蔣丹鼎，趙 穎

(1.國(guó)防科技大學(xué) 系統(tǒng)工程學(xué)院，湖南 長(zhǎng)沙 410073；2.中國(guó)航天電子技術(shù)研究院，北京 100094)

0 引言

為滿足日趨小批量、多品種、定制化的生產(chǎn)模式，制造企業(yè)必須根據(jù)市場(chǎng)需求變化快速調(diào)整制造過(guò)程，對(duì)內(nèi)部現(xiàn)有資源進(jìn)行不同組合配置，以實(shí)現(xiàn)對(duì)加工任務(wù)的適應(yīng)性[1-2]。因此，需要對(duì)制造資源的組合及其狀態(tài)進(jìn)行判斷，例如這種組合是否滿足質(zhì)量、效率要求等。本文將對(duì)制造系統(tǒng)的產(chǎn)品加工質(zhì)量、可靠性等進(jìn)行辨別和探測(cè)的能力稱為制造情景的認(rèn)知，這種認(rèn)知的本質(zhì)是由個(gè)體制造資源狀態(tài)實(shí)現(xiàn)對(duì)組合狀態(tài)情景的識(shí)別[3]。物聯(lián)網(wǎng)技術(shù)的發(fā)展已為制造資源個(gè)體狀態(tài)數(shù)據(jù)的采集提供了可能[4]，而如何識(shí)別由個(gè)體狀態(tài)形成的組合狀態(tài)的情景是進(jìn)行其他智能活動(dòng)的基礎(chǔ)，已成為目前亟需解決的問(wèn)題。

目前，制造情景識(shí)別面臨兩方面挑戰(zhàn)：

(1)組合狀態(tài)動(dòng)態(tài)多變 組合狀態(tài)的動(dòng)態(tài)多變體現(xiàn)在：①任務(wù)不同帶來(lái)制造資源組合不同。制造資源按照任務(wù)需求進(jìn)行臨時(shí)組合，任務(wù)的變化導(dǎo)致制造資源組合的變化，從而帶來(lái)了組合狀態(tài)的變化;②任務(wù)相同，工藝等條件不同使得制造資源組合不同，即使在相同的任務(wù)要求下，工藝等條件不同，制造資源也可能有多種組合方式，導(dǎo)致組合狀態(tài)發(fā)生變化;③任務(wù)、工藝等要求相同時(shí)制造資源組合相同，但制造資源自身狀態(tài)變化導(dǎo)致組合狀態(tài)發(fā)生變化，例如刀具C在與機(jī)床A組合進(jìn)行一段時(shí)間加工后解散，即使在同樣的任務(wù)需求下，刀具C再次與機(jī)床A組合，其自身狀態(tài)已經(jīng)發(fā)生了變化(如磨損)，這種變化也使組合狀態(tài)發(fā)生變化。因此，制造資源組合、制造資源狀態(tài)等個(gè)體狀態(tài)的變化帶來(lái)的組合狀態(tài)動(dòng)態(tài)多變，是實(shí)現(xiàn)情景識(shí)別面臨的挑戰(zhàn)之一。

(2)個(gè)體狀態(tài)與制造情景間沒(méi)有線性邏輯映射關(guān)系 情景是通過(guò)個(gè)體狀態(tài)實(shí)現(xiàn)的對(duì)組合狀態(tài)的整體認(rèn)知，個(gè)體狀態(tài)的優(yōu)劣并不一定會(huì)相應(yīng)地導(dǎo)致組合狀態(tài)的優(yōu)劣。例如兩臺(tái)機(jī)床單獨(dú)加工時(shí)的加工效率正常，但將其組合后，卻因加工效率下降而無(wú)法完成任務(wù)；兩臺(tái)機(jī)床單獨(dú)加工時(shí)效率較低，但將其組合后，加工效率上升，足以完成任務(wù)。由于個(gè)體狀態(tài)與制造情景間的非線性邏輯關(guān)系，無(wú)法通過(guò)個(gè)體狀態(tài)的簡(jiǎn)單疊加或理論建模來(lái)識(shí)別制造情景，是對(duì)制造情景識(shí)別的又一挑戰(zhàn)。

