为研究磁弹磨粒对刀具钝化时刀具位置以及相同位置下刀具旋转方向对钝化效果的影响,基于双磁盘磁力钝化机理建立磁场模型并进行实验验证。首先,在磁场中建立刀具不同位置的仿真模型,应用COMSOL软件分别分析刀具距离磁盘2、4、6、8、10 mm以及10 mm处刀具倾斜30°位置时在磁场中的磁感应强度变化情况;其次,基于磁弹磨粒在双磁盘磁力钝化设备中的钝化机制,制定在不同位置时刀具刃口的钝化实验方案,并对刀具正反转情况进行对比;最后,通过刀具刃口形貌及钝化量讨论刀具在不同参数下的钝化效果。实验发现,刀具在距离磁盘4 mm处钝化效果最好,刀具反转时钝化速度虽慢但钝化精度较高。

针对混合流水车间调度问题,同时考虑最小化最大完工时间和设备加工能耗,提出了一种基于Q学习(Q-learning)的改进樽海鞘群多目标优化算法。为了提升算法的收敛速度,采用混沌映射与启发式原则相结合的策略生成多样化的初始种群;为了平衡算法的全局搜索能力和局部开发能力,在选择领导者占比中引入Q-learning自适应的选择策略;为了提升算法寻优精度,提出一种有效的变邻域搜索策略,加强局部开发能力。在公开的数据集上开展实验验证,实验结果表明,提出的算法能够有效地解决混合流水车间多目标优化问题。

由于双深位四向穿梭车立体仓库存在倒库操作,导致出库作业效率降低。针对该问题,首先对出库与回库过程建立了数学模型;其次,针对当前倒库与回库作业对后续出库作业的影响,提出了一种倒库库位选择策略和回库库位选择策略,减少倒库次数与倒库距离;在此基础上提出了一种任务执行顺序优化算法,以最小化任务完成时间为目标,基于改进遗传算法(Improved Genetic Algorithm,IGA),使用肯德尔相关系数进行种群初始化,增强了算法的空间搜索能力,并结合双深位仓库的特点,在遗传过程中引入基因调序过程,从而提高算法的收敛速度。仿真实验结果表明,所提出的策略可以显著提升出库作业效率,同时,IGA收敛速度更快,优化效果更好,稳定性更高,能够有效缩短出库作业时间,提高出库作业效率。

针对工业机器人手臂中执行器的失效故障和偏移故障而导致轨迹跟踪精度下降的问题,提出了一种基于高阶滑模观测器的终端滑模自适应容错控制方法。首先通过对工业机器人手臂的运动状态进行分析,建立了带有执行器故障的工业机器人手臂动力学方程;然后设计了高阶滑模观测器来准确估计系统内的故障项,并在终端滑模面的基础上,设计了自适应容错控制律来补偿执行器故障带来的影响;最后利用Lyapunov函数进行了稳定性分析,证明了提出的控制方法可使工业机器人手臂运动轨迹准确跟踪信号指令。通过对六自由度工业机器人手臂的仿真分析,结果表明,设计的高阶滑模观测器能够准确估计出系统内的故障,最大估计误差仅为0.011 (°)/s²,提出的终端滑模自适应容错控制律能够有效克服执行器故障对工业机器人手臂运动轨迹的影响,在整个运动轨迹上的最大误差和平均误差分别为0.64和0.24 mm,表现出了较强的鲁棒性。在三维空间固定坐标点的定位测试结果表明,提出的终端滑模自适应容错控制律具有较高的控制精度,定位的最大误差和平均误差分别为0.89和0.31 mm,从而验证了提出的控制方法具有较强的工程实用性。

