针对打磨机器人阻抗控制的力跟踪性能受环境刚度未知和环境位置变化影响的问题,提出了一种基于刚度阻尼特征的神经网络自适应阻抗控制方法。由于环境参数未知导致参考轨迹不易确定,构造了一个自适应PI控制律,进行参考轨迹补偿,减小力跟踪的稳态误差;为了提高力跟踪控制的动态性能,根据力误差对刚度系数及阻尼系数的统一调节规律——刚度阻尼特征,并结合力误差具有时变、非线性的特点,设计了一个描述力误差与刚度阻尼特征关系的激活函数,构建自适应阻抗参数神经网络模型,其输出为刚度系数和阻尼系数,通过基于参考轨迹补偿与自适应阻抗参数神经网络模型融合的阻抗控制,保证力跟踪控制的柔顺性。仿真结果表明,相比于传统阻抗控制和参考轨迹PI补偿的阻抗控制,所提出的自适应阻抗控制方法具有更好的力跟踪效果。

智能制造、网络制造等新型制造模式的快速发展为分布式生产的推广带来了新的机遇与挑战。目前,国内外学者已对柔性车间调度、分布式作业车间调度问题进行了总结分析,但仍缺乏对分布式流水车间调度问题的综述。以分布式流水车间为研究对象,从分布式流水车间调度的运作模式分析、优化目标设计、特殊约束刻画、模型求解方法及工程应用等方面对现有研究成果进行了归纳总结,并对分布式流水车间调度问题未来的研究方向进行了展望。

微织构广泛运用于摩擦磨损、热能交换、关键零/部件密封和生物医学等众多领域,柱体织构作为微织构的一种,其在增摩方面起到至关重要的作用。利用电解加工效率高、无残余应力等优势,提出了一种基于干膜掩模电解加工群柱体织构的方法。选用了高黏附性的MS系列干膜制备掩模板,进行流场、电场和稀物质传递的多物理场耦合分析,研究了不同模板厚度对加工区域电解液流速、气泡率以及电导率的影响。分析结果表明,50 μm厚度的模板能够带来工件表面更高的电解液流速,加快产物及气泡的排出,工件表面的电导率更高。通过试验研究了加工电压、加工时间和脉冲占空比对群柱体织构尺寸的影响。试验结果表明,在加工电压为25 V、加工时间为15 s的条件下,可以获得定域性较好的群柱体织构;此外,脉冲电解加工时,在脉冲占空比为20 %、脉冲频率为4 kHz的条件下,不溶性电解产物、气泡及电解液的传质过程得到进一步改善;最后,在加工电压为25 V、加工时间为15 s、脉冲占空比为20 %和脉冲频率为4 kHz的优选加工参数下,在TC4表面加工出直径为320.48 μm、高度为15.06 μm以及侧向腐蚀系数EF=1的群柱体织构阵列。

针对传统蚁群算法在移动机器人路径规划中存在搜索盲目性、收敛速度慢及路径转折点多等问题,提出了一种基于改进蚁群算法的移动机器人路径规划算法。首先,利用跳点搜索(Jump Point Search,JPS)算法不均匀分配初始信息素,降低蚁群前期盲目搜索的概率;然后,引入切比雪夫距离加权因子和转弯代价改进启发函数,提高算法的收敛速度、全局路径寻优能力和搜索路径的平滑程度;最后,提出一种新的信息素更新策略,引入自适应奖惩因子,自适应调整迭代前、后期的信息素奖惩因子,保证了算法全局最优收敛。实验仿真结果表明,在不同地图环境下,与现有文献结果对比,该算法可以有效地缩短路径搜索的迭代次数和最优路径长度,并提高路径的平滑程度。

