为实现难加工材料的高性能干切削,将高硬度和高结合强度的TiAlN作为支撑层,以具有自润滑特性的DLC涂层作为功能顶层,制备出兼具减摩性与耐磨性的DLC/TiAlN复合涂层刀具,并在DLC/TiAlN界面间进行液相辅助激光织构化处理,以增强层间结合强度。利用干切削316不锈钢试验,研究了仅TiAlN涂层(NC)的刀具、未处理的DLC/TiAlN复合涂层(UC)刀具、空气下激光处理的DLC/TiAlN复合涂层(AC)刀具和液相辅助激光处理的DLC/TiAlN复合涂层(LC)刀具4种刀具在不同切削参数下干切削不锈钢时切削力/热、切屑形态、涂层剥落和刀具黏结等切削性能。结果表明,相比于NC刀具,UC、AC和LC刀具的切削力得到了不同程度的降低。当切削速度为200 m/min时,LC刀具的总切削力最低,降低了26.5 %,同时,LC刀具的前刀面磨损最为轻微,涂层完整性最好。

45Mn薄板在激光焊接过程中产生的残余拉应力,将对其强度、韧性以及疲劳寿命产生不利的影响。采用多种超声冲击工艺对薄板表面进行强化,并提出一种对薄板超声冲击工艺参数的多目标优化方法。首先,通过有限元冲击仿真得到了不同冲击工艺参数下薄板表面残余应力的数据集;然后,以仿真数据集为基础,采用IDBO-BP神经网络成功建立了冲击工艺参数与表面残余应力之间的非线性映射关系。通过IDBO-BP神经网络与BP、GA-BP、PSO-BP和DBO-BP等神经网络对比,发现IDBO-BP神经网络预测薄板表面残余应力的精度更高,MAE和R²这2种评价指标分别为0.068 3和0.997 4,表明该模型可以有效地预测超声冲击薄板后的残余应力;最后,以超声冲击工艺参数为设计变量,以最小残余应力、最小冲击电流和最小冲击时间为优化目标,结合IDBO-BP神经网络和PSO算法,得到与超声冲击工艺参数对应的残余应力、冲击电流和冲击时间Pareto最优解集。结果显示,优化后的冲击工艺有效提高了加工效率和加工能效。

作业车间调度问题是一个经典的NP-hard组合优化问题,其调度方案的优劣直接影响制造系统的运行效率。为得到更优的调度策略,以最小化最大完工时间为优化目标,提出了一种基于近端策略优化(Proximal Policy Optimization,PPO)和卷积神经网络(Convolutional Neural Network,CNN)的深度强化学习(Deep Reinforcement Learning,DRL)调度方法。设计了一种三通道状态表示方法,选取16种启发式调度规则作为动作空间,将奖励函数等价为最小化机器总空闲时间。为使训练得到的调度策略能够处理不同规模的调度算例,在卷积神经网络中使用空间金字塔池化(Spatial Pyramid Pooling,SPP),将不同维度的特征矩阵转化为固定长度的特征向量。在公开OR-Library的42个作业车间调度(Job-Shop Scheduling Problem,JSSP)算例上进行了计算实验。仿真实验结果表明,该算法优于单一启发式调度规则和遗传算法,在大部分算例中取得了比现有深度强化学习算法更好的结果,且平均完工时间最小。

在离散车间的生产环境中,设备退化过程会受到外部随机冲击的影响,生产计划的制定受设备状态影响。生产计划可以与维护计划进行联合优化,针对此提出一种考虑设备退化的生产排程优化模型。为求解该模型,采用一种考虑随机外部冲击的设备退化模型,并以最小化最大完工时间为目标,设计了一种三元进化遗传算法(TPEGA)。该算法采用功能不同的3个种群协作对最优解进行搜寻,在限制种群规模的同时持续保持优质解的多样性,为避免陷入局部最优,设计了局部最优概率模型与个体抛弃策略。同时为了优化初始种群,提出了一种综合考虑负载最大设备和工序加工时间的初始化贪心选择策略。实验结果表明了算法的有效性与模型的可行性。

