机器人拆卸逐步成为智能化生产的重要基础,提高机器人拆卸线效率,使其负载均衡尤为重要,拆卸任务顺序对拆卸线的影响也不可忽视。针对考虑拆卸序列的机器人拆卸线平衡问题,以工作站数量、平滑指数和最大工作站作业时间为优化目标建立多目标优化模型,提出ANP-熵权法为各目标分配权重,并提出一种改进离散粒子群算法来求解。通过实验表明所设计的耦合赋权法更能合理地量化目标权重,经过验证算法具有有效性,其性能优于对比算法,同时也说明所提研究方法有效可行,可对所研究问题进行高效的求解。

针对求解机械臂最优路径规划问题,提出一种融合卷积神经网络GRU的RRT^*算法(GRU-RRT^*)。将门控循环单元GRU应用于采样的规划器(GRU_Sampler),利用神经网络规划器为快速探索随机树提供节点,预测下一次随机采样最有希望的可达状态,显著降低了算法的运行时间,提高了改进的RRT^*算法的规划效率。此外,采用自适应可变步长,利用环境信息生成合适的步长,避免因固定步长导致的收敛速度降低的问题,最后使用三次样条插值算法对机械臂运动轨迹进行平滑,减少机械臂的冲击损耗。将GRU-RRT^*算法分别在二维、三维和Rviz地图中进行仿真,实验结果表明,改进算法有效的降低了搜索的时间,提高了机械臂规划的效率,平滑性良好。

针对传统的快速搜索随机树(RRT)算法在路径规划的过程中收敛速度慢、路径冗长且在复杂的环境下成功率低的问题,提出了一种改进的RRT路径规划算法。该算法引入基于障碍占空比的扩展角度控制策略,通过父节点附近障碍物分布情况控制新节点的扩展方向,增加算法规划速度的同时保证了算法的成功率。随后通过剪枝优化和二阶贝塞尔曲线对生成的路径进行平滑处理。通过多组仿真结果表明,改进RRT算法与原始RRT算法相比,改进RRT算法生成的路径长度更短,时间更快,扩展角度收敛性更高,规划成功率也有较大的提高。

针对传统机械臂的离线式笛卡尔空间轨迹规划无法解决与环境发生接触的情况,提出了一种基于导纳的机械臂实时柔顺轨迹规划方法。将机械臂笛卡尔空间轨迹规划分为了位置规划与姿态轨迹,并通过时间标度参数s(t)将二者归一化,其中以最为常见的直线运动和圆弧运动为例进行了轨迹规划说明;构建导纳控制器,并将末端六维力传感器获取到的信息代入控制器中,计算出末端位姿的调整量;在轨迹规划的基础上引入导纳控制,解决了轨迹规划无法实时感知外界环境作用力的问题;最后,搭建了机械臂实物验证实验,进行了直线运动和和圆弧运动实验。实验表明,基于导纳的实时柔顺轨迹规划方法既可以实现机械臂轨迹高精度运动,也可以主动顺从外界环境接触力,提高了系统的稳定性和安全性。

针对考虑误差的人字齿行星轮系传动精度求解的准确性与效率问题,提出一种人字齿行星轮系传动精度建模与分析的半解析方法,以便准确高效地分析制造误差对人字齿行星轮系传动精度的影响规律。基于切片法建立考虑齿距误差和双螺旋线对中误差的人字齿行星轮系准静态解析模型,人字齿轮内外齿轮副的柔度矩阵采用有限元子结构方法获得;通过迭代求解模型的非线性微分方程组分析行星传动在误差和负载作用下运动(位移/转角),形成半解析的人字齿行星轮系的传动精度分析方法;以3个行星轮的人字齿行星轮系为例,分析在负载工况下齿距偏差和双螺旋线对中误差对传动精度的影响,并在同等精度条件下与有限元对比提高计算效率300倍以上,说明本模型的有效性与准确性。

针对飞机舵机电动负载模拟系统因非线性干扰和多余力导致加载性能不良的问题,采用直线音圈电机改变传统加载方式,并提出一种基于不完全随机萤火虫算法、结合扰动信号前馈控制和多工况专家控制的复合控制策略。在前馈环节,以舵机输出位置信号作为扰动,计算并设计前馈补偿控制器对其进行抑制;在反馈环节,采用多工况专家控制,通过对模拟气动载荷工况和误差信号的判断,设计专家控制规则;同时,利用不完全随机初始化法和动态变步长搜索法对萤火虫算法进行改进,使其完成对专家控制的参数寻优。仿真结果表明,系统在复合控制器作用下的加载精度和加载误差均优于传统PID控制系统,对多余力的抑制程度可达78%,控制性能得到明显提升。

