在对刀具磨损信号的检测过程中,强噪加工环境使得所需特征信号显得非常微弱,给提取微弱特征信号带来了难题,基于此问题提出了利用自适应随机共振算法对立铣刀在磨损过程中产生的磨损信号进行检测,用加速度传感器和力传感器采集振动信号和切削力信号,再将提取的信号进行时频域的特征值提取,以此来分别建立遗传算法和粒子群算法优化的自适应随机共振模型,最后将这两种模型都用在对立铣刀的磨损检测中。实验结果表明,遗传算法和粒子群算法均可检测出立铣刀转动频率和刀齿切入频率,以及这两种频率下所对应的立铣刀磨损信号,为日后立铣刀磨损状态在线监测系统的建立奠定了基础。

车体强度对于车体的使用寿命及安全可靠性具有重要意义,国内外对焊接结构的疲劳分析理论与方法也较为完善,但是在同种载荷工况作用下,依据不同的标准技术方法及理论所得的疲劳强度分析也会有所偏差,准确分析车体的疲劳强度显得尤为重要。首先,采用UG、HyperMesh、ANSYS Workbench及HyperView软件的联合仿真平台,构建平板车车体的有限元模型;其次,参照EN 12663-1:2010标准技术要求,依据平板车的静载荷工况完成静强度分析;最后,为准确分析车体的疲劳强度,分别依据BS 7608:1993标准技术方法、AAR标准疲劳分析方法对其进行疲劳强度分析,研究对比不同标准技术方法下的累积损伤值大小,评估标准技术方法的最优选择。计算结果表明:车体的静强度与疲劳强度均满足设计要求,车体静强度下的最小安全系数为1.152;BS 7608:1993标准技术方法下车体疲劳强度的疲劳累积损伤最大值为0.165 7,AAR标准疲劳分析方法下的车体疲劳累积损伤最大值为0.064 9,将两者的疲劳累积损伤值对比后发现,BS 7608:1993标准技术方法下的疲劳累积损伤值较大,结合理论评估方法对...更多

针对智能工厂中基于数据的作业车间调度问题,提出结合新的复合调度规则和深度强化学习的调度方法。对车间数据进行预处理并得到对应的系统状态,以连续系统状态值为深度强化学习算法的输入,设计4种新的复合调度规则以应对更为复杂和冲突的车间环境,将复合调度规则和其他8种著名调度规则作为候选调度规则,依据贪婪选择策略选择调度规则并存储和更新状态动作值,最终为每次决策选取出最优调度规则。实验验证了结合复合调度规则和深度Q学习网络(Deep Q-Network, DQN)算法,在均衡权重下相比其他著名调度规则以及标准Q学习算法更具优势。

针对车间多工位间的物品输送,提出了线性直角运动机器人方案。该机器人通过上、下2套底盘交错运动实现横向和纵向行驶,为现代无人工厂提供了一种高效的输送方案。通过在横向和纵向2种运动状态下对底盘的受力分析和有限元计算,预测上底盘受力和变形情况,优化了机器人结构。通过制作实验样机,建立实验模拟场地,在不同速度和承载力下进行了3次运行测试,得出了承载能力、运行速度和定位精度的关系,验证了机器人结构优化的合理性,论证了该机器人技术方案的可行性。

针对某偏置式电驱动后桥轻客车型总成存在频率为330～430 Hz的共振带并引起车内异响使客户抱怨率增加的问题,采用模态分析、MASTA仿真和正交换件的方法,逐步将问题源头细化到单个零件,并最终锁定问题的源头为齿轮制造参数超标。通过调整生产流程,减小装配过程误差,制定了该齿轮参数标准。经小批量试验,所得试验结果表明,优化后的生产流程可大幅度降低齿轮关键参数误差,解决了该轻客车内异响问题,同时优化的参数可为其他电驱系统减速器设计提供指导。

功率分流式混合动力系统部件参数的匹配优化对整车的动力性和燃油经济性具有显著影响。以某款功率分流式混合动力客车为研究对象,采用车辆系统动力学理论和经验公式对动力系统部件参数进行初步匹配,然后针对蜜蜂算法、遗传算法等具有优化周期长、寻优能力较差等特点,提出一种带精英策略的遗传算法和模拟退火算法的组合优化算法,利用组合优化算法对动力系统部件参数进一步优化,在中国城市公交典型工况下,使用Isight、Matlab/Simulink和Cruise软件进行500次联合优化仿真。结果表明:相比于优化前,500次优化后整车综合油耗降低了4.5 L/100 km,节油率达16.6%,同时优化后的发动机和二号电机的工作效率向高效区移动,验证了组合优化算法对动力系统部件参数优化的有效性。