基于机器视觉的表面缺陷检测以无接触、无损伤、自动化程度高及安全可靠等突出优点被广泛应用于各种工业场景中，尤其随着深度学习技术的快速发展，视觉缺陷检测有助于提高产品及装备的智能化水平。综述分析了表面缺陷检测的常用方法、通用数据集、检测结果评价指标和现阶段面临的关键问题。首先，将缺陷检测方法分为传统基于图像处理的缺陷检测、基于传统机器学习模型的缺陷检测及基于深度学习的缺陷检测，并对各种方法进一步细分归类和对比分析，总结了每种方法的优缺点和适用场景；然后，对目前常用的缺陷检测结果评价方法做出了描述，进一步探讨了表面缺陷检测应用在实际工业产品检测过程中关键问题——小样本问题，重点剖析了小样本问题的解决方法和无监督学习在解决这类问题上的优势；最后，从提高缺陷检测方法的工业适用性角度展望了下一步研究方向。

健康状态评估是机械产品高质量发展不可或缺的一环。从运动层面出发,以机械产品中的元动作单元为研究对象,提出一种基于逼近理想解和模糊综合评价的健康状态评估方法。首先,采用M-FMMECA方法,确定元动作单元的关键性能退化指标,给出元动作单元健康指数这一量化指标;接着,将逼近理想解法运用到元动作健康状态评估中,建立元动作单元健康状态量化模型;然后,在完成健康状态分级后,采用模糊综合评价法确定元动作单元健康状态隶属度函数,完成健康状态评估;最后,以某可靠性试验台锥齿轮转动元动作单元为例,进行健康状态评估方法的实例分析。研究表明,将逼近理想解与模糊综合评价结合,可以定量且更加全面地评估元动作单元健康状态。

枞树形叶根铣刀是汽轮机行业加工叶片叶根及轮毂的重要工具,由于其截面形状复杂,传统的加工工艺存在工艺复杂、效率低和精度难以保证等缺点。为解决上述工艺难题,本文提出一种五轴车铣复合加工中心开粗及五轴工具磨床精加工的工艺策略。首先,以某枞树形叶根铣刀为例,研究了其结构特点,确定五轴车铣复合加工中心开粗及五轴工具磨床精加工的工艺路线,分别编制工艺技术文件;其次,采用ESPRIT TNG车铣复合编程软件编制粗加工刀路轨迹,采用NUMROTO软件编制精加工刀路轨迹;最后,将刀路轨迹转换为数控代码分别进行仿真模拟加工,将仿真无误的数控代码和磨削代码分别导入五轴车铣复合加工中心和五轴工具磨床中完成实操加工。通过对加工过的刀具成品进行刀具形线、角度和外观检测,各项技术指标均满足设计要求,且加工效率提升了约24.4 %,从而验证了该工艺方案的有效性。

针对多品种、变批量的高复杂度智能制造场景,频繁更换刀具、夹具及工装等情况造成的实际生产调度和理论生产调度脱节的问题,定义了两个参量,即机器准备时间(Machine Preparation Duration,MPD)和机器加工系数(Machine Processing Coefficient,MPC),以最小化最大完工时间、机器总时间负荷和机器总准备时间为目标函数,建立了引入MPC参数的多品种、变批量智能车间调度数学模型;设计了融合非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)和免疫遗传算法(Immune Genetic Algorithm,IGA)的非支配免疫遗传算法(Non-dominated Sorting Immune Genetic Algorithm-Ⅱ,NSIGA-Ⅱ)来求解此类问题。该算法采用多种方式进行初始化,提出了一种综合考虑非支配排序和目标函数值大小的得分策略来筛选优秀个体,同时为了提高种群的多样性,引入种群分层和自适应交叉突变的策略。最后,通过多组对比实验验证了该算法的有效性以及在探索最优解时具有稳定性好、解质量高等优点。

在多品种小批量离散制造过程中有工艺图样、车间面板记录、机床传感器信号和质检报告单等多源异构工艺信息,如何高效地获取这些来源不一、结构多样的数据,并有效实现数据可视化、挖掘数据的潜在价值是这一类相关制造型企业面临的一个共性问题。传统纸质化工艺信息管理过程中存在信息化程度低、共享性差、获取不实时和安全性弱等弊端。为解决这一问题,研究以齿轮这一典型多品种小批量离散加工产品为对象,提出一种可综合运用图像识别、文字提取、二维码技术和TCP/IP通信等技术的多元异构数据集成方法,设计并开发了可支持文本、图像和传感器数据等多源异构数据集成的智能运维系统,实现了齿轮关键工序的多源异构数据的实时集成获取、轻量化高效管理、价值挖掘及可视化应用。