针对FastSLAM算法需要增加粒子数提高精度以及重采样导致的粒子多样性缺失的问题,提出一种改进INFO (向量加权平均算法)优化的粒子重组FastSLAM算法。首先,在预测粒子集时加入最新时刻的观测信息并通过INFO计算粒子适应度值,为增强INFO跳出局部最优的能力,对最优个体进行柯西变异;其次,通过改进INFO寻优能力强,收敛速度快的特性更新预测粒子集,使得在计算权重前粒子集的位姿就更接近期望值,以此提高估计精度;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。仿真实验结果表明,IINFO-FastSLAM算法较FastSLAM、INFO-FastSLAM算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

针对航空用紧固件抗剪性能这一关键特征,分别建立了毛坯件和热处理工况航空用Ti-6Al-4V紧固件的双剪切三维数值模型,揭示了Ti-6Al-4V紧固件双剪切演化过程及抗剪失效机理。结果表明,该模型可以有效模拟钛合金紧固件双剪切工况下的载荷-位移曲线,剪切强度预测平均误差为0.5%。热处理后Ti-6Al-4V紧固件的剪切强度提升了35%。在抗剪过程中,工件的应力集中由下刀面接触域逐渐扩展到整个受剪面,直至工件抗剪失效。该研究为钛合金紧固件抗剪性能分析及提升提供理论依据和指导。

针对机床主轴加工位置变化和刀具更换引起刀尖频响函数改变的现象,提出了一种基于遗传算法优化的反向神经网络(GA-BP)和子结构响应耦合方法(RCSA)的刀尖加工空间频响函数预测方法。在该方法中,将机床系统划分为刀柄基座、剩余刀柄和刀具3个子结构。采取GA-BP算法构建刀柄基座频响函数预测模型;通过遗传算法辨识刀柄-刀具结合面参数;最后,采用RCSA法预测出不同加工位置和不同刀具的刀尖点频响函数。结果表示,刀尖点频响函数的预测值与实测值基本一致,前二阶固有频率的误差均不超过5%,有效地验证了该方法的可行性和准确性,为不同位置和不同刀具下的频响函数预测提供了有效参考。

针对当前FDM3D打印切片过程中对轮廓路径的规划易陷入路径长度局部最优而导致能耗增加的问题,提出了一种面向低碳节能的轮廓路径规划方法。首先,根据FDM 3D打印多轮廓的打印顺序建立了轮廓路径的数学描述模型;然后,结合遗传算法收敛速度快与模拟退火算法能够接受较差解的优势,建立了基于遗传模拟退火算法的轮廓路径规划方法,包括:确定各轮廓几何中心并将其视作算法的初始点集合,通过遗传模拟退火算法求解各轮廓几何中心的最优连接路径,基于该路径确立各轮廓的打印起始点等步骤;最后,文章通过案例研究验证了所提方法的可行性。

传统有限元分析方法计算量大,难以保证优化效率。本次研究将缩减基法用于刚柔耦合运动平台的快速优化,介绍了缩减基法的基本理论以及刚柔耦合直线平台的仿真模型,然后对缩减基法计算的位移结果进行误差分析,最大的相对误差为1.8×10^-3,说明此方法不仅效率高,还有良好的计算精度。最后引入遗传算法优化平台的结构参数,并使用ABAQUS验证优化结果。结果表明优化后平台的倾翻角度减少了17.2%,证明缩减基与遗传算法的结合不仅避免了出现局部最优解的情况,还能够达到快速优化的目的,大大缩短了设计周期。

