EV矿用自卸车电池包支架由于需要搭载大型电池包而对强度有较高要求,但是在对其整体结构及各项性能进行加强的同时又需要限制其质量指标的增加量,因此,对于结构设计而言,需要在严格的质量指标限制下,在达到强度要求的同时,提升其性能。为此,结合有限元分析与随机振动试验原理,提出一种新的试验方法对其强度进行试验验证,基于CAE仿真结果及相关优化方法,可在其质量增加量不超过1%的前提下优化支架结构,从而使电池包支架的结构强度得到有效提升。

为了提高船舶管加工车间的生产效率,考虑多种现实约束和优化目标,建立了多目标生产调度问题的数学模型。同时,根据果蝇优化算法的基本框架,结合Pareto优化理论的思想,设计和改进嗅觉搜索、视觉搜索及种群更新等多种策略,制定了多目标果蝇优化算法框架,提出了基于果蝇优化算法的求解方法,实现船舶管加工车间多目标生产调度问题的高效求解。通过与第二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II, NSGA-II)的对比实验,验证了所提方法的有效性。

选区激光烧结的逐行逐层的增材制造是一个能量的持续作用过程。对不同的线能量密度、不同预热温度的尼龙6粉末烧结过程进行建模和仿真,结合反映烧结样品热氧老化程度的黄蓝指数b*值的测量,对烧结过程的能量变化进行了分析。结果表明:不同线能量密度的单层烧结,连续5行扫描烧结区能量增加约3.4%～7.82%,扫描能量较小时累积较为明显;预热温度从25℃增加到180℃时,烧结区能量的增幅为9.17%～5.66%;多层烧结中10层以下能量累积较快,增幅为11.66%,10～20层仅增大0.67%;虽然均表现出由于热平衡而使得在较高能量下的累积减缓,但是,实验烧结样品外观的黄蓝指数测量显示,对应b*值从25℃的2.15增大到180℃的11.65;烧结4～20层时则由6.81上升到31.02,样品黄色程度在加深,表明烧结样品的热氧老化也越严重;故了解烧结过程的能量变化及相关工艺参数优化,将有助于提高烧结样品的综合质量。

开发了一种用于多向钢节点电弧增材制造的金属粉芯型药芯丝材,研究了其在不同工艺规范与摆动条件下的工艺性能、显微组织与力学性能。结果表明:开发的药芯丝材在不同工艺规范与摆动条件下堆积金属两侧平直,表面平整,未出现裂纹、气孔等缺陷,具有良好的成型性;堆积过程中电流波动幅度不超过±3.5%(±7.5 A),电压波动幅度不超过±4.0%(±0.9 V),波动较小,电弧稳定,飞溅率低于2.5%;堆积金属的显微组织为铁素体和珠光体,其拉伸强度、延伸率和20℃冲击功,沿堆积方向分别为512 MPa、25%和127 J,沿垂直于堆积方向分别为519 MPa、24%和134 J。利用开发的药芯丝材电弧增材制造六向钢节点,制造的构件尺寸偏差在±1.3 mm以内,成型精度较高;其显微组织也为铁素体和珠光体,力学性能满足使用要求,开发的药芯丝材可用于多向钢节点电弧增材制造。

为了提高驱动能力和管道通过性,增大变径范围,创新性地设计了一种基于螺旋驱动原理的多节式螺旋双驱动可变径管道机器人结构,以方便实现直径为250～300 mm的管道的探查功能。该机器人由2个螺旋驱动单元和1个中间支撑单元构成,通过刚柔混合变径机构来适应具有50 mm直径变化的管道。在机械系统详细设计及驱动电机初步选型的基础上,着重分析了机器人通过垂直管道的动力学问题,并通过建立虚拟样机模型,对理论分析结果及电机驱动力矩进行了验证。结果表明,该机器人具有优良的管道通过性,为同类型管道机器人的研发提供了技术支持。

搭载在工作级遥控潜水器上的液压机械手在深海作业中应用广泛。在几千米的深海中,深海液压机械手需承受几十兆帕的高压,由此带来的密封问题限制了深海液压机械手的构型和各关节驱动器的结构。为寻求最优的深海液压机械手连杆参数配置,结合深海液压机械手的特点提出全局工作空间下的灵活度和可操作度性能指标,并对其计算方法进行改进,改善了蒙特卡洛法造成的点集局部密集或稀疏的情况;利用遗传算法对深海液压机械手的连杆参数进行优化,得到了基于全局工作空间下的灵活度和可操作度性能指标的最佳连杆参数配置。通过深海液压机械手的运动仿真分析表明:经过优化后的深海液压机械手的部分位姿出现局部性能指标下降,但其关节运动速度波动情况得到改善,整体性能得到提升,验证了优化方法的可行性。

