基于应力等效关系的汽车零部件疲劳寿命预测模型

对于预测多级应力加载下的汽车零部件疲劳寿命,已有的相关非线性模型通常需要依赖大量的试验数据,或者较难选取合适的基准值,使得疲劳可靠性理论在汽车领域的应用存在一定局限性。针对此问题,基于材料疲劳寿命特性曲线,通过分析两级应力之间疲劳损伤转化过程,建立了一种考虑相邻载荷作用的等效转化关系,推导了两级、三级及更高应力等级情况下相邻应力之间的疲劳累积损伤等效公式和剩余疲劳寿命的表达式,进而提出了一种基于应力等效关系的疲劳寿命预测模型。该模型的计算过程仅需不低于两级应力的材料疲劳寿命试验结果。采用二级、三级、四级及五级应力加载试验数据,分别计算并对比了Miner模型、Manson模型、Subramanyan模型、Hashin模型及新模型的相对误差平均值和最大值,进一步汇总了两级至五级应力下各模型疲劳累积损伤与疲劳累积寿命的预测结果、各模型预测疲劳损伤与试验疲劳损伤之差的分布。结果表明,基于相邻载荷作用等效转化的新模型在疲劳寿命的整体预测结果优于Miner模型、Manson模型、Subramanyan模型及Hashin模型,可更为准确地应用于材料多级应力下的疲劳寿命/损伤预测。

基于UG二次开发的多材料零件3D打印建模方法研究

随着制造业的不断创新与改进,多材料三维(Three-Dimensions,3D)打印工艺的重要性日益显现,多材料建模技术是3D打印工艺的核心模块。本研究提出一种基于UG二次开发的多材料3D打印建模方法。首先利用现有3D建模软件UG(Unigraphics NX)创建待打印零件的3D模型,通过包围盒原理及交集算法,对3D模型所处的材料空间微分化;其次通过UG对其单个或局部小立方体添加颜色,将颜色信息通过材料颜色映射表映射为材料信息,输出多材料模型文件;最后将3D模型导入材料空间,打印出满足功能要求与外观要求的多材料零件。该建模方法可为多材料3D打印建模技术研究提供参考。

基于模糊网络与TOPSIS的备件品种确定方法

舰船携行备件品种确定过程是一种典型的多属性决策问题,针对其属性评估时面临的复杂性与模糊性、评估过程透明性不足的问题,提出了一种集成模糊网络与熵权法来扩展TOPSIS的方法。该方法以语言值Z-numbers作为评估值表示形式,分别构造了效益和成本属性下的模糊网络子系统,将合并子系统规则的模糊隶属度函数作为聚合模糊隶属度函数,通过案例计算得到Spearman rho相关系数值。结果表明:模糊网络的应用提高了决策过程的透明性,熵权法的应用提高了属性权重确定过程中的客观性,证明了该方法较其他经典方法具有更高的准确性。

结合视角矫正和改进ViViT的驾驶员睡意判断方法

针对传统检测方法中摄像头视角受限问题,提出了一种结合面部姿态矫正和改进ViViT的多视角下人脸疲倦检测方法。采用Mediapipe Face Mesh定位面部三维特征点并将其矫正为正面,利用提出的FGR-ViViT模型来捕捉矫正后的眼睛、眉毛、嘴巴线条图像帧序列变化。FGR-ViViT通过在ViViT的Temporal Transformer Encoder中添加部件选择模块来捕捉特征在时间维度中的细微差异,同时融合2次dropout和改进的对比损失函数来调整样本的相似性,降低模型过拟合风险并提高泛化能力。实验结果表明,提出的方法在YawDD和DROZY矫正后的线条图像帧的测试集上,F1-分数达到了94.5%和97.6%,相较于原始人脸图像帧分别提高了3.2%和10.4%,其FGR-ViViT相较于原始ViViT分别提高了6.1%和0.7%。所提方法适用于摄像头灵活摆放的多种应用场景,对解决多视角人脸睡意判断具有积极意义。

