信息计算得到,用于动态调整搜索步长。
26、优选地,步骤s6中:所述系数调整策略至少包括对反射系数α、扩展系数γ、收缩系数ρ及缩边系数σ的数值调整;所述系数调整策略通过大语言模型生成;所述故障推理结果、历史相关调机经验、工艺参数调整优先级及当前单纯形搜索状态被构造成结构化提示输入所述大语言模型;所述大语言模型以json格式输出调整后的反射系数α、扩展系数γ、收缩系数ρ及缩边系数σ;所述输出结果经预设规则校验模块验证后用于执行单纯形搜索。
27、优选地,还包括:
28、基于经验学习模块,根据本次优化结果更新所述冷镦故障知识库中的历史调机方案、调机成功率及参数调整记录,并对后续优化策略进行经验修正;其中,所述经验学习模块采用柔性动作-评价算法;其动作空间定义为对所述大语言模型输出的系数调整策略的缩放修正因子;其状态空间至少包括当前最优函数值、函数值变化趋势、所述补偿拟梯度方向模长、所述自适应步长因子及当前单纯形系数。
29、本发明还提供了一种基于故障知识引导的冷镦自适应单纯形优化系统,其包括:
30、知识库构建单元,用于构建包含故障现象、故障原因、历史调机方案、参数调整记录及调机成功率的冷镦故障知识库;
31、优化状态向量构建单元,用于采集冷镦装置实时运行数据及产品质量数据,并根据所述实时运行数据及产品质量数据构建优化状态向量;
32、检索单元,用于基于所述优化状态向量在所述冷镦故障知识库中进行相似案例检索,获得相似案例信息;所述相似案例信息包括故障推理结果、历史相关调机经验及工艺参数调整优先级;
33、单纯形构建单元,用于将当前工艺参数组合作为基准顶点,根据所述相似案例信息确定各待优化工艺参数对应的初始扰动方向和初始扰动步长;分别沿各待优化工艺参数对应的初始扰动方向生成扰动顶点,由所述基准顶点和各扰动顶点构成初始单纯形,并基于所述初始单纯形中各顶点对应的目标函数值执行单纯形搜索;
34、调整单元,用于在单纯形搜索过程中监测优化进程,当满足预设停滞条件时,根据所述相似案例信息及当前的单纯形搜索状态,生成单纯形搜索的系数调整策略;
35、优化单元,用于根据所述系数调整策略调整搜索系数在优化过程中计算补偿拟梯度方向和自适应步长因子,根据所述补偿拟梯度方向、自适应步长因子及单纯形搜索结果更新工艺参数组合,并继续执行单纯形搜索;
36、输出单元,用于当达到最大搜索次数或目标函数值连续多次改善量低于终止阈值时,输出当前单纯形中最优顶点对应的工艺参数组合及异常恢复决策方案。
37、总而言之,本发明根据故障推理结果、历史成功调机案例及工艺参数调整优先级,自适应确定各工艺参数的初始扰动方向和初始扰动步长,使初始单纯形优先覆盖与当前故障相关的有效参数调整区域,减少在无效参数方向上的搜索次数,缩短单纯形进入有效搜索区域所需的迭代时间,从而提高异常恢复速度和工艺参数优化效率。与现有技术相比,本发明至少具有如下有益效果:
38、(1)通过建立冷镦故障知识库,实现历史调机经验的结构化存储与复用,降低对人工经验的依赖;
39、(2)通过引入停滞检测机制,仅在优化过程出现停滞时触发知识引导过程,从而降低计算资源消耗,提高实时响应能力;
40、(3)根据故障知识、历史经验及搜索状态动态调整单纯形搜索系数,使搜索过程能够根据不同故障场景自适应改变搜索行为,提高跳出局部最优解的能力;
41、(4)通过知识引导实现工艺参数调整优先级控制,使优化过程更加符合冷镦方法机理,提高异常恢复效率;
42、(5)通过优化结果的持续积累与经验更新,实现故障知识库的动态完善,提高系统长期运行性能。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com