面向水下机械手深海作业环境,研究设计了一种可用于水下环境的欠驱动机械手,机械手共有3个手指,每个手指有3个关节,是由连杆传动的欠驱动手指,欠驱动使手指抓取具有自适应性。分析了手指运动机理,研究设计了手指模块和整体结构,对手指进行了抓取静力学分析,在ADAMS软件中对机械手进行动力学仿真,验证了机械手结构的合理性与可行性。

为了提高车用燃料电池的耐久性,提出基于模糊控制和自适应FIR滤波控制的复合能量管理策略。通过设计以蓄电池SOC和整车需求功率与燃料电池高效区下限之差为模糊输入量,以燃料电池系统输出功率比例系数为输出量的模糊控制器,再通过自适应FIR滤波控制可以有效避免燃料电池因启停、持续低速和怠速工况以及动态循环工况导致的耐久性差的问题。将该复合能量管理策略与模糊控制能量管理策略进行仿真对比,结果表明,该复合能量管理策略保证了燃料电池的经济性,而且减少了引起燃料电池寿命衰减的工况,改善了其耐久性,同时保证了蓄电池的安全性。

为改善汽车的耐撞性、提升汽车的轻量化程度,从结构改进的角度对汽车前防撞梁进行优化设计。建立汽车前防撞梁正面100%碰撞模型,以前防撞梁横梁和吸能盒厚度为设计变量,以碰撞力峰值作为约束条件,构建以前防撞梁总成吸能量最大化、质量最小化的多目标优化模型。采用哈默斯利法进行试验设计,通过拟合得到近似模型。近似模型与仿真值误差不高于5%。采用全局响应面法对多目标问题进行优化,得到Pareto最优解集。结果表明,优化后前防撞梁吸能量提高了15.8%,质量降低了6%,碰撞力峰值降低了20.3%,比吸能提高了23.1%。优化设计显著改善了汽车的耐撞性并提升了汽车的轻量化程度。

针对目前计算机辅助工艺审查过程中存在的评价特征种类不全面、规则库维护困难的问题,以基于模型定义(Model Based Definition, MBD)的设计模型为研究对象,开展了工艺审查方法的研究。利用获取到的MBD模型形状和非形状特征数据集,采用交互式方法进行特征参数库用户自定义维护与扩展,同时借助知识工程相关方法,以UG软件作为基础平台,以Python语言作为编程语言,利用二次开发接口NXOpen构建工艺审查专家系统,实现对零件结构工艺性和可加工性的工艺审查。

在一维下料方案的每种排样方式中,零件种类数决定后续切割加工过程中零件分类搬运的复杂度,进而影响下料全过程的加工成本。针对这类问题,以最小化原材料成本为主要优化目标的同时,兼顾考虑排样方式中零件种类数这一重要约束,建立了基于排样方式中零件种类数约束的一维多种原材料下料问题的数学模型,提出了一种面向排样方式中零件种类数约束的一维优化下料方法。采用基于排样方式中零件种类数约束的排样生成方法,获取多种原材料利用率高、同时满足排样方式中零件种类数约束的排样方式;以每种排样方式为基础,运用基于排样方式中零件种类数约束的顺序启发式算法生成多种优化下料方案,选取加工总成本最小的一种下料方案作为当前最优的下料方案。最后,通过实例验证了所提方法的可行性和有效性。

航空发动机是飞机的关键动力部件,关乎一架飞机的飞行性能和安全性。由于叶片的空间复杂性,可借助高精度的三坐标测量机获取可靠的叶片型线测量报告。然而,叶片型线测量报告的数据离散且不够直观,这给一线的加工和返修带来不便。提出一种叶片加工余量分析系统并开发了叶片余量分析软件,该系统可以读取三坐标测量机生成的.res格式的叶片型线测量报告,首先按行读取叶片型线测量报告;然后使用二叉排序树将叶片点云按照偏差值进行排序;最后,叶片加工余量分析系统对叶片点云进行余量分析并给出统计报告,支持叶片点云和CAD数模的可视化和Excel报告的导出。该系统有利于提高叶片加工的效率。