针对山地无人作业底盘在复杂道路下姿态不平稳,传统控制方法适应性、鲁棒性差等问题,提出了一种基于牛顿-拉弗森优化(Newton-Raphson-Based Optimizer,NRBO)算法、极致梯度提升树(eXtreme Gradient Boosting,XGBoost)算法和双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic policy gradient,TD3)算法的底盘姿态控制策略。首先,搭建七自由度主动悬架振动模型环境;然后,训练NRBO-XGBoost的状态预测模型,在TD3算法中加入状态预测模型并在网络中加入注意力机制,增强TD3智能体在复杂环境下的决策能力和适应能力,同时设计奖励函数并训练TD3智能体,实现在复杂道路环境下的底盘姿态控制;最后,基于Matlab 2023a/Simulink软件开展仿真。仿真结果表明,基于改进TD3的底盘姿态控制策略能够有效抑制无人作业底盘在复杂道路下的姿态变化,其俯仰角、侧倾角和垂向位移分别抑制了61.4 %、84.9 %和84.9 %,显著提高了平稳性;相比传统DDPG、PPO和TD3强化学习控制策略,改进TD3算法下的俯仰角分别改善了49.1 %、7.4 %和37.2 %,侧倾角分别改善了83.3 %、36.5 %和34.7 %,垂向位移分别改善了70.7 %、77.5 %和64.0 %,垂向位移加速度分别改善了67.7 %、42.1 %和49.7 %,控制效果更好,具有更好的适应性与鲁棒性。

在考虑工人技能学习差异的基础上,为解决多工人协作柔性车间调度问题,提出了基于稀疏邻域带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)的调度方法。对考虑技能学习差异的多工人协作柔性车间调度问题进行了描述,以车间工人学习能力为背景改进了DeJong学习模型,并建立了多工人协作柔性车间调度的多目标优化模型。在NSGA-Ⅱ基础上,引入了邻域稀疏度的选择方法,有效保留了信息丰富和多样化的染色体,并将稀疏邻域NSGA-Ⅱ应用于柔性车间调度问题求解。经实验验证,稀疏邻域NSGA-Ⅱ所得Pareto解集质量高于标准NSGA-Ⅱ和自适应多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition,MOEA/D),最短调度方案的完工时间为127.1 min,该方案满足逻辑和时间等约束。实验结果验证了稀疏邻域NSGA-Ⅱ在柔性车间调度中的优越性。

针对传统双向RRT算法在路径规划中随机性大、收敛慢和路径质量差等问题,提出了一种基于改进人工势场法(Artificial Potential Field,APF)引导的双向RRT机械臂路径规划算法。首先引入动态偏置策略,减小原始双向RRT算法随机性大的问题;其次,在扩展新节点时,根据与障碍物距离自适应地调整节点随机性与总势场的权重;然后融入机械臂碰撞检测模型并进行双向直连线性插值检测,直至生成初始路径;最后再对生成的路径进行三次B样条平滑处理,产生符合机械臂实际运动限制的可行路径。在二维和三维环境下分别构建三种不同环境对改进算法进行仿真对比,结果表明改进算法能有效提高相关性能。将改进算法应用至实物平台中,进一步证明了算法的有效性与可行性。

针对现表面缺陷检测方法准确率低、需要进行复杂的特征设计、特征泛化性不强、参数多和识别速度慢等问题，在残差网络卷积模块之后采用自适应全局平均池化，有效降低了分类器的特征维度，减少了信息冗余。将无参注意力机制模块SimAM与ResNet34网络相结合用于缺陷检测，并对不同组合结构进行研究，提出ResNet34＿s＿e和ResNet34＿m这2种混合网络模型，该2种混合网络模型均不增加原始网络参数量。在东北大学钢铁缺陷标准数据集上进行实验，对数据集使用镜像、翻转等数据增广策略，防止模型过拟合。通过对比发现，ResNet34＿s＿e混合网络模型能够有效加快训练过程中误差的下降趋势，提升分类准确率。最后在武汉某制造车间采集的冲压件缺陷数据集上验证该混合网络模型的泛化性能。测试集正确率由88.34%提高到了89.19%,有效提升了车间冲压件缺陷检测准确率。