人机协同装配多目标检测的改进YOLOv7算法

针对人机协同装配环境复杂多变且装配零件尺度差异大、部分零件相似度高的特征,为保证人机协作装配过程中机器人准确抓取装配零件,提出了一种改进的YOLOv7模型来提高装配场景中多零件目标检测效果。首先,采用ODConv(Omni-dimensional dynamic convolution)替换YOLOv7主干网络中的卷积层,使其能够自适应调整卷积核的权值,提取不同形状、大小的装配零件的特征。其次,在YOLOv7主干网络中引入SimAM(Selective image attention mechanism)模块来减轻复杂多变的装配环境背景对零件检测准确率的影响。最后,使用Efficient-IOU替换原始的CompleteIOU来加速收敛,同时降低部分装配零件相似度高对检测准确率的影响。实验结果表明,该模型的平均准确率为93.4%,改进后的网络优于原始网络和其他目标检测算法。所提出的改进YOLOv7算法在保持高精度的同时具有较高的FPS,模型参数和计算量也相对较低,适合动态人机协同装配场景下实时目标检测要求。

基于改进Croston方法的多需求模式零备件预测

维修备件管理是提高产线可靠性、实现降本增效的关键。针对具备间歇性与随机性特征的维修备件需求预测问题,提出了基于改进Croston方法的备件需求预测模型。依据Syntetos准则基于间断性与波动性特征将备件需求划分为4类。针对含有波动性特征的需求,基于Croston方法主要思想将备件需求预测分解为需求发生状态预测和需求量预测两类问题,设计了集合经验模态分解(ensemble empirical mode decomposition,EEMD)-长短期记忆网络集成(long short-term memory,LSTM)预测模型。EEMD方法将剧烈波动序列分解为若干相对平稳的分量,进而采用LSTM方法对各分量进行预测。针对含有间断性特征的需求,引入信号处理技术中的信号调制技术,将需求发生状态0-1二值序列进行连续化处理。所提方法解决了备件需求波动性强、间断性大的难题,已应用于湖北中烟武汉卷烟厂,证明了方法的优越性与可行性。

某高射速自动炮多体瞬态传热及应力研究

为提高拦截概率,提高发射速率是高炮武器系统的重点发展方向之一,以期单位时间内发射较多的弹丸至目标区域。然而,高射速发射造成的热效应反过来又会影响火炮自动机中多体关键件的工作效率,最终影响火炮射击安全性。为提高高射速自动机射击速率和射击安全性,解决影响其关键件寿命的热效应问题,需对高射速自动炮自动机多体关键件瞬态传热及应力变化进行研究。以某转膛型高射速自动炮为研究对象,采用瞬态传热学理论,建立了自动机关键件传热模型,采用有限元分析软件ANSYS Workbench进行了多体瞬态传热及应力变化仿真研究,仿真结果表明:随着射击频次的增加,关键件形变、温度急剧增加,最终会引起多体部件运动干涉影响射击安全性。仿真结果能够为自动机的设计、使用和维护保养提供理论支撑。

改进PSO算法的多级可修备件库存优化

针对可修备件多级库存的METRIC模型边际优化算法效果不高问题,提出了一种改进粒子群算法来求解模型。在分析可修备件供应保障过程的基础上,建立了METRIC模型,以保障费用最低为优化目标,以系统可用度为约束条件,用改进的粒子群算法寻找备件在各级仓库间的最优分配方案。改进的粒子群算法对惯性权重和学习因子进行了动态调整,并加入罚函数提高了算法收敛速度和寻优结果,最后通过算例分析对比了边际优化算法。结果表明,改进的粒子群算法对比边际优化算法,在同样的可用度约束下,保障费用降低了5.8%,在解决装备可修备件多级库存优化中具有一定的优越性。

大型薄壁件多点位自动化柔性支撑系统的位置优化研究

为解决多点位柔性工装系统在夹持大型薄壁件过程中需要满足定位形变量控制问题,基于“N-2-1”定位原理,针对均布算法局限,提出一种不依赖于外部操作者就能按照自生成原理实现系统的位置优化方法,并通过有限元软件Abaqus建立了大型薄壁件多点定位数值模型,采用先整体再局部依次进行位置优化。结果表明:优化后的支撑点位布局合理,系统资源利用率高,与单一整体位置优化相比,添加局部位置优化能够以最少支撑点位使得航空薄壁件更易达到工程要求;而对于局部存在缺陷无法进行支撑,则需考虑特定情况,调整相应支承机构点沿减小工件加工变形的最敏感方向移动,在局部变形较大的地方优化支撑点的数目,使得其变形相对于初始变形量显著下降,并且吸附压力也满足工程要求。