针对模具加热管道的设计影响温度分布及加热效率,从而影响制件质量的问题,以CFRP汽车顶盖模压模具为例,对其加热管道进行优化设计。根据汽车顶盖形状特点,将加热管道直形排布改为随形排布,近似分布在两条折线上。改变折线上关键管道纵坐标以带动折线变化,从而改变其余管道位置,得到不同的加热效果。通过MATLAB软件与ANSYS软件联合仿真,得到加热管道位置与相应温度分布数据,并基于响应面法优化得到加热管道位置。通过仿真验证,预浸料的加热效果较初始设计得到明显改善。

为了提高工业纯钛的表面加工质量,需要优化研磨工艺。采用单因素实验法探索磨粒形状对工业纯钛研磨效果的影响规律;利用正交实验法定量地对工业纯钛的研磨加工工艺参数进行优化。结果表明,采用不规则形状磨粒进行研磨的材料去除速率可达60.45 nm/min,高于球形磨粒的23.70 nm/min,而两者的工件表面粗糙度基本相同;研磨压力对材料去除速率的影响最为显著;采用最优的工艺参数可得到的材料去除速率和表面粗糙度分别为81.90 nm/min和Ra 0.099μm。研究结果可为工业纯钛研磨时磨粒形状的选择以及工艺参数的制定提供依据。

钕铁硼硬度高、脆性大,且充磁后具有高磁性力。电火花加工是钕铁硼的重要加工方法。为探寻充磁与未充磁烧结钕铁硼在电火花加工过程中的工艺差异和规律,采用单因素试验方法,开展对比试验,研究放电参数(脉冲宽度、峰值电流和脉冲间隔)对充磁与未充磁烧结钕铁硼的材料去除率、表面粗糙度和重铸层的影响。结果表明:随脉冲宽度的增加,充磁烧结钕铁硼的材料去除率增大,而未充磁烧结钕铁硼的材料去除率先增大后略有减小,充磁与未充磁烧结钕铁硼表面粗糙度值均增大,重铸层均增厚且内部出现裂纹;随峰值电流的增加,两者材料去除率和表面粗糙度值均增大;随脉冲间隔的增加,两者材料去除率和表面粗糙度值均减小;在较大的放电参数值下,充磁烧结钕铁硼的材料去除率和表面粗糙度明显优于未充磁烧结钕铁硼。

针对现有工艺路线知识库难以为工艺路线的智能生成提供支持的问题,提出了一种基于神经网络的工艺路线知识库建立及优化方法。建立以工艺路线经验数据为基础的数据库;综合考虑工艺路线设计的影响因素,通过神经网络学习,得到影响因素与工艺路线间的隐含规则,应用数据库中实际数据与经神经网络学习得到的隐含规则构成工艺路线知识库;数据反馈更新后经神经网络学习,不断得到新的隐含规则,以达到工艺路线知识库优化的目的,借助该工艺路线知识库可智能生成工艺路线。通过机械产品实例应用验证了该方法的可行性和有效性。

针对钢-钢关节轴承用MoS2基复合涂层的某些特殊工况,需考虑涂层在干摩擦及海水环境下的综合摩擦学性能。以法向载荷、滑动速度和添加剂组分作为考察因素,以涂层在干摩擦及海水环境下的摩擦系数和磨损量作为评价指标,进行正交试验设计;采用基于组合赋权法的灰色关联度方法分析试验数据。灰色关联度方差分析结果表明,添加剂组分对涂层综合摩擦学性能影响最为显著,其次是法向载荷,滑动速度的影响很小。添加0.8 wt%GE的石墨烯/MoS2复合涂层在法向载荷为10 N、滑动速度为25 mm/s条件下,在干摩擦及海水环境下均具有良好的综合摩擦学性能。

针对电动汽车铝合金水冷机壳低压铸造生产过程中,使用机器人将螺旋砂芯在高温状态下装入模腔时,经过夹持搬运的砂芯是否损坏,以及定位准确与否难以用肉眼辨别的问题,运用基恩士视觉系统规划设计了砂芯形状位置视觉检测技术方案;根据螺旋砂芯结构特点和使用功能,分析了砂芯几何要素的选择和拍摄模板的注册方法,确定了判断条件的公差。通过对螺旋砂芯在模腔底座上的安装形状及定位情况的准确检测和反馈,提高了低压铸造智能控制水平和生产效率。

