基于不确定性分析的商用车多目标协同优化方法研究

商用车系统是非线性、强耦合以及受大量不确定性因素影响的系统。文章基于不确定性多目标UMOMDO(Un-crtainty Multi-Objective Multidisciplinary Design Optimization,UMOMDO)优化方法,研究建立一种不确定全局协同优化框架。以近似模型数据、试验数据与动态仿真数据为基础,基于深度数据驱动学习算法构建优化变量的解空间界定器,通过特征建模与递推演算方法界定优化变量范围,将设计变量映射到高维空间。再通过高维空间数据密度差,建立整车多目标协同优化模型,并基于该优化框架对H5B中型商用车进行车架结构-性能-可靠性多目标协同优化设计。优化过后的设计与原设计相比,满载最大应力降低2.8%,扭转最大位移降低15.2%,一阶频率提高3.3%,可靠度提高到95%,且质量减少2.3%,较好地完成了可靠性轻量化设计的目标。

小型多功能机器人的目标识别与自主作业定位技术综述

目前国外园林环卫机械通过引入机器视觉、高灵敏传感器正在朝着高度自动化、智能化方向发展。针对我国目前绿篱苗木自主修剪作业机器人进行目标识别、对中与定位存在的自适应控制问题,以本实验室课题研究的技术成果为基础,阐述了复杂环境工况条件下,球、柱和锥形等单株苗木修剪造型过程机器人对中与精确定位的方法,分析了基于图像识别的机器人自适应对中方法以及基于多线激光雷达和单目视觉融合建图方法的特点和优势,指出了进一步优化改进的途径。同时,针对目前绿篱修剪机械一般由人工驾驶机具行驶到待修剪绿篱的附近,以人眼通过视频进行对中,通过人工操作移动机械臂的手部至绿篱的中心位置的上方进行修剪作业,导致工作效率低下的难题,研究并叙述了一种自主作业修剪机器人的苗木识别、建图与对中技术方法,极大提高了修剪装备的自动化和智能化水平。