□ 陶 淵 □ 劉福聰 □ 趙 楠

1.河北工業(yè)大學(xué) 機(jī)械工程學(xué)院 天津 300401 2.天津市高端智能數(shù)控機(jī)床工程研究中心 天津 300222 3.天津職業(yè)技術(shù)師范大學(xué) 機(jī)械工程學(xué)院 天津 300222

隨著制造業(yè)向數(shù)字化、網(wǎng)絡(luò)化、智能化快速發(fā)展,零部件加工成型的難度與精度要求不斷提高,傳統(tǒng)的機(jī)械裝備已經(jīng)不能滿足高尖端行業(yè)的生產(chǎn)要求,機(jī)械裝備設(shè)計面臨更大的挑戰(zhàn)[1]。當(dāng)前,機(jī)械裝備設(shè)計逐漸由傳統(tǒng)人工設(shè)計轉(zhuǎn)向計算機(jī)輔助設(shè)計,由靜態(tài)和線性分析轉(zhuǎn)向動態(tài)和非線性分析,由單機(jī)工作模式轉(zhuǎn)向智能化工作模式[2]。工業(yè)大數(shù)據(jù)技術(shù)的出現(xiàn),給機(jī)械裝備設(shè)計帶來了新思路、新方向。從機(jī)械裝備應(yīng)用過程中產(chǎn)生的海量數(shù)據(jù)中挖掘新知識,與機(jī)械設(shè)計理論相結(jié)合,為機(jī)械裝備智能化設(shè)計開辟了廣闊的發(fā)展前景[3-4]。開展基于工業(yè)大數(shù)據(jù)的機(jī)械裝備智能化設(shè)計研究,不僅可以在技術(shù)上提升高精尖機(jī)械裝備設(shè)計效率,而且能夠在機(jī)械裝備設(shè)計模式方面形成開創(chuàng)性拓展,推動制造業(yè)不斷穩(wěn)步前進(jìn)[5]。

1 面向數(shù)據(jù)采集的機(jī)械裝備

目前,針對個性化需求數(shù)據(jù)、工況數(shù)據(jù)、維護(hù)維修數(shù)據(jù)這三種數(shù)據(jù)類型,不同的數(shù)據(jù)采集方法在智能化機(jī)械裝備領(lǐng)域得到了充分運(yùn)用,需要根據(jù)零件加工特點(diǎn)和高效、高精度、低故障率等要求進(jìn)行設(shè)計。

1.1 基于個性化需求數(shù)據(jù)的機(jī)械裝備

基于個性化需求數(shù)據(jù)的機(jī)械裝備在制造業(yè)產(chǎn)業(yè)鏈中主要涵蓋復(fù)雜裝備和重型裝備,裝備體積大,結(jié)構(gòu)復(fù)雜,不同型號的產(chǎn)品都需要按照用戶的要求設(shè)計,屬于典型單件小批量生產(chǎn)方式[6]。

近年來,與機(jī)械裝備性能相關(guān)的個性化需求通常體現(xiàn)在不同工作場景的操作任務(wù)中。相比傳統(tǒng)大批量正向設(shè)計方法,侯亮等[7]提出一種基于運(yùn)行數(shù)據(jù)驅(qū)動反向設(shè)計的復(fù)雜裝備個性化設(shè)計方法,通過反向設(shè)計目標(biāo)選擇,運(yùn)行大數(shù)據(jù)采集,基于個性化使用環(huán)境的系統(tǒng)參數(shù)識別與建模等,實(shí)現(xiàn)裝載機(jī)變速箱的個性化定制。針對生產(chǎn)過程復(fù)雜、制造成本較高的問題,Wang Yi等[8]從基礎(chǔ)層、支撐層、交互層、設(shè)計層四個維度構(gòu)建基于個性化需求數(shù)據(jù)的基本框架,提出機(jī)械產(chǎn)品實(shí)施大規(guī)模個性化設(shè)計的關(guān)鍵技術(shù),機(jī)械裝備的個性化程度及環(huán)境適應(yīng)性得到提高。利用工業(yè)大數(shù)據(jù)的收集管理系統(tǒng),孫明耀等[9]提出一種基于數(shù)字孿生的復(fù)雜重型裝備個性化協(xié)同制造模式,通過搭建數(shù)字孿生模型并仿真,完成各維度間的高度集成與開發(fā),推動個性化數(shù)據(jù)自適應(yīng)協(xié)同設(shè)計模式的實(shí)現(xiàn),為未來重型復(fù)雜裝備的轉(zhuǎn)型升級提供指導(dǎo)。