针对304奥氏体不锈钢顺磁性材料的裂纹检测,提出一种基于盲源分离的弱磁信号处理方法。根据正交试验,设计制作4个304奥氏体不锈钢试件,利用弱磁检测仪器采集试件磁感应强度;针对预置人工凹槽裂纹磁异常彼此独立的特点,建立弱磁信号的混叠模型,开展基于主成分分析和盲源分离的数据处理,并与磁梯度法作对比;结合独立向量和峰度系数,对缺陷信号进行智能识别。结果表明:相比磁梯度法,采用主成分分析和盲源分离方法能有效提升弱磁技术检测效果,依据独立向量和峰度系数,可实现弱磁仪器对缺陷信号的智能识别,为具有类似磁学特征的材料检测和仪器开发提供了新的思路和方法。

采用传统概率神经网络模型检测机械传动齿轮箱振动需要人工经验确定平滑因子,不仅检测精度难以保证,而且延长了算法的运行时间,为此,采用改进的粒子群算法自适应地确定平滑因子参数。以机械传动齿轮箱作为非正常振动检测研究的对象,首先,采集齿轮箱运行的振动时域信号与频域信号,作为振动类型检测的数据样本;其次,基于Parzen窗概率密度估计构建概率神经网络模型;然后,利用变异算子优化粒子群算法的惯性权重,定义2个质心参数引导粒子群搜索到最优方向;最后,采用改进的粒子群算法自适应地确定概率神经网络的平滑因子,解决网络分类易陷入局部最优解问题。经实际样本数据测试得知,优化后算法的检测结果更加接近机械传动齿轮箱振动检测期望值,检测齿轮箱非正常振动的精度较高,满足了机械振动的高标准检测需求,实际应用价值较高。

为提高传统磁流变制动器制动性能及其安全性,提出一种内置永磁体的盘式磁流变制动器。阐述了内置永磁体的磁流变制动器工作原理,制动器在失电情况下,制动转矩在内置永磁体的作用下仍可维持一个安全值,一定程度上提高了制动器的防故障性能。对制动器磁路进行了分析,同时建立了制动转矩数学模型,利用ANSYS软件对其电磁场进行仿真。以制动器质量和制动转矩为优化目标,采用多目标遗传算法进行优化,得到Pareto最优解集,对其进行相关的赋权,得到制动器最优结构尺寸,对优化前及优化后的磁流变制动器进行对比,发现电流为1 A时,制动转矩由80 N?m增加到105 N?m,提升了31.3%;同时制动器质量由5.4 kg减少到4.8 kg,质量减轻了11%。

按失效形式对大规模废旧零/部件进行预分类,是提高废旧零/部件批量再制造效率与效益的重要保障。针对大批量废旧零/部件表面失效人工识别效率低、漏检率和错检率高,导致难以满足自动化在线检测与分类需求的问题,提出一种基于机器视觉的废旧零/部件批量在线表面失效形式识别与分类方法。在分析再制造检测服务概念与废旧零/部件失效形式的基础上,针对图像视觉下废旧零/部件"近形-异类"表面失效形式误判率高的问题,利用ROI高斯学习策略对废旧零/部件表面失效区域精准定位,提取候选分类特征,利用遗传算法(Genetic Algorithm, GA)筛选出关键分类特征,采用支持向量机(Library for Support Vector Machines, LIBSVM)建立失效形式分类模型,并通过K折交叉验证方法(K-fold Cross-Validation, K-CV)对其惩罚因子和核参数进行优化。以某退役齿轮零件为例对该方法的有效性与可行性进行验证,结果显示:该方法对再制造回收零/部件失效形式的分类精度达到96.7%,比同类算法精度提高了2.3%,比熟练人工检测精度提高了2.5%,表明该方法不仅具有一定的... 更多

针对滚动轴承故障信号非线性和非平稳的特点,为准确识别滚动轴承的故障类型,提出了一种基于隐马尔可夫模型(HMM)并利用布谷鸟搜索(CS)优化变分模态分解(VMD)的滚动轴承故障诊断新方法。首先,利用CS分别优化VMD的模态分解个数K和二次惩罚因子α;然后,设置寻优得到的最佳参数组合,将故障信号经VMD分解为一系列本征模态函数分量(IMFs);最后,依据相关系数重构信号,并从重构信号中提取特征向量输入HMM模型中训练及识别。通过对实验采集的轴承故障振动信号的分析,验证了此方法的有效性和准确性。