聚焦压裂泵泵头体这一油气开采关键部件的使用寿命问题,采用激光冲击强化技术对泵头体材料30CrNi2MoVA进行表面处理,通过数值模拟和试验验证相结合的方式研究了不同光斑搭接率(30 %、50 %和70 %)对材料表面残余应力分布及力学性能的影响规律。采用仿真的方法分析了激光冲击强化前后泵头体内腔的应力分布情况,并结合材料的S-N曲线计算了疲劳寿命。结果表明,利用X射线衍射(X-Ray Diffraction,XRD)试验测得光斑搭接率为30 %、50 %和70 %的表面残余压应力值分别为-690、-666和-567 MPa,随着光斑搭接率的增大,残余压应力和影响层深度减小;光斑搭接率为30 %条件下残余压应力影响层深度达1.580 mm,较其他条件下显著增加;仿真结果与试验之间的误差依次为6.5 %、6.2 %和8.8 %,表明数值模拟结果具有较高的可靠性。同时,光斑搭接率为50 %对材料的力学性能提升最为显著,该条件下材料的延伸强度和抗拉强度分别提高了5.3 %和3.6 %。泵头体内腔的最大等效应力值由激光冲击强化前的599 MPa降低至505 MPa,疲劳寿命由处理前的123 651次增加至398 107次。该研究为激光冲击强化技术在压裂装备领域的应用提供了重要的理论依据和工艺参考,对提升泵头体使用寿命具有积极意义。

在实际工业生产过程中,由于自动导引车(Automated Guided Vehicles,AGVs)资源有限,因此在柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)中考虑有限AGV数量约束(FJSP-AGV)的集成问题有重要的研究价值。传统的进化算法容易陷入局部最优,不适用于求解此类复杂程度较高的调度问题。针对以上难点,首先对FJSP-AGV集成问题建立数学模型;然后提出了基于启发式规则引导的改进遗传算法,算法针对不同编码段采用多种交叉、变异方式进化种群,同时在进化过程中作参数自适应调整,并通过启发式规则引导变异进行局部搜索,提高算法跳出局部最优的能力,从而实现系统最大完工时间的最小化。通过在两组中小规模数据集上与其他先进算法的对比分析可知,所提算法的整体求解效果最优。

为提高厢舱类产品的生产效率,改变传统的以二维工程图为主、三维模型为辅的计算机辅助设计(CAD)生产模式,提出将基于模型定义(MBD)技术应用到厢舱的生产当中。通过分析厢舱类产品的特点与生产中的CAD技术应用,制定出厢舱类产品基于MBD的数字化定义框架,在SolidWorks三维设计软件平台下,以典型厢舱产品为例,围绕零件、子装配体及总装配体三大层面分别阐述了厢舱模型的MBD数据集表示规范,最终通过VB.NET调用SolidWorks的程序接口(API)开发出了基于MBD的厢舱产品数字化定义与管理系统,并在企业中得到了实际应用。

针对云计算环境下智能制造资源服务化共享中制造能力与任务需求之间的搜索匹配与服务组合问题,提出了一种基于语义相似度与改进粒子群优化(Particle Swarm Optimization,PSO)算法的云制造能力需求模型与匹配策略。首先,在提出云制造能力需求模型的基础上,采用领域本体树的概念提出了概念相似度、句子相似度和数值相似度的计算方法,实现了基于语义相似度的云制造能力需求智能化服务搜索;然后,针对云制造能力的服务组合问题,在分析了制造能力服务质量(Quality of Service,QoS)属性的基础上,采用层次分析法(Analytic Hierarchy Process,AHP)将各个属性进行归一化求和,给出了一种基于改进PSO算法的服务组合方法;最后,通过实验对比发现所提出的方法优于现有方法并实现了云制造能力需求智能匹配原型系统。

针对特种变压器制造车间物料配送效率低、编码标识混乱及可视化程度低的问题,在分析了变压器制造工艺流程与物流模式的基础上,建立了基于标识解析的车间物料标识编码体系,研究了变压器车间内物料信息的采集与建模方法。提出了基于数字孪生的车间物料协同配送体系框架,构建了以成本最小化为目标的物料配送数字孪生调度模型。最后,结合实际生产过程开发了特种变压器制造车间协同智能物料配送数字孪生原型系统,实现了物料的信息化管理与智能配送,验证了该方法的合理性和有效性。