套索驱动机械臂中的独立关节伺服系统受到时变位姿和关节柔性的影响,会出现振动的问题,进而影响机械臂的运动精度。采用模糊整定的控制策略,通过提高伺服系统的转角控制精度间接的抑制机械臂的振动。首先,根据套索传动原理建立了机械臂柔性关节伺服传动系统的动力学模型,求得系统速度环中负载转速到电磁转矩的传递函数;其次,根据极点配置策略适当选取机械臂位于不同位姿下的比例积分(PI)控制器参数,并应用模糊整定控制策略实现控制器参数的实时调整;最后,通过数值仿真和机械臂控制实验,验证了方法的有效性。结果表明,所提出的控制策略可以更好地抵消转动惯量变化引起的速度波动,从而改善柔性关节的转速输出。

PID控制器广泛运用于精密控制领域,但其参数的自适应精准调节还存在一定的难度。针对直线电机驱动的精密运动平台,通过构造内模控制器设计来降低PID参数调节难度,为建立内模控制器所需的精确数学模型,在强化学习方法研究的基础上,提出一种基于概率推理学习控制算法(probabilistic inference for learning control,PILCO)的自适应内模滤波系数在线优化方法,根据输入滤波系数与输出误差拟合概率动力学模型,通过策略评估和策略优化进一步优化内模滤波系数。所提的内模控制方法在直线电机运动平台上开展了跟随误差实验验证,实验结果表明,所提出方法可明显降低运动跟随误差,相比于一般的内模控制方法,控制方法可将梯形曲线定位过程平均超调量误差降低86.667%,将正弦曲线平均跟随误差降低85.950%,有效验证了该方法在精密运动平台上的自适应控制性能。

对于盾构管片模具复杂的螺栓拆卸问题,在求得螺栓轨迹的情况下,对拆卸螺栓机械手的运动轨迹进行了拟合及优化,以平面四杆机构和柔性件组合来实现机械手的既定功能。首先通过平面四杆机构对螺栓轨迹进行拟合,以既定轨迹与平面四杆机构固定点轨迹的距离之和设计目标函数,通过粒子群算法对四杆参数进行优化求解。随后在平面四杆机构中加入柔性件来优化机械手的运动轨迹,并将两种形式通过仿真分析进行对比。最终搭建拆卸螺栓机械手的实验模型,验证了机械手工作过程的平稳性以及基本动作的完整性。

针对工业机器人关节轨迹跟踪控制问题,设计了一种新型预定义时间滑模轨迹跟踪控制器。首先,通过分析工业机器人关节传动机构,建立了由永磁同步电机驱动的关节运动模型;然后,设计预定义时间滑模轨迹跟踪控制器,并对控制器的非奇异性和预定义时间收敛性进行分析,确保轨迹跟踪误差能够在预定义时间内完成收敛;最后,在工业机器人上进行实验,结果表明,所设计的控制器具有良好的轨迹跟踪性能,并能保证跟踪误差在预定义时间内收敛。

针对机械臂在实际轨迹跟踪的过程中存在未知摩擦项和外部干扰,易导致跟踪精度不足的问题,考虑多变量约束和耦合,提出了一种融入模糊补偿的机械臂轨迹跟踪预测控制策略。首先,采用逆动力学进行反馈线性化,利用模型预测控制处理多变量约束问题,实现在线滚动优化;其次,引入模糊补偿消除未知摩擦项和外部干扰的影响;最后,通过联合仿真实验进行验证。结果表明,与单独模型预测控制相比,所提控制方案有更好的动、稳态性能,双关节轨迹跟踪的平均绝对误差分别降低了88.63%和88.30%,均方根误差分别降低了96.84%和97.85%。

为提高永磁同步电机的控制性能,设计了一种自抗扰控制器与改进ESO并联的永磁同步电机矢量控制系统。首先,利用光滑的非线性函数改进传统的ESO,提高其对信号的平滑处理能力,并将改进的ESO与ADRC并联,提高信号处理的准确率;然后,将系统的电磁转矩与负载误差、转速误差与时间积分主动补偿到电流环,提高系统的响应速度和抗干扰性;最后,利用乌鸦算法优化ADRC的参数,减少人工参数整定的复杂度。Simulink中的仿真结果表明,改进系统比ADRC和PI控制具有更好的鲁棒性和稳定性。