1.2 基于工況數(shù)據(jù)的機(jī)械裝備

機(jī)械裝備的運(yùn)行是一個人—機(jī)—環(huán)境交互系統(tǒng)。在機(jī)械裝備作業(yè)過程中,可以通過傳感器采集數(shù)據(jù),精準(zhǔn)掌握環(huán)境或工況對裝備運(yùn)行性能的影響[10]。

面對各類復(fù)雜的外部環(huán)境,國內(nèi)外學(xué)者通過對典型工況進(jìn)行數(shù)據(jù)采集與分析,提出基于工況數(shù)據(jù)的機(jī)械裝備智能化設(shè)計方法。龔勛等[11]通過構(gòu)建基于時序歷程事件、自然環(huán)境因子、生產(chǎn)環(huán)境因子的環(huán)境剖面基因模型,提出一種產(chǎn)品適應(yīng)性設(shè)計方法,實(shí)現(xiàn)對液壓機(jī)結(jié)構(gòu)的適應(yīng)性設(shè)計,有效適應(yīng)了液壓系統(tǒng)復(fù)雜工況的運(yùn)行環(huán)境。王少杰等[12]、常綠等[13]面向裝載機(jī)變速箱進(jìn)行優(yōu)化設(shè)計,提出基于運(yùn)行大數(shù)據(jù)采集、分析、應(yīng)用的裝載機(jī)變速箱與傳動比設(shè)計流程,并且利用仿真模型驗(yàn)證了設(shè)計的合理性,實(shí)現(xiàn)最優(yōu)解?；诠r數(shù)據(jù)的裝載機(jī)變速箱與傳動比設(shè)計流程如圖1所示。面向內(nèi)燃機(jī)等裝備,姚良等[14]設(shè)計了基于工況環(huán)境的在線數(shù)據(jù)采集與處理系統(tǒng),對內(nèi)燃機(jī)的參數(shù)進(jìn)行有效判斷與處理,滿足故障診斷過程中的實(shí)時需求。由以上介紹可見,基于工況數(shù)據(jù)的機(jī)械裝備對不同工況下工業(yè)大數(shù)據(jù)的采集與動態(tài)分析,給未來機(jī)械裝備的智能升級和創(chuàng)新設(shè)計帶來了新思路。

1.3 基于維護(hù)維修數(shù)據(jù)的機(jī)械裝備

故障診斷是保障機(jī)械裝備安全運(yùn)行的前提。在機(jī)械裝備的設(shè)計過程中,基于維護(hù)維修數(shù)據(jù)建立高效、智能的機(jī)械故障診斷系統(tǒng),是實(shí)現(xiàn)機(jī)械裝備故障診斷的關(guān)鍵[15-16]。

