一种基于动态自适应EWMA的加工中心制造过程碳排放预警方法技术

本发明专利技术涉及一种基于动态自适应EWMA的加工中心制造过程碳排放预警方法，属于碳排放量预警技术领域。其包括如下步骤：构建基于动态自适应EWMA控制图，基于马尔科夫链的控制图平均产品长度、单位产品成本及碳效益分析，建立以统计性、经济性及碳效益为目标的EWMA多目标优化设计模型，并提出一种改进哈里斯鹰算法的模型求解算法，解决复杂的控制图多目标优化算法求解收敛速度慢、寻优精度较低的问题，获得统计性、经济性与碳效益俱佳的控制图，从而实现对加工中心制造过程碳排放异常波动的识别预警。本发明专利技术为五轴加工中心碳排放预警以及碳排放优化提供良好的技术支持，对我国机床制造业实现节能降碳具有重要意义。业实现节能降碳具有重要意义。业实现节能降碳具有重要意义。

【技术实现步骤摘要】
一种基于动态自适应EWMA的加工中心制造过程碳排放预警方法


[0001]本专利技术涉及一种基于动态自适应EWMA的加工中心制造过程碳排放预警方法，属于碳排放量预警


技术介绍

[0002]近年来世界工业经济的快速发展，环境面临的问题越来越严重，全球制造业占31％主要能源消耗，36％的CO2排放，加工中心作为工作母机，被广泛的应用于制造业，加工中心为企业创造巨大经济效益的同时其制造阶段消耗了大量资源，极大增加了环境负担。由于加工中心制造过程中存在大量的不确定性情况，碳排放数据具有波动性、强相关性、无法及时监控预警等特点，亟需对其实施制造过程的监控预警措施。因此，对机床制造过程碳排放控制预警是减少加工中心制造过程无效能源物料的浪费，从而实现机床低碳制造的关键。然而对加工中心碳排放量波动情况缺乏监控与预警导致能源与物料的浪费，加工中心节能减排策略中多为实施具体方案减少能源与物料的消耗数量，但对于优化方案实施后缺乏控制与预警，导致加工中心制造过程中能源与物料多余消耗不能及时发现，使得无效益碳排放量增多。产品制造过程中各种不确定性因素的随机发生，使得产品在制造过程中碳排放量出现高度不确定性、动态强相关性和时变性等，各工艺过程的碳排放量都在随时间发生变化。对于制造过程中可能出现的人为操作失误、物料短缺、刀具磨损等导致碳排量增多的情况缺乏实时监测与预警，导致实现加工中心的碳排放监控时效性不足。

