基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法

中国机械工程

基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法

王宇钢1;修世超2

1.辽宁工业大学机械工程与自动化学院，锦州,121000
2.东北大学机械工程与自动化学院，沈阳,110819

出版日期:2018-12-06 发布日期:2018-12-06
基金资助:
国家自然科学基金资助项目(51375083)；
辽宁省自然科学基金资助项目(20170540445)
National Natural Science Foundation of China （No. 51375083）
Liaoning Provincial Natural Science Foundation of China （No. 20170540445）

Evaluation Method of CNC Machine's Green Degree Based on Clustering and ANFIS

WANG Yugang1;IU Shichao2

1.School of Mechanical Engineering and Automation,Liaoning University of Technology,Jinzhou,Liaoning,121001
2.School of Mechanical Engineering and Automation,Northeastern University,Shenyang,110819

Online:2018-12-06 Published:2018-12-06
Supported by:
National Natural Science Foundation of China （No. 51375083）
Liaoning Provincial Natural Science Foundation of China （No. 20170540445）

摘要/Abstract

摘要： 为了实现对数控机床绿色度的智能评价，提高数控机床绿色度预测精度，提出了一种基于聚类和自适应神经模糊推理系统（ANFIS）的评价方法。采用改进的粒子群优化模糊C均值聚类算法实现样本的自适应分类，生成辅助ANFIS学习的训练样本集；建立基于ANFIS的评价模型，通过对训练样本集的学习自动生成模糊规则，消除评价指标的模糊性和随机性对评价结果的影响；训练后的评价模型可用于评价样本的自适应推理。最后利用提出的评价方法对数控机床绿色度进行实例分析，验证了该评价方法的有效性。

关键词: 数控机床, 绿色度, 粒子群, 模糊C均值, 自适应神经模糊推理系统

Abstract: To realize the intelligent evaluation and improve the prediction accuracy of CNC machine's green degree, an evaluation method of CNC machine's green degree was proposed based on clustering and ANFIS. Clustering algorithm based on FCM and improved particle swarm optimization were used to accomplish adaptive classification of samples and generate a training sample set for ANFIS learning. The fuzzy rules were automatically generated based on training results in order to eliminate effects of the fuzziness and randomness of the indicators. After training, the model might make inference about evaluation samples. Finally, with the experiments of the CNC machine's green degree evaluation, the effectiveness of the proposed method was demonstrated.

Key words: CNC machine, green degree, particle swarm, fuzzy C-means（FCM）, adaptive neural-fuzzy inference system（ANFIS）

中图分类号:

TH162

王宇钢1;修世超2. 基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法[J]. 中国机械工程.

WANG Yugang1;IU Shichao2. Evaluation Method of CNC Machine's Green Degree Based on Clustering and ANFIS[J]. China Mechanical Engineering.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/

http://www.cmemo.org.cn/CN/Y2018/V29/I23/2845

参考文献

[1]LIU Pengxiang，LI Guolong，CAO Huajun. Mathematical Model of Multi-source Energy Flows for CNC Worm Wheel Grinding Machine Tools[C]// Sustainable Design and Manufacturing. Cham：Springer，2016，659-672.
[2]李涛，孔露露，张洪潮，等. 典型切削机床能耗模型的研究现状及发展趋势[J]. 机械工程学报，2014，50(7)：102-111.
LI Tao，KONG Lulu，ZHANG Hongchao，et al. Recent Research and Development of Typical Cutting Machine Tool's Energy Consumption Model[J]. Journal of Mechanical Engineering，2014，50(7)：102-111.
[3]陈薇薇，张华，向琴，等. 基于支持向量机数控机床切削能耗预测方法研究[J]. 机械设计与制造，2014(11)：54-56.
CHEN Weiwei，ZHANG Hua，XIANG Qin，et al. Research on CNC Machine Tool Cutting Energy Consumption Prediction Based on Support Vector Machine[J]. Machinery Design and Manufacture，2014(11)：54-56.
[4]王贤琳，邱爽，王飞，等. 基于能值分析与模糊评价的数控机床绿色度评价方法研究[J]. 机床与液压，2015，43(13)：31-35.
WANG Xianlin，QIU Shuang，WANG Fei，et al. Study on Green Degree Evaluation Method of CNC Machine Tool Based on Energy Analysis and Fuzzy Evaluation[J]. Machine Tool and Hydraulics，2015，43(13)：31-35.
[5]潘尚峰，卢超，彭一. 基于改进BP神经网络的机床基础部件可再制造性评价模型[J]. 中国机械工程，2016，27(20)：2743-2748.
PAN Shangfeng，LU Chao，PENG Yibo. Evaluation Model for Machine Tool Basic Parts Remanufacturability Based on Optimized BP Neural Network[J]. Chinese Mechanical Engineering，2016，27(20)：2743-2748.
[6]曹华军，李洪丞，宋胜利，等. 基于生命周期评价的机床生命周期碳排放评估方法及应用[J]. 计算机集成制造系统，2011，17(11)：2432-2437.
CAO Huajun，LI Hongcheng，SONG Shengli，et al. Evaluation Method and Application for Carbon Emissions of Machine Tool Based on Life Cycle Assessment[J]. Computer Integrated Manufacturing systems，2011，17(11)：2432-2437.
[7]ZAHID H E, RIZWANA K, SHARIQ B, et al. Artificial Intelligence Techniques for Driving Safety and Vehicle Crash Prediction[J]. Artificial Intelligence Review，2016, 46(3)：351-387.
[8]刘飞,曹华军，张华，等.绿色制造的理论与技术[M].北京：科学出版社，2005：187-194.
LIU Fei，CAO Huajun，ZHANG Hua，et al. Theory and Technology of Green Manufacturing [M]. Beijing：Science Press，2005：187-194.
[9]SANJAY K D, BHAT J. Reliability Assessment of Component Based Software Systems Using Fuzzy and ANFIS Techniques[J]. International Journal of System Assurance Engineering and Management，2017，8(2)：1319-1926.
[10]NGUYEN H B, XUE B, LIU I, et al. New Mechanism for Archive Maintenance in PSO-Based Multi-objective Feature Selection[J]. Soft Computing， 2016, 20(10)：3927-3946.
[11]CHEN S W, XU Z M, TANG Y. A Hybrid Clustering Algorithm Based on Fuzzy C-means and Improved Particle Swarm Optimization[J]. Arabian Journal for Science & Engineering， 2014, 39(12)：8875-8887.
[12]FARHAD S, AMIN A N, SHAHIN R N, et al. Evaluating the Potential of Particle Swarm Optimization in Clustering of Hyperspectral Imagery Using Fuzzy C-means[C]// International Conference on Asia Agriculture and Animal. Singapore: Springer，2011:201-207.
[13]朴尚哲, 超木日力格,于剑. 模糊C 均值算法的聚类有效性评价[J].模式识别与人工智能，2015, 28(5):452-461.
PIAO Shangzhe，Chaomurilige，YU Jian. Cluster Validity Indexes for FCM Clustering Algorithm[J]. Pattern Recognition and Artificial Intelligence，2015，28(5)：452-46.