基于多源信息融合与神经网络的汽车塑件无损检测方法研究

针对汽车塑件内部缺陷检测精度不高、检测方法单一等亟需解决的问题,基于多源信息融合与深度学习神经网络等技术,探究高鲁棒性、稳定性、精确性的检测模型,旨在为汽车塑件批量无损检测提供理论基础和技术支持。通过超声波探伤、激光光斑测量、紫外线探伤、智能电参数测量和红外热成像等无损检测方法,试验样本经异质信息采集、预处理以及多特征变量提取,根据检测要求,用于定量/定性神经网络模型构建。再以样本训练、规则判别、深度学习和模型类比,选取最优模型用于试验样本内部缺陷预测和品级分析,以求得所设计的“深度学习”神经网络模型与检测方法具有通用性,可进一步用于汽车铸件、冲压件或焊接件等无损检测,为匹配智能装备研发提供研究基础。

大型厚板曲面件的多点成形仿真

传统的厚板曲面件制造方法存在着成本高、效率低等问题,多点成形技术为这一问题提供了解决方法。但多点成形技术又因为回弹导致工艺参数难以确定使实验操作次数增加,降低成形效率。为了提高成形效率,采用ABAQUS有限元软件模拟与实验相结合的方法进行板料成形的研究与分析。首先,利用有限元软件进行三维建模并模拟板料的成形过程;然后,通过对模拟结果的分析进行模具型面的补偿修正;最后,利用修正后的模具型面进行实验操作,获得了符合要求的零件。对修正后的型面进行成形实验可以减少操作次数,提高实验的成形效率,为后续的研究提供参考。

一种铝合金壳体压铸模具设计

通过对壳体零件的结构和成形性分析,重点对模具设计的主要环节进行了详细的分析与研究;分析设计了模具的分型面位置、浇注和排溢系统的结构以及推出机构,采用在侧面厚壁处多点浇口的结构形式;对模具的型芯、型腔做了具体的结构设计,采用型腔在定模、型芯在动模的普通两板式结构形式;并且型芯和型腔部分制作成活动镶件,便于修理、更换,模具结构简单、实用,完全满足模具的设计要求。

废旧汽车零部件再制造回收模型优化研究

建立废旧汽车零部件回收与再制造智能交易平台,对我国废车市场的建设和完善以及汽车零部件再制造产业链的发展具有重大的工程实用价值。为研究适用于第三方平台的回收模式和策略,本文构建了由制造商、再制造商、销售商、回收平台和激励政策共同组成的再制造闭环供应链回收模型,通过利润函数来揭示再制造供应链中各企业的定价策略和相关变量的关系。分别利用逆向归纳法和多目标遗传算法求解该模型,并以废旧汽车变速箱为案例,验证和比较了2种算法的可行性和优劣性。仿真分析结果表明,基于多目标遗传算法求解下制定的回收策略优于逆向归纳法,预期闭环供应链整体回收率和企业利润可得到全面优化,为再制造产业链各参与者的回收决策提供了具有现实意义的理论依据。

多造型采光瓦设计与制作研究

基于传统透光瓦片设计一种创新性产品,采用球形采光件镶嵌于瓦片中,能够实现光线的均匀透过和扩散,使得照明效果更加柔和均匀。通过利用自然光在室内进行照明,减少白天室内对人工照明的依赖,从而降低能源消耗和碳排放。此外通过更换球形采光件颜色和大小,实现光颜色的改变和光照强度大小的改变,从而根据不同场景和需求,创造出各种不同的光效和氛围,应用于室内和室外的装饰照明,为建筑物、景观和艺术装置增添独特的视觉效果,提升空间的美感和吸引力。同时,该装置采用耐热、耐候和耐腐蚀的材质制成,具有较长的使用寿命和较低的维护成本。该设计能够为人们提供更加美观、节能和环保的照明解决方案。

多轴数控加工技术在汽车零部件加工中的应用研究

为发挥多轴数控加工技术在汽车零部件制造中应用潜能,研究汽车发动机零件、制动系统零件及底盘和悬挂系统零件为例,研究了多轴数控加工技术在设计、路径规划、精度控制与误差补偿以及切削参数优化等关键技术方面应用。结果表明,适当应用多轴数控加工技术能显著提升汽车零部件的加工质量和生产效率,为汽车制造业的技术升级和产业竞争力提升提供有力支撑。

