基于PSO-BP神经网络的船体分段任务包工时定额模型

为解决船体分段任务包工时定额的计算过度依赖线性公式而忽略工时定额与工艺参数之间的非线性关系的问题,提高工时定额计算的效率和精确度,将PSO-BP神经网络技术应用到船体分段任务包工时定额中。通过对影响船体分段中间产品额定工时的工艺参数进行分析,建立多输入单输出的PSO-BP神经网络模型,并应用实际数据对PSO-BP神经网络进行训练,测试仿真结果与实际值之间的误差在允许范围内。验证结果表明,采用PSO-BP神经网络建立船体分段任务包工时定额模型,能对任务包作业工时进行准确预测。     

基于模糊聚类分析的船体分段类型分类方法和应用研究

为提高现阶段船体分段制造过程的标准化水平,实现分段装配工序和工时的标准化,推动船体分段制造数字化发展,本文以船体分段作为分类成组的研究对象,应用模糊聚类分析方法,建立了模糊聚类分析模型,通过输入分段工艺生产数据信息,实现了对船体分段的定量化分类,验证结果表明,应用模糊聚类分析形成的分段族类符合实际工艺需求。     

船舶管件加工智能生产线的设计与实现

传统管件加工车间依靠工人进行劳动密集型加工、储运,对生产过程数据和质量数据缺乏必要的管控手段和技术。通过梳理工艺流程,并将智能制造理念与传统管件加工生产线现有的制造模式深度融合,设计一条面向中小管件柔性加工的管法兰焊接加工无人生产线。通过现场运行调试,实现管法兰焊接生产线的可靠、稳定运行,提高焊接质量和生产效率,满足企业的预期要求。