基于深度学习的增强装配智能人机交互方法

针对增强装配系统智能化水平低、系统与用户交互性差的问题,提出一种基于深度学习的零件拾取感知方法。采用目标检测算法提取手部和零件的类别与位置信息,并通过区域相交判定方法获取图像感兴趣区域。搭建分类网络以识别单帧深度图像中零件的拾取状态,以此为基础,提出连续帧状态识别方法消除单帧识别结果误差。实验结果表明,在航空发动机零件装配过程中,所提方法单帧感知速度在0.031 s内,连续帧下准确率可达100%,满足现场识别准确率和速度要求。

基于数字孪生的离散制造车间可视化实时监控方法

针对离散制造车间实时监控困难、调控能力差、管理不透明等问题,采用面向对象的方法,提出一种基于数字孪生的离散制造车间可视化实时监控方法。首先,搭建了基于数字孪生的离散制造车间可视化实时监控方法体系架构,明确了其关键实现流程;然后,分别围绕4个关键技术:基于AutomationML与OPC UA的数据建模及传输方法、事件驱动的虚实映射方法、基于复杂事件处理的车间逻辑建模方法、信息可视化及推送,详细阐述了该可视化实时监控的实现方法。最后,以某航天产品机加车间为应用案例,结合实际生产过程和开发的原型系统,验证了该监控方法的有效性。

基于NSGA-Ⅱ的隐式参数化白车身轻量化设计

采用SFE-CONCEPT软件建立商用车驾驶室白车身隐式参数化模型,并进行自由模态和6种典型工况的静力学分析。同时建立自动分析优化的流程,针对60个厚度、截面形状和零部件位移变量因子,通过灵敏度分析筛选出优化的设计变量因子,以质量与6种典型工况的最大应力为目标响应,拟合二阶响应面近似模型并进行精度验证。采用第二代非支配排序遗传算法(NSGA-Ⅱ)对建立的近似模型的求解进行优化得到前沿最优解。优化后的驾驶室白车身模型在保证可靠的强度和模态性能的前提下,质量下降16.9 kg,轻量化率为5.49%,取得了较好的轻量化效果。

基于OPC UA的数字孪生车间实时数据融合与建模研究

数字孪生车间是智能制造背景下车间全息监控、精准分析、实时决策的有效手段。而实时高效的异构数据采集和融合,以及虚实车间的交互连接是驱动数字孪生车间运转的核心。为此,依托制造物联网和OPC UA通信技术,建立了数字孪生车间实时数据采集框架。采用分层融合的策略,去除原始数据中的信息冗余,匹配产生中间事件和生产过程数据,同时基于空间尺度构建实时数据空间对象模型。另外针对提高数据传输实时性的目的,按照信息分类—自适应压缩—节点合并的路线,缩减OPC UA信息模型节点数目和节点容量,设计了面向数字孪生车间的OPC UA信息建模方案。最后,以某航天结构件生产线为案例,为数字孪生车间开发了实时数据采集系统,并验证了此方案的可行性。

实时数据驱动的离散制造车间自适应调度方法

针对离散制造车间生产调度存在的缺少信息反馈、动态响应能力弱、决策实时性不足等问题,提出了一种实时数据驱动的自适应调度方法。首先,以物联设备实时采集的大量生产数据为基础,提出一种数据驱动的"感知-调度-执行"闭环决策机制;其次,设计了一种改进的协同多智能体Q-learning算法,通过经验共享机制解决多智能体间的信息交互问题,在此基础上,采用基于学习次数的动态搜索策略来提高不同生产状态下算法的学习效率,从而实现对不同工位的自适应调度;最后,以某航天产品机加车间为案例,验证了所提方法的有效性和可行性。

基于灵敏度分析的商用车驾驶室白车身轻量化设计

为了提高商用车前期设计阶段的工作效率,在商用车白车身设计的概念阶段引入隐式参数化建模思想。使用SFE-CONCEPT软件建立某商用车驾驶室白车身隐式参数化模型并对该模型进行实验设计分析,录入白车身63个零/部件的厚度数据作为设计变量的筛选基础,分析其对模态、刚度和质量的灵敏度,并定义相对灵敏度,选出对质量影响较大的零/部件进行优化。获得了白车身弯曲刚度和扭转刚度分别降低了1.9%和1.5%,白车身1阶弯曲模态和1阶扭转模态频率分别提高了7.2%和6.5%,车身质量减轻了18 kg,轻量率达6.06%的优化结果,有效地实现了轻量化目标。

载货汽车的板簧刚度验证与平顺性仿真分析

针对钢板弹簧动力学模型在整车平顺性仿真分析时,仿真精度低等问题,以钢板弹簧的刚度特性对整车平顺性的影响为对象进行研究。将某型载货汽车作为分析对象,在ADAMS/car中,利用leafspring模块建立钢板弹簧模型,对钢板弹簧模型的摩擦和接触进行设置,并对板簧模型进行刚度验证。利用ADAMS/car建立板簧悬架模型及整车动力学模型,考虑到轴荷是载货汽车研发过程中的重要参数,需要对其进行修正。利用凸块路面,对修正后的载货汽车整车模型进行平顺性仿真,并与实车道路试验做对比,仿真与试验结果显示:驾驶室座椅导轨处的仿真峰值与对应实车测试峰值的误差绝对值小于20%,说明载货汽车动力学模型满足平顺性仿真精度要求。

基于多目标形貌优化的电力电容器壳体降噪方法

电容器壳体振动是滤波电容器向外界辐射噪声的主要来源。为了有效降低电容器壳体的辐射噪声,提出一种基于电容器频域特性的低噪声电容器壳体形貌优化方法。通过模态试验建立准确的初始电容器壳体辐射噪声预测数值模型,并根据噪声预测结果识别出贡献度较大的峰值频率。结合电容器壳体自身固有频率,以降低电容器辐射噪声为优化目标,采用线性加权法和层次分析法确定形貌优化的目标函数,对电容器壳体结构形貌优化设计。再将优化重构的有限元模型导入LMS Virtual.Lab声学仿真平台中进行振动噪声分析。分析结果显示优化后的电容器壳体相对优化前整体降噪效果较为明显。

基于响应面法的驾驶室白车身仿真分析与模型修正

采用SFE-CONCEPT建立隐式参数化模型,针对目前依靠经验法对模型修正效率低的问题,以驾驶室白车身的部分地板参数作为变量,以各目标仿真值与实测值之间的误差为目标,采用响应面近似模型与NSGA-Ⅱ优化算法,建立白车身模型修正的流程,为后续的优化分析做好准备工作。

逐次替换响应面商用车驾驶室轻量化设计

采用SFE-concept建立驾驶室白车身隐式参数化模型,并对弯曲刚度和扭转刚度进行求解分析。通过灵敏度分析筛选出14个车身零部件的厚度、形状和位置作为设计变量;采用最优超拉丁方试验设计方法构建样本数据;对比分析响应面与逐次替换响应面近似模型的拟合精度,得出逐次替换响应面的拟合精度更高;采用粒子群算法,以质车身量最小为目标,约束静态弯扭刚度,进行优化设计,并对优化后结果进行验证,结果表明:在车身静态刚度性能基本保持不变的基础上,白车身质量下降17 kg,轻量化率为5.49%。