基于系统动力学模型,针对2点间获取具有最优工作时间负载轨迹问题进行了系统研究。考虑到机械手本身构型特点及动力学模型的完备性与通用性,以多体动力学理论为指导,建立在罗德里格公式定义的系统构件旋转矩阵和Chales定理基础上,采用拉格朗日原理构建系统动力学模型。进而采用线性迭代法(Iterative linear programming,ILP)与系统动力学方程修正相结合的方法,并以一维时间搜索法获取系统最优工作周期。最后针对一3自由度空间机械手进行工作周期优化仿真,并对仿真结果进行分析。
选择拆卸序列规划是产品维修或回收的重要环节,针对目前选择拆卸序列规划算法中自动化程度较低的问题,提出一种基于运动规划的选择拆卸序列规划方法。该方法首先根据复杂产品中零件数量繁多,形状不规则的特点,采用基于自适应动态多树的快速扩展随机树(Rapidly-exploring random tree, RRT)算法对零件进行运动规划。在此基础之上,通过对装配体进行自动分层处理,分析零件间拆卸约束关系,构建装配体的拆卸约束关系图。最后通过对拆卸约束关系图的分析处理,获得目标零件的选择拆卸序列。以某底盘的目标零件为例,对提出的算法进行了验证。
为了提高飞行器等复杂工程系统的设计质量与优化效率,基于代理模型的优化得到广泛应用。将信赖域思想引入基于代理模型的优化中,提出基于信赖域的采样空间更新策略,进而发展了一种基于信赖域的动态径向基函数代理模型优化策略(Trust region based dynamic radial basis function, TR-DRBF)。通过Maximin拉丁超方试验设计方法选取样本点,选用径向基函数方法构造代理模型,采用全局优化算法对所构造的代理模型进行优化,根据已知信息进行信赖域采样空间更新,在其内部选取新增样本点并更新代理模型,直至优化收敛。将本优化策略用于标准数学测试算例和工字梁设计优化实例,并与国内外现有研究成果进行比较,证明了TR-DRBF在优化效率和全局收敛性方面都有较好的表现,尤其是针对高维优化问题时,TR-DRBF具有更显著的优势。
模具生产过程中充满了不确定性,尤其是返修的工序和次数不确定,使得准确估计和控制模具的生产周期成为一个世界性难题。为了解决这一问题,分别采用考虑返修的串联和混联制造排队系统来描述模具制造过程,在假定订单按先到先服务(First come first served, FCFS)规则进行加工且正常加工和返修时间均服从负指数分布的情况下,分析制造排队系统基于事件的状态转移过程和事件间隔时间,提出了返修强度的概念并将事件间隔时间近似为负指数分布,在此基础上结合独立伽马随机变量之和推导出模具剩余工期的近似数学分布模型。设计计算实例,将不同返修强度和初始状态下的数值计算结果与仿真结果进行对比分析,验证了剩余工期近似模型在不同返修强度环境下均具有良好可靠性。