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。

基于航空发动机整体叶盘特殊构形及使用要求,研制了一种新型高性能低成本硅橡胶基流体磨料,探究了硅橡胶基流体磨料在整体叶盘表面的加工效果,分析主要磨料参数(磨粒目数、磨料质量比和磨粒材质)对黏度及加工性能的影响。采用单因素实验分析了不同磨料参数下叶盘试件的表面粗糙度、材料去除率和表面微观形貌的变化,获得了最优磨料参数,进行了磨料污染检测,并对整体叶盘零件进行了验证实验。结果表明:新型流体磨料具有良好的流变性能及加工性能,加工效率高;采用80^#的碳化硅磨粒,且硅橡胶基体与磨料质量比为1∶1.4的磨料可获得较好的加工质量,54次循环后表面粗糙度下降率在50 %以上;自制的新型流体磨料能有效提高整体叶盘零件的表面完整性,不会污染叶片表面,且未破坏叶型精度,能够满足使用要求。

针对复杂产品设计周期长、成本高的问题,提出了一种考虑零件重用的模块划分方法。首先,对复杂产品零件的功能、物理和重用性3种关联度属性进行分析,构建零件间综合关联关系矩阵,并结合复杂网络理论,映射为关联关系网络模型。然后,提出改进的Louvain社区发现算法,通过选取种子节点的方式解决小社区过多的问题,实现复杂产品模块划分。最后,以排屑机为例进行模块划分,并与Louvain社区发现算法和谱聚类算法获得的划分方案进行比较,验证所提方法的有效性和可行性。

为了有效降低复杂曲面数控铣削加工规划的难度,实现其自动生成,提出了一种基于随机森林算法的复杂曲面数控铣削加工规划推荐模型。首先,提取已有数控加工实例的曲面特征和数控操作的工艺信息,结合数控加工理论,构建数控工艺知识库;然后,设计了一种基于随机森林算法的复杂曲面数控铣削加工规划推荐模型,将所提取到的待加工零件的曲面特征以及加工要求作为输入,输出得分最高的数控加工规划参数,进而产生合适的数控铣削加工规划推荐方案;最后运用相应的CAD/CAM软件验证了该推荐模型的有效性。

鉴于当下物流仓储管理系统功能种类欠缺、人机交互度低、信息传输不及时、仓库整体情况难以把控以及操作便捷度低等问题,难以对物流仓储系统状态进行实时掌控与干预。基于此,从构建数字孪生模型的角度出发,从4个层面构造了智能物流仓储管理数字孪生模型,通过Solid Works和3Ds MAX等软件构造了仓储组件三维模型、对仓储中运输设备进行运动逻辑建模,利用Unity 3D可视化软件和C#编程语言对数字孪生物流仓储管理系统进行了开发,系统实现了物流仓储可视化、数据可视化、场景漫游及碰撞预警等预期功能。期望能为智能物流仓储行业向数智化转型提供建议,为相关领域与行业的数字孪生模型标准体系构建提供参考。

深度强化学习算法在码垛机器人机械臂轨迹规划的应用中存在学习速率低和鲁棒性差的问题。针对以上问题,提出了一种基于改进方位奖励函数(improved Azimuthal reward function,A)的双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic policy gradient,TD3)算法用于机械臂的轨迹规划。首先,在笛卡尔坐标系下建立码垛机器人的数学模型,并对其进行运动学分析;其次,针对学习速率低和鲁棒性差的问题,基于机械臂和障碍物的相对方向和位置,设计了一种改进方位奖励函数结合双延迟深度确定性策略梯度(A-TD3)算法用于码垛机器人机械臂轨迹规划,以增强机械臂目标搜索的导向性,提高学习效率和鲁棒性。仿真结果表明,相比于改进前TD3算法,A-TD3算法平均收敛速度提升了11.84 %,平均奖励值提升了4.64 %,平均极差下降了10.30 %,在轨迹规划用时上也比主流RRT和GA算法短,验证了A-TD3算法在码垛机器人机械臂轨迹规划应用中的有效性。