为缓解工程车辆在复杂作业环境下因特征属性多、信号干扰大,引起运算时的维数灾难,以某5 t装载机为研究对象,在V形循环作业工况下采集压力、流量、转速及转矩等信号;在剔除部分冗余变量、加入衍生变量后基于主成分分析(PCA)理论对多源数据进行特征提取。通过实验分析得出装载机前轴扭矩、后轴扭矩和工作泵功率累计达到了原11种属性97%的贡献率。装载机的前轴扭矩、后轴扭矩和工作泵功率可以代替多源数据变量。通过主成分分析能提高高维运算的速度,同时降低维数灾难的发生率,该方法可用于分析工程机械的大数据样本,从而进行智能识别与人工智能控制,也可应用于机器学习、数据挖掘以及计算机视觉等领域。

为提高铁路大型养路机械轮对的生产效率和产品质量,提出了一种轮对大批量选配方法。根据相关技术标准和实际生产要求,以铁路大型养路机械的DZ2型车轴和DL2型车轮为研究对象,确定了轮座、轮毂孔的尺寸和过盈量要求,确立了选配原则,并构建了数学模型。通过编程实现了轮对的大批量选配,取得了良好的选配结果,证明了该方法的可行性。

客车车身的轻量化对客车整体性能的影响至关重要。以某款半承载式纯电动客车车身为研究对象,利用HyperWorks有限元软件对客车车身骨架进行静力学分析和模态分析。在满足设计要求的前提下,以紧急转弯和紧急制动2种典型工况,对客车车身骨架结构进行基于灵敏度分析的尺寸优化。以板材厚度作为设计变量,以客车车身骨架的强度、刚度和模态频率作为约束条件,以车身骨架质量最小作为目标函数建立数学模型。优化结果表明:客车在紧急转弯工况时应力和变形量增加的较大,优化后的客车车身骨架总质量下降了339 kg。

针对影响车辆运行性能的关键尺寸和参数,结合运用磨耗规律对转向架现场调研的结果,以C70型敞车为研究对象开展动力学仿真分析计算,确定转向架服役性能演变规律,以及转向架服役期间车辆安全性指标变化情况。结果表明:随着服役时间的增加,车辆在直线行驶时的各安全性指标均增大,但安全性指标值满足国内相关标准,当车辆参数达到检修限值时,车辆在高速行驶时会出现脱轨风险;而随着服役时间的增加,车辆的曲线通过性会出现一定程度的先转好再恶化的过程,这是由于车轮在磨耗后,等效锥度增大而导致,同时车辆在空车和重车工况下,安全性演变规律相似。

旋转刀轴中心控制(Rotational Tool Center Point, RTCP)是现代五轴机床必备的功能之一,在充分了解和分析自用机床结构及RTCP功能要求的基础上,以简单易判的基本RTCP编程为参照,探究了获得五轴联动和定向加工RTCP主体数据的MasterCAM正确后置设置,进行了适应HNC8系统RTCP程序头尾格式输出的后置定制,并通过实际案例应用实施了数控程序输出的仿真测试和实际加工验证,可为不同机床系统实施五轴RTCP程序输出提供参考。

为探究碳纤维增强复合材料(Carbon Fiber Reinforced Polymer, CFRP)钻削加工缺陷形成原因以及工艺参数对钻削质量影响规律,基于改进的Hashin模型建立了复合板材纤维相和基体相的材料本构模型及损伤失效模型,并将其编写为VUMAT用户自定义材料子程序嵌入到CFRP复合板材钻削有限元模型,分析了纤维取向、钻头外形、钻头进给速率以及钻头转速对钻削质量与钻削力的影响。研究结果表明:使碳纤维取向多样化可提高钻削质量和板材强度;相较于标准直柄钻头和螺旋线钻头,锥头直柄钻头具有更优异的钻削性能;当纤维取向和钻头外形一定时,采用较低钻头进给速率和适中钻头转速可在一定程度上提高钻削质量。

通过采用有限元仿真方法,分析讨论了某阶梯形冲压件的成型性,探究了凸凹模间隙在成型过程中对板料成型性的影响。仿真结果表明,优化工艺参数不能有效避免板料拉裂现象的发生,相比于工艺参数,冲压工序的影响更大;在拉伸破裂之前提前设置刺破工序,可以减少后续工序的拉裂现象,与之前工序设置相比,增加刺破工序后的冲压成型工艺可以有效避免拉裂现象的发生,零件区域内有部分起皱,但起皱基本可控。