针对双三相永磁同步电动机(DTP-PMSM)在受到外界和电机内部影响时,会出现电气参数变化和传感器精度下降的问题,提出一种带参数辨识的无传感器控制方案。该方案通过MRAS来实现电阻和电感的在线辨识,为了减小谐波的影响,将其推广到静止坐标系中,采用Popov超稳定性理论设计出新的自适应律,并使用BP神经网络来优化自适应律的增益,实现增益的在线调节,提高系统的辨识精度。此外,为进一步提高系统的鲁棒性,提出了一种基于线性扩张状态观测器和滑模控制相结合的改进锁相环,通过Lyapunove函数证明其稳定性。仿真结果表明,提出的方法能够实现对电气参数的准确辨识,提高系统控制性能。

针对永磁同步电机在负载转矩无规则变化、参数时变时利用传统速度控制方法较难满足高精度应用场合的精确控制问题,提出一种基于数据驱动的最大熵深度强化学习(SAC)智能控制方法。该方法利用系统数据训练SAC代理替换传统PID控制中的速度环,直接输出电压实现智能控制。在变负载和变转速的实验下,相比传统PID和DDPG智能控制方法,该方法在平均最大速度误差上分别提高约54.8%和24%,平均收敛时间上分别提高约37.8%和27.8%。实验结果表明该方法具有较好的抗干扰能力、跟踪效果和稳定性。

针对永磁同步电机(PMSM)系统中模型参数失配和一拍延时导致电流响应精度下降的问题,提出了一种新型鲁棒无差拍预测电流控制(NR-DPCC)方法。首先,建立了PMSM的预测电流控制模型,详细分析了各电磁参数对常规DPCC的敏感性。其次,采用Adaline神经网络的方法设计了电感和磁链参数辨识器;在此基础上,提出了一种应用于电机系统的变步长神经网络权值调整算法;最后,基于在线辨识的参数值和电流预测值,提出了NR-DPCC方法,并通过RT-Lab硬件在环仿真实验平台进行了验证。研究结果表明,相较于常规DPCC方法,所提方法不仅能够精确的在线跟踪电机的参数变化,而且有效的提高了电流响应精度。

针对形状记忆合金(shape memory alloy,SMA)迟滞非线性特性下的轨迹跟踪问题,提出了一种反步自适应神经网络的控制方法。首先,根据所建立的Lyapunov函数,通过反步法设计出针对SMA驱动器的非线性控制器;然后,针对系统的非线性和参数的不确定性,采用自适应神经网络进行逼近,并且基于构造的Lyapunov函数,证明了闭环系统的稳定性。实验结果来看,所提出的控制方法成功地应用于SMA驱动器,并且几乎补偿了迟滞现象,并将实验控制结果与传统的PID控制器进行了比较。

针对多电机同步控制系统中动态响应速度差和同步控制精度低等问题,在偏差耦合控制结构的基础上,提出一种超扭曲非奇异滑模控制器与误差因子速度补偿器相结合的新型控制策略。将新型非奇异快速终端滑模函数与超扭曲算法结合,设计超扭曲非奇异滑模控制器,利用其优良的动态调节性能,提升系统响应速度。引入误差因子概念,重新确定每台电机的速度补偿信号,增强系统中各电机之间的耦合性,在受负载扰动后转速波动小,减小系统同步误差。结果表明,新型控制策略的跟踪性提高了约33%,同步性提高了约40%,具有更好的跟踪性和同步性,可实现多电机的精密协同控制。

针对目前铝片表面缺陷的目标检测存在很多问题,包括现场大规模算法和计算设备的不适用性,以及检测速度和精度之间的平衡等,提出了一种基于注意力机制的新颖轻量级检测方法。在YOLOv4框架的基础上提出GBANet主干网络,其基于一个新的卷积Ghost模块构建并将改进的注意力模块嵌入在堆叠的Ghost块中。对颈部网络进行了特征融合的重新设计和轻量化,增加感受野,通过SPPF-PANet模块简化网络并通过改进anchor box和损失函数等措施增强模型对缺陷对象精确性。实验表明,所提方法较原YOLOv4提高1.06%的mAP,检测速度达到了36.6 fps,模型体积减少了82.72%,并能有效识别铝型材表面不同种类的缺陷。所提方法能够满足铝型材工厂生产现场缺陷检测要求。