针对传统蚁群算法在路径规划应用中存在最优路径长、收敛速度缓慢等问题,提出了一种基于麻雀搜索-蚁群算法的移动机器人路径规划方法。在麻雀搜索-蚁群算法中,首先,通过麻雀搜索算法形成次优路径,按照次优路径生成蚁群算法的初始信息素分布;其次,在状态转移概率的计算中,引入A^*算法启发式函数、弯折约束因子以及距离权重系数,使蚁群算法在每一节点的状态转移概率达到最优,以缩短最优路径;最后,在信息素更新策略中,采用基于迭代、角度因素以及奖惩机制的自适应信息素更新策略,加快蚁群算法的收敛速度。仿真结果表明,该方法能够生成高质量的最优解,在收敛速度上较其他方法有所提升,转折次数有所减少。此外,该方法在路径平滑度和适应复杂地图的鲁棒性方面表现出显著优势,进一步验证了其在复杂环境下的实用性和稳定性。

为了提高焊接机械臂在不同障碍物环境中的工作效率,提出了一种多策略改进粒子群算法的避障轨迹规划方法。利用6次多项式函数对机械臂前3个关节进行插值规划,获取运动轨迹。动态调整粒子群优化算法的惯性权重和学习因子,平衡算法的全局和局部搜索能力;引入动态透镜成像反向学习策略,并融合重启策略和贪婪算法,提升算法跳出局部最优的能力。以IRB120型机械臂为研究对象,通过MATLAB软件进行仿真。仿真结果表明,改进的粒子群算法在收敛速度和寻优精度上有显著的提升,运动轨迹平滑无突变。

针对存在关节转速约束条件的机械臂冗余度解析及轨迹容错控制问题,提出了一种基于二次规划(Quadratic Programming,QP)且内嵌性能约束的零化神经网络(Zeroing Neural Network,ZNN)控制架构。首先,在速度层构建了含有约束条件的机械臂冗余度解析模型(时变欠定线性系统);其次,引入一个非线性可逆映射,将受约束系统状态变量转换为无约束变量,同时,构造包含关节速度项与末端位置偏差项的系统误差形式,并通过非线性变换将规定的性能约束(机械臂末端跟踪误差上、下界)嵌入系统误差中,进而构建了用于机械臂冗余度解析的QP问题模型,提出了基于ZNN的QP问题求解架构;然后,结合凸分析及Lyapunov稳定性理论对所提出的控制架构进行了全局稳定性和收敛性分析;最后,针对KUKA LBR IIWA 14 R820机械臂轨迹容错控制问题,通过仿真分析和物理实验对所提控制架构进行了性能验证。仿真分析结果表明:对于机械臂有/无关节故障工况,即使存在机械臂末端初始位置误差,针对不同形式的期望轨迹,所提QP-ZNN求解架构均能控制机械臂末端轨迹跟踪误差收敛至10^-5 m数量级,且内嵌性能约束能够大幅提升所提控制架构的性能;相较于文献中已有的经典ZNN架构与变参数ZNN架构,所提内嵌性能约束的QP-ZNN控制架构的控制精度提升明显。物理实验结果进一步表明:即使机械臂存在多关节故障,针对不同类型的期望轨迹,所提内嵌性能约束的QP-ZNN控制架构仍可以驱使机械臂末端轨迹跟踪误差收敛于10^-4 m数量级。

为实现对矿用刮板的激光熔覆修复,针对保持激光熔覆机器人作业过程高效稳定的问题,根据机器人的运动学特性,研究了关节空间的轨迹规划方法,提出了一种混合遗传粒子群算法。该方法基于粒子群算法,通过构造自适应惯性权重和动态学习因子,引入遗传算法中的交叉和变异行为,使用3-5-3多项式插值法将轨迹拟合到机器人的关节空间中。将混合遗传粒子群算法、混沌粒子群算法和标准粒子群算法进行对比,获得最优插值时间后,在 MATLAB软件中进行仿真,各个关节的位置、速度、加速度随时间变化的过程保持在理想的连续性区间内,实现了关节空间中的时间最优运动规划,最优时间由标准粒子群算法的5.058 0 s减小到4.633 0 s,机械臂轨迹规划时间缩短了8.4 %,验证了所提算法在激光熔覆机器人修复矿用刮板的轨迹规划中的可行性。