针对移动充电车在老旧小区狭窄道路主动避障与跟踪控制存在的问题,提出了一种基于道路模型的避障路径规划与低速跟踪控制策略。首先,构建了小区道路模型,在考虑路径质量与道路风险势场的前提下,采用五次项路径规划算法实现最优避障路径规划。其次,设计了一种基于遗传非线性递减权值粒子群优化算法(Genetic Nonlinear Decreasing Weight Particle Swarm Optimization algorithm,GA-NLDWPSO)的线性二次型调节器(Linear Quadratic Regulator,LQR)横向和速度补偿PID纵向的控制器,实现对规划路径的跟踪。最后,搭建PreScan、CarSim和MATLAB/Simulink联合仿真平台,验证所提出方法的有效性。仿真结果表明,所提出的方法能够确保移动充电车在安全避障的前提下,针对其低速特点,实现速度控制的快速响应,稳定后最大纵向速度误差为0.059 km/h,最大横向误差有效降低,显著提高了跟踪精度和稳定性。

为了解决传统模型预测控制算法在智能汽车轨迹跟踪上的局限性并提高自动驾驶过程中轨迹跟踪的精确性和汽车的横向稳定性,提出了一种基于权重系数自适应模糊调节并结合前轮转角补偿与后轮主动转向控制的模型预测控制轨迹跟踪策略。首先,将整体控制结构分为上下2层:上层为轨迹跟踪控制层,利用模型预测控制算法得出汽车的理想前轮转角;下层采用自适应滑模控制理论设计前轮转角补偿器和后轮主动转向控制器,得出汽车的附加前轮转角和后轮转角,由此实现四轮转向轨迹跟踪控制。其次,针对固定权重系数的模型预测控制对于车速和路面附着系数变化适应性较差的问题,提出了一种基于模糊预测控制的权重系数自适应调节策略。最后,通过Simulink软件与CarSim软件,在不同车速和不同路面附着系数的试验条件下将该策略与传统模型预测控制算法进行比较,仿真结果表明:车速对传统模型预测控制算法的轨迹跟踪有较大程度的影响,而对改进后的算法影响较小,尤其当车速较高且路面附着系数较低时,改进后的算法使轨迹误差更小,同时能保证汽车安全、稳定的行驶。

为解决复杂工况下分布式驱动电车(Distributed Drive Electric Vehicle,DDEV)的驱动防滑问题,基于模块化提出了一种多智能体分布式协同控制策略。首先,采用模块化的方法搭建了整车结构,将各轮毂电机车轮和控制器整体视为一个智能体,根据车轮运动学和整车运动学建立智能体的滑转率模型;然后,设计了基于多智能体的分布式模型预测控制策略,以多约束条件下的协同优化为目标函数,实现驱动防滑,在解决驱动力不足问题的同时,达到了低能耗和舒适性;最后,利用Simulink软件和CarSim软件进行仿真实验,实验结果证明了所提控制策略的有效性,为分布式驱动的进一步应用提供了新的控制方法。

针对制造企业的数控编程效率低、重复工作量大和经验依赖性强等问题,提出一种基于知识图谱的智能数控编程方法。首先,分析数控编程领域相关知识,构建CAM知识元,降低知识的颗粒度,并构建本体模型及语义规则;其次,以某船用柴油机企业的制造信息为数据源进行知识抽取,采用本体映射的方式构建知识图谱的数据层;然后,通过实体对齐和基于语义规则的推理方法对知识图谱进行知识推理;最后,开发基于知识图谱的智能数控编程系统,并以船用柴油机关键件为实验对象,验证所提方法的有效性。

针对目前铝型材挤压模具领域生产设计严重依赖设计人员的知识经验、设计工艺知识重用困难及经验知识资源丢失等问题,提出了挤压模具本体知识表示模型,探索了挤压模具知识图谱(EDKG)的构建方法。将模具设计与铝型材挤压生产相关的规则经验归纳为一般性知识,通过本体构建七步法完成挤压模具知识图谱模式层的搭建。提出一种基于IA-DBSCAN的无监督知识抽取算法,通过融合词嵌入、信息熵与词频-逆文档频率的实体特征权重,将应用在大规模挤压模具领域文本数据中抽取的知识概念添加到知识图谱数据层,实现模式层与数据层的逻辑交互。最后,通过资源描述框架文件映射规则R2RML,以铝型材挤压模具为案例实现了Neo4j图数据库的数据存储与可视化,能够直观展示模具设计、材料属性和加工工艺等多维度信息间的关联,促进了模具加工领域知识的整合与标准化。

