制造业生产环境复杂,瓶颈现象的出现会制约其发展。针对利用单一数据识别单个瓶颈机器的方法难以具体描述系统瓶颈的问题,提出了一种基于区间数聚类分析的多属性瓶颈区域识别方法。首先采用k-means++聚类分析方法,根据决策矩阵比较各指标的相似程度,找出不同距离下的机器区域。然后利用决策矩阵求出的可能度矩阵排序向量找出各区域的主导机器,比较后确定瓶颈区域。最后通过实例验证了所提方法的有效性和准确性。

针对考虑工件加工时间不确定性的模糊分布式柔性作业车间调度问题(fuzzy Distributed Flexible Job Shop Scheduling Problem, fDFJSP),将加工时间用三角模糊数表示,以最小化最大模糊完工时间为优化目标,提出一种改进的人工蜂群算法进行求解。针对fDFJSP的分布式特点,设计了基于车间-工序-机器的三层编码方式,针对不同编码层,采用多种混合搜索策略,以提升算法的邻域和全局搜索能力。为测试算法的性能,设计了2组实验对5个算例进行测试,并与代表性算法进行对比。结果表明,所提算法结果总体优于其他对比算法,能够有效求解具有模糊加工时间的模糊分布式柔性作业车间调度问题。

减速器作为机械传动的主要部件,其设计与制造过程一直是研究的热点。借助虚拟现实技术开发了减速器设计及展示系统,利用Unity3D引擎进行系统整体功能开发,实现了虚拟现实系统与三维建模软件间的数据传递和自动更新,基于PiXYZ软件优化了虚拟减速器的模型网格,并提出了虚拟减速器模型的干涉检查方法,阐述了基于虚拟现实的三维标注实现流程,提出了一种现实环境与虚拟环境叠加的增强现实展示方法。实践证明,融入虚拟现实技术的设计系统可大大缩减设计周期,具有很强的应用性和推广性。

电弧增材制造是用于大型复杂金属构件成形的新技术,其制造装备是实现金属构件形性一体化制造的关键。研制了可实现3台机器人协同工作、金属构件形性一体化制造的五电弧增材制造装备,由增材单元、测量单元和减材加工单元等组成。利用RoboTeam软件包实现3台机器人协同工作,在总控单元中开发机器人路径规划软件,分别对3台机器人进行路径规划。采用研制的装备成形艉轴架时,其抗拉强度为543 MPa,屈服强度为426 MPa,伸长率为24.2%,-20℃冲击功为132 J,优于同成分铸造件的力学性能;艉轴架的尺寸与标准模型之间的整体偏差为±0.65 mm。

为了使自驱动关节臂测量机的结构满足测量和定位精度要求,通过分析自驱动关节臂测量机的工作原理,建立了测量机的运动传递模型,完成了测量和定位误差源分析,在此基础上对关键部件进行设计和选型。对测量机进行了整体结构设计和关节结构设计,得到最优设计方案,在此基础上推算出各个关节的重力矩及惯性矩,完成了各关节模组的选型。建立了测量机的三维虚拟样机,对虚拟样机的几种典型测量姿态进行了静力学和结构变形分析,根据仿真结果进行优化设计,使测量机在典型和极限测量姿态下的静态变形均符合设计要求。针对测量机测量过程的触测段进行动态变形仿真,仿真结果表明竖直(Y)方向动态变形误差较大,需要建立动静态误差补偿模型进行修正。进一步对测量机进行模态分析,分析结果表明测量机的最高运行频率低于最低阶固有频率,不会产生结构共振以致影响测量和定位精度。

为改善液压机械传动装置(Hydro-Mechanical Transmission, HMT)模式切换品质,提出了一种基于LQR的HMT模式切换品质分阶段优化方法。建立了HMT模式切换过程动力学模型,综合考虑冲击度和滑摩功指标,在转矩切换阶段,运用线性二次型最优控制(Linear Quadratic Regulator, LQR)理论,求解离合器传递转矩最优变化率,并通过控制离合器传递转矩对最优轨迹进行跟踪;调速阶段,在满足冲击度要求下,控制离合器主、从动盘快速同步。仿真与试验结果表明,采用分阶段优化方法时,冲击度降低了24.9%,滑摩功减小了30.3%,模式切换品质得到有效提高。研究结果可为液压机械传动装置的实际工程应用提供一定的理论参考。

