基于知识的产品制造过程能耗的计算与预测

华南理工大学学报（自然科学版） ›› 2009, Vol. 37 ›› Issue (2): 14-19.

基于知识的产品制造过程能耗的计算与预测

宫运启吕民王刚付宜利

哈尔滨工业大学机电工程学院, 黑龙江哈尔滨 150001

收稿日期:2008-05-15 修回日期:2008-09-01 出版日期:2009-02-25 发布日期:2009-02-25
通信作者: 宫运启（1971-），男，博士生，主要从事先进制造技术、知识管理等研究． E-mail:gongyunqil@sohu．com
作者简介:宫运启（1971-），男，博士生，主要从事先进制造技术、知识管理等研究．
基金资助:
黑龙江省自然科学基金资助项目（E200634）

Knowledge-Based Calculation and Prediction of Energy Consumption in Product Manufacturing Process

Gong Yun-qi Lu Min Wang Gang Fu Yi-li

School of Mechatronics Engineering, Harbin Institute of Technology, Harbin 150001, Heilongjiang, China

Received:2008-05-15 Revised:2008-09-01 Online:2009-02-25 Published:2009-02-25
Contact: 宫运启（1971-），男，博士生，主要从事先进制造技术、知识管理等研究． E-mail:gongyunqil@sohu．com
About author:宫运启（1971-），男，博士生，主要从事先进制造技术、知识管理等研究．
Supported by:
黑龙江省自然科学基金资助项目（E200634）

摘要/Abstract

摘要： 为了估算新产品制造过程中的能耗，提出了基于知识的能耗预测方法．首先，应用本体技术使能消的计算和管理更清晰和明确，建立了能耗知识的语义模型并指出其语义表示方法．其次，提出了针对能耗预测特点的工艺实例检索过程及相似实例结果的重用方法．最后，应用神经网络技术建立了针对加工参数的能耗预测模型，并以叶片加工为例进行了应用验证．从而形成了从全局视角到工艺过程再到工序的能耗预测层次框架，并对原型系统的开发及应用进行了说明．

关键词: 能耗预测, 离散制造业, 本体, 实例推理, 神经网络

Abstract:

To estimate the energy consumption in the manufacturing process of a new product, a knowledge-based prediction method is proposed in this paper. In this method, first, the ontology technology is used to explicate the calculation and management of energy consumption, and a semantic model of energy consumption knowledge and its semantic representation are proposed. Then, a case retrieval process and a method of ease result reuse are presen- ted in view of the characteristics of energy consumption. Moreover, an energy consumption prediction model corre- sponding to manufacturing parameters is established by means of neural network. The effectiveness of the model is finally verified by the machining process of a blade. Thus, a hierarchical framework of energy consumption predic- tion from the overall view to the technical process and further to the machining precedure is formed. The develop- ment and application of the corresponding prototype system are also illustrated in the paper.

Key words: energy consumption prediction, discrete manufacturing industry, ontology, ease-based reasoning, neural network

宫运启吕民王刚付宜利. 基于知识的产品制造过程能耗的计算与预测[J]. 华南理工大学学报（自然科学版）, 2009, 37(2): 14-19.

Gong Yun-qi Lu Min Wang Gang Fu Yi-li . Knowledge-Based Calculation and Prediction of Energy Consumption in Product Manufacturing Process[J]. Journal of South China University of Technology (Natural Science Edition), 2009, 37(2): 14-19.

[1]	方港, 袁珑华, 王晓明, 等. 基于集合卡尔曼-Elman网络的软测量建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 126-136.
[2]	马晓亮, 安玲玲, 邓从健, 等. 基于行业词表的自动语音转写后优化技术[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 118-125.
[3]	朱铮宇, 罗超, 贺前华, 等. 基于唇重构与三维耦合CNN的多视角音唇一致性判别[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 70-77.
[4]	叶峰, 陈彪, 赖乙宗. 基于特征空间嵌入的对比知识蒸馏算法[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 13-23.
[5]	刘怡俊, 曹宇, 叶武剑, 等. 基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 104-113.
[6]	冷晟, 付有为, 马万太, 等. 基于GA-BP神经网络的喷射成形锭坯形貌调控技术[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 27-34.
[7]	杨旭锋, 刘泽清, 张懿. 基于贝叶斯神经网络的金属材料P-S-N曲线估计[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 82-92.
[8]	许伦辉, 余佳芯, 裴明阳, 等. 基于几何路网结构和强化学习的车辆重定位策略[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 99-109.
[9]	李潇, 汪涛, 张毅, 等. 网联车混行条件下交通流量融合方法[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 49-55.
[10]	兰凤崇, 张越, 陈吉清, 等. 人车碰撞事故中行人伤亡风险的关联性分析与预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 1-10.
[11]	杨春玲杨雅静. 基于多尺度特征逐层融合深度神经网络的无参考图像质量评价方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(4): 81-89,141.
[12]	邱志斌, 卢祖文, 王海祥, 等. 基于Mel频谱图和CNN的电网涉鸟故障鸟声识别[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 129-136.
[13]	邢晓芬, 李敏盛, 徐向民. 基于自适应亮度调节的图像情感转换[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 1-12.
[14]	蔡晓东, 曾志杨. AFGSRec：一种自适应融合全局协同特征的社交推荐模型[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 71-79.
[15]	陆以勤, 潘周双, 张洋, 等. 基于交互式连接图注意力网络的知识图谱补全方法[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 13-19.