因此，針對(duì)制造資源組合、制造資源狀態(tài)等個(gè)體狀態(tài)變化導(dǎo)致組合狀態(tài)變化，以及個(gè)體狀態(tài)與組合狀態(tài)情景間無(wú)邏輯線性關(guān)系等難點(diǎn)，需要一種能正確表達(dá)個(gè)體狀態(tài)與組合狀態(tài)情景間映射關(guān)系的多狀態(tài)融合的情景識(shí)別方法。

目前國(guó)內(nèi)外對(duì)制造系統(tǒng)資源動(dòng)態(tài)組合的研究主要集中在評(píng)價(jià)其柔性和面向簡(jiǎn)單調(diào)度計(jì)劃的制造資源組合兩方面。張曉冬等[5]建立了仿真模型，以評(píng)估生產(chǎn)單元的制造組織應(yīng)對(duì)環(huán)境動(dòng)態(tài)波動(dòng)的能力；Elbenani等[6]采用線性規(guī)劃方法求解制造單元的資源規(guī)劃問(wèn)題。這些研究通常是在資源狀態(tài)不變的理想假設(shè)條件下考慮計(jì)劃可用性，沒(méi)有考慮到制造資源狀態(tài)的連續(xù)性和變化對(duì)制造資源組合造成的影響。近年來(lái)，將Q-learning用于智能制造系統(tǒng)的研究已經(jīng)成為一種趨勢(shì)[7]。Sahebjamnia等[8]將產(chǎn)品的最終質(zhì)量作為評(píng)價(jià)指標(biāo)，用模糊Q-learning學(xué)習(xí)連續(xù)化工生產(chǎn)線中的不同資源、工藝的不同狀態(tài)下的控制策略。其將生產(chǎn)系統(tǒng)看作一個(gè)能感知環(huán)境的Agent，得出的是系統(tǒng)處在不同組合狀態(tài)下的應(yīng)對(duì)策略，因?yàn)槠鋵W(xué)習(xí)是在不關(guān)注組合狀態(tài)的黑箱情況下對(duì)系統(tǒng)的執(zhí)行結(jié)果進(jìn)行人為標(biāo)定，所以難以實(shí)現(xiàn)對(duì)組合狀態(tài)的量化計(jì)算。

綜上所述，為實(shí)現(xiàn)制造情景的識(shí)別，一方面要考慮個(gè)體狀態(tài)變化導(dǎo)致組合狀態(tài)的變化，另一方面要考慮個(gè)體狀態(tài)與制造情景間的非線性邏輯映射關(guān)系。這些變化及其之間的邏輯關(guān)系在歷史數(shù)據(jù)中呈現(xiàn)出一種概率上的因果規(guī)律，這種概率上的因果關(guān)系與貝葉斯網(wǎng)絡(luò)(Bayesian Network，BN)節(jié)點(diǎn)間的概率影響關(guān)系相契合。因此，本文提出一種基于貝葉斯的制造情景識(shí)別方法。利用基于因果概率關(guān)系情景識(shí)別模型，以網(wǎng)絡(luò)節(jié)點(diǎn)不同取值表示制造情景和個(gè)體狀態(tài)的變化，以條件概率表示狀態(tài)與情景間的概率影響關(guān)系，實(shí)現(xiàn)由個(gè)體狀態(tài)到制造情景的識(shí)別。

1 制造情景識(shí)別及影響因素

制造系統(tǒng)是在某一確定條件下(如任務(wù)、工藝等)，由種類、結(jié)構(gòu)、性質(zhì)不同的物理子系統(tǒng)(如制造資源、物流系統(tǒng)等)相互作用而呈現(xiàn)出的一個(gè)集合體[9]。因?yàn)橹圃熨Y源是因任務(wù)、工藝等需求而動(dòng)態(tài)組合，所以對(duì)制造情景識(shí)別即是對(duì)制造資源在特定任務(wù)條件下形成的組合狀態(tài)進(jìn)行判斷，通常面向任務(wù)和工藝要求，例如判斷組合狀態(tài)是否滿足任務(wù)質(zhì)量、效率要求等。

