第一篇 工業(yè)智能基礎(chǔ)
第1章 工業(yè)智能概述 / 002
1.1 智能制造概述 / 002
1.1.1 智能制造的概念及參考架構(gòu) / 002
1.1.2 智能制造的核心 / 009
1.2 工業(yè)智能概述 / 019
1.2.1 工業(yè)智能的概念 / 019
1.2.2 工業(yè)智能的分類 / 023
參考文獻 / 029
第2章 工業(yè)智能基礎(chǔ) / 031
2.1 工業(yè)智能算法基礎(chǔ) / 031
2.1.1 工業(yè)智能的機器學習任務(wù) / 031
2.1.2 常用工業(yè)智能經(jīng)典算法 / 035
2.1.3 深度學習算法 / 042
2.2 工業(yè)智能流程 / 045
2.2.1 數(shù)據(jù)收集 / 046
2.2.2 數(shù)據(jù)預處理和特征工程 / 047
2.2.3 模型訓練和強化 / 049
2.3 工業(yè)智能場景 / 051
2.3.1 預測性維護 / 051
2.3.2 質(zhì)量檢驗與保證 / 052
2.3.3 制造流程優(yōu)化 / 052
2.3.4 供應(yīng)鏈優(yōu)化 / 054
2.3.5 人工智能驅(qū)動的網(wǎng)絡(luò)安全和隱私 / 054
2.3.6 自動物理安全 / 054
2.3.7 自動化數(shù)據(jù)管理 / 054
2.3.8 智能助手 / 055
2.3.9 人工智能驅(qū)動的研發(fā) / 055
2.3.10 自主資源勘探 / 055
參考文獻 / 055
第二篇 設(shè)計階段的工業(yè)智能
第3章 結(jié)構(gòu)設(shè)計的特征識別與優(yōu)化 / 059
3.1 智能設(shè)計研究現(xiàn)狀 / 060
3.1.1 智能設(shè)計研究方法 / 060
3.1.2 產(chǎn)品智能CAD設(shè)計研究現(xiàn)狀 / 062
3.2 產(chǎn)品智能設(shè)計框架 / 063
3.3 智能設(shè)計中的關(guān)鍵技術(shù) / 064
3.3.1 三維模型檢索技術(shù) / 064
3.3.2 加工特征自動識別技術(shù) / 068
3.3.3 設(shè)計方案優(yōu)化 / 070
3.4 基于點云語義分割的下頜角術(shù)前截骨規(guī)劃 / 077
3.4.1 計算機輔助技術(shù)在下頜角術(shù)前截骨規(guī)劃中的應(yīng)用 / 077
3.4.2 下頜角點云語義分割網(wǎng)絡(luò) / 078
3.4.3 實驗設(shè)計與結(jié)果 / 080
參考文獻 / 082
第4章 設(shè)計文檔結(jié)構(gòu)化分析 / 087
4.1 國內(nèi)外相關(guān)技術(shù)研究現(xiàn)狀 / 088
4.1.1 標準電子文檔文本提取及結(jié)構(gòu)化相關(guān)研究 / 088
4.1.2 航空標準電子文檔關(guān)鍵詞自動提取技術(shù)的相關(guān)研究 / 089
4.1.3 航空標準電子文檔信息檢索技術(shù)相關(guān)研究 / 091
4.2 基于規(guī)則匹配的文本去噪和結(jié)構(gòu)化方法 / 093
4.2.1 航空標準電子文檔數(shù)據(jù)說明 / 093
4.2.2 航空標準電子文檔文本去噪和結(jié)構(gòu)化技術(shù)路線 / 098
4.2.3 基于開源工具的航空標準電子文檔的文本提取實驗 / 099
4.2.4 基于規(guī)則匹配的文本去噪方法 / 103
4.2.5 航空標準電子文檔的文本數(shù)據(jù)存儲結(jié)構(gòu) / 106
4.2.6 文本樹的生成方法 / 108
4.3 航空標準電子文檔關(guān)鍵詞自動提取數(shù)據(jù)預處理方法 / 110
4.3.1 中文文檔關(guān)鍵詞自動提取方法技術(shù)路線 / 111
4.3.2 中文分詞模型 / 111
4.3.3 停用詞過濾 / 113
4.4 關(guān)鍵詞提取案例 / 114
參考文獻 / 119
第5章 裝配工藝智能設(shè)計 / 124
5.1 裝配工藝設(shè)計進展與現(xiàn)狀 / 124
5.1.1 裝配工藝信息建模研究現(xiàn)狀 / 124
5.1.2 裝配工藝規(guī)劃研究現(xiàn)狀 / 126
