To improve the detection efficiency of industrial diamond and ensure product quality, an industrial diamond detection method based on an improved Coyote Optimization Algorithm（COA） and Extreme Learning Machine（ELM） was proposed. The video images of industrial diamond was decomposed into a group of relatively stable and single-dimensional image data according to a certain time series; the deep convolution network Inception-V3 was used to establish a prediction model for multi-perspective 2D image data. On this basis, the prediction results were used as input to construct the ELM model, and the COA improved by reverse learning and Levy flight was used to optimize the input weights and thresholds of ELM to improve the detection accuracy of the industrial diamond model. The detection results of the model were compared with basic ELM, and those of ELM model optimized by Differential Evolution algorithm（DE）, Particle Swarm Optimization algorithm（PSO） and basic COA. The comparative experimental results showed that the model had good detection accuracy and generalization ability, which had guiding significance for the qualitative detection of industrial diamond.
针对新型弹药产品质量评估样本数据少、试验消耗大、未有效利用制造过程质量数据等问题,提出一种基于改进樽海鞘群和最小二乘支持向量机(LSSVM)的新型弹药质量评估方法.以新型弹药靶试数据为输入,对批次弹药发射成功率进行贝叶斯估计.利用LSSVM建立弹药批次制造质量数据与弹药发射成功率之间关系的评估模型,使用精英质心和反向学习策略改进的樽海鞘群算法对LSSVM进行优化,有效提升评估模型的准确性,并以某新型弹药为例对评估模型有效性进行验证.验证结果表明:与传统LSSVM、粒子群优化的LSSVM及樽海鞘群优化的LSSVM模型相比,该模型具有较高的准确度和较强的鲁棒性,对新型弹药产品的质量评估有一定借鉴意义.
针对炮弹制造质量水平评判过程中存在的抽样试射成本高、难以评价批次炮弹质量、未有效利用制造过程质量数据等问题,开展炮弹制造质量综合评估方法研究.首先研究炮弹制造质量综合评估框架,规范炮弹制造质量综合评估过程;将失效模式分析方法确定的炮弹关键特性作为评估指标,构建覆盖炮弹采购、加工、装配和检验等制造全过程的制造质量评估指标体系,并应用层次分析法(AHP)确定各指标的权重;采用生产过程能力指数构建制造质量评估计算模型,基于加权和法与加权几何平均法构建制造质量评估聚合模型,形成炮弹制造质量两层评估模型,充分利用制造过程中的关键特性质量检测数据实现炮弹制造过程质量的定量评估.最后以某型炮射导弹为例,验证了炮弹制造质量综合评估方法的可操作性、可行性和有效性.
为解决复杂产品离散制造过程中质量数据分散、质量问题难追溯、缺乏完善的质量管理模式等问题,开展了离散制造车间制造质量管控模式研究.通过对离散制造车间质量管控业务运行流程和质量数据链路进行分析,明确了车间质量管理的痛点与难点;提出了离散制造车间质量集成管控框架,建立了多工序质量传递模型,通过采用数字化检测设备与车间M ES系统的集成实现了对车间内部多个工序质量数据的在线采集、实时分析,为加工工艺方法和加工过程参数调整提供了反馈,实现了车间制造过程质量管控.通过开发的软件系统进行工程应用,解决了质量难追溯的问题,为企业实现对产品质量数据的数字化、信息化和网络化管理奠定了基础,对生产企业质量控制业务形成了强有力的支持.