针对多通道伺服控制系统中出现的系统结构复杂、控制精度和同步性能难以达到预期控制效果的问题,设计了一种九路作动装置同步控制系统。系统以DSP和FPGA为核心控制架构,DSP用于控制算法,FPGA用于通信和外部接口扩展;系统实现了分布式驱动控制,采用总线式结构设计方案,利用时间触发通信总线(TTP)连接各个独立的舵机驱动控制器实现数据互联,模块化设计硬件和软件。实验表明,系统控制位置灵敏度为0.2 mm,带宽不低于3 Hz,作动装置的运动速度不低于100 mm/s,同步精度为0.15 mm,系统控制精度高,同步性能好,能够满足实际需要。

针对永磁直线同步电机(PMLSM)存在的参数变化、外界扰动等不确定因素影响位置跟踪精度的问题,提出一种基于径向基函数(RBF)神经网络的分数阶动态面控制方法。在反步控制器设计的基础上,引入动态面控制技术,避免了反步控制存在的“微分爆炸”问题;在虚拟控制量中加入分数阶微积分项,增加了系统的参数自由度;利用RBF神经网络逼近补偿系统的不确定因素。基于Lyapunov稳定性理论,对所控制的系统进行稳定性分析证明。仿真结果表明,所提出的控制方法能减小系统的跟踪误差,提升鲁棒性,加快系统的响应速度。

针对微孔化机械密封可以成效改善机械密封性能问题,探究考虑复合微孔对机械密封的承载力和泄漏量的变化规律,以揭示复合微孔具有较好的密封性能。首先,建立正五边形-椭圆形复合微孔流体膜的几何模型;其次,通过数值模拟研究了复合微孔织构化对机械密封摩擦副端面流场的压力分布,并与单一微孔进行了对比;最后,进行对比其不同微孔深度h_p、旋转速度n、面积比S_p和压力进口p_i等对密封性能的影响。结果表明,微孔深度3 μm左右时,复合微孔的泄漏量和承载力均取得了最大值,开漏比取得了最小值;复合微孔的承载力和泄漏量均随着转速和进口压力的增大而增大;复合微孔化机械密封具有较大的承载力和较小的泄漏量,其开漏比优于单一微孔的开漏比,复合微孔化端面具有良好的密封性能。

环境温度变化引起的机床热误差建模是揭示热误差演化规律并进行热误差补偿的基础。以普通车间中一台精密五轴卧式加工中心为研究对象,分析了车间环境温度波动的特性,揭示了环境温度变化引起的机床热误差的形成过程。从工程实际出发,设计了含3个环境温度测点和多个机床温度测点的热误差实验。建立了考虑变量间共线性的岭回归热误差模型,并通过坐标下降法求解了模型参数。结果表明,提出的模型比传统单点和多点线性回归热误差模型的预测性能分别平均提高了约33%和22%,为后期热误差补偿提供了一种有效的参考模型。

为了实现铝型材的轻量化,通过分析铝型材的抗弯及抗扭性能,得到其性能评价指标,采用有限元软件对铝型材截面结构进行分析,实现了截面结构改进及设计参数选取;建立了铝型材截面面积及惯性矩的参数化模型,并结合AUTOCAD面域指令进行辅助验证;采用序列二次规划算法求解参数化模型中设计变量的最优解,实现了铝型材截面的优化设计;在保证铝型材截面惯性矩不减的情况下,优化后的截面面积相比优化前的面积减少了10%。

为提高GCr15钢球表面的耐磨性能,将GCr15钢球、硬质球、研磨粉及研磨液混合进行钢球强化研磨加工。通过采用光学金相显微镜、X射线衍射仪、维氏显微硬度计分别检测GCr15钢球的截面显微组织、晶粒尺寸及维氏显微硬度,再通过摩擦磨损试验机对不同钢球强化研磨加工时间的GCr15钢球进行摩擦磨损试验,分析其平均摩擦系数、磨损量及磨痕宽度,研究钢球强化研磨加工时间对GCr15钢球表面耐磨性能的影响。结果表明,在其它加工工艺参数保持不变的情况下,钢球强化研磨加工时间由30 min增加至90 min时,其表层强化层厚度增加,晶粒细化程度逐渐增大,维氏显微硬度提高,使其耐磨性能增强。