為了更清楚地描述識(shí)別制造情景的過(guò)程，本文定義制造單元是由各種不同種類、結(jié)構(gòu)、性質(zhì)的物理資源為滿足某一加工任務(wù)而形成的臨時(shí)組合，用unit表示。如圖1所示，為完成任務(wù)job1，制造資源R1，R2，R3在工藝條件P1下組合在一起形成制造單元unit1，其中制造資源是制造系統(tǒng)內(nèi)可動(dòng)態(tài)組合的、具有任務(wù)執(zhí)行能力的物理資源，包括機(jī)床、刀具、量具等。對(duì)制造情景進(jìn)行識(shí)別，即是對(duì)該制造單元內(nèi)由個(gè)體狀態(tài)組成的組合狀態(tài)情景進(jìn)行識(shí)別。

制造情景是關(guān)于某認(rèn)知需求(如制造單元的最終產(chǎn)品質(zhì)量)對(duì)制造單元內(nèi)狀態(tài)組合進(jìn)行整體判斷后的結(jié)果，用S表示，由制造單元內(nèi)所有資源、工藝等個(gè)體狀態(tài)s構(gòu)成，即s1∧s2∧…∧sn→S。如圖2所示，每個(gè)S表示一個(gè)制造情景，R，RESs，RESe，P，PARM分別表示制造資源、制造資源進(jìn)入制造單元時(shí)的狀態(tài)、制造資源退出制造單元時(shí)的狀態(tài)、工藝類型及參數(shù)、工況實(shí)時(shí)狀態(tài)參數(shù)等個(gè)體狀態(tài)。可以看出，制造情景由制造單元內(nèi)的個(gè)體狀態(tài)組合構(gòu)成，個(gè)體狀態(tài)的不斷重組和變化形成不同的制造情景，在制造資源隨需動(dòng)態(tài)組合場(chǎng)景下，對(duì)制造情景進(jìn)行識(shí)別需考慮以下因素：

(1)制造單元的組成

制造資源在系統(tǒng)內(nèi)隨需動(dòng)態(tài)組合成制造單元，任務(wù)完成后制造單元解散，解散后的制造資源與其他制造資源組合形成新的制造單元，制造資源的動(dòng)態(tài)組合使組合狀態(tài)復(fù)雜多變。如圖2所示，制造單元在時(shí)間軸上不斷解散和重組，制造單元unit1由制造資源R5,R6,R7組成，當(dāng)任務(wù)job1完成后解散，R7與其他制造資源組合形成制造單元unit3，job3完成后制造單元解散，其中的制造資源重新組合形成新的制造單元。制造資源組合的變化顯然會(huì)影響對(duì)制造情景的識(shí)別，應(yīng)充分考慮這種不斷變化的制造資源組合對(duì)情景的影響。

(2)制造資源的狀態(tài)

制造資源的狀態(tài)具有連續(xù)性且不斷變化。在制造資源進(jìn)行組合時(shí)，其中的某些制造資源可能由其他制造單元解散而來(lái)，這些制造資源的初始狀態(tài)即為其退出前一個(gè)制造單元時(shí)的狀態(tài)。如圖2所示，unit3中R2的初始狀態(tài)是unit2中R2解散時(shí)的狀態(tài)，unit4中R2的初始狀態(tài)是unit3解散時(shí)R2的狀態(tài)。因此，即使是完全相同的制造資源，在進(jìn)行組合時(shí)，制造資源進(jìn)入制造單元的初始狀態(tài)也有可能是不同的，從而對(duì)制造情景識(shí)別結(jié)果也不同。因此，制造資源的狀態(tài)是影響制造情景的因素之一。

(3)工藝

制造過(guò)程中的工藝特征，如工藝類型、工藝參數(shù)等，也是影響情景因素之一，圖2中用P表示工藝特征的集合。制造系統(tǒng)內(nèi)的需求不斷變化，面對(duì)不同的任務(wù)需求會(huì)有不同的工藝規(guī)程，即使面對(duì)相同的任務(wù)需求，也可能有多種不同的加工路線，甚至對(duì)于同路線的工藝，也常常會(huì)有某些工藝參數(shù)的變動(dòng)，由此導(dǎo)致情景識(shí)別時(shí)的初始條件不同，從而影響情景識(shí)別的判斷結(jié)果。