为实现白车身前地板复合材料铺层的精准优化以及结构轻量化,提出一种基于白车身的多层次组合优化与设计方法,采用分区式碳纤维复合材料地板策略,对碳纤维复合材料前地板进行铺层设计。建立某电动汽车白车身有限元模型,验证该模型的正确性。通过碳纤维复合材料力学特性试验,探明了T700/WP-R2300树脂基纤维增强材料的力学参数。采用超级层自由尺寸优化、铺层块裁剪以及铺层块尺寸优化方法,确定碳纤维复合材料前地板的铺层厚度、铺块形状和铺层层数,并通过铺层顺序优化调整铺层铺覆顺序,放置于白车身进行仿真验证。结果表明,铺层优化后的碳纤维复合材料前地板比原钢制地板静态弯曲刚度和静态扭转刚度分别提高198.69 %和153.59 %,轻量化效果显著,优化后碳纤维复合材料前地板减重达45.33 %。同时,白车身静态弯曲和扭转刚度分别提高1.82 %和1.96 %,一阶扭转频率和弯曲频率分别提高3.05 %和3.72 %,静态刚度和低阶模态性能得到显著增强。

针对乘用车列车行驶稳定性受挂车多个参数影响且各参数之间相互关联的复杂性问题,分析了质量分配系数这个综合性参数。首先,建立了乘用车列车动力学模型,结合撞击中心理论和平行轴定理推导出融合了挂车质量、转动惯量、质心位置和车轴位置的质量分配系数;然后,在TruckSim软件中建立了乘用车列车仿真模型,并通过实车试验验证了该仿真模型的有效性;最后,通过调节舌重和转动惯量的仿真和模型车试验对质量分配系数与行驶稳定性之间的关系进行了探究。仿真和试验结果表明,质量分配系数的变化范围在1.1~3.4之间,后部放大系数的变化范围在0.9~1.5之间,质量分配系数越小,乘用车列车的后部放大系数越小;因此质量分配系数和行驶稳定性具有较强的关联性,质量分配系数越小,乘用车列车的行驶稳定性越好。

基于涡轮叶片型面结构复杂、表面均匀一致性差的现实问题,采用水平振动光整加工涡轮叶片的抛磨方法。利用离散元法(Discrete Element Method,DEM)分析了容器尺寸、加工介质填充量和振幅对涡轮叶片表面磨损深度和颗粒速度的影响,明确加工工艺参数;利用实验及测试表征,对比分析水平振动光整加工前后,涡轮叶片表面粗糙度、表面缺陷、表面形貌及表面残余应力变化情况。结果表明,当容器尺寸为80 mm×310 mm×200 mm、加工介质填充量为70 %,以及振幅为2 mm时,涡轮叶片表面加工更均匀。水平振动光整加工工艺能够有效减小涡轮叶片表面粗糙度、去除涡轮叶片表面氧化层,以及改善涡轮叶片表面残余应力。

步态事件检测是外骨骼机器人运动控制和性能评估中的重要部分。为提升外骨骼机器人步态事件检测效率和精确度,提出了一种基于红外距离传感器的可穿戴步态时间检测系统。首先,开发了一种带有红外距离传感器的智能可穿戴设备,以获取稳定的距离信号,利用脚后跟和脚尖间隙的离地高度检测一个步态周期内全部6个步态事件,并将其转换为有效的脚部姿势信息;其次,提出了一种使用局部搜索窗口和固定阈值的在线检测算法,通过将该算法与红外距离传感器相结合,可实现最小时间延迟并降低计算负荷;最后,将所提方法集成到外骨骼机器人系统进行试验,检测人机协同步行的步态事件。试验结果表明,当所提方法应用于下肢外骨骼机器人时,能够成功检测到人机同步行走的所有步态事件,其平均检测误差小于34 ms,平均检测准确率为99.62 %,具有良好的实时性能和较高的检测准确率。