针对螺栓载荷监测的特点,提出一种光学监测的方法。该方法通过结构设计使得与螺栓载荷呈线性关系的显色元件应力处于均匀与合理状态,然后利用贴片光弹原理,观测显色元件颜色从而确定螺栓的载荷。在分析变色螺栓应力-变色特性基础上,通过理论设计与软件分析,对监测装置的显色均匀性和灵敏度进行了分析,得出螺栓在预紧、屈服和破断状态下,显色元件分别显示褐色、黄色和绿色3种颜色。通过对变色螺栓样机测试,证明该变色螺栓样机能够有效地监测螺栓的载荷状态。

列车门系统是轨道车辆的重要组成部分,其对安全性和可靠性要求极高。故障诊断技术是提高门系统安全性和可靠性的关键技术之一。开展了基于振动信号的列车门系统承载传动机构故障诊断技术研究,采用将小波包能量熵与经验模态分解(EMD)结合的方法对信号进行降噪处理,并利用基于贝叶斯寻优的支持向量机(SVM)多分类算法实现故障类型的识别。该方法对实验数据进行故障诊断的准确率达到95.8%,验证了方法的有效性,对于列车门系统承载传动机构故障诊断的研究具有一定的参考意义。

为解决大数据时代人工提取机械故障特征和设定网络参数造成多工况下设备故障诊断精度低的问题,提出了一种基于振动信号融合的蚁群优化深度卷积神经网络(Ant Colony Optimization-Deep Convolutional Neural Networks, ACO-DCNN)故障诊断方法。通过融合水平、竖直方向振动信号,确保不同位置信息的互补性;运用ACO算法自适应优化DCNN参数,利用深度学习强大的特征自提取和复杂映射表征能力进行故障判别。实例验证结果表明:与BP神经网络和标准DCNN相比,ACO-DCNN在多工况下平均故障诊断精度高达99.15%,该模型收敛速度较快且具有较强的泛化能力,可有效地实现多工况设备故障诊断。

通过遗传算法(Genetic Algorithm, GA)和灰度预报相结合的方法,在灰度预报中引入动态的缓冲算子权重ω,将灰度预报的残差方差和先验样本方差的后验差比值R作为遗传算法的适应度函数,通过遗传算法的交叉、变异操作对适应度函数进行寻优,最终计算出适应度函数最优值对应的最优缓冲算子权重ω,改进了灰度预报内部权重固定易造成模型失真、残差过大,以及评价不准确的缺点,形成了一套新的用于产品故障间隔时间预报的灰度预报模型GA-GM(1,1,ω)。通过对某型发动机产品故障预报的算例验证,以及GA-GM(1,1,ω)与灰度预报的对比分析,进一步证明了基于GA-GM(1,1,ω)进行产品故障预报的科学性、精确性与稳定性。

为提升输送带横向纠偏系统实时性和准确性,设计了带式输送机输送带横向纠偏控制系统。首先提出输送带纠偏控制系统总体方案,再根据控制系统数学模型,设计基于排序蚁群算法优化的输送带横向纠偏PID控制器,最后对排序蚁群算法优化的PID控制器进行仿真分析和实验验证。结果表明,基于排序蚁群算法优化的PID控制器对于阶跃信号响应速度快、超调量小。系统的提出对保障港口带式输送机安全稳定运行具有重要意义。

阐述了基于磁流体动力学的新型线振动传感器的工作原理及结构设计方法,并对其进行了磁场和运动学仿真。从磁流体动力学基本原理出发,分析了影响传感器输出特性的关键因素,在传感器磁路分析的基础上提出了新型线振动传感器结构设计的方法。利用MAXWELL磁场仿真软件对传感器内部磁路进行了仿真分析。结果表明,设计的磁场均匀度较好（不均匀度<16%）。利用Fluent软件对传感器内部导电流体的运动特性进行了仿真分析。结果表明,传感器的输出灵敏度会受到导电流体的物性参数（密度、黏度和电导率等）、流体通道尺寸参数以及磁场均匀度的影响;此外,由于导电流体运动产生的诱导磁场约在10-8 T量级（?0.16 T）,可以忽略

