工业互联网时代,具备竞争力的生产系统不仅需要有规模化生产的能力,还要有提供个性化、定制化服务的能力,混流生产模式便是同时具备两项能力的先进制造方式,可以进行多品种、中小批量的订单生产,敏捷高效的响应市场需求。机械制造业是混流生产模式应用最广泛的产业领域,机床则是机械制造系统中的主要生产工具,其运作的过程中大量消耗着电能等能源。研究分析电能在机床生产过程中的消耗规律不仅可以为节能减排提供参考依据,还可以进一步挖掘其蕴含的加工状态信息,帮助实现加工过程的异常监测。本文探讨了混流生产模式的运作特点,对该模式下机械加工过程的能效研究和状态监测研究现状及问题进行了总结分析,提出一种基于递归分析和图像处理技术的分析方法:首先,通过对各类工件分别进行多次加工试验,采集加工过程功率数据作为样本,量化样本的特征,应用K-means聚类分析算法找出样本的聚类中心,基于此建立各工件加工过程的参考功率数据库;然后,在混流加工过程中,通过递归分析和图像匹配算法判断实时加工功率曲线与各类工件参考功率的相似程度,进而识别出实时加工工件类型和工件状态;最后,基于工件状态识别的结果,计算得到工件加工过程的能量利用率;同时,基于各工序的实时加工功率和其对应的参考功率的交叉递归图,应用递归定量分析法实现工序状态的监测。实验结果证明,该方法的工件类型和状态识别准确率较高,可用于混流加工模式下工件的能量效率水平分析;本文的状态监测算法能够有效定位加工功率信号中的奇异片段,为加工状态可能存在异常的工件提供判别依据。