非铁磁性金属材料由于其抗腐蚀能力强、强度高等优点,广泛应用于航空航天、船舶及化工等领域。提出一种磁检测技术,用于实现非铁磁性金属材料裂纹缺陷的无损检测。采用自主研发的磁检测设备,对铝合金试件和高温合金试件开展检测试验研究,采集并分析磁感应强度信号。结果表明,该磁检测技术在检测铝合金、高温合金的表面开口缺陷和闭合缺陷时检测信号会表现出异常信号特征,并且异常信号的变化量与缺陷的尺寸和埋深同时存在相关性,可以通过线性拟合的方式量化分析缺陷的深度或埋深。所提出的磁检测技术可用于非铁磁性金属材料裂纹的快速检测,并且具有较高的可靠性和有效性,为非铁磁性金属材料的定量检测提供了一种新的思路。

为提高鞋底智能自动化喷胶效率和精度,基于点云处理技术规划获取鞋底自动喷胶轨迹曲线。鞋底点云的预处理中采用直通滤波和欧式聚类得到鞋底主体点云。提出一种曲率特征划分的自适应体素下采样方法,分析鞋底点云曲率特征,引入比例误差和Softsign函数自适应得到体素大小,在保留特征的同时去除冗余点。为提高喷胶曲线的精度,解决经纬线扫描得到的边缘点轮廓曲线突变的问题,基于主成分分析法重建优化鞋底最高点轮廓,使用非均匀有理B样条曲线拟合,偏置得到鞋底喷胶轨迹曲线。试验结果表明,优化重建得到的鞋底喷胶轨迹曲线更为光滑,且更符合鞋底高边物理特性,满足均匀喷胶作业的需求。

针对现有挂袋机构因同步性能不足,导致卫品包装机难以适应高速生产线包装需求的问题,提出了一种高速挂袋机构,可实现高效的远距离同步挂袋过程。首先,通过分析挂袋动作,设计了一种基于凸轮连杆复合机制的高速挂袋机构方案;然后,构建了该机构的运动学模型,得到了影响其同步性的关键因素以及实现挂袋轨迹所需的固定凸轮参数模型;在此基础上,以真空上下吸块同步性为优化目标,结合具体生产实例,利用MATLAB优化工具箱对高速挂袋机构进行参数优化设计,确定了最佳的机构参数和凸轮廓线;接着,利用ADAMS仿真得到运动曲线与MATLAB计算的理论结果进行对比分析,验证了优化设计与运动学模型的准确性;最后,通过实际挂袋试验,进一步验证了设计的高速挂袋机构在提升卫品包装效率和合格率方面的显著优势,为高速生产线提供了有效的技术支持。

离散再制造业普遍存在影响生产效率的瓶颈问题,传统的静态瓶颈识别方法难以有效解决复杂再制造环境中的动态瓶颈漂移问题。针对这一现象,提出了一种基于局部均值分解(Local Mean Decomposition,LMD)方法结合长短期记忆(Long Short-Term Memory,LSTM)网络并利用改进量子粒子群(Quantum Particle Swarm Optimization,QPSO)算法优化的LMD-QPSO-LSTM动态瓶颈预测模型。首先,采用机器能耗属性定义动态瓶颈指数,并基于LMD方法分解瓶颈序列以降低数据的波动性。其次,引入注意力机制(Attention Mechanism,AM)来增强LSTM网络的学习能力,同时采用改进的QPSO算法优化LSTM网络选取最优参数。最后,对瓶颈指数的分量进行预测,并将预测结果重构。仿真实验结果表明,基于LMD-QPSO-LSTM的动态瓶颈预测方法可以有效提高预测精度,且能够准确地跟踪瓶颈位置的变化。与其他模型相比,所提方法至少将平均绝对误差(Mean Absolute Error,MAE)降低了52.63 %,平均百分比误差(Mean Absolute Percentage Error,MAPE)降低了25.14 %,均方根误差(Root Mean Square Error,RMSE)降低了45.78 %。