技术实现思路

[0003]针对上述问题本专利技术提出一种基于动态自适应EWMA((Exponentially Weighted Moving
‑
Average：指数加权移动平均值的控制图)的加工中心碳排放预警方法。构建基于动态自适应EWMA控制图，基于马尔科夫链的控制图平均产品长度、单位产品成本及碳效益分析，建立以统计性、经济性及碳效益为目标的EWMA多目标优化设计模型，并提出一种改进哈里斯鹰算法的模型求解算法，解决复杂的控制图多目标优化算法求解收敛速度慢、寻优精度较低的问题，获得统计性、经济性与碳效益俱佳的控制图，从而实现对加工中心制造过程碳排放异常波动的识别预警。本专利技术的一种基于动态自适应EWMA的加工中心制造过程碳排放预警方法，包括如下步骤：
[0004]S1、构建动态自适应EWMA控制图；
[0005]S2、基于马尔科夫链的控制图平均产品长度、单位产品成本及碳效益分析；
[0006]S3、建立以统计性、经济性及碳效益为目标的EWMA多目标优化设计模型；
[0007]S4、基于改进HHO(哈里斯鹰优化)算法对控制图模型进行求解；
[0008]S5、以ECO五轴加工中心制造过程碳排放控制为实例进行分析。
[0009]优选的，所述的步骤S1包括如下子步骤：
[0010]具体的，所述的步骤S1中：S11、设计EWMA控制图统计量界限，具体公式如下：
[0011]当过程仅含正常波动时，过程属于统计控制状态(也即受控状态)，此时过程输出的质量特性X呈正态分布x～N(μ,σ2)。
[0012]当工序不存在系统因素时x～N(μ,σ2)，那么该生产过程的产品质量特性数据落在3σ范围内的概率为99.73％，即：
[0013]p(μ
‑
3σ＜X＜μ+3σ)＝0.9973
[0014]一般地，设X是要控制的质量特征值的某个样本统计量，则：
[0015][0016]其中E(X)是X的数学期望，σ(X)是X的标准差。
[0017]具体的，所述的步骤S1中：S12、设计EWMA控制图抽样方法，具体步骤如下：
[0018]假设X
i
＝{X
i1
,X
i2
,...X
ini
}在第i次抽样中收集了相同的正态分布总体，即样本大小为n
i
的样本，其中μ0,σ0是正态分布的均值和标准偏差。由于每次采样的样本量n
i
不是固定的，且样本均值遵循不同参数的正态分布因此时变参数EWMA图的统计量Z
i
可以表示为：
[0019][0020]其中Z0＝μ0，抽样间隔h
i
为第i次抽样与第i
‑
1次抽样之间碳排放监测值个数，对于变参数EWMA图，我们需要在第i
‑
1次抽样计算后确定下一次抽样，即第i次抽样的样本容量n
i
和抽样间隔h
i
，由于控制图统计量Z
i
可以看作对下一时刻的预测值，因此可根据第i
‑
1次预测值Z
i
‑1偏离中心值μ0的程度|Z
i
‑1‑
μ0|＝|Z
i
‑1|来动态调整第i次抽样的样本容量n
i
和抽样间隔h
i
。|Z
i
‑1|越大，表示过程中出现异常波动的可能性越大，需要増大样本容量n
i
、减小抽样间隔h
i
，来提高监测能力；|Z
i
‑1|越小，表示过程越稳定，则可以适当减小样本容量n
i
、增大抽样间隔h
i
来降低抽样成本。采用函数选取样本容量n
i
和抽样间隔h
i
。
[0021]n
i
＝f
n
(|Z
i
‑1|)；h
i
＝f
h
(|Z
i
‑
1|)，且f
n
(|Z
i
‑1|)需要满足以下条件：
[0022]1)当|Z
i
‑1|＝0,f
n
(|Z
i
‑1|)＝n
min
；
[0023]2)当|Z
i
‑1|＝UCL,f
n
(|Z
i
‑1|)＝n
max
；
[0024]3)当|Z
i
‑1|的取值范围[0,UCL]上f
n
(|Z
i
‑1|)随|Z
i
‑1|单调递増。
[0025]同样f
h
(|Z
i
‑1|)也需要满足以下条件：
[0026]1)当|Z
i
‑1|＝0,f
H
(|Z
i
‑1|)＝h
max
；
[0027]2)当|Z
i
‑1|＝UCL,f
h
(|Z
i
‑1|)＝h
min
；
[0028]3)在|Z
i
‑1|的取值范围[0,UCL]上f
n
(|Z
i
‑1|)随|Z
i
‑1|本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态自适应EWMA的加工中心制造过程碳排放预警方法，其特征在于，包括如下步骤：S1、构建动态自适应EWMA控制图；S2、基于马尔科夫链的控制图平均产品长度、单位产品成本及碳效益分析；S3、建立以统计性、经济性及碳效益为目标的EWMA多目标优化设计模型；S4、基于改进HHO算法对控制图模型进行求解；S5、以ECO五轴加工中心制造过程碳排放控制为实例进行分析。2.如权利要求1所述的基于动态自适应EWMA的加工中心制造过程碳排放预警方法，其特征在于，步骤S1包括如下子步骤：S11、设计EWMA控制图统计量界限；S12、设计EWMA控制图抽样方法。3.如权利要求1所述的基于动态自适应EWMA的加工中心制造过程碳排放预警方法，其特征在于，步骤S2包括如下子步骤：S21、确定决策变量，具体步骤如下：碳排放控制预警多目标优化设计过程中，其多目标优化问题可以描述为：有参数变量抽样区间a
n
与抽样间隔a
h
，控制图参数L,λ,γ,δ保证APL0在一个较好B的基础上，使其失控平均产品数APL1、单位产品成本C最低碳效益值TC最小，因此，本文确定以失控平均产品数、单位产品成本及碳效益为目标的基础上，以a
n
,a
h
,L,λ,γ,δ为决策变量，以实现控制图参数俱佳，S22、对模型做出如下假设，具体步骤如下：考虑优化模型的准确性与有效性，且便于计算，对模型做出如下假设：(1)在马尔科夫链模型中，为了有效计算平均运行链长，且不增加算法的计算量，将控制区间分为50个子区间，即选定k＝50；(2)在统计性指标APL中，为不失一般性，选取不同B值进行比较；(3)经济性指标中损失函数的系数K＝1，单位时间生产的产品数ρ＝60(个/小时)；θ＝0.02，每次查找和排除异常的平均费用W＝900(元)，S23、基于马尔可夫链方法的平均产品长度目标分析；S24、基于马尔可夫链方法的单位产品成本目标分析；S25、基于马尔可夫链方法的碳效益目标分析。4.如权利要求1所述的基于动态自适应EWMA的加工中心制造过程碳排放预警方法，其特征在于，步骤S3包括如下子步骤：其中，C为单位产品成本、APL1为从出现异常波动到该异常波动被发现之间生产的产品数、E(TC)为碳效益；约束条件为：s.t.APL...

【专利技术属性】
技术研发人员：姜兴宇，宋真安，刘丹，沙泓宇，刘傲，张飞，田志强，宋博学，杨国哲，刘伟军，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：