基于等效平面的方法使用二维正交切削仿真的结果来代替三维斜角切削仿真的应力场和温度场,以便节省模拟时间和成本。针对等效平面法存在一定的误差的问题,在分析误差产生原因的基础上,在温度场方面对等效平面法进行优化,并将其应用到铣削仿真中。首先,建立了等效平面刀具参数与主截面刀具参数之间的转换模型;同时,也对工件的重要参数,如切削厚度、基体厚度、比热和摩擦系数进行了等效处理;最后,通过建立仿真模型进行对比分析,发现基于优化的等效平面法建立的二维切削模型有效地减小了二维模型与三维模型的仿真结果之间的误差,其中,刀具与工件接触区域的最大温度误差从9.63%降低到了0.29%,工件基体的温度分布也得到了显著改善。因此,优化的等效平面法可以有效地减小仿真误差。

针对结构化箱梁移动焊接作业需求,设计了一种新型六足轮腿式机器人及其控制系统。首先设计了机器人的本体结构模型;然后针对机器人模型进行了运动学分析与建模,规划了机器人的越障步态;同时为了保证机器人在直线运动过程中的稳定性,采用了模糊PID控制算法,再利用Simulink软件进行了仿真;最终搭建了实验平台进行实验测试。实验证明,基于模糊PID控制方法的轮腿式机器人的直线运动偏差相比于普通PID控制方法的更小,能够实现稳定的越障运动。

针对目前大多数机械故障诊断中单一振动加速度信号特征提取对先验知识要求高和对时域、频域信息利用不充分等问题,提出了一种基于信息融合的稀疏自编码故障诊断方法。首先,对振动加速度信号进行频域积分得到速度和位移信号,同时计算加速度信号的频谱;其次,将频谱、速度、位移三种信号融合成一个复合信号;最后,将复合信号作为稀疏自编码网络的输入进行深度特征提取,利用SoftMax分类器进行状态识别。通过调整不同比例的输入信息来调整模型,并与传统的稀疏自编码故障诊断模型相比,结果表明,所提方法能有效识别滚动轴承故障和RV行星轮故障,且在减少网络层数的同时能够提高识别准确率。

通过分析主轴系统的故障特征和产生机理,提出了一种基于变分模态分解(VMD)与多尺度加权排列熵(MWPE)的故障特征提取方法和粒子群(PSO)优化支持向量机(SVM)的数控机床主轴系统故障分析诊断模型。首先,利用变分模态分解方法对所采集的主轴系统振动信号进行分解,得到若干有效本征模态分量(IMFs);其次,通过多尺度加权排列熵提取故障特征信息,利用SVM模型对故障特征信息进行分类与识别;为了提高模型的识别准确率,将引入粒子群优化算法(PSO)对SVM模型参数进行优化。实验验证表明,所提出的信号特征提取方法和状态识别模型在数控机床主轴系统的故障诊断方面取得了很好的成效,其故障识别准确率最高达99.56%。

针对当前铸件混流分拣线中,高相似度铸件检测准确率低、速度慢的问题,提出一种基于SSD的轻量级多铸件高效检测方法。首先,用融合轻量级ECA注意力机制的MobileNetv2替换SSD模型的主干网络,解决因轻量化设计而损失精度的问题;其次,采用反向残差层替换原SSD的卷积预测层,进一步轻量化算法,解决SSD算法因网络结构复杂,参数量和浮点计算量较大的问题。实验结果表明,所提出的算法在多铸件检测上,mAP达到97.10%,检测速度为46.84帧/s。相比SSD算法,GFLOPs降低了41倍,参数量减少至4.34 MB,在保证精度与速度的同时,降低了算法对硬件设备的需求。

为了减小磁力齿轮的齿槽转矩,削弱工作时的转矩波动,使磁力齿轮拥有更高的传动效率,应用于更多场合。在分析了磁力齿轮齿槽转矩的形成过程及波形变化趋势提出了一种侧边正弦形调磁极片结构。首先,对侧边正弦调磁极片中能影响齿槽转矩大小的结构参数进行设定;其次,模拟分析设定的调磁极片结构参数对齿槽转矩大小影响的具体趋势,得出调磁极片开槽率、调磁极片径向厚度和正弦曲线幅值对磁力齿轮齿槽转矩大小影响的曲线图,并将传统的扇形与侧边正弦形调磁极片进行对比。根据仿真模拟得到的最佳参数制作了样机,并通过实验验证了在一定输入转速和负载下,磁力齿轮应用侧边正弦形调磁极片相对于扇形调磁极片的输入转矩波动减小了14.67%,输出转矩波动减小了4.80%。实验结果表明,侧边正弦形调磁极片可有效减小齿槽转矩,削弱转矩波动,提高了磁力齿轮的传动效率和使用寿命。