(4)工況實(shí)時(shí)狀態(tài)參數(shù)

加工過(guò)程中的機(jī)床工況實(shí)時(shí)狀態(tài)參數(shù)(如扭矩、電流和溫度等)反映了加工的實(shí)際情況，這些參數(shù)也影響了對(duì)制造情景的識(shí)別，圖2中用PARM表示這些參數(shù)的集合。在加工過(guò)程中，適宜的工況實(shí)時(shí)狀態(tài)參數(shù)能夠保證加工過(guò)程的穩(wěn)定性和產(chǎn)品質(zhì)量，工況實(shí)時(shí)狀態(tài)參數(shù)的變化對(duì)產(chǎn)品的最終質(zhì)量有著深遠(yuǎn)的影響，控制好工況實(shí)時(shí)狀態(tài)參數(shù)，是保證產(chǎn)品質(zhì)量的重要手段。因此，加工過(guò)程中的工況實(shí)時(shí)狀態(tài)參數(shù)也是影響情景的重要因素之一。

綜上所述，制造情景的識(shí)別是綜合了制造資源組合、制造資源的初始狀態(tài)、工藝、工況實(shí)時(shí)狀態(tài)參數(shù)等個(gè)體狀態(tài)，并對(duì)這些狀態(tài)形成的組合的整體認(rèn)知。對(duì)這種組合狀態(tài)的整體認(rèn)知，即是構(gòu)建情景識(shí)別函數(shù)S=f(job,R,RES,P,PARM)，以反映個(gè)體狀態(tài)的變化如何影響制造情景的整體變化，并利用job,R,RES,P,PARM這些個(gè)體狀態(tài)對(duì)制造情景進(jìn)行識(shí)別的過(guò)程。其中:job表示制造單元的任務(wù)，R表示資源的集合(以表示制造單元組成)，RES表示資源狀態(tài)的集合，P表示工藝類型及參數(shù)的集合，PARM表示工況實(shí)時(shí)狀態(tài)參數(shù)的集合。本文提出的基于貝葉斯網(wǎng)絡(luò)的情景識(shí)別方法即利用個(gè)體狀態(tài)與制造情景間的概率因果關(guān)系建立情景識(shí)別函數(shù)，并依據(jù)個(gè)體狀態(tài)對(duì)制造情景進(jìn)行求解。

2 基于貝葉斯網(wǎng)絡(luò)的制造情景識(shí)別

本文引入貝葉斯網(wǎng)絡(luò)建立制造情景識(shí)別模型(Manufacturing Situation Recognition Model, MSRM)。用貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)表示上述影響制造情景的因素(制造單元的組成、制造資源狀態(tài)、工藝、工況實(shí)時(shí)狀態(tài)參數(shù))和制造情景，并用有向弧表示它們之間的因果關(guān)系。當(dāng)已知影響制造情景的因素(個(gè)體狀態(tài))時(shí)，利用這些個(gè)體狀態(tài)與制造情景之間的概率因果關(guān)系推理預(yù)測(cè)出相應(yīng)的制造情景。

2.1 制造情景識(shí)別模型

結(jié)合制造情景識(shí)別問(wèn)題的實(shí)際處理過(guò)程以及貝葉斯網(wǎng)絡(luò)模型的特點(diǎn)，采用有向圖方式表達(dá)制造情景識(shí)別過(guò)程中個(gè)體狀態(tài)間、個(gè)體狀態(tài)與情景間的關(guān)系，定義制造情景識(shí)別模型MSRM=X,E,P，其中：X={X1,X2,…,Xn}為網(wǎng)絡(luò)中所有節(jié)點(diǎn)的集合，表達(dá)制造情景識(shí)別過(guò)程中個(gè)體狀態(tài)和制造情景的可行狀態(tài)取值;E={eij,1≤i≤n,1≤j≤n}為連接節(jié)點(diǎn)之間的有向邊集合，表示各種狀態(tài)間、狀態(tài)與情景之間的概率依賴關(guān)系，eij表示從節(jié)點(diǎn)Xj指向節(jié)點(diǎn)Xj的一條有向邊;P={P(Xi|(π(Xi)),Xi∈X)}為網(wǎng)絡(luò)中各節(jié)點(diǎn)變量的條件概率分布，表示狀態(tài)與狀態(tài)間、狀態(tài)與情景之間的因果關(guān)聯(lián)強(qiáng)度,π(Xi)?{X1,…,Xi-1,Xi+1,…,Xn}表示Xi的所有父節(jié)點(diǎn)的變量集合，π(Xi)=?，則該變量沒(méi)有父變量，只需給出其先驗(yàn)概率分布。