5.1.3 裝配工藝評價研究現(xiàn)狀 / 127
5.2 基于知識圖譜的裝配工藝智能設(shè)計方法 / 128
5.2.1 基于知識圖譜的裝配工藝信息建模 / 128
5.2.2 基于Bi-LSTM的裝配工藝信息模型構(gòu)建方法 / 133
5.2.3 基于圖嵌入的裝配工藝生成方法 / 136
5.2.4 基于點云深度學習的裝配干涉檢測方法 / 144
5.3 某航空發(fā)動機壓氣機轉(zhuǎn)子部件裝配實例與驗證 / 147
5.3.1 裝配工藝知識圖譜數(shù)據(jù)庫自動構(gòu)建 / 147
5.3.2 基于圖嵌入的裝配工藝自動生成 / 152
5.3.3 多裝配工藝方案可行性評價 / 155
參考文獻 / 158
第三篇 制造階段的工業(yè)智能
第6章 工業(yè)缺陷圖像智能檢測 / 162
6.1 工業(yè)缺陷圖像檢測進展與現(xiàn)狀 / 162
6.1.1 工業(yè)缺陷圖像檢測的定義 / 162
6.1.2 工業(yè)缺陷圖像檢測發(fā)展歷程 / 164
6.1.3 基于深度學習的工業(yè)缺陷圖像檢測進展 / 165
6.2 基于卷積神經(jīng)網(wǎng)絡(luò)的鑄件缺陷檢測模型 / 175
6.3 基于注意力機制的細粒度鑄件缺陷識別方法 / 176
6.4 基于深度學習的鑄件射線圖像檢測案例 / 179
6.4.1 輸入分析 / 179
6.4.2 訓練過程分析 / 180
6.4.3 輸出分析 / 182
6.4.4 模型評估 / 184
6.4.5 成果展示 / 185
6.5 面向工業(yè)缺陷識別的可解釋性深度學習方法 / 186
6.5.1 工業(yè)缺陷檢測過程的可解釋性需求分析 / 186
6.5.2 可解釋性分析研究現(xiàn)狀 / 187
6.5.3 基于可解釋性方法的焊縫缺陷檢測案例 / 188
參考文獻 / 189

第7章 人工作業(yè)行為檢測與監(jiān)控 / 194
7.1 作業(yè)行為檢測與監(jiān)控的進展與現(xiàn)狀 / 194
7.2 作業(yè)行為檢測與監(jiān)控算法總體框架 / 197
7.2.1 人體姿態(tài)估計 / 197
7.2.2 行為檢測 / 201
7.2.3 作業(yè)安全監(jiān)控 / 205
7.3 基于深度學習的作業(yè)行為檢測與監(jiān)控方法 / 205
7.3.1 基于OpenPose的骨架提取與建模 / 205
7.3.2 基于雙流LSTM融合網(wǎng)絡(luò)的作業(yè)行為特征提取 / 208
7.3.3 作業(yè)行為檢測識別 / 214
7.3.4 基于GRU的作業(yè)行為流程序列編碼 / 215
7.3.5 基于規(guī)范性感知網(wǎng)絡(luò)的作業(yè)行為規(guī)范性權(quán)重挖掘 / 217
7.3.6 基于邏輯回歸的規(guī)范性判斷 / 220
7.4 基于作業(yè)行為檢測的人機協(xié)作裝配案例 / 222
7.4.1 案例介紹 / 222
7.4.2 實驗環(huán)境設(shè)置 / 225
7.4.3 功能驗證 / 225
參考文獻 / 227
第8章 制造過程的人機協(xié)同 / 231
8.1 人機協(xié)同研究進展與現(xiàn)狀 / 231
8.1.1 研究動機 / 231
8.1.2 目標物體檢測 / 235
8.1.3 散亂對象拾取 / 237
8.1.4 人機協(xié)作 / 238
8.2 人機協(xié)作環(huán)境中的場景理解 / 239
8.2.1 散亂場景的虛擬數(shù)據(jù)集構(gòu)建 / 240
8.2.2 基于視覺的物體識別與定位 / 244
8.2.3 抓取順序與機器人姿態(tài)調(diào)節(jié)方法 / 253
8.3 基于強化學習的人機協(xié)同 / 264
8.3.1 機器人感知基礎(chǔ) / 264
8.3.2 基于強化學習的任務(wù)決策 / 266
8.3.3 基于強化學習的人機協(xié)同制造 / 272
8.4 案例研究 / 278
8.4.1 散亂零件的識別與拾取 / 278
8.4.2 發(fā)電機裝配 / 282
參考文獻 / 287
第四篇 運維階段的工業(yè)智能
第9章 生產(chǎn)作業(yè)運行智能管控 / 293
9.1 生產(chǎn)作業(yè)運行智能管控進展與現(xiàn)狀 / 293
9.2 基于知識圖譜的生產(chǎn)作業(yè)智能管控模型 / 298