为减少外界干扰对农用车辆路径跟踪精度的影响,提高路径跟踪系统的鲁棒性,提出了一种基于干扰观测器和改进模糊PID算法的农用车辆路径跟踪控制策略。在建立农用车辆四轮转向运动学模型的基础上,建立路径跟踪数学模型,通过对模糊PID算法的比例、积分部分进行改进和加入基于干扰主动控制的干扰观测器提高控制策略的抗干扰能力;在MATLAB软件的Simulink仿真平台对所设计的控制策略进行有效性验证。仿真结果表明,与传统PID控制方法相比,所设计的控制策略可以成功消除外界干扰,能有效地加快响应速度,提高自适应能力,有利于农用车辆路径跟踪精度的提高。

为了快速评估和提高新型钢铝混合摩托车车架的安全性能,以某款钢铝混合摩托车车架为研究对象,采用HyperMesh软件对其进行性能分析与优化。建立钢铝混合摩托车车架有限元模型,研究钢铝混合摩托车车架在水平载荷、垂直载荷和坐垫载荷3种工况下的最大应力和最大位移。提出一种以Hammersley采样方法改进传统试验设计方法的哈默斯利采样-试验设计(Hammersley Sampling-Design of Experiment, HS-DOE)法,以钢铝混合摩托车车架主要截面厚度为设计变量,分析其对该车架最大应力、最大位移、模态频率和质量的主效应,获得对目标响应较敏感的设计变量。基于此,以钢铝混合摩托车车架强度和模态频率等为约束条件,坐垫载荷工况最大位移最小化为优化目标,采用OptiStruct求解器对钢铝混合摩托车车架结构进行多目标优化设计,并对优化结果进行仿真分析。结果表明,HS-DOE法可以得到更均匀的样本点,在满足设计要求的前提下,使钢铝混合摩托车车架在水平载荷工况下最大应力减小了41.44%;垂直载荷工况下最大应力减小了16.88%;质量减小了1.88 kg,相比优化前减小了10.23...更多

介绍了一种弱刚度细长梁零件的加固装夹技术。首先,通过切削加工试验获取各向切削力;其次,以切削力作为输入,采用有限元仿真分析方法得到零件的变形情况,从而获得零件的加固点数量及位置;最后,设计了一种专用工装,利用石蜡及结构胶进行加固装夹,提高了零件刚度,减小了加工过程中的变形量。试验结果表明,加固装夹时零件变形量小于0.008 mm,加固后零件水平方向刚度为8.30 kN/mm,是加固前刚度的3.8倍,竖直方向刚度为25.00 kN/mm,是加固前刚度的44.6倍,零件加工后满足设计要求。

微槽结构作为微型结构的基本单元,具有增加散热面积、存储润滑剂和减少阻力等功能,多用于大热流密度器件的散热或表面润滑,但其存在加工尺寸小、精度要求高以及加工难度大等问题。为了实现微槽的高效高精度加工,提出了一种激光电解组合微加工方法,并搭建了纳秒激光加工装置和数控微细电解加工装置;利用激光烧蚀快速加工出微槽结构的基本形貌,再通过微细电解的方式去除其表面再铸层及飞溅颗粒,提高其表面精度和表面性能。通过理论研究以及优化加工参数试验,加工出长度为400μm,宽度为220μm,深度为120μm的微槽结构。激光电解组合微加工微槽的表面粗糙度由激光加工后的Ra 5.36μm降低至Ra 1.23μm;激光电解组合微加工的加工效率是微细电解加工的4.26倍。

与普通磨料砂轮相比,采用金刚石车削法修整超硬磨料砂轮,修整力大、工具磨损快、修整时间长、效率低、精度低及质量差,致使超硬磨料砂轮的优异性能得不到充分发挥,砂轮修整已经成为制约超硬磨料砂轮工程应用的主要瓶颈。在超硬磨料砂轮修整研究方面,科研成果众多,技术各有特点,然而工程应用有限。点轮修整是集金刚石车削修整、金刚石滚轮磨削修整两种方法之优点的一种新的砂轮修整技术,修整轮宽度窄且恒定,提高了砂轮修整精度、稳定了砂轮修整质量;并且,点轮修整效率高,修整轮耐磨性好、使用寿命长,柔性好易于控制、工程使用方便且成本低,值得大范围推广。