2.2 MSRM節(jié)點(diǎn)類別

對(duì)數(shù)據(jù)進(jìn)行處理是構(gòu)建貝葉斯網(wǎng)絡(luò)和實(shí)現(xiàn)制造情景識(shí)別的基礎(chǔ)，其關(guān)鍵在于提取反映制造情景的敏感特征。根據(jù)第1章對(duì)制造情景及其影響因素的分析，MSRM節(jié)點(diǎn)集合可以進(jìn)一步分為幾個(gè)無(wú)交叉子集X=S∪R∪RES∪P∪PARM，其中：S為制造情景變量子集，R為制造資源變量子集，RES為制造資源的狀態(tài)變量子集，P為加工工藝變量子集，PARM為工況實(shí)時(shí)狀態(tài)變量子集。

(1)制造情景節(jié)點(diǎn)S制造情景是對(duì)個(gè)體狀態(tài)組合進(jìn)行的整體認(rèn)知結(jié)果，通常面向任務(wù)或工藝要求。本文將制造情景作為貝葉斯網(wǎng)絡(luò)中需要推理的節(jié)點(diǎn)，節(jié)點(diǎn)取值即為制造情景狀態(tài)。例如若一任務(wù)對(duì)產(chǎn)品粗糙度有較高要求，則需要識(shí)別的情景為組合狀態(tài)能否滿足對(duì)產(chǎn)品的粗糙度要求，節(jié)點(diǎn)狀態(tài)取值1或0分別表示該組合狀態(tài)能或不能滿足粗糙度要求。

(2)制造資源節(jié)點(diǎn)R制造資源節(jié)點(diǎn)反映制造單元的組成成分，包括機(jī)床、刀具、夾具和量具等。每個(gè)節(jié)點(diǎn)代表一個(gè)制造資源實(shí)例，節(jié)點(diǎn)狀態(tài)取值1或0分別表示制造單元中有或無(wú)此制造資源的參與。

(4)工藝節(jié)點(diǎn)P加工工藝也是影響制造情景的因素，好的工藝不但能簡(jiǎn)化加工難度，而且能保證產(chǎn)品質(zhì)量。本文將工藝作為貝葉斯網(wǎng)絡(luò)中的一類節(jié)點(diǎn)P，其中每個(gè)節(jié)點(diǎn)代表工藝類型或一個(gè)工藝參數(shù)。例如加工某通孔零件有3種工藝(如鉸孔、磨孔、鏜孔)，則工藝類型節(jié)點(diǎn)狀態(tài)的取值分別為1(鉸孔)、2(磨孔)、3(鏜孔)，工藝參數(shù)若為連續(xù)值，則可將其離散化或令其服從某連續(xù)分布。

(5)工況實(shí)時(shí)狀態(tài)參數(shù)PARM制造過(guò)程中的實(shí)時(shí)狀態(tài)信號(hào)(如溫度、電流、振動(dòng)和扭矩等)體現(xiàn)了實(shí)際的情景。本文將制造單元的工況實(shí)時(shí)狀態(tài)參數(shù)作為貝葉斯網(wǎng)絡(luò)中的一類節(jié)點(diǎn)PARM，其中每個(gè)節(jié)點(diǎn)代表一個(gè)參數(shù)變量。特征提取是制造單元情景識(shí)別中很重要的步驟，準(zhǔn)確選擇反映制造單元情景的信號(hào)和對(duì)信號(hào)進(jìn)行適當(dāng)處理，是提高情景識(shí)別準(zhǔn)確率的關(guān)鍵因素。實(shí)時(shí)狀態(tài)信號(hào)一般在時(shí)域、頻域和時(shí)頻域上進(jìn)行處理，例如對(duì)溫度、電流、振動(dòng)等信號(hào)，可在時(shí)域上取其均值、方差、均方根值反應(yīng)其平均水平和變化情況。