隨著故障診斷進(jìn)入工業(yè)大數(shù)據(jù)時代,新的智能故障診斷理論與方法不斷涌現(xiàn)。雷亞國等[17]結(jié)合工業(yè)大數(shù)據(jù)與深度學(xué)習(xí)特點(diǎn),提出一種新型機(jī)械裝備健康監(jiān)測方法,通過自適應(yīng)提取機(jī)械裝備監(jiān)測過程中蘊(yùn)含的多域故障數(shù)據(jù),有效識別故障,完成多級齒輪傳動系統(tǒng)的智能診斷。劉學(xué)勇等[18]基于專家推理建立具有維修決策與指導(dǎo)、維修教學(xué)與訓(xùn)練功能的新型工程機(jī)械診斷系統(tǒng),實(shí)現(xiàn)維護(hù)維修數(shù)據(jù)的分析與預(yù)測,由此克服傳統(tǒng)智能診斷系統(tǒng)的缺陷,提升機(jī)械裝備的智能化水平。針對軸承和齒輪等部件存在的故障情況,Shen Changqing等[19]研究基于向量機(jī)的旋轉(zhuǎn)機(jī)械智能診斷方法,通過在不同分解深度下采用數(shù)據(jù)預(yù)處理技術(shù),從獲得的信號中提取統(tǒng)計參數(shù),使軸承和齒輪箱試驗(yàn)臺實(shí)現(xiàn)高精度故障診斷,減少潛在的機(jī)械磨損,旋轉(zhuǎn)機(jī)械的壽命周期得到延長,生產(chǎn)效率得到提高。另一方面,機(jī)械裝備故障自愈原理的提出,有力地推動了機(jī)械裝備的設(shè)計由傳統(tǒng)模式向預(yù)測型模式轉(zhuǎn)變,同時為研制出具有自愈功能的新一代智能化機(jī)械裝備提供了科學(xué)依據(jù)[20]。

▲圖1 基于工況數(shù)據(jù)的裝載機(jī)變速箱與傳動比設(shè)計流程

2 基于工業(yè)大數(shù)據(jù)的裝備智能設(shè)計

當(dāng)前,數(shù)據(jù)挖掘、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析技術(shù)結(jié)合各類智能算法,為裝備的智能設(shè)計提供了有效技術(shù)手段?；诠I(yè)大數(shù)據(jù)的裝備智能設(shè)計主要包括通用機(jī)床設(shè)備和工業(yè)機(jī)器人等。

2.1 通用機(jī)床設(shè)備

在進(jìn)行機(jī)床結(jié)構(gòu)設(shè)計時,早期采用傳統(tǒng)材料力學(xué)簡化計算與經(jīng)驗(yàn)設(shè)計相結(jié)合的方法,不能解決實(shí)時信息不確定性問題。對此,國內(nèi)外科研人員開展在機(jī)床結(jié)構(gòu)設(shè)計過程中應(yīng)用數(shù)據(jù)挖掘技術(shù)的研究,針對機(jī)床的多樣化設(shè)計提出不同類型的結(jié)構(gòu)優(yōu)化方法,在保證剛度、強(qiáng)度、動態(tài)性能的前提下實(shí)現(xiàn)機(jī)床的優(yōu)化設(shè)計。

針對數(shù)控機(jī)床進(jìn)給機(jī)構(gòu)的動靜態(tài)性能要求,劉世豪等[21]采用反向傳播神經(jīng)網(wǎng)絡(luò)和遺傳算法對機(jī)床的進(jìn)給機(jī)構(gòu)進(jìn)行結(jié)構(gòu)多目標(biāo)優(yōu)化,設(shè)計了一套數(shù)控機(jī)床進(jìn)給機(jī)構(gòu)智能設(shè)計優(yōu)化系統(tǒng),有效加速了設(shè)計自動化的進(jìn)程。任珍剛等[22]將有限元方法與優(yōu)化程序相結(jié)合,利用神經(jīng)網(wǎng)絡(luò)對工業(yè)大數(shù)據(jù)進(jìn)行處理與分析,對設(shè)計中較大的結(jié)構(gòu)進(jìn)行調(diào)整,減少了計算時間,實(shí)現(xiàn)了隱式表達(dá)下以性能指標(biāo)為設(shè)計變量的機(jī)床結(jié)構(gòu)優(yōu)化設(shè)計。根據(jù)加工過程中刀具、工件、機(jī)床單元之間的運(yùn)動關(guān)系,Heisel等[23]提出一種自動適應(yīng)機(jī)床結(jié)構(gòu)的智能設(shè)計算法,在選擇最優(yōu)結(jié)構(gòu)配置階段,通過收集設(shè)計過程中的數(shù)據(jù)參數(shù),加快自身的學(xué)習(xí)速度,提高設(shè)計過程的靈活性,實(shí)現(xiàn)機(jī)床結(jié)構(gòu)的自動化開發(fā),機(jī)床的動態(tài)性能和靜剛度同時得到明顯提高。