智能制造是世界制造业发展的共同趋势,数字孪生作为推进实施智能制造的重要使能技术,是迈向智能制造的关键环节。为应对车间作业过程中的不确定事件以及生产信息透明度低的问题,提出了一种基于数字孪生仿真的柔性作业车间调度优化方法。首先,设计了数字孪生车间调度框架,构建了基于AnyLogic软件的柔性作业车间数字孪生仿真模型。其次,综合考虑最大完工时间、设备能耗及设备总负荷建立柔性作业车间调度模型,提出了一种改进NSGA-Ⅱ进行求解,采用多策略混合种群初始化方法,并对工序、设备编码采用不同的交叉变异策略。最后,基于标准算例与发动机缸盖制造实例,验证了所提方法的有效性。

针对离散车间生产过程复杂、异常扰动频发等因素导致的状态预测难执行问题,提出了一种融合时空特征的离散车间生产-物流协同状态预测方法。首先,基于生产-物流运行逻辑与实时制造数据,分析生产-物流协同关系,确定了生产-物流协同状态的预测指标;其次,根据生产-物流时空特征关系,建立生产-物流时序图模型,进而采用基于图注意力网络-门控循环单元(GAT-GRU)的时空融合网络,对协同状态的预测指标进行预测;最后,对典型的混流生产车间进行案例分析,实验结果表明,所提预测方法在准确性和效率上均优于深度神经网络、去噪自动编码器和门控循环单元等模型,能更加有效地实现生产-物流协同状态预测。

为了提高楼梯清洁机器人的实用性,设计了一款可伸缩旋臂的楼梯清洁机器人,利用机械臂的旋转下楼,采用伸缩杆与张紧装置相结合的方式实现机械臂可伸缩功能,提高了对不同高度楼梯的适应性。该楼梯清洁机器人主要由清扫结构、可伸缩式下楼结构及控制系统等部分组成。通过设计相应的控制策略使得机器人能够实现楼梯边缘信号判别、下楼控制、单层楼梯面避障、楼梯末端避障及楼梯踢面高度探测等功能,上述控制策略交替执行,从而实现机器人对整层楼梯面的清扫。机械臂可伸缩实验表明,机械臂能够伸长与缩短至不同长度(24~29 cm)。不同高度楼梯下楼实验表明,机器人能够适应10~20 cm之间不同高度的楼梯,下楼成功率为100 %。楼梯踢面高度探测实验表明,机器人能够根据楼梯踢面高度调整合适的机械臂长度。

目前,在船舶制造工业中,采用机械臂焊接作业已逐渐取代传统人工作业,为了提高机械臂的工作效率和稳定性,提出了一种基于终端交叉和导向的扰动粒子群优化(Terminal Crossover and Steering-based Particle Swarm Optimization,TCSPSO)算法的机械臂运动时间最优轨迹规划方法。首先,构造5-7-5多项式插值函数,拟合机械臂关节空间中的运动轨迹,以机械臂运动时间最优为目标建立约束优化模型;然后,使用增广拉格朗日乘子法将约束优化问题转化为无约束优化问题,为了避免结果陷入局部最优,采用TCSPSO算法进行求解;最后,在MATLAB软件中进行仿真实验,得到了机械臂的最优运动时间和平滑的运动轨迹。结果表明,该方法可以有效地缩短机械臂的运动时间,保证了机械臂在运动过程中的稳定性。

涡旋式压缩机在微小化领域发展前景广阔,降低涡旋盘的尺寸是微小型涡旋压缩机的重要优化目标,选择结构紧凑的涡旋型线十分重要。采用变基圆渐开线代替传统定基圆渐开线,可减小涡旋盘的盘径与齿高,从而实现涡旋盘径向与轴向尺寸的缩小。为研究2个方向上尺寸的缩小对涡旋盘力学性能的影响,使用ANSYS软件分别对定基圆渐开线涡旋盘与减小盘径、减小齿高的变基圆渐开线涡旋盘进行流-热-固多场耦合分析,以应力与变形量大小作为衡量力学性能的指标,对三者进行对比。研究结果表明,通过使用变基圆渐开线来减小齿高可明显提升涡旋盘的力学性能;使用变基圆渐开线来减小盘径可更加满足轻量化与小型化的需求,但力学性能则会有所下降。