2.3 MSRM有向邊取向規(guī)則

MSRM中的有向邊集合表示父節(jié)點(diǎn)對(duì)子節(jié)點(diǎn)有因果影響。因?yàn)閭€(gè)體狀態(tài)的變化最終導(dǎo)致制造情景發(fā)生變化，所以制造情景受制造資源、制造資源狀態(tài)、工藝和工況實(shí)時(shí)參數(shù)的影響，但制造資源狀態(tài)只在該制造資源參與制造單元加工時(shí)才會(huì)對(duì)制造情景造成影響；個(gè)體狀態(tài)與制造情景之間有明顯的概率上的因果關(guān)系，但個(gè)體狀態(tài)間的關(guān)聯(lián)關(guān)系難以確定，本文假設(shè)個(gè)體狀態(tài)之間不相互影響，這種假設(shè)與貝葉斯網(wǎng)絡(luò)中的獨(dú)立性假設(shè)相契合。研究表明，在這種獨(dú)立性假設(shè)下，往往能夠取得不錯(cuò)的效果[12-13]。因此，根據(jù)上述因果影響關(guān)系和獨(dú)立性假設(shè)制定有向邊取向規(guī)則，得到MSRM中任意節(jié)點(diǎn)的可行父節(jié)點(diǎn)集合π(Xi)，

π(Xi)=

2.4 MSRM概率參數(shù)

節(jié)點(diǎn)變量的不同取值代表個(gè)體狀態(tài)和制造情景的不同可行狀態(tài)，節(jié)點(diǎn)變量不同取值組合下的條件概率表示狀態(tài)的組合與制造情景間概率上的因果關(guān)系。確定了情景識(shí)別的網(wǎng)絡(luò)結(jié)構(gòu)后，就可以從歷史數(shù)據(jù)中學(xué)習(xí)出真實(shí)反應(yīng)情景節(jié)點(diǎn)與個(gè)體狀態(tài)節(jié)點(diǎn)間關(guān)系的條件概率。

在MSRM中假設(shè)個(gè)體狀態(tài)之間不相互影響，將變量間的條件獨(dú)立關(guān)系用于鏈?zhǔn)揭?guī)則，使聯(lián)合概率分布可以采用式(1)進(jìn)行計(jì)算，從而降低了模型的計(jì)算復(fù)雜度，提高了因果關(guān)系獲取的效率。

(1)

(2)

由于網(wǎng)絡(luò)節(jié)點(diǎn)變量為離散變量，式(2)可改寫為

(3)

式中χi,j,k,l為樣本Dl的特征函數(shù)，

(4)

利用拉格朗日乘數(shù)法可求得如下θi,j,k極大似然估計(jì)值：

(5)

(6)

至此，基于貝葉斯網(wǎng)絡(luò)的制造情景識(shí)別模型已建立完成，MSRM模型如圖3所示。

2.5 制造情景識(shí)別

根據(jù)貝葉斯公式推理

(7)

3 案例分析

下面以加工某航天箱體零件的內(nèi)圓通孔為例，闡述本文基于貝葉斯網(wǎng)絡(luò)的制造情景識(shí)別方法。已知對(duì)該箱體零件的要求為小批量生產(chǎn)，加工的內(nèi)孔直徑為φ25 mm，孔深15 mm，加工精度為IT 7。在歷史加工過(guò)程中已經(jīng)出現(xiàn)過(guò)兩條加工同種類型零件的工藝路線以及所用的制造資源組合，如表1所示。由于加工過(guò)程中的夾具和量具狀態(tài)(隨使用次數(shù)磨損)在短期內(nèi)沒(méi)有變化，本案例未將其列入影響制造情景的因素之內(nèi)。為了對(duì)制造情景進(jìn)行識(shí)別，采用本文所提方法建立情景識(shí)別模型。