定位精度是決定數(shù)控機(jī)床性能的一個重要因素,提高數(shù)控機(jī)床定位精度,能夠明顯提高加工精度。在設(shè)計數(shù)控機(jī)床時,需要通過定位誤差補(bǔ)償?shù)姆椒ㄓ行Э刂贫ㄎ痪?改善數(shù)控機(jī)床的各項(xiàng)技術(shù)指標(biāo)。需要注意的是,由于數(shù)控機(jī)床定位誤差影響因素復(fù)雜,模糊規(guī)則難于獲取,因此需要不斷改進(jìn)誤差補(bǔ)償模型來實(shí)現(xiàn)高精度的實(shí)時補(bǔ)償。對此,在設(shè)計過程中可以將神經(jīng)網(wǎng)絡(luò)與各種優(yōu)化算法相結(jié)合,通過對誤差數(shù)據(jù)進(jìn)行預(yù)測分析,建立精度更高、泛化能力更強(qiáng)、魯棒性更佳的各類誤差預(yù)測模型,應(yīng)用于不同的數(shù)控機(jī)床場景中。具有代表性的基于工業(yè)大數(shù)據(jù)的數(shù)控機(jī)床誤差補(bǔ)償模型見表1。

表1 基于工業(yè)大數(shù)據(jù)的數(shù)控機(jī)床誤差補(bǔ)償模型

針對機(jī)床空間網(wǎng)格點(diǎn)誤差數(shù)據(jù)的存儲問題和非網(wǎng)格點(diǎn)誤差值的預(yù)測問題,向華等[24]以機(jī)床空間網(wǎng)格數(shù)據(jù)為樣本,采用反向傳播神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測機(jī)床空間非網(wǎng)格點(diǎn)誤差值,實(shí)現(xiàn)數(shù)據(jù)之間的映射,為機(jī)床誤差數(shù)據(jù)擬合非網(wǎng)格點(diǎn)誤差值精確預(yù)測提供理論支持[25-28]。

2.2 工業(yè)機(jī)器人

工業(yè)機(jī)器人基于自身可編程、位置可控、自動運(yùn)行的特點(diǎn),廣泛應(yīng)用于機(jī)械裝備領(lǐng)域。在結(jié)構(gòu)設(shè)計過程中,結(jié)合工業(yè)大數(shù)據(jù)進(jìn)行工業(yè)機(jī)器人的優(yōu)化設(shè)計,采用多領(lǐng)域、多尺度融合建模,可以大大降低生產(chǎn)成本,提高設(shè)計效率。

現(xiàn)階段,工業(yè)機(jī)器人優(yōu)化設(shè)計的研究內(nèi)容主要體現(xiàn)在提高可靠性和精度方面。Zhong Xiaolin等[29]、周煒等[30]分別提出基于工業(yè)大數(shù)據(jù)的工業(yè)機(jī)器人定位誤差補(bǔ)償方法,前者提出一種基于人工神經(jīng)網(wǎng)絡(luò)的工業(yè)機(jī)器人逆補(bǔ)償方法,通過實(shí)時大數(shù)據(jù)提取、性能仿真優(yōu)化,解決末端執(zhí)行器局部和全局標(biāo)定問題,后者在工業(yè)機(jī)器人空間網(wǎng)格精度補(bǔ)償方法的基礎(chǔ)上,提出粒子群優(yōu)化工業(yè)機(jī)器人綜合精度補(bǔ)償方法,將大數(shù)據(jù)分析應(yīng)用于工業(yè)機(jī)器人受溫度影響的誤差補(bǔ)償模型,補(bǔ)償后定位精度得到提高。Angelidis等[31]通過白光計量法測量工業(yè)機(jī)器人特定運(yùn)動軌跡上特定點(diǎn)位置的定位誤差,利用數(shù)據(jù)分析技術(shù)計算工業(yè)機(jī)器人的各關(guān)節(jié)坐標(biāo),進(jìn)行補(bǔ)償控制,進(jìn)而實(shí)現(xiàn)工業(yè)機(jī)器人全壽命周期誤差預(yù)測補(bǔ)償。針對工業(yè)機(jī)器人運(yùn)動學(xué)結(jié)構(gòu)與嵌入空間的設(shè)計,Kim等[32]提出一個基于工業(yè)大數(shù)據(jù)的學(xué)習(xí)框架,利用圖形神經(jīng)網(wǎng)絡(luò)來分析機(jī)械臂的結(jié)構(gòu)與姿態(tài),通過工業(yè)機(jī)器人的樹結(jié)構(gòu)訓(xùn)練不同的聚合策略,從子節(jié)點(diǎn)中提取大數(shù)據(jù)信息,解決工業(yè)機(jī)器人結(jié)構(gòu)設(shè)計與優(yōu)化問題。

