关键词:
典型工艺路线
相似度度量
CAPP
AP算法
FHO
摘要:
大数据背景下,典型工艺路线的有效发现可以为计算机辅助工艺规划(Computer Aided Process Planning,CAPP)的检索过程提供更加精准且充足的工艺信息,从而提高后续工艺规划的质量.但是现有与线性工艺路线相关的方法由于没有考虑网状工艺路线的结构复杂性,既无法直接应用,也难以合理量化其中的各类工艺信息.此外,大部分现研究也忽略了典型工艺路线发现中的聚类有效性问题,对这一问题缺乏合理的算法设计.鉴于此,本文提出了一种基于多维工艺信息融合的典型网状工艺路线自动化发现方法.该方法针对网状工艺路线的相似度度量问题,在信息需求分析的基础上,为网状工艺路线中蕴含的四种工艺信息设计了不同的量化方法,并通过主成分分析(Principal Component Analysis,PCA)将其合成综合相似度.此外,基于上述相似度度量的构建,并考虑聚类有效性,在传统近邻传播(Affinity Propagation Clustering Algorithm,AP)算法中引入了火鹰优化算法(Fire Hawk Optimizer,FHO),以优化AP算法的参考度与阻尼系数,从而在聚类结果与软约束之间取得平衡,以发现更符合实际需求的典型网状工艺路线.仿真实验表明,本文所提网状工艺路线的相似度度量能有效区分各种相似度情况,具有更高的灵敏性.同时,引入的FHO能提高AP算法的聚类效果,其中FHO-IAP相较于其他算法表现出更好的性能.