由于硅橡胶材质的卷制态介电弹性体存在高频共振,在软体机器人领域得到了广泛应用。液态金属的高导电性和极低刚度可以有效保证介电弹性体的共振响应。然而,目前使用液态金属制备的卷制态介电弹性体驱动器无法实现共振现象,因此,通过搅拌液态金属和刮涂方式获得一种氧化物与液态金属共存的柔性电极。分别将采用该工艺与传统碳基电极工艺制备的弹簧耦合卷制态介电弹性体驱动器的静态和动态性能进行了对比,表明了液态金属电极卷制态介电弹性体驱动器的可靠性和低刚度特性。基于此工艺和结构制作了一款鬓毛爬行机器人,结果表明,可以实现每秒1倍身长以上的爬行速度。

为了克服传统加工技术在加工等厚离轴抛物面镜时面临的大离轴量、大矢高差和面型精度较低的难题,提出了一种基于慢刀伺服技术的适用于大离轴量、大矢高差且加工精度较高的加工方法。该方法采用齐次坐标平移的策略,有效地解决了离轴抛物面存在的大离轴量问题;以一种新的角度坐标旋转法来确保离轴抛物面远、近轴端的矢高差接近为0,从而达到等厚的目的。此外,该研究还利用等角度-等弧长的离散法来离散刀触点,并对这些刀触点进行Z向刀具半径补偿,从而生成加工轨迹,使得加工精度更高。采用该研究提出的加工方法对RSA6061铝合金离轴抛物面工件(其口径为25.4 mm,曲率半径为50.8 mm,离轴角为90°)进行加工,成功加工出了面型精度RMS=0.124λ(λ=632.8 nm)、表面粗糙度Sa=1.952 nm的等厚离轴抛物面铝合金反射镜。该加工方法不仅使得加工过程变得更为简洁,而且有助于改善工件的加工质量。

针对单相智能电表自动化安装场景中,难以精确快速地定位防护盖铅封螺钉的问题,提出了一种基于改进YOLOv8obb的旋转检测算法GROOVE-YOLO,实现在单次检测中获取到目标螺钉的中心位置和旋转角度。首先,增加P2检测头,删除P5特征层,构建微小目标检测网络,提高模型对细小目标检测的能力,简化网络结构;其次,融合双向特征金字塔网络,引入学习权重,优化多尺度特征融合的效果,丰富模型的特征表达;最后,引入全局注意力机制,突出特征中关键信息,进一步提升检测精度。实验结果表明,改进算法的准确率、召回率和平均精度分别达到93.2 %、90.5 %和95.7 %,与原模型相比分别提高了13.5 %、17.1 %和14.3 %,平均中心点像素距离误差为1.4像素,平均旋转角度误差为4.8°,检测速度达到119 f/s。所提方法有效提高了防护盖铅封螺钉的定位精度,满足实际安装需求。

为满足机器视觉精密尺寸测量对图像边缘深亚像素级定位和强抗噪能力的要求,提出了基于双三次插值的Canny-Devernay亚像素图像边缘检测算法。首先,采用中值滤波降低采集图像噪声;其次,通过双三次插值细分图像边缘;然后,运用最大化类间方差(Ostu)算法优化Canny-Devernay算法参数并改进轮廓生成步骤,精确提取亚像素边缘;最后基于高分辨率工业相机和高性能计算机构建实验系统,分别以OpenCV图像、USB接口插件采集图像为对象进行实验。实验结果表明,在相机标定精度为0.009 8毫米/像素的情况下,该算法边缘检测平均误差为0.006 85 mm,小于0.7像素,计算耗时偏差为7.68 ‰,其边缘定位精度、抗噪能力和算法稳定性均优于Canny算法、基于Zernike矩的算法以及Canny-Devernay算法,将用于研制某新型精密机器视觉尺寸测量设备。

在铝型材制造过程中,铝型材表面会因受到材料或加工工艺等因素的影响而产生擦花、脏点等缺陷,直接影响铝型材使用性能。分析了铝型材表面缺陷特点并对比现有深度学习目标检测算法,基于YOLOv8网络模型提出了一种融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法。首先,将Ghost卷积引入Bottleneck层,并用DWConv替换骨干网络中部分卷积结构,在保证检测精度的同时,降低模型复杂程度;然后,在此基础上,将注意力机制添加到YOLOv8检测头模块中,用于提高该模型的检测精度;最后,开展了实验验证,实验结果表明,融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法精度达到了0.932,相比基础YOLOv8算法,精度提升了5.9 %,且模型运算参数量减少了24 %,整体性能可满足工业上对铝型材缺陷检测的精度及速度要求。