控制系統(tǒng)是工業(yè)機(jī)器人設(shè)計的一個分支,在設(shè)計過程中經(jīng)常面臨環(huán)境、控制狀態(tài)、控制對象復(fù)雜性、不確定性、多樣性情況。工業(yè)大數(shù)據(jù)的預(yù)處理與分析技術(shù)可以有效解決工業(yè)機(jī)器人控制系統(tǒng)的設(shè)計難題。

基于工業(yè)大數(shù)據(jù)的控制系統(tǒng)必須具有自我學(xué)習(xí)能力,通過數(shù)據(jù)分析實(shí)現(xiàn)自身修正和調(diào)節(jié),進(jìn)而更加準(zhǔn)確且快速地完成控制任務(wù)。針對工業(yè)機(jī)器人并聯(lián)機(jī)構(gòu)動力學(xué)建模不確定性強(qiáng)的特點(diǎn),彭志文等[33]提出一種徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在線補(bǔ)償控制策略,通過處理實(shí)時工業(yè)數(shù)據(jù),建立三角式機(jī)器人控制系統(tǒng)仿真模型,提高了工業(yè)機(jī)器人的控制效率與算法的自適應(yīng)性。黃玉釧等[34]、楊馬英等[35]將數(shù)據(jù)挖掘的概念與方法應(yīng)用于工業(yè)機(jī)器人視覺控制,提出基于神經(jīng)網(wǎng)絡(luò)圖像識別的工業(yè)機(jī)器人自主軌跡控制方案,利用切換控制器提高伺服控制精度,進(jìn)一步改善神經(jīng)網(wǎng)絡(luò)控制用于實(shí)際系統(tǒng)時訓(xùn)練復(fù)雜性與控制精度問題,充分發(fā)揮工業(yè)大數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)技術(shù)中蘊(yùn)含的信息潛能。由以上介紹可見,工業(yè)大數(shù)據(jù)通過神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、智能算法等,為工業(yè)機(jī)器人控制系統(tǒng)的設(shè)計提供了新的科學(xué)依據(jù),也為提高工業(yè)機(jī)器人的智能化提供了有效保障。

3 基于工業(yè)大數(shù)據(jù)的裝置智能設(shè)計

機(jī)械裝備的多樣化促進(jìn)著裝置的改進(jìn)和創(chuàng)新。通過各類數(shù)據(jù)處理技術(shù),對設(shè)計階段的數(shù)據(jù)進(jìn)行實(shí)時存儲、篩選、處理、交互,可以有效提高裝置智能設(shè)計的準(zhǔn)確性和智能化水平?；诠I(yè)大數(shù)據(jù)的裝置智能設(shè)計主要包括齒輪傳動裝置、主軸部件、直線運(yùn)動單元等。