工艺文本数据的标准化对制造业数据集成与重用有着重要的意义,为了解决制造类企业内工艺文本数据描述不规范、不统一的问题,提出一种非监督数据匹配和监督学习数据匹配相结合的方法,通过融合BM25算法和DSSM算法实现工艺文本数据的低成本标准化。首先,由企业工艺数据管理系统获取并预处理工艺文本数据,同时根据企业实际情况构建企业数据字典。其次,使用无监督的BM25算法,在文本相似度层面对小批量工艺文本数据和企业数据字典进行粗匹配,由专家校验粗匹配结果以生成训练数据集。最后,利用训练数据集支撑基于监督学习的DSSM算法的训练,实现工艺文本数据在语义相似度层面的精细匹配。在家电生产企业的工序名称标准化任务中进行了验证,证明了所提方法的有效性。该方法能够有效减少制造企业工艺文本数据标准化过程中的人工成本,并在最大程度上保证工艺数据标准化过程的准确性。

针对某型航空活塞发动机空-空中冷器内部气流流动非均匀性及因结构紧凑、翅片小而密导致的仿真计算量大、精度不高的问题,提出一种基于重叠网格与复合多孔介质模型的数值模拟方法。通过建立复合多孔介质模型和基于重叠网格的换热器模型,研究不同流量条件下中冷器内部气流的流动均匀性和换热特性。仿真结果表明,中冷器气流流动均匀性受冷、热侧流量双重影响,当热侧流量为0.091 7 kg/s时,其整体均匀系数随冷侧流量增加降低了1.88 %;当热侧流量为 0.108 3 kg/s时,其整体均匀系数随冷侧流量的增加降低了0.82 %。风洞试验与仿真结果对比表明,该方法能够准确预测中冷器的气流流动和传热特性。中冷器出口温度相对误差不超过2 %,换热功率相对误差不超过7.5 %,仿真结果与风洞试验值的误差均在合理范围内,验证了模型的准确性和可靠性。

叶片作为航空发动机中重要零/部件,其加工质量对发动机性能影响极大。针对叶片加工后部分位置存在超差问题,对叶片加工误差补偿问题进行了研究。首先,根据叶片型面在U、V方向曲率的变化特点,分别采用自适应采样和等参数采样来完成叶片测量点规划;通过接触式在机测量获取理论型面与实际型面误差,基于测量得到的有限误差数据,通过双线性插值计算得到各刀触点加工误差;最后根据各刀触点加工误差对理论刀路进行调整得到补偿刀路。通过某型号发动机叶片进行补偿加工实验,结果表明,最大轮廓度误差由0.076 mm降低至0.040 mm,补偿后的叶片轮廓度满足精度要求,验证了补偿方法的有效性。

波峰焊在线质量检测是检验不良产品的重要方法,高精度的质量检测能够降低生产成本并为波峰焊过程中的质量预警提供支持。常规的质量检测方法能够较好地检测波峰焊产线中的漏焊、虚焊和连焊等质量缺陷。但波峰焊产线中还会发生其他异常,这些异常往往具有突发性、稀有性、未知性与异构性。常规检测手段难以检测这些突发异常,因此提出一种基于重建误差度量的异常检测方法。该方法通过对现有质量检测模型生成的潜在特征向量进行重构,并利用重建误差判定样本是否为异常,以在对常见缺陷高精度检测的前提下完成对生产异常的在线检测。此外,进一步构建了融合空间-通道注意力模块(Convolutional Block Attention Module,CBAM)与EfficientNet架构的特征提取模型,以及门控集成生成对抗网络(Gated ensemble Generative Adversarial Network,GGAN)模型,以进一步提升异常检测性能。针对南京某电子企业生产数据的实例验证表明,所提方法与构建的模型可实现高达98.5 %的异常检出率。与现有方法相比,所提方法显著提升了对波峰焊产线中异常样本的检测能力,同时保证了对常见缺陷的高精度检测。