钻头排屑性能直接影响切削性能,为了解决可转位浅孔钻在切削过程中出现的缠屑和振动问题,进而避免由此引发的加工异常和孔壁质量差的情况,采用了理论分析和仿真模拟相结合的方法,深入研究了螺旋容屑槽横截面形状结构和螺旋角结构对钻体刚性的影响,并通过实验验证了所设计钻体具有良好的刚性和排屑性能。仿真模拟结果分析表明,在芯径一致时钻体受到的最大应力为761 MPa、应变为0.003 367,钻体头部横向位移量为0.397 1 mm、转动变化量为0.006 500 rad;变螺旋角在20°-16°时,钻体受到的最大应力为695 MPa、应变为0.002 688,钻体头部横向位移量为0.364 1 mm、转动变化量为0.006 140 rad,此时钻体刚性和排屑性能达到良好的平衡;分析表明,螺旋角越大、叶宽差值越大,则芯径越小,钻体刚性越差;所设计的钻体在实验工况下未发生缠屑情况,表现出更好的排屑性能,并有较高的孔径一致性和良好的孔壁质量。

随着智慧车间等智能制造技术的不断发展,人工智能算法在解决车间调度问题上的研究备受关注,其中车间运行过程中的动态事件是影响调度效果的一个重要扰动因素,为此提出一种采用深度强化学习方法来解决含有工件随机抵达的动态柔性作业车间调度问题。首先以最小化总延迟为目标建立动态柔性作业车间的数学模型,然后提取8个车间状态特征,建立6个复合型调度规则,采用ε-greedy动作选择策略并对奖励函数进行设计,最后利用先进的D3QN算法进行求解并在不同规模车间算例上进行了有效性验证。结果表明,提出的D3QN算法能非常有效地解决含有工件随机抵达的动态柔性作业车间调度问题,在所有车间算例中的求优胜率为58.3 %,相较于传统的DQN和DDQN算法车间延迟分别降低了11.0 %和15.4 %,进一步提升车间的生产制造效率。

针对U型障碍物环境中移动机器人路径规划问题,提出了一种学习机制蚁群算法。首先,为解决算法运行时间长的问题,引入邻域剔除,舍弃较差和对称路径;其次,为解决收敛速度慢的问题,运用禁忌策略,使蚂蚁快速逃离U型障碍物;然后,为解决路径死锁的问题,提出学习机制,不断舍弃死锁路径;最后,将该算法与其他改进算法进行仿真对比,结果表明学习机制蚁群算法相比对照组算法不仅缩短了运行时间,还提升了收敛速度,验证了该算法的优越性。

针对基本蜣螂优化算法在路径规划方面存在的路径较长、迭代次数多以及局部最优等问题,提出一种改进蜣螂优化算法。首先利用Chebyshev混沌映射优化其初始群体,以提升个体质量;其次将黄金正弦算法引入觅食蜣螂位置更新策略中,以提升算法的收敛速度,使得算法搜寻有效性得以提升;最后在偷窃蜣螂位置加入动态权重,以扩大算法的搜索范围,降低算法提前收敛的概率。利用栅格地图法建立环境地图,模拟搬运机器人的工作环境,利用MATLAB仿真软件,将改进蜣螂优化算法与基本蜣螂优化算法在不同的栅格地图中进行仿真。通过分析仿真数据得出在3种不同的栅格地图中改进蜣螂优化算法在平均路径长度上比基本蜣螂优化算法分别缩短了31.25 %、10.31 %和8.59 %;在平均迭代次数上分别减少了22.26 %、12.19 %和26.24 %;在平均拐点个数上分别减少了35.11 %、9.52 %和35.09 %。仿真结果证明改进蜣螂优化算法在搬运机器人路径规划方面拥有更好的效果,验证了改进蜣螂优化算法的可行性。