针对永磁转子在表磁检测过程中存在的偏心的现象,基于分子环流模型,利用毕奥-萨伐尔定理对永磁体的空间磁场分布进行分析,开发了一种用于表磁偏心修正的系统。首先,介绍了该偏心修正方法的原理及工作流程,并针对数据处理模块引入了基于三次样条的双向插值;其次,设计搭建了修正系统平台;最后,通过采集对比实验数据,评估系统性能。实验表明,使用分子环流模型分析永磁转子空间磁场分布具有较强的适用性;同时,三次样条双向插值使测得的磁场数据与真实值更加贴合;最终呈现为经过该系统修正后的磁场数据与真实值的相对误差可控制在0.9%以内。

针对支撑基座的竖直刚度计算问题,围绕如何提高有限元计算准确性,提出一种等效刚度模型替代宏观结构模型的分析方式,基于有限元法进行微观粗糙表面仿真和分析,利用积分思想计算等效刚度。通过轮廓扫描仪获取真实工件表面的形貌数据,重构符合高斯分布的微观粗糙表面,使用ANSYS软件仿真计算接触刚度,结果与不同理论接触模型对比,验证了有限元微观接触表面刚度的合理性。将宏观结构模型有限元计算刚度与等效刚度模型计算刚度对比,结果表明接触面的塑性变形和曲面的基体变形对刚度影响最大,为后续支撑系统的结构优化提供依据。

配准是两个点云之间的刚体变换估计问题,近年来有众多深度学习方法被提出以解决该问题。然而,这些方法的训练集往往来自费时费力且数据量不足的真实采集和人工标定。该问题有望通过渲染技术解决。立足于6D位姿估计应用场景,设计了一套基于Point Transformer深度学习点云特征提取网络的点云配准算法流程。应用渲染技术将ShapeNet数据集模型在不同视角生成大量局部投影,构建训练集。使用InfoNCE作为损失函数,以对比学习的方法使Point Transformer网络学习点云的逐点特征描述。开发了Rendering-ICP算法以优化精配准环节,作为最终位姿估计结果。在Linemod数据集上验证本套算法流程,使用VSD回归作为评价指标,与现存方法对比,获得了7%的性能提升。

在传统车间管理的基础上扩充了物理实体车间在虚拟空间的真实的三维可视化效果,提出了新的数字孪生驱动的车间管理体系架构。用MesWork Data Factory数字孪生虚拟仿真平台,进行孪生车间信息建模,通过OPC UA的数据采集网络架构感知设备的生产数据,前端接收设备运动的实时信号,根据工艺规划,驱动孪生模型运动,从而实现了同步运行的、虚实交互的、数字孪生驱动的车间管理系统。将其应用于某生产车间,实现数字孪生的某车间运行的新模式,验证了系统的有效性以及实用性。

针对汽车涂装生产的车辆路由调度问题,为降低涂装作业颜色切换次数及后续生产序列偏差,实现有限的资源内制造成本最低。基于涂装车间内具有多线性缓冲存储区的特点,以随机的待喷涂车辆集合为输入,建立以颜色切换次数最少及总装生产需求队列偏差最小为目标的MILP (mixed integer linear programming)模型,入库基于启发式规则,出库通过改进遗传算法求解,输出车辆路由调度方案。最后以某新能源汽车厂涂装车间为例,开发了一套路由调度系统,验证了所提出的多线性缓冲区联合调度方法,使得涂装切换成本下降80%左右,总装生产需求偏差成本下降10%左右。

针对生产过程中不确定性机器故障使初始调度方案可执行性降低的问题,提出了一种考虑机器故障概率的柔性作业车间重调度方法。采用事件和基于故障概率的周期混合驱动策略,综合使用多种重调度方式,引入最大完工时间偏差、工序开始时间累积偏差、工序机器变动量作为评价指标,借助结合变邻域搜索的改进遗传算法对调度方案进行求解。通过对处理后的柔性作业车间案例仿真分析,结果表明,相比于单一重调度方式该方法最优重调度方案在性能评价指标上有显著提升,验证了所提出重调度方法应对不同情况下机器故障扰动的优越性。