面向四足机器人稳定行走的需求,开展了四足机器人后退步态稳定性分析与规划研究。首先,对所研究的足式机器人结构进行介绍,并采用D-H法建立了运动坐标系,初步确定了辅助动作参数。然后,利用稳定裕度指标表征四足机器人的静态和动态稳定性,并根据运动参数和关节驱动函数计算出重心位置随时间变化的关系。接着,在四足机器人的步态设计过程中,分析了腿部和首尾运动对四足机器人重心的影响,并通过主动作和辅助动作规划了后退步态全周期动作序列,确定了后退步态的动作参数。最后,采用虚拟样机仿真和物理样机试验验证了所提方法的可行性和有效性,为四足机器人的步态分析提供了理论方法支撑。

为提高工业机器人的效能和可靠性,对某型工业机器人大臂进行多目标拓扑优化设计。首先,采用结合隶属函数的模糊满意度变权重系数法对大臂多目标拓扑优化的权重系数进行分配,可弱化传统多目标拓扑优化中权重系数分配的人为因素;其次,建立了大臂有限元模型并通过应变测量实验与加速度测量实验验证其正确性,利用Adams软件开展工业机器人的动力学仿真,获取大臂在3种工况下的受力情况;然后,分别进行3种工况下的静态刚度单目标拓扑优化设计和前3阶固有频率单目标拓扑优化设计,得到大臂的传统多目标拓扑优化结构与模糊多目标拓扑优化结构;最后,基于优化结果对大臂结构进行重构,传统多目标拓扑优化的大臂在工况2下应力不降反增,其他分目标优化幅度均小于模糊多目标拓扑优化的大臂,采用模糊多目标拓扑优化的大臂结构相比原大臂结构在减重12.2 %的同时,3种工况下的刚度和前3阶固有频率均有不同程度的提升,证明了优化方法的有效性。

柔性夹持器的形状可变特性使其在抓取不规则形状和软性物体时,相较于纯刚性夹持器具有巨大的优势。然而,传统的柔性夹持器由于材料和结构的限制,负载能力较弱,难以满足作业要求。介绍了一种基于颗粒体阻塞原理的可变刚度柔性机械手指设计。与传统的气动柔性夹持器相比,该柔性手指增加了颗粒体阻塞层,通过主动的粒子阻塞,大幅度提高了手指的刚度和负载能力。柔性手指通过调节气压来控制手指的弯曲程度,从而最大限度地贴合不规则物体。同时,通过控制颗粒体阻塞层内的真空压力,可以调节机械手指的刚度。随着颗粒体舱真空压力的增加,舱壁在气体压力作用下对其内部的颗粒进行挤压,导致更加紧密的粒子阻塞,从而获得更大的刚度和负载能力。与被动粒子阻塞相比,这种设计的优势在于手指的刚度可以随意改变,不受柔性手指弯曲角度的影响。同时,手指弯曲角度越大,刚度的可调节范围越大。理论研究和实验表明,基于真空颗粒体阻塞的可变刚度柔性手指能够有效改变手指刚度,实现手指弯曲角度和刚度的独立控制,使得柔性夹持器可以执行更多机器人的抓取操作。

针对机械臂系统执行器故障,并考虑外界干扰和执行器输入饱和问题,设计了一种基于扩张状态观测器的滑模容错控制策略。首先,采用扩张状态观测器估计包括故障在内的复合干扰,该扩张状态观测器不依赖于全部状态可测和数学模型,可以准确地估计外界干扰和执行器故障。针对执行器的输入饱和问题,设计了一种非线性抗饱和补偿器实时补偿输入的饱和溢出效应;然后,提出了一种基于非奇异终端滑模的有限时间控制器实现了对机械臂系统的精准控制,该滑模变量的收敛时间有界且与系统初始状态无关。基于Lyapunov稳定性理论证明了闭环系统的有限时间稳定性;最后,通过与文献中将扩张状态观测器与边界层技术结合的控制方法进行仿真对比,验证了所提控制器的优越性。