表1 歷史工藝路線與制造資源

3.1 制造情景識(shí)別模型構(gòu)建

首先，根據(jù)制造任務(wù)分析確定制造情景節(jié)點(diǎn)、工藝節(jié)點(diǎn)、制造資源節(jié)點(diǎn)、制造資源初始狀態(tài)節(jié)點(diǎn)、工況實(shí)時(shí)狀態(tài)參數(shù)和突發(fā)狀況節(jié)點(diǎn)。其中，制造情景S選擇為對(duì)粗糙度的識(shí)別，節(jié)點(diǎn)取值為1表示表面粗糙度為0.8 μm，取值為2表示表面粗糙度為1.6 μm，取值為3表示表面粗糙度為3.2 μm，如表2所示。

表2 制造情景節(jié)點(diǎn)及變量信息

制造資源節(jié)點(diǎn)有R1,R2,R3,R4,R5,R6共6個(gè)，其所代表的制造資源如表1所示，R1=1表示制造單元中有鏜銑床TX6113D，R1=0表示制造單元中沒(méi)有鏜銑床TX6113D，其他制造資源節(jié)點(diǎn)類似，節(jié)點(diǎn)及變量信息如表3所示。

表3 制造資源節(jié)點(diǎn)及變量信息

表4 制造資源初始狀態(tài)離散表

續(xù)表4

表5 制造資源初始狀態(tài)節(jié)點(diǎn)及變量信息

制造資源突發(fā)情況節(jié)點(diǎn)Eres有6個(gè)，節(jié)點(diǎn)及變量信息結(jié)果如表6所示。其中：Eresi=0,1,2,3(i∈1,2)表示加工過(guò)程中的正常加工、突然斷電、切削液停止供給、打刀等；Eresi=1(i∈3,4,5,6)表示加工過(guò)程中出現(xiàn)崩刃等突發(fā)狀況，Eresi=0則為正常加工。

表6 制造資源突發(fā)狀況節(jié)點(diǎn)及變量信息

工藝節(jié)點(diǎn)有5個(gè)，P1為工藝類型節(jié)點(diǎn)，P1=1表示制造單元采用工藝路線1，P1=2表示制造單元采用工藝路線2。P2，P3，P4，P5分別表示采用粗鏜刀、半精鏜刀、精鏜刀、磨頭的加工時(shí)長(zhǎng)，以min為計(jì)量單位，同樣通過(guò)等寬法進(jìn)行離散，離散結(jié)果如表7所示，若加工過(guò)程中未涉及某工藝，則該節(jié)點(diǎn)變量取值為-1。工藝節(jié)點(diǎn)及變量信息如表8所示。

表7 工藝節(jié)點(diǎn)離散

表8 工藝節(jié)點(diǎn)及變量信息

工況實(shí)時(shí)狀態(tài)參數(shù)節(jié)點(diǎn)PARM共4個(gè)，PARM1，PARM2，PARM3，PARM4分別表示粗鏜、半精鏜、精鏜、磨內(nèi)圓時(shí)機(jī)床的主軸扭矩，取值為單個(gè)零件加工時(shí)間段內(nèi)采樣點(diǎn)的均值，用來(lái)表示粗鏜、半精鏜、精鏜、磨內(nèi)圓時(shí)主軸扭矩的一般水平，離散結(jié)果如表9所示。若制造過(guò)程中不涉及某工況，則該變量取值為-1，工況實(shí)時(shí)狀態(tài)參數(shù)節(jié)點(diǎn)及變量信息如表10所示。

表9 工況實(shí)時(shí)狀態(tài)參數(shù)離散

表10 工況實(shí)時(shí)狀態(tài)參數(shù)節(jié)點(diǎn)及變量信息

3.2 概率參數(shù)學(xué)習(xí)

表11 歷史樣本數(shù)據(jù)表(部分)

表12 MSRM條件概率表(部分)

由此，建立完整的制造情景識(shí)別貝葉斯網(wǎng)絡(luò)模型,如圖4所示。

在此基礎(chǔ)上，根據(jù)新制造任務(wù)的制造資源等個(gè)體狀態(tài)數(shù)據(jù)，經(jīng)式(7)推理計(jì)算后可得該加工條件下的表面粗糙度狀態(tài)。