利用激光熔覆技术在TC4钛合金叶片表面上使用TC4粉末进行增材制造,通过相关试验进行了TC4钛合金激光熔覆区和过渡区的微观组织、拉伸力学性能和冲击韧性研究。试验结果表明:基体和熔覆区达到了良好的冶金结合效果;熔覆区和过渡区之间的力学性能受温度影响非常显著,在横纵方向上略有差异;过渡区的冲击韧性值高于熔覆区,表明过渡区拥有更好的抗冲击性能;熔覆区和过渡区的力学性能达到航空钛合金使用标准,说明将激光熔覆技术应用于TC4叶片修复具有一定的可行性。

滚动轴承作为旋转机械的关键零件,在旋转机械的运行维护中是关注重点。对滚动轴承振动趋势和剩余寿命进行预测,可以有效地预防设备故障,减小故障造成的损失。近年来,随着机器学习和深度学习方法在计算机视觉、自然语言处理等领域的应用,越来越多的机器学习和深度学习方法被应用在滚动轴承的剩余寿命预测研究中。滚动轴承的振动数据,作为一种序列数据,可以有效地应用LSTM循环神经网络、RNN和CNN等深度学习方法进行预测,但是预测效果还有待进一步的提升。时间卷积网络(Temporal Convolution Network, TCN)作为一种最新出现的序列神经网络,被证明在序列数据预测上有良好的效果。采用TCN实现对滚动轴承的振动趋势预测,并且将TCN结合注意力机制进行了滚动轴承的剩余寿命预测研究;最终证实了TCN可以用于滚动轴承的振动趋势预测和剩余寿命预测,并得到了更好的预测效果。

某气体电离探测器顶部为钢铝异种材料连接的接头,提出了一种利用钢铝热膨胀系数差异来实现探测器接头连接的方法。为研究接头的质量,以接头的强度和气密性作为评价要素,利用材料屈服强度和极限抗拉强度两个性能参数,建立材料塑性应变强化的本构模型,运用有限元方法对接头的连接和拉脱过程进行数值模拟;通过分析接头接触表面上接触压力的分布情况,确定了以接触表面上高应力环带上的最小接触压力作为接头气密性的评价准则、以最大拉脱力作为接头强度的评价准则,并以此研究了过盈量和连接长度对探测器接头强度和气密性的影响。结果表明,适当增大过盈量可以提高接头的气密性,但过盈量过大将导致接头强度下降;连接长度对接头强度有影响,两者基本呈线性递增关系。

数字孪生以数字化的形式在产品的生产制造中实现了全过程的动态仿真,覆盖了产品的全生命周期和全产业链,对推动未来智能制造的发展有着重要的意义。基于数字孪生技术在制造业中的应用,梳理了数字孪生的理念,探讨了数字孪生在制造业中的关键技术。对数字孪生在制造领域中的数据优化、质量分析、寿命预测、流程工业、离散工业和数字工厂几个方面的应用进行了综述,并对数字孪生在制造领域中的发展趋势提出预测及展望,可为推动数字孪生技术在未来制造业中的研究和应用提供一定的参考。

现今航空航天等领域对复杂精密零件的需求逐步增加,传统的加工方式已无法满足这一趋势。选区激光熔化(Selective Laser Melting, SLM)基于逐层叠加的原理可一次性成型复杂件,因此对于这类零件具有广泛的应用前景。7075铝合金是航空航天领域常用的一种高强铝合金,由于高强铝合金热导率高,对激光反射率大,易氧化,有很强的热裂倾向等特点,导致SLM成型7075铝合金难度大。然而市场对其越来越大的需求,近几年发展迅速。主要从工艺优化和添加形核成分方面总结了近几年国内外7075铝合金选区激光熔化的研究现状,并阐述了存在的问题和发展趋势。

激光制孔是一种非接触式、无工具损耗的先进加工技术,现阶段已经在航空、航天和船舶等领域广泛应用;但激光制孔后会出现热影响区、再铸层和熔渣等质量缺陷以及锥度等形貌缺陷,极大地影响了孔的后续应用,因此,在激光制孔过程中增加额外的辅助手段以提升其质量是十分必要的。首先,从时间尺度上分析了激光与靶材的作用机理,阐述了激光加工时的物理现象,明确了提升制孔质量的切入点。针对国内外在激光制孔过程中应用的辅助手段进行了系统的综述,详细分析了介质辅助、焦点位移辅助和在线监测辅助对孔形孔性的提升机制,并探讨了激光制孔技术未来的发展方向。