本书以智能制造产线为对象，介绍了智能制造产线运行优化涉及的关键技术: 产线状态数据实时采集与云-边协同计算技术、产线混合生产任务的集成规划与优化技术、产线生产物流的主动感知与协同调度技术、刀具磨损状态智能监控与寿命预测技术、工件加工质量的误差分析/溯源与预测技术、复杂数控加工装备的健康状态综合评价技术等。这些关键技术是实现智能制造产线的重要组成部分，是构建自组织、自学习、自适应、自优化生产系统的核心技术。本书可以作为“智能制造类”研究生的选用教材，对学生了解智能车间和智能工厂具有重要的指导作用。
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
2.5.1AGV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
6.2.2BP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
6.3.2BP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工件加工质量预测概述
6.4.2工件加工质量预测流程
6.4.3支持向量机预测建模技术
6.4.4基于改进SVM算法的工件加工质量预测模型
6.4.5案例分析
本章小结
参考文献
第7章复杂数控加工装备的健康状态综合评价技术
7.1数控加工装备的功能结构划分
7.2数控加工装备的状态监测分析
7.3基于大小样本数据集的关键部件状态分类评价方法
7.3.1数控加工装备关键部件分析
7.3.2大样本数据集驱动的Ⅰ类部件状态评价方法
7.3.3小样本数据集驱动的Ⅱ类部件状态评价方法
7.4基于灰色聚类理论的装备健康状态综合评价方法
7.4.1灰色聚类理论与白化权函数
7.4.2基于判断矩阵的装备各系统重要度研究
7.4.3基于白化权函数的装备系统要素评价体系
7.5案例分析
7.5.1基于大样本数据的主轴轴承状态检测
7.5.2基于小样本数据的主轴轴承状态检测
7.5.3数控加工装备状态综合评价
本章小结
参考文献
第8章基于数字孪生的智能产线系统开发与应用
8.1基于数字孪生的智能产线系统概述
8.2基于数字孪生的智能产线系统实现框架
8.2.1智能产线的物理实体
8.2.2基于多维度模型融合的数字孪生产线
8.2.3基于OPC UA的产线信息化服务平台
8.2.4基于数字孪生智能产线的可视化窗口
8.3基于数字孪生的智能产线系统实施方案——以某齿毂产线为例
8.3.1齿毂产线描述
8.3.2仿真平台实施路线
8.3.3静态孪生模型
8.3.4实时驱动数据获取
8.3.5可视化应用
本章小结
参考文献