3.3 基于MSRM的情景識(shí)別

3.3.1 算例1

現(xiàn)已知新加工任務(wù)job1要求加工精度為IT7，表面粗糙度1.6 μm，選擇工藝路線P1=2，進(jìn)行資源重組后的制造單元unit1組成為：鏜銑床TX6113D(R1)、粗鏜刀(R3)、半精鏜刀(R4)、精鏜刀(R5)。如圖5所示，判斷其是否能滿足加工要求。

制造單元unit1內(nèi)的個(gè)體狀態(tài)為：鏜銑床TX6113D：正常；粗鏜刀：已使用150 min；半精鏜刀：已使用120 min；精鏜刀：已使用102 min；加工工藝為：粗鏜6 min，半精鏜6 min，精鏜12 min。加工過(guò)程中未出現(xiàn)突然停機(jī)、刀具崩刃等突發(fā)狀況，如表13～表16所示。

表13 工藝P

表14 制造資源R

表15 制造資源狀態(tài)

表16 工況實(shí)時(shí)狀態(tài)參數(shù)PARM

根據(jù)個(gè)體狀態(tài)和所建立的MSRM，按照式(7)得出制造情景概率分布，如表17所示。

表17 制造情景概率分布

得到預(yù)測(cè)結(jié)果S=2，即粗糙度為1.6 μm，該制造單元的組合狀態(tài)能夠滿足加工精度要求，制造情景識(shí)別結(jié)果與實(shí)際結(jié)果相符。

3.3.2 算例2

現(xiàn)客戶需要一同種類型的零件，但要求加工精度為IT7，表面粗糙度要求0.8 μm，根據(jù)加工要求上面制造單元解散進(jìn)行資源重組后的制造單元unit2組成為：鏜銑床TX6113D(R1)、內(nèi)圓磨床M215A(R2)、粗鏜刀(R3)、半精鏜刀(R4)、磨頭(R6)。如圖6所示。

由圖6可知，重組后的制造資源R1，R3，R4由制造單元unit1解散而來(lái)，重組后制造單元unit2內(nèi)的個(gè)體狀態(tài)如表18～表21所示。

表18 工藝P

表19 制造資源R

表20 制造資源狀態(tài)

表21 工況實(shí)時(shí)狀態(tài)參數(shù)PARM

PARM1PARM2PARM3PARM433-13

unit1按計(jì)劃完成加工，加工后制造資源的狀態(tài)變化為：鏜銑床TX6113D：正常；內(nèi)圓磨床：正常；粗鏜刀：已使用156 min；半精鏜刀：已使用126 min；精鏜刀：已使用114 min。磨頭已使用30 min，加工過(guò)程中未出現(xiàn)突然停機(jī)、刀具崩刃等突發(fā)狀況。

根據(jù)個(gè)體狀態(tài)和建立的MSRM，按照式(7)得出制造情景概率分布，如表22所示。

得到結(jié)果S=1，即粗糙度為0.8 μm，該制造單元能夠滿足加工精度要求，制造情景識(shí)別結(jié)果與實(shí)際結(jié)果相符。

4 結(jié)束語(yǔ)

本文面向制造情景的識(shí)別需求，針對(duì)制造系統(tǒng)內(nèi)資源不斷動(dòng)態(tài)組合導(dǎo)致的組合狀態(tài)復(fù)雜多變等問(wèn)題，提出基于貝葉斯網(wǎng)絡(luò)的制造情景識(shí)別模型。通過(guò)對(duì)制造資源、制造資源狀態(tài)、工藝、工況實(shí)時(shí)狀態(tài)參數(shù)等個(gè)體狀態(tài)進(jìn)行分析，建立了面向加工任務(wù)的制造情景識(shí)別模型。通過(guò)對(duì)某航天箱體加工零件生產(chǎn)的實(shí)際驗(yàn)證表明，該方法能夠有效識(shí)別制造單元內(nèi)的制造情景，為制造系統(tǒng)的自適應(yīng)決策提供支持。