针对复杂装配线资源配置频繁扰动而引起的生产节拍评估需求,建立基于XGBoost模型的复杂装配线生产节拍快速预测方法。在仿真数据样本获取的基础上,将处理好的数据集输入XGBoost模型进行训练,利用XGBoost模型内置的特征重要性进行特征选择,完成数据降维;采用贝叶斯优化(Bayesian Optimization,BO)算法对XGBoost模型的超参数进行优化,将优化后的超参数赋给XGBoost模型进行生产节拍的预测,提升模型的性能表现。以某型飞机装配线为例,对所提方法进行了验证,在模型优选方面,相比基于贝叶斯优化的LSBoost模型和随机森林(Random Forest,RF)模型,BO-XGBoost 模型均展现出了更优越的性能;在超参数优化方面,相比基于传统遗传算法优化的XGBoost模型,BO-XGBoost 模型测试集的相关系数R²=0.944,均方根误差为1.71,能够精确地预测生产节拍,从而提升系统实时分析、动态优化与决策能力。

为探究水平双螺旋输送机在输送黏性物料时的输送效率和黏性颗粒经输送过程后的完整性,并寻求输送机最佳结构参数,在保证填充率为30 %的前提下,通过改变输送机的螺旋直径、螺距直径比及交叠面积比这3种参数,在离散元软件EDEM中模拟仿真,研究结构参数与颗粒平均轴向速度、颗粒破碎率之间的相应变化关系,并选取较优参数组合,评估各参数对颗粒平均轴向速度和颗粒破碎率的影响显著性。研究表明,增大螺旋直径有利于提高双螺旋输送机在运输黏性物料时的输送效率,并且颗粒破碎率变化幅度不超过5 %,螺距直径比和交叠面积比不宜过大;最优结构参数组合是螺旋直径为200 mm、螺距直径比为1及交叠面积比为0,三者均对颗粒平均轴向速度有显著性影响,其中交叠面积比对颗粒破碎率影响较为显著,其余两者影响不明显。

针对液压泵故障诊断中信号复杂性高、空间特征信息提取能力不足的问题,提出一种结合CloFormer和Bi-LSTM的故障诊断方法。该方法将Bi-LSTM神经网络嵌入到CloFormer网络,加强模型对故障特征的学习能力,并提高模型对全局长距离信息和局部时序信息的表征性能。同时,设计一种多层特征信息融合结构,学习和融合多尺度特征,并促进特征信息的流动和传递。最后,将所提方法应用到液压泵故障诊断任务,验证所提方法的有效性。结果表明,所提方法实现了5类液压泵状态的准确诊断,准确率和F₁分数分别达到98.74 %和98.85 %,优于其他5种对比方法。

传统机床电主轴的热误差抑制采用循环冷却液换热控制方式,存在实时性低、成本高及与数控系统关联性较差等问题,针对此问题提出了一种基于麻雀搜索算法的机床电主轴水冷机PID(Proportional-Integral-Derivative)自适应控制方法。首先阐述了系统的整体设计方案;接着介绍了华中数控系统的PID控制模块,开展了麻雀搜索算法及其自适应调整模型的研究,进行了仿真分析;然后基于数控PID模块,完成了水冷机控制系统参数辨识,研制了水冷机PID自适应控制模块;最后设计了数控系统端的过程监控模块,进行了系统测试与验证。测试结果表明,所提方法对机床电主轴热抑制取得较好成效,具有良好的工程应用价值。