为了提高矿用自卸车在恶劣路况下的侧倾稳定性和平顺性,以互联式油气悬架为对象,利用AMESim和Simulink联合仿真平台建立了矿用自卸车的互联油气悬架-路面-车身模型。通过分析悬架系统的结构参数对刚度和阻尼的影响,选择了5个优化设计变量。为了提升初始种群和后代种群的多样性,提出一种基于正交实验设计的快速非支配排序遗传算法(Nondominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ),并将其应用于互联油气悬架系统的多目标优化。仿真结果显示,改进后的NSGA-Ⅱ算法具有更好的Pareto解,在D级随机路面输入下,矿用自卸车的侧倾稳定性和行驶平顺性分别提升了26.69 %和24.83 %。

针对旋转机械设备的滚动轴承退化趋势预测依赖于先验知识、预测精度低等问题,提出基于主成分分析(Principal Component Analysis,PCA)和随机森林(Random Forest,RF)协同的门控循环单元(Gated Recurrent Unit,GRU)网络的滚动轴承退化趋势预测方法。首先,优选基于多元统计的高维特征并利用PCA进行聚类降维,构建滚动轴承健康指标;其次,以构建的健康指标为基准,引入RF模型拟合滚动轴承性能退化曲线;最后,建立基于PCA-RF协同的GRU网络滚动轴承退化趋势预测模型,完成滚动轴承状态评估。实验结果表明,所提方法计算的健康指标能够有效反映滚动轴承退化状态,时间趋势性达到0.999 1;基于PCA-RF协同的GRU模型能准确地实现滚动轴承退化趋势预测,在不同数据集上的最大单步和多步预测均方根误差分别为0.018 4和0.047 8。

针对双轴摇篮转台系统中的非线性机械摩擦、外界扰动和模型误差等不确定性导致控制精度下降的问题,采用扩张状态观测器设计了改进的滑模控制律。首先,分析了双轴摇篮转台的基座、摇篮和转台的空间坐标系关系,并建立了摇篮和转台的动力学模型;然后,将系统中的不确定性扩展为系统状态,并利用设计的扩张状态观测器对不确定性进行估计;最后,通过设计的改进滑模控制律动态补偿不确定性的影响,有效抑制了抖振现象,实现了对双轴摇篮转台的高精度控制。仿真结果表明,设计的扩张状态观测器能够准确估计双轴摇篮转台中的不确定性,最大估计误差仅为0.01 (°)/s²,改进的滑模控制律对转台转动角速度和摇篮转动角速度的最大跟踪误差分别仅为0.02 (°)/s和0.03 (°)/s。测试结果表明,提出的改进滑模控制方法与自适应迭代学习控制方法和命令滤波自适应反步控制方法相比具有更强的鲁棒性和更高的准确性,转台转动角和摇篮转动角的最大定位误差分别仅为0.04°和0.05°,大幅提高了双轴摇篮转台系统的控制精度。

基于机床整机动态性能分析,对薄弱结构件立柱的外形结构与内部筋板进行优化设计。利用有限元方法对立柱单件进行动态性能分析,结果得出立柱原有内部筋板样式与分布的设计结构不合理,对立柱进行拓扑优化。根据立柱动态性能分析得到的数据与拓扑优化后的内部筋板分布情况重新设计了立柱的外形结构以及内部筋板样式和分布,并对立柱的内部筋板样式与尺寸进行参数相关性分析,建立响应面优化模型,使用多目标遗传算法(Multi-Objective Genetic Algorithm,MOGA )(基于NSGA-Ⅱ的变体)对其关键尺寸进行多目标参数优化,并对比优化后整机与原型机。结果表明,优化后的立柱一阶固有频率提高了10.2 %;整机在X方向的最大共振峰值下降了15 %,Y方向下降了25 %,Z方向下降了54 %,并且X、Y这2个方向的共振波峰均有不同程度的后移,故优化后的整机在静、动态性能上均得到了提高。