3.1 齒輪傳動裝置

齒輪傳動裝置是機(jī)械裝備的重要部件,以各種類型的減速器為主,其工作性能直接影響整機(jī)性能及設(shè)備生產(chǎn)率。

隨著產(chǎn)品對空間和質(zhì)量的要求越來越高,傳統(tǒng)齒輪傳動裝置的設(shè)計很難滿足產(chǎn)品開發(fā)的要求。對此,可以在設(shè)計階段借助數(shù)據(jù)挖掘技術(shù),建立目標(biāo)函數(shù),使動態(tài)優(yōu)化的過程趨于簡單化。針對二級齒輪減速器的設(shè)計與優(yōu)化,Padmanabhan等[36]提出一種基于種群的進(jìn)化算法,通過收集生產(chǎn)過程數(shù)據(jù),以設(shè)計應(yīng)力為約束條件,使齒輪材料體積和中心距不斷減小,以達(dá)到功率和效率的最高提升。謝雄偉等[37]將數(shù)據(jù)挖掘應(yīng)用于優(yōu)化設(shè)計RV減速器的關(guān)鍵零件尺寸公差,以零件加工成本為目標(biāo)函數(shù),以許用回差和裝配尺寸鏈為約束條件,采用遺傳算法實(shí)現(xiàn)擺線輪、曲柄軸、針輪尺寸誤差的優(yōu)化。雷明遠(yuǎn)[38]、高暢等[39]將改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)應(yīng)用于齒輪傳動裝置的結(jié)構(gòu)優(yōu)化設(shè)計,前者通過建立遺傳算法的數(shù)據(jù)挖掘模型,對神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化,獲取參數(shù)之間復(fù)雜的非線性關(guān)系,實(shí)現(xiàn)小體積的優(yōu)化設(shè)計目標(biāo),后者基于蟻群算法對標(biāo)準(zhǔn)反向傳播神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),提出一種遺傳算法—蟻群優(yōu)化算法—反向傳播神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化算法,提升行星齒輪箱的故障診斷準(zhǔn)確性。

3.2 主軸部件

主軸是機(jī)床設(shè)備的典型功能部件。在設(shè)計階段,主軸部件熱態(tài)特性在很大程度上決定機(jī)床的切削速度和加工精度,應(yīng)當(dāng)通過熱設(shè)計和優(yōu)化措施來減小熱誤差對主軸部件的影響。

當(dāng)前,國內(nèi)外科研人員基于數(shù)據(jù)分析技術(shù)探索出多種訓(xùn)練速度快,有良好泛化性能的訓(xùn)練算法,用于對機(jī)床熱誤差進(jìn)行建模。王續(xù)林等[40]提出一種基于極限學(xué)習(xí)機(jī)與神經(jīng)網(wǎng)絡(luò)的機(jī)床熱誤差補(bǔ)償模型,將粒子群優(yōu)化理論和極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)相結(jié)合,通過選取隱層神經(jīng)元數(shù),對數(shù)控機(jī)床熱誤差進(jìn)行精確、有效實(shí)時補(bǔ)償控制。針對預(yù)測性能不穩(wěn)定的問題,譚峰等[41]提出集成反向傳播神經(jīng)網(wǎng)絡(luò)的主軸熱誤差建模方法,綜合利用模糊C-均值算法篩選溫度敏感點(diǎn),對測溫點(diǎn)進(jìn)行數(shù)據(jù)預(yù)測性分析,并在臥式加工中心上驗(yàn)證方法的可行性,使主軸部件運(yùn)行的安全性和可靠性得到提升。Hong Haibo等[42]提出一種基于本體論的主軸部件設(shè)計方法,建立一個人為經(jīng)驗(yàn)與計算機(jī)數(shù)據(jù)庫相結(jié)合的主軸部件設(shè)計框架,有效實(shí)現(xiàn)了主軸部件靜態(tài)、動態(tài)、熱力學(xué)性能優(yōu)化?；诒倔w論的主軸部件設(shè)計方法如圖2所示。從當(dāng)前研究來看,基于大數(shù)據(jù)技術(shù)建立最優(yōu)合理的熱誤差模型,可以有效減小機(jī)床熱誤差,提高機(jī)床的熱精度,加快設(shè)計效率。

