田 旭,郭 宇,黄少华,刘道元,高瀚鹏,刘 赛

(南京航空航天大学机电学院,南京 210016)

0 引言

制造业是国民经济的支柱产业,在生产制造过程中,消耗大量能源,排放大量温室气体,降低制造过程碳排放、实现制造系统节能优化已成为当前研究重点[1-2]。分析能耗机理和影响因素,构建车间能耗模型,便于把握车间能耗演化趋势[3],也为车间能耗优化、提高制造系统性能提供了理论基础和支持。

国内外学者在分析机床能量特性、建立车间能耗模型方面开展了大量的研究工作,主要包括数学建模和数据驱动两类。数学建模方法通过建立确定的数学模型来分析能量效率及特性,从而进行优化减少能耗。王秋莲等[4]从能量源构成角度出发,构建了数控机床能量流数学模型。ALBERTELLI[5]从能耗、损耗和效率角度分析,建立了主轴系统能量经验模型。WOJCICKI等[6]分析车床能耗构成及能量耗散机理,建立车床切削能耗数学模型。上述方法能较好适用于单机设备的能耗建模,但需要大量实验校验,难以适用于动态多变、影响因素多的离散制造车间能耗预测。

随着物联网、大数据等技术的发展,车间实时产生大量生产数据[7],采用数据驱动的智能预测方法,分析数据间关联关系,揭示系统运行机理,进行大规模复杂系统的分析与决策[8]。ZHANG等[9-10]以生产数据为驱动,将自编码器、深度置信网络等方法应用到机床能耗分析控制中。PAN等[11]采用基因表达式编程算法进行数控机床能耗建模。李聪波等[12]提出基于元动作的数控车削能耗预测模型。……