熔融沉积成型(FDM)技术是当前广泛应用的3D打印技术之一。基于FDM工艺的3D打印在应用过程中容易产生废料。这些废料主要产生在用户端,分布零散,集中回收难,目前没有成熟的简易废料回收再生装置,导致大量废料被丢弃或直接焚烧,造成资源浪费和环境污染。本着节能环保及废物再生利用的理念,设计并制造出一种基于FDM的3D打印废料回收再生装置,实现对废料加热熔化、挤出成型,得到可适用于打印的新耗材,实现了FDM 3D打印废料的回收再生利用,有助于解决资源浪费和环境污染等问题。对装置进行试运行和再生实验,验证了设计方案的合理性和装置的再生能力。采用控制变量法分别对ABS、PLA、PP、PE、PS 5种材料进行再生实验,得到装置加热温度、电机转速等主要运行参数对再生材料成型质量的影响规律,并得到5种再生材料的最佳运行参数。

针对以最小化制造期为优化目标的阻塞流水车间调度问题，提出一种基于动态自适应的增强型混合离散差分进化算法。增强型混合离散差分进化算法采用基于工件排列的形式进行编码，首次利用带机器权重的PF规则与NEH启发规则联合构造初始种群，PF-NEH联合规则提升了初始解的质量和多样性；在差分进化的变异阶段，采用一种全新的分类变异策略，更有针对性地控制不同适应度个体的变异需求和方向；在交叉阶段，采用基于位置的交叉策略，保证得到一组合法完整的实验调度序列，并利用贪婪选择的方式确定目标个体；在局部搜索阶段，加入禁忌搜索算子，并融入一种新颖的兼顾集中性与多样性的自适应局部搜索机制，以动态平衡算法的全局粗搜索和局部细搜索。此外，为避免算法的早熟及后期易陷入局部最优，增加了多样性保持机制。最后，在典型算例上进行各种性能实验，验证了所提出的增强型混合离散差分进化算法的有效性和优越性。

针对生产车间数据集成和分享难度大、实时可视化监控成本高等问题，基于OPC统一架构(Unified Architecture,UA)与数字孪生技术，提出一套面向生产车间的数字孪生车间信息物理融合系统方案。首先，设计了数字孪生车间信息物理融合系统架构，分析了系统架构的组成要求，建立了面向生产车间的通用OPC UA信息模型层次架构；然后，通过信息模型建模、OPC UA服务器开发和OPC UA客户端访问构建了数字孪生车间的统一接口；最后，将该系统方案应用于某生产车间，经验证该方案为生产车间数据集成和统一管理、智能化与可视化监控以及各系统程序之间的数据共享提供了保障，是推动智能制造的有效方案。

针对制造行业中机器间有两种缓冲条件(即有限缓冲、零等待)的分布式置换流水车间调度问题,以最小化最大完工时间作为目标建立数学规划模型,提出了一种结合改进两分段Tent混沌映射、自适应柯西变异和贪婪算法的混合人工蜂群算法。首先,通过改进两分段Tent混沌映射产生初始工件序列群;然后,在雇佣蜂阶段采用基于自适应柯西变异的邻域搜索产生新工件序列,在跟随蜂阶段设计适应度选择策略和基于自适应柯西变异的逆序反转操作对工件序列进行优化,在侦察蜂阶段利用贪婪算法基于关键/非关键工厂更新未改善的工件序列;最后,通过大量算例仿真与多种算法对比,表明所提算法在合理的计算时间内可以得到较好的近优解。