[1]	张西宁, 赵明, 温广瑞. 一种轴系全息动平衡配重的多目标优化方法 [J]. J4, 201016, 21(16): 1974-1977.
[2]	陈卓凡, 周坤, 秦菲菲, 王斌锐. 基于改进量子粒子群优化算法的机器人逆运动学求解#br# #br# [J]. 中国机械工程, 2024, 35(02): 293-304.
[3]	荣誉, 陈刚, 豆天赐, . 一种多指标综合最优的抗冲击轨迹规划方法[J]. 中国机械工程, 2024, 35(02): 305-316.
[4]	孙宇翔, 陈丽, 龙波, 王艳苹, 刘诗华, 贾坤. 复杂载荷下的核管路支架智能布置[J]. 中国机械工程, 2024, 35(02): 317-323，336.
[5]	陈俊翔, 孔祥东, 许克龙, 艾超, . 高压螺纹插装式溢流阀综合性能优化[J]. 中国机械工程, 2023, 34(24): 2909-2919,2926.
[6]	刘孝保, 严清秀, 易斌, 姚廷强, 顾文娟. 基于集成学习和改进粒子群优化算法的流程制造工艺参数优化[J]. 中国机械工程, 2023, 34(23): 2842-2853.
[7]	李光保, 高栋, 路勇, 平昊, 周愿愿. 自适应卡尔曼滤波与PSO-GA-BP算法的机器人误差补偿[J]. 中国机械工程, 2023, 34(20): 2456-2465.
[8]	蒲志新, 郭建伟, 潘玉奇, 白杨溪. 2PPaPaR并联机构性能分析及优化设计[J]. 中国机械工程, 2023, 34(19): 2304-2312.
[9]	王伏林, 肖强, 来书宁, 唐能艺. 基于不等分剪切模型的ZM5镁合金本构参数的逆向辨识[J]. 中国机械工程, 2023, 34(19): 2362-2369.
[10]	段林超, 张旭刚, 张华, 宋华伟, 敖秀奕. 基于二阶近似扩展卡尔曼滤波的锂离子电池SOC估计[J]. 中国机械工程, 2023, 34(15): 1797-1804.
[11]	李健, 慕宗燚, 杜彦斌, 黄广全, 冉琰. 基于元动作的数控机床可用性分析方法研究[J]. 中国机械工程, 2023, 34(15): 1848-1855.
[12]	田宗睿, 智鹏鹏, 云国丽, 郭新凯, 官毅. 基于自适应增量Kriging模型的多目标稳健优化设计方法[J]. 中国机械工程, 2023, 34(08): 931-940.
[13]	李朕均, 赵春雨. 进给系统角接触球轴承的热力耦合分析[J]. 中国机械工程, 2023, 34(07): 821-829.
[14]	李东阳, 袁东风, 张海霞, 郑安竹, 狄子钧, 梁道君, . 云边端协同的机床刀具故障智能诊断系统研究[J]. 中国机械工程, 2023, 34(05): 584-594.
[15]	刘俊, 阮小栋, 杨鹏亮, 吴迪, 郑敏毅. 变胞机器人重构及转向时足着地柔顺性控制[J]. 中国机械工程, 2022, 33(24): 2917-2926.