钛合金关节轴承是航空发动机的重要部件之一,但由于其润滑条件较差,极易产生磨损从而导致失效事故。采用超声滚压工艺对钛合金试件表面进行强化试验,以有效增强试件表面耐磨性能和抗疲劳特性,并着重研究静压力、滚压次数和主轴转速等超声滚压强化工艺参数对钛合金表面残余压应力与剪切应力的影响规律。试验结果与理论分析结果表明,残余压应力随着静压力、滚压次数和主轴转速的提高而增大,剪切应力随着静压力、滚压次数和主轴转速的提高而总体减小;滚压后试件表面可获得-2 000～-500 MPa的残余压应力和-600～-300 MPa的剪切应力。超声滚压技术可以有效提高钛合金材料表面的残余压应力,并有效降低表面的剪切应力。

针对复合干扰影响下机械臂的故障检测和控制精度问题,提出了一种基于滑模观测器的故障检测和控制优化方法。首先建立了带有电机故障、模型误差和机械摩擦等复合干扰的机械臂系统故障模型,然后设计了滑模观测器来实现在复合干扰下对电机故障的准确检测,最后引入滑模观测器对电机故障程度进行估计,并设计了反步容错控制方法,从而实现了对机械臂系统的精确控制。仿真结果表明,基于滑模观测器的故障检测和控制优化方法能够快速、准确检测和估计电机故障,确保机械臂系统准确跟踪指令信号,角度跟踪误差范围仅为-0.2°～0.2°,能够准确估计出复合干扰的大小,估计误差范围仅为-0.1～0.1 （°）/s2,大大改善了对机械臂的控制效果。

高速列车的横向运动稳定性不仅会影响列车的运行品质,还影响车辆的运行安全。现有的高速列车失稳在线监测方法大多是对高速列车大幅蛇行失稳状态进行识别,然而高速列车的小幅蛇行失稳状态很难被准确有效地识别出来。为此,提出了一种基于信号分析的蛇行失稳识别方法,不但可以识别出大幅蛇行失稳,而且可以识别出小幅蛇行失稳。首先通过SIMPACK软件建立高速列车动力学仿真模型,再现高速列车运行过程中出现的稳定、小幅蛇行失稳和大幅蛇行失稳状态;再对仿真结果的构架横向加速度进行分析,利用信号的周期性差异,计算其自相关系数并设定阈值,以此来识别小幅蛇行失稳状态和大幅蛇行失稳状态;最后通过实验数据验证了所提出的监测方法的有效性。

针对轴承不均衡样本情景下故障诊断存在的精度与泛用性不高问题,借鉴集成学习获取强监督模型的方法,结合对不均衡样本进行采样处理的类别重组法,提出一种基于Bagging思路的多通道卷积神经网络(Bagging-MCNN)故障诊断模型。首先将原始数据进行标准化处理并划分为训练集与测试集,对训练集进行放回采样构造多个训练子集,同时对测试集进行乱序操作;然后将构造完成的新集合放入多通道卷积神经网络模型进行训练,获得各卷积网络子模型的判别矩阵,融合所有判别矩阵获得最终的诊断结果。在公开轴承数据集上进行试验验证,结合Bagging思路的多通道卷积神经网络故障诊断方法在均衡以及不均衡情景下的诊断精度相较普通卷积神经网络模型,分别提高了1.1%与10.8%,同时提高了模型的收敛速度以及诊断稳定性。

针对转子系统采集得到的非平稳信号中存在着较多噪声,导致分解原信号易出现模态混叠和虚假模态现象,使得降噪提纯效果不理想,特征量无法识别等问题,提出了一种将改进自适应噪声的完备集合经验模态分解(Improved Complete Ensemble EMD with Adaptive Noise, ICEEMDAN)和快速独立成分分析(Fast Independent Component Analysis, FastICA)相结合的转子系统振动信号降噪提纯方法。通过设计实验采集加速度信号进行分析对比后发现,该方法能够有效降低加速度信号中存在的噪声,实验结果中的平均绝对误差(MAE)和均方根误差(RMSE)均有所改善。同时通过设计转子系统轴心轨迹提纯实验,验证了该方法的实用性。

单机多工位锻压机的移动工作台位置控制系统是多变量的非线性耦合系统,常规PID控制和模糊PID控制难以完全适应复杂系统变化,满足系统控制要求。为了解决这一问题,在模糊PID控制的基础上加入变论域模块,改变模块中的论域伸缩因子,使模糊控制的论域随系统条件变化而调整,最终整定出满足系统控制要求的PID参数。对移动工作台位置控制环节建立了数学模型,并在Matlab/Simulink中进行了控制系统建模及仿真分析。结果表明:相比常规PID控制和模糊PID控制,使用变论域模糊PID控制的系统具有良好的动静态性能,在响应速度、过渡过程时间及稳态精度等方面具有更好的优越性,适合在复杂的非线性耦合控制系统中使用。