为解决使用传统A^*算法进行自动导引车(Automated Guided Vehicle,AGV)路径规划时存在的问题,如算法搜索节点多、路径存在冗余节点且不平滑,以及无法处理复杂环境下出现的随机障碍物等问题,设计了一种融合改进A^*算法和动态窗口(Dynamic Window Approach,DWA)算法的 AGV实时路径规划及避障方法。首先,在传统A^*算法评价函数的基础上设计了自适应评价函数,使得算法在搜索过程中根据周围环境自适应调整,从而提高算法的快速性和灵活性;其次,针对路径存在冗余节点的问题,采用Floyd算法进行双向平滑度路径优化,删除多余节点,保留关键拐点,减少转向次数,有效提高路径平滑度,充分保障了AGV运行稳定性;最后,将改进A^*算法与DWA算法相结合,实现了路径规划的全局最优和动态避障的有效融合。这一综合方法不仅增强了AGV在复杂环境中的路径规划能力,还提高了避障性能,为AGV的实际应用提供了更加可靠的解决方案。

针对传统A^*算法在复杂环境下搜索效果差、路径曲折、拐角与障碍物距离过近且避障能力差等问题,提出了一种融合改进双向A^*与动态窗口法(Dynamic Window Approach,DWA)的机器人路径规划算法。首先,引入双向搜索机制与自适应启发函数,以提高算法的搜索速度;其次,应用线段相交法结合安全距离判定剔除冗余点,以确保路径更加安全、平缓;然后,在DWA中加入方位角与目标点距离判定,以增强算法的避障能力;最后,在优化后的全局路径上分段使用DWA进行实时避障。仿真结果显示,融合算法能在复杂场景下生成安全边界内的平滑路径,有效躲避障碍物,快速到达目标点。

随着全球汽车保有量的不断增加,汽车报废带来的环境和资源问题日益凸显,报废汽车的拆卸、回收和再制造是解决该问题的主要途径。由于报废汽车内部结构复杂,在实际拆卸作业中,各拆卸任务间存在着相互干扰的顺序相依关系;此外,由于零件的折旧程度不同,拆卸过程中还存在着固有的不确定性,从而影响拆卸效率。为了获得更加贴合实际的拆卸方案,首先,应用随机规划模型对不确定信息进行表征,以拆卸时间、拆卸能耗及均衡空闲时间为目标建立了不确定环境下的多目标顺序相依拆卸线平衡问题模型;然后,通过创新搜索算子改进蜜蜂算法,引入轮盘赌策略自适应更新算子权重;最后,以报废汽车发动机曲柄连杆机构为案例进行研究,验证所提模型和算法的有效性。

为研究波纹管夹角、圆角半径和直边长度等参数对轧制差厚板(Tailor-Rolled Blank,TRB)管坯无轴向补料液压成形V型波纹管壁厚分布的影响,采用有限元仿真对不同参数的波纹管进行成形试验。分别建立波纹管参数与正差、负差和总差之间的响应面预测模型,预测不同壁厚分布条件下夹角的最大值。针对理论设计条件下液压成形V型波纹管的夹角较大时,其壁厚不满足均匀分布评价标准的问题,提出一种改善方法。结果表明,夹角对壁厚分布影响显著,夹角增大,壁厚均匀性变差,而圆角半径和直边长度对壁厚分布影响不显著。在理论设计条件下,当总差小于20.0 %时,夹角最大取值为32.1°;当总差小于10.0 %时,夹角最大取值为25.2°。以某参数组合为例,改进后总差由28.4 %降至15.2 %,成形更大夹角且壁厚均匀的V型波纹管是可行的。

钛合金作为叶盘的主要材料,具有比强度高、耐热性和耐腐蚀性好的优点,因此被广泛应用于航空航天工业中。然而,钛合金叶盘复杂的几何形状、加工精度要求高及材料的特殊性,使得铣削过程中刀具的磨损、加工表面质量以及加工效率等问题仍然亟待解决;因此,首先,建立了钛合金叶盘的几何模型,并根据叶片和流道的加工特征进行了数控编程;然后,分析了钛合金叶盘的铣削加工工艺,选择了合适的刀具和加工参数,并进行了加工实验;最后,对加工后的叶片轮廓进行了测量分析,期望为钛合金叶盘的高效高质量加工提供理论指导和技术支持。