9.2.1 生產(chǎn)全過程狀態(tài)感知模型 / 298
9.2.2 面向生產(chǎn)過程的數(shù)據(jù)建模 / 299
9.2.3 面向生產(chǎn)全過程的知識圖譜構(gòu)建 / 306
9.3 數(shù)據(jù)驅(qū)動的生產(chǎn)作業(yè)智能管控優(yōu)化技術(shù) / 311
9.3.1 紡紗生產(chǎn)工藝流程設(shè)計與布局仿真優(yōu)化技術(shù) / 311
9.3.2 基于工業(yè)互聯(lián)網(wǎng)平臺的紡紗生產(chǎn)全流程 / 315
9.3.3 生產(chǎn)過程在線檢測與生產(chǎn)狀態(tài)遠程監(jiān)控技術(shù) / 317
9.3.4 基于工業(yè)大數(shù)據(jù)平臺的協(xié)同優(yōu)化 / 323
9.4 生產(chǎn)作業(yè)智能管控案例 / 330
9.4.1 環(huán)錠紡紗能耗智能管控平臺架構(gòu)設(shè)計方案 / 330
9.4.2 基于最小量化誤差的紡紗能耗智能監(jiān)控與預警 / 332
9.4.3 基于狀態(tài)驅(qū)動的紡紗能耗智能調(diào)控 / 333
9.4.4 基于核心影響因素的紡紗能耗分析預測 / 334
參考文獻 / 336
第10章 設(shè)備故障診斷與預防性維修 / 341
10.1 設(shè)備故障診斷與預防性維修進展與現(xiàn)狀 / 341
10.2 設(shè)備故障診斷 / 346
10.2.1 基于CNN的設(shè)備故障診斷 / 346
10.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷方法 / 348
10.2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷案例 / 351
10.3 設(shè)備預防性維修 / 355
10.3.1 基于遷移學習的設(shè)備預防性維修 / 355
10.3.2 基于遷移學習的設(shè)備預防性維修方法 / 359
10.3.3 基于遷移學習的設(shè)備預防性維修案例 / 364
參考文獻 / 370
第五篇 工業(yè)智能熱點研究
第11章 設(shè)備故障診斷與預防性數(shù)字孿生與工業(yè)智能 / 376
11.1 數(shù)字孿生進展與現(xiàn)狀 / 376
11.1.1 數(shù)字孿生發(fā)展歷程 / 376
11.1.2 相關(guān)工作 / 378
11.1.3 數(shù)字孿生定義和參考模型 / 379
11.2 數(shù)字孿生裝配 / 386
11.2.1 基于數(shù)字孿生的裝調(diào)理論體系 / 386
11.2.2 體系方法 / 386
11.2.3 應(yīng)用案例 / 394
11.3 數(shù)字孿生加工 / 396
11.3.1 面向加工的數(shù)字孿生模型 / 396
11.3.2 加工過程中的智能方法 / 400
11.3.3 數(shù)字孿生加工案例 / 406
11.4 數(shù)字孿生智能評估 / 407
11.4.1 模型智能評估思想 / 408
11.4.2 模型保真度評估方法 / 413
11.4.3 評估案例 / 418
參考文獻 / 422
第12章 設(shè)備故障診斷與預防性AI+AR輔助下的制造 / 427
12.1 AR概述 / 427
12.1.1 AR的定義及發(fā)展 / 427
12.1.2 AR關(guān)鍵技術(shù) / 428
12.2 面向AR的加工過程信息多視圖構(gòu)建與交互 / 430
12.2.1 基于AR的加工過程信息集成模型描述與定義 / 430
12.2.2 面向AR的加工過程信息多視圖構(gòu)建方法 / 431
12.2.3 面向AR的加工過程信息多視圖交互方法 / 434
12.3 基于多元信息融合的模型虛實融合方法 / 437
12.3.1 虛實融合基本思想與流程 / 438
12.3.2 梯度描述符離線學習 / 438
12.3.3 多元信息融合的在線識別與追蹤 / 443
12.3.4 方法驗證與討論 / 449
12.4 基于AR的加工原型系統(tǒng)開發(fā)與案例分析 / 454
12.4.1 原型系統(tǒng)開發(fā)與實現(xiàn) / 454
12.4.2 系統(tǒng)功能驗證與應(yīng)用實例 / 458
參考文獻 / 463