针对调节阀控制系统在实际生产中存在的大滞后、非线性等问题,提出一种改进粒子群算法优化的模糊神经网络比例积分微分(PID)控制模型用于阀位控制,该模型利用模糊神经网络的自学习能力,实现对PID控制参数的实时在线整定,并且通过将改进粒子群算法与BP算法相结合的方式,实现对模糊神经网络参数的粗调和细调,克服了模糊神经网络收敛缓慢、易陷入局部最优的缺点;最后,利用MATLAB和AMESim软件进行联合仿真,仿真结果表明,该模型相比于其他两种算法在调节时间、超调量等性能方面都有很大的提升,并且表现出更强的鲁棒性和抗扰动能力,能够使阀位控制更加稳定可靠。

根据电驱动换挡机构疲劳寿命试验要求,设计开发了基于电驱动换挡机构疲劳寿命为评价指标的试验系统;并就系统的组成、工作原理和测控软件等进行了详细介绍。经试验验证,该系统稳定可靠,操作方便,很好地满足了电驱动换挡机构疲劳寿命试验的要求。目前,该系统已在多款电驱动换挡机构研发阶段取得了良好的应用效果。

拆卸序列规划是拆卸回收的关键部分,为了提高拆卸效率,找到产品最优拆卸方案,根据产品拆卸对象的优先关系和连接关系建立优先约束矩阵,同时依据拆卸组合优化的特点改进基本遗传算法的染色体编码方式和遗传算子,基于优先约束矩阵判别拆卸序列的可行性,改进算法流程,并利用MATLAB软件进行编码运行计算,得出产品的最优拆卸序列,最后通过实例证明了该方法的有效性。

现阶段基于深度学习的故障诊断需要大量的数据,而制作数据集是一项耗时耗力的工作。针对这一缺点,提出一种基于门控循环单元(Gate Recurrent Unit, GRU)与迁移学习的滚动轴承故障诊断方法。该方法利用与目标域特征相似且易获得源域数据的特点训练网络,确定网络结构和参数,冻结经过训练的卷积神经网络(Convolutional Neural Networks, CNN)和GRU,用小样本目标域数据训练该网络,微调全连接层和分类层,达到迁移的目的。实验对比分析表明,基于GRU与迁移学习的滚动轴承故障诊断方法明显优于基于BP神经网络和基于概率神经网络(Probabilistic Neural Network, PNN)方法的故障诊断,能够更加准确地进行故障分类,为小样本数据集下的故障诊断提出了新思路。

针对滚动轴承振动信号多域特征数据维数较高的问题,采用自动编码器(Auto-Encoder, AE)对特征数据进行降维处理,实现故障诊断。该方法首先提取滚动轴承振动信号中的特征数据,其次通过自动编码器对特征数据进行降维,最后将降维后的数据用于训练BP(Back Propagation)神经网络,并进行故障诊断。为验证自动编码器对特征数据降维能力的稳健性,对含噪信号特征数据进行了自动编码器降维和滚动轴承故障诊断。结果表明,自动编码器可以获得滚动轴承高维特征数据的有效低维表示,并且保证了故障诊断的精度,对于含噪信号特征数据降维有较强的适用性,可为其他机械复杂数据下故障诊断的降维提供参考。

针对液压机械传动装置(Hydraulic Mechanical Continuously Variable Transmission, HMCVT)在阶跃负载扰动、变速器输入转速扰动的影响下所引起的输出转速波动问题,以分矩汇速式液压机械传动装置中的泵-马达系统为研究对象,以系统稳速输出为控制目标,提出一种基于扰动补偿的模糊自抗扰控制(Active Disturbance Rejection Control, ADRC)方法。该方法采用模糊控制理论对自抗扰控制中的非线性误差反馈系数进行在线整定,利用扩张状态观测器(Extended State Observer, ESO)对系统总扰动进行实时观测,并通过前馈控制调节电-液比例阀阀芯位移来补偿变量泵斜盘摆角,最终实现HMCVT稳速控制。仿真结果表明,相比于传统PID控制,采用模糊自抗扰控制的液压机械传动装置在外负载和输入转速突变时,变量泵斜盘抖振幅度更小,系统稳速输出响应时间更短,抗扰动能力更强。