考虑部分负荷特性的可再生能源多能互补系统建模

为助力实现“双碳”目标,构建了包含风能、光能、生物质能的可再生能源多能互补系统。首先,设计了系统的物理结构并确定了“以电定热”的运行策略;其次,针对传统稳态建模精度低、结果误差大等不足,提出了考虑部分负荷特性的系统动态建模方法;最后,提出了NSGA-Ⅱ算法(非支配排序遗传算法,Nondominated Sorting Genetic Algorithms,简称NSGA)结合指标赋权的系统配置优化方法。结果表明:相较于稳态模型,动态模型下的系统运行结果对于实际工程建设更具指导意义;优化后动态模型的系统综合性能较两组稳态模型分别提高了52.2%和14.6%,能够较好地优化系统配置。

基于方面-词性感知的方面级情感分析

方面级情感分析是自然语言处理的研究热点之一,其任务目的是预测句子中给定方面的情感极性。目前已有研究大多忽略了方面词和特定词性单词在过滤情感极性相关上下文语义信息和理解上下文语法信息中的作用。为此,提出一种基于方面-词性感知的图卷积网络ASP_POSGCN。采用双向长短期记忆网络建模上下文和词性信息,经由门控机制筛选方面词相关上下文语义信息,再使用词性信息隐藏层状态进一步过滤;同时设计方面-词性感知矩阵算法,根据不同词性单词对方面词情感极性的贡献重构句子原始依存关系以获取重构依存句法图,将原始依存句法图和重构依存句法图应用于双通道图卷积网络和多图感知机制;最后,使用过滤后的上下文语义信息与双通道图卷积网络的输出计算注意力得到最终分类表示。实验结果表明,该模型在Twitter、Laptop14、Restaurant14和Restaurant164个公开数据集上的准确率分别为74.57%、79.15%、83.84%、91.23%,F1值分别为72.59%、75.76%、77.00%、77.11%,与传统方面级情感分析基准模型相比均有提升,有助于方面级的情感极性分类。

复合材料零件固化成型框架式模具制造技术

复合材料热压罐成型框架式模具在航空、航天等领域得到大量应用,其制造方法和成本成为研究的热点。本文根据框架式模具的特点,利用多点成型技术,分析框架式模具典型结构和制造难点,提出了多点成型制造方法,给出了制造流程。该方法不仅提高了模具制造精度,缩短了制造周期,而且降低了制造成本,是一种值得推广的方法。

护士多点执业研究的范围综述

目的了解国内外护士多点执业的研究现况,并结合本国国情探讨适合我国护士多点执业开展的方法。方法以JBI 2020版的范围综述指南为方法学框架,系统检索中英文数据库,同时对各国政府网站发布的政策文件进行手动搜索。检索时限为建库至2023年8月。结果共纳入8个国家的31篇文献。执业形式大致分为代理机构护士、院外兼职护士及互联网上门服务护士3类;执业地点包括医院、家庭、社区、私人诊所、长期照护机构、监狱和学校等;注册护士是多点执业资格准入的基本标准;各国多点执业的注册管理存在一定差异。结论不同国家护士多点执业的形式不一、执业场所多样。我国护士多点执业尚处于探索阶段,需进一步丰富护士多点执业形式、拓展多点执业场所、科学规划多点执业准入机制和优化执业注册制度,发展本土化护士多点执业。

融合词性语义扩展信息的事件检测模型

事件检测是事件抽取中的关键步骤,依赖于触发词进行事件类型分类。现有主流事件检测方法在稀疏标记数据上性能较差,模型过度拟合密集标注的触发词,在稀疏标记的触发词或者未见过的触发词上容易失效。改进方法通常通过扩充更多训练实例来缓解这一问题,但扩充后的数据分布不平衡,存在内置偏差,仍然表现不佳。为此,建立一种融合词性语义扩展信息的事件检测模型。对词粒度扩展信息进行分析,在不增加训练实例的条件下缩小候选触发词的范围,并对候选触发词进行语义扩展,挖掘候选触发词的上下文中蕴含的丰富语义,缓解了标记数据稀疏造成模型训练不充分的情况。通过词性筛选模块寻找候选触发词并对其进行语义扩展挖掘词粒度语义信息,融合句子粒度语义信息提升语义表征的鲁棒性,最终利用Softmax分类器进行分类完成事件检测任务。实验结果表明,该模型在ACE2005和KBP2015数据集上的事件检测任务中的F1值分别达到79.5%和67.5%,有效提升了事件检测性能,并且在稀疏标记数据实验中的F1值达到78.5%,明显改善了标记数据稀疏带来的不良影响。