自冲铆接技术作为新型连接技术,在薄板材料的连接中具有优异的连接性能,在航空工业中有着广阔的应用场景。选用5A06铝合金和TA1钛合金薄板进行自冲铆接,对其成形过程进行有限元分析,通过进行常温与-30 ℃环境下拉伸剪切试验,探究不同材料和温度对接头静力学性能和失效形式的影响。结果表明,同质接头铆接成形对称性良好,铆接较硬板材容易出现空腔;低温环境下,接头载荷峰值均值均有所下降,但失效位移均值和能量吸收均值都大幅提升,提高了接头的缓冲吸振能力;5A06-5A06接头(SAA接头)在-30 ℃下的载荷峰值均值降低了13.6 %,TA1-TA1接头(STT接头)在-30 ℃下载荷峰值均值降低了6.6 %,说明STT接头有较好的抗低温性能;在常温和低温环境下,SAA接头均为拉脱失效,失效点发生塑性变形,STT接头在低温下铆钉开裂数量增多,裂纹扩展起点为脆性断裂,扩展边缘为韧性断裂。

规则驱动的调度是高扰动环境下实现车间在线调度的重要途径。然而,在车间生产需求与环境变化的双重影响下,调度规则需要及时有效地切换或更新,避免调度性能的降低甚至失效,及其造成的生产紊乱与经济损失。为此,提出一种在车间多生产指标与复杂状态信息动态变化下追踪调度规则性能的动态分析模型。首先,将生产调度过程划分为一个多层级结构,分析其中加工单元层、缓存区、设备层状态信息变化的特点,以及各个层级状态信息变化对调度规则性能的影响,搭建组合规则-状态信息-性能指标关联分析网络。其次,基于多分辨率实体(Multiple Resolution Entity,MRE)的思想,通过对关联分析网络中各对象实体之间复杂耦合关系进行定义,来保障各层级调度规则性能分析的动态一致性;采用并行离散事件系统规范(Parallel Discrete Event System Specification,PDEVS)技术对MRE进行建模,构建反映各实体关联关系的耦合模型,并设计关键实体调度规则性能动态变化机制及其原子模型。最后,以某实际车间生产调度过程为例,验证模型及方法的有效性。

工业除尘器作为工业安全生产、绿色制造的重要装置,如何提高其除尘效率和降低耗能是未来产品的发展方向。针对除尘器滤筒仓核心部分,选取滤筒安装位置A、底部漏斗结构B和扰流板长度C三因素二水平进行全因子流场仿真优化实验,以过滤总流量与流量综合不均系数作为评价指标,对实验数据进行极差分析获得最优组合。仿真结果表明,改进机型相较原型机,过滤总流量提升了4.21 %,流量综合不均系数降低了75.75 %,并解决了位于进气口处的滤筒易受气流冲蚀作用与滤筒仓内存在二次扬尘的问题。根据仿真结果试制了改进机型,改进机型的实际过滤总流量测试与仿真计算得到的过滤总流量误差为0.54 %,数值仿真优化方法能有效指导滤筒除尘器优化设计,有利于延长滤筒的使用寿命和提高产品品质。

基于关键零/部件参数,建立了汽车发动机高压共轨喷射系统的数学模型,使用AMESim软件进行仿真模拟,并通过试验分析验证了该仿真模型的准确性。通过对系统轨压波动和压力特性进行仿真分析,得出共轨管长度、内径和高压油管内径是影响系统轨压特性的重要参数。针对原始共轨管和高压油管模型,利用响应曲面法对共轨管和高压油管参数进行优化分析,并得出以平均轨压设定值为目标的共轨管和高压油管的最佳结构参数。经过优化后,汽车发动机高压共轨喷射系统的平均轨压提高了0.65 %,整体轨压波动平均值降低了79.48 %,单次喷射过程中轨压波动平均值降低了27.89 %,平均喷油压力提高了0.63 %,其喷油特性得到明显的改善。

智能制造已经成为推动工业4.0革命的核心动力。随着信息技术手段的不断升级,智能制造不仅要求生产过程本身的自动化及智能化,更对相关开发系统的灵活性、可扩展性和可实验性提出了极高的要求。多智能体系统(MAS)凭借其自治与协同兼备的优良特性,在智能制造的推进中展现出了巨大的应用潜力。然而,传统的多智能体系统开发模式通常有着拓扑结构固定、响应速度慢及实验验证困难等客观难题,这限制了其进一步的发展。针对这一难题,提出一套基于可切换拓扑的网络化多智能体(NMAS)快速原型开发系统,帮助开发者轻松获得目标网络化多智能体的快速原型。所构建的多智能体快速原型开发系统可实现拓扑结构的灵活切换,从而适应不同生产场景的需求。通过引入先进的通信协议及协同算法,能够保障开发系统的高效通信、快速响应及用户交互,从而实现对原型开发系统的快速验证及优化。该系统与智能制造相结合,不仅能够提高生产过程的灵活性及可扩展性,还能极大程度缩短产品的研发周期,全面降低生产成本。