电磁离合器是汽车生产过程中的重要部件,针对其端面缺陷尺寸微小、背景纹理复杂以及现有算法无法实现缺陷多样性检测等问题,提出了基于改进YOLOv8n的轻量级目标检测算法。在主干网络中融合EMA注意力和部分卷积,设计了轻量级的C2F-PE模块以改进C2F结构,增强网络的特征提取能力;为促进相同尺度间更丰富的特征融合,引入自注意力内尺度特征交互(AIFI)模块替换SPPF层,以捕获更细粒度的信息;在颈部网络中添加小目标检测层,有效地融合了浅层特征信息,提升了模型对小目标的感知力;引入Slim-neck模块改进颈部网络,轻量化模型的同时保持网络的检测精度。实验结果表明,改进后的算法相较于YOLOv8n算法,mAP@0.5达到94.6 %,提升了4.5 %,参数量减少13.3 %,检测速度达到81 f/s。该算法更好地平衡了检测精度和速度,满足电磁离合器生产中实时检测的需求。

针对电厂设备运行工况复杂多变导致滚动轴承故障模式难以识别的问题,提出了一种基于IPNCC-MCSKNet的滚动轴承故障声纹识别方法,实现变转速工况下滚动轴承故障的高效识别。首先,对采集到的轴承声纹信号进行预处理、降噪、特征差分整合,形成改进的功率归一化倒谱系数(Improved Power-Normalized Cepstral Coefficients,IPNCC);然后,提取包含IPNCC的多种声纹特征构建多通道输入特征,利用选择性核(Selective Kernel,SK)卷积模块能够自适应调整卷积核大小的机制,建立多通道选择性核卷积网络模型(Multi-Channels Selective Kernel Network,MCSKNet);最后,对滚动轴承不同故障形式样本进行声纹建模与故障识别。试验表明,所提模型在多种变转速工况的诊断任务中平均诊断准确率达到95.99 %,相比其他深度学习模型提升了13.98 %~26.55 %,模型鲁棒性更强。研究结果可为滚动轴承声纹特征提取及故障诊断提供新思路。

针对轮毂驱动电动汽车(Hub Mator Driven Electric Vehicles,HMD-EV)轮毂电机转子偏心引起的平顺性恶化问题,提出一种基于粒子群算法(Particle Swarm Optimization algorithm,PSO)的主动悬架系统H₂/H_∞鲁棒模型预测控制策略。首先,建立HMD-EV垂向-横向动力学耦合模型,深入分析轮毂电机转子静态偏心所引起的径切向磁场畸变以及不平衡电磁力等关键影响因素,获得外部扰动下HMD-EV轮毂永磁同步电机转子偏心对机-电-磁耦合的影响规律。设计了一种优化反馈增益矩阵K的主动悬架系统的PSO-H₂/H_∞混合控制器,仿真结果表明,该控制器能够显著改善HMD-EV机-电-磁耦合所带来的不利影响,有效提高了HMD-EV的平顺性和舒适性。

为进一步提高偏心磁极永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)气隙磁密波形的正弦性,提升电机优化设计效率,提出了一种基于解析计算与遗传算法(Genetic Algorithm,GA)的永磁同步电机偏心磁极优化设计方法。首先,考虑齿尖饱和、定子开槽、极间漏磁、边缘效应及磁路饱和对气隙磁密的影响,分别推导出满足后续优化计算的偏心磁极平行与径向充磁的气隙磁密解析计算模型;然后,利用遗传算法对该模型的磁极结构参数进行寻优;最后,通过有限元仿真对解析计算精度和寻优前后结果进行对比验证,结果表明,该方法所得解析计算模型精度较高,平行与径向充磁磁极优化后的电机气隙磁密波形的正弦性均得到了提高,齿槽转矩减小,优化设计效率提升。