▲圖2 基于本體論的主軸部件設(shè)計方法

3.3 直線運(yùn)動單元

直線運(yùn)動單元往往采用各種類型的直線導(dǎo)軌,配合密封鋁型材和精密導(dǎo)向技術(shù),主要用于高速、高精密機(jī)械加工裝備中。

基于工業(yè)大數(shù)據(jù)的工藝知識挖掘技術(shù)是直線運(yùn)動單元工程設(shè)計的一個新思路。通過收集生產(chǎn)過程的具體數(shù)據(jù),He Gaiyun等[43]建立試板應(yīng)力與導(dǎo)軌幾何誤差之間的映射關(guān)系,提出導(dǎo)軌幾何誤差識別與調(diào)整方法。Shih Weicheng等[44]通過試驗(yàn)分析線性導(dǎo)軌接觸剛度與預(yù)載水平之間的關(guān)系,從非結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行預(yù)測建模,在實(shí)際應(yīng)用中得到有效驗(yàn)證。針對機(jī)床滾動導(dǎo)軌動態(tài)特性參數(shù)難以準(zhǔn)確確定的問題,王凱等[45]將有限元設(shè)計方法得到的最優(yōu)校直行程作為訓(xùn)練數(shù)據(jù)樣本,建立基于反向傳播神經(jīng)網(wǎng)絡(luò)的校直行程預(yù)測模型,實(shí)現(xiàn)導(dǎo)軌全自動校直機(jī)控制系統(tǒng)的設(shè)計。朱堅民等[46]通過建立滑動接合面動態(tài)特性參數(shù)的反向傳播神經(jīng)網(wǎng)絡(luò)模型,對不確定性數(shù)據(jù)進(jìn)行分解和量化,為未來機(jī)械裝備中直線運(yùn)動單元的設(shè)計與動態(tài)特性參數(shù)識別提供范例。

4 結(jié)束語

由以上介紹可見,大數(shù)據(jù)技術(shù)在機(jī)械裝備的設(shè)計過程中已經(jīng)取得較好成果,為應(yīng)用于未來自動化、智能化的設(shè)計提供了理論支持。同時,基于工業(yè)大數(shù)據(jù)的智能化機(jī)械裝備給未來制造業(yè)帶來新的機(jī)遇與發(fā)展。需要注意的是,大數(shù)據(jù)潛在價值在設(shè)計機(jī)械裝備與內(nèi)部裝置時還沒有完全充分發(fā)揮出來,應(yīng)當(dāng)從兩個方面推進(jìn)工業(yè)大數(shù)據(jù)在智能化機(jī)械裝備領(lǐng)域應(yīng)用的研究。

第一,在機(jī)械裝備設(shè)計優(yōu)化進(jìn)程中,影響結(jié)構(gòu)的靜態(tài)常量和動態(tài)變量復(fù)雜多變,設(shè)計過程需要大量數(shù)據(jù)處理工作,并且大型復(fù)雜機(jī)械裝備系統(tǒng)具有復(fù)雜性和異質(zhì)性特點(diǎn),通過大數(shù)據(jù)技術(shù)建立更加完整精確的數(shù)學(xué)模型,將有助于對機(jī)械裝備進(jìn)行后續(xù)科學(xué)劃分和性能評估,進(jìn)而高效進(jìn)行多目標(biāo)優(yōu)化設(shè)計,克服應(yīng)用過程中干擾與裝備性能變化產(chǎn)生的影響。

第二,在未來智能機(jī)械裝備的設(shè)計中,可以對大數(shù)據(jù)分析技術(shù)、智能科學(xué)技術(shù)、產(chǎn)品專業(yè)技術(shù)進(jìn)行深度融合,建立基于工業(yè)大數(shù)據(jù)的完整設(shè)計理論體系,在此基礎(chǔ)上,通過改進(jìn)各種算法性能,完善各類智能裝備設(shè)計軟件,有助于提高整體設(shè)計過程的效率,推動機(jī)械裝備設(shè)計在整個制造業(yè)中的應(yīng)用。