May 01, 2024
Конфиденциальность
Scientific Reports, том 12, Номер статьи: 10733 (2022) Цитировать эту статью 681 Доступы Метрики Подробности Гидравлическое оборудование, как типичное механическое изделие, широко используется в различных областях.
Том 12 научных отчетов, номер статьи: 10733 (2022) Цитировать эту статью
681 Доступов
Подробности о метриках
Гидравлическое оборудование, как типичное механическое изделие, широко применяется в различных областях. Точный сбор и безопасная передача данных об отклонениях сборки являются наиболее важными вопросами для производителей гидравлического оборудования в рамках сотрудничества в цепочке создания стоимости, ориентированного на PLM. Существующие методы прогнозирования отклонений в основном используются для контроля качества сборки, которые концентрируются на этапе проектирования и сборки изделия. Однако фактические отклонения сборки, возникающие на этапе обслуживания, можно использовать для руководства при техническом обслуживании оборудования и расчете допусков. В этой статье предлагается метод высокоточного прогнозирования и сохранения конфиденциальности, основанный на наблюдаемых отклонениях сборки. Создается сеть внимания иерархических графов (HGAT) для прогнозирования отклонений характеристик сборки. Также представлены методы иерархического обобщенного представления и дифференциальной реконструкции конфиденциальности для создания модели сети внимания графа для сохранения конфиденциальности отклонений сборки. Устанавливается матрица градиентов вывода для расчета заданного модифицированного необходимого индекса деталей сборки. Две стратегии сохранения конфиденциальности предназначены для защиты конфиденциальности сборки представления узла и смежных отношений. Эффективность и превосходство предлагаемого метода продемонстрированы на примере четырехколонного гидравлического пресса.
Сотрудничество в цепочке создания стоимости, ориентированное на PLM (Управление жизненным циклом продукта)1,2, стало новейшим способом повышения конкурентоспособности в условиях глобализации экономики. Интеллектуальная диагностика и техническое обслуживание механических изделий являются одной из наиболее важных частей. Гидравлическое оборудование играет значительную роль в обрабатывающей промышленности3. После длительного использования отклонения каждой детали могут сильно отличаться от теоретических значений из-за деформации от идеального положения4. Существующие методы обслуживания практически слепы, отнимают много времени и трудоемки. Потому что в сложных узлах измеримые отклонения ограничены. Полные отклонения предоставляют обширную справочную информацию для обслуживания сборки. Следовательно, графовые модели5, новая ветвь метода машинного обучения, предлагаются для прогнозирования неизвестных отклонений на основе графа признаков6,7. Здесь это исследование сосредоточено на сохранении конфиденциальности при прогнозировании отклонений сборки. Конфиденциальность данных8 имеет жизненно важное значение, поскольку отклонения чувствительны и необходимо избегать утечки информации об оборудовании, полученной из графовых моделей. Существующие исследования сосредоточены на распределении отклонений на стадии проектирования продукта9,10,11 и сборки12,13,14. Например, Стефан и др.15 предложили метод оценки допусков на этапе концептуального проектирования продукта. Это позволяет проектировщикам оценить допуски до того, как будет определена окончательная геометрия. Чжоу и др.16 предложили модель распространения отклонений последовательности сборки, основанную на матрице смежности элементов сборки и матрице допусков геометрических элементов. Влияние совокупных отклонений различных последовательностей сборки на качество сборки изделия можно точно и эффективно оценить. Кроме того, Лю и др.17 предложили метод оценки и идентификации колебаний, основанный на сети распространения ошибок обработки. Можно выявить источники колебаний в процессе обработки заготовки. Однако существующие методы прогнозирования отклонений в основном используются для контроля качества сборки. Большинство исследований сосредоточено на этапе проектирования и не учитывает отклонения геометрических характеристик во время использования. Без учета деформаций эти исследования относятся к категории сборки твердого тела. Кроме того, отклонения, возникающие на этапе обслуживания, не используются для руководства техническим обслуживанием продукта или улучшения распределения допусков18.
Более того, механическую сборку можно рассматривать как график характеристик19,20,21. По мере развития искусственного интеллекта существует многообещающая ветвь обобщения алгоритмов машинного обучения22,23 на область графов24,25,26. Ожидается, что недостающие отклонения в сборке будут прогнозироваться на основе ее графа характеристик. В этой статье была предложена сеть внимания на иерархическом графе (HGAT)27,28,29 для прогнозирования неизвестных отклонений сборки гидравлического оборудования, а также определена матрица градиентов вывода для обслуживания оборудования. С одной стороны, иерархический механизм предлагаемого метода HGAT полезен для использования информации о структуре графа. С другой стороны, веса соседних узлов еще больше повышают точность прогнозирования отклонения.