云纹干涉法与钻孔法相结合的增量钻孔技术被公认为是一种测量内部残余应力的有效方法。该技术中使用的黏接剂在试验过程中起着将应变从结构表面传递到光栅层的关键作用。然而,在求解标定系数时,往往没有考虑黏接剂的影响。基于有限元软件,从黏接剂的材料性质、粘接层的形状和尺寸、粘接层的厚度、钻孔的增量和应变测量方法5个方面考察了黏接剂对标定系数的影响。通过比较有无黏接剂时的标定系数误差,说明了黏接剂的影响。结果表明,忽略黏接剂的影响会显著影响标定系数的精度,将黏接剂从有限元模型中剔除会导致低估标定系数,标定系数的误差超过2.5 %,并且与钻孔增量和测量方法有很大关系。此外,黏接剂对薄壁构件的影响比对较厚的试件更显著。

针对以最小化最大完工时间为目标的柔性作业车间分批调度问题(Flexible Job shop Batch Scheduling Problem,FJBSP),提出了一种改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,优化对象为工件的分批方案。首次将流体模型应用于FJBSP的求解,提出了一种基于流体模型的解码方法,用于获得更好的子批调度方案;然后改进了狼群的等级制度,避免了算法过早收敛;其次设计了一种全新的适应可变长编码的交叉方法,深入交流2个个体之间的分批信息,增强了算法的搜索能力和稳定性;再次,提出了能够动态更新个体游走率的自适应灰狼游走策略,兼顾了算法的搜索质量和收敛速度;此外,对领头狼使用自适应邻域搜索动态调整每种工件选择各邻域的概率,提高算法的局部搜索能力;最后,设计了9个算例和3组实验,验证了所提出的IGWO算法的有效性和优越性。

针对工业上铝型材表面缺陷检测速度慢,小目标缺陷如擦花、漆泡等检测精度低的问题,提出一种基于改进YOLOv8n的铝型材表面小目标缺陷检测模型。首先,采用跨尺度特征融合,通过融合不同尺度的特征,提升网络对多尺度信息的感知能力。其次,对YOLOv8骨干网络C2f结构进行改进,通过加入RFAConv注意力卷积设计了一种新的结构,以加强网络特征提取能力,提高小目标检测精度。在颈部使用轻量级RepGhost模块,以降低参数数量和计算量。最后,采用WIoUV3替换原YOLOv8模型中CIoU损失函数,以提高检测精度和收敛速度。在铝型材表面缺陷数据集上进行大量实验,实验结果表明改进模型mAP@0.5提升2.5 %、帧率达到了110 fps,权重文件大小降低16.2 %,检测效果优于原模型。此外,在VOC2012数据集和东北大学热轧带钢表面缺陷数据集上表明改进算法有良好的鲁棒性,改进模型满足工业上铝型材检测要求。

随着工业互联网的蓬勃发展，在新型工业信息系统和工业智能技术的推动下，生产线正向着物理空间与信息空间实时交互融合的方向发展，应运而生的数字孪生技术成为近年来的新兴研究热点。针对数字孪生技术的概念研究、工业生产领域中的应用发展、智能生产线应用领域的参考架构与关键技术及其相关研究进展进行了梳理和探讨。归纳和总结了数字孪生技术在智能生产线中的主要应用，阐述了数字孪生技术在智能生产线领域的相关研究和应用进展，并对数字孪生技术在智能生产线应用领域中的未来趋势提出展望和预测，为离散制造企业推进生产线全生命周期管理与数字化转型升级，实现柔性化的智能制造提供一定指导和启示。