摘要：针对目前常用切削加工表面粗糙度预测方法存在预测精度不高、泛化能力不强的问题,提出一种融合模糊和随机性的粗糙度云预测新方法。在分析大量试验数据的基础上给出了多维预测云的数字特征和数学模型,设计粗糙度预测的多维多规则定性推理发生器,将各切削用量作为前件云输入,分析其对粗糙度后件云的影响关系,并通过对推理规则的多元组合,实现不同加工工艺规范下对工件表面质量的精准预测,揭示加工表面质量随切削参数变化的规律。试验结果表明,在相同样本条件下所提方法的平均相对预测误差低于4.78%,求解速度和预测精度方面均有所提高,且预测范围更加广泛。

摘要：为了求解并行协同设计过程中诸多制约关系形成的约束网络,研究动态约束满足问题,提出一种基于模糊物元分析和改进微粒群算法的双层组合启发式求解算法。将模糊物元分析理论作为算法的第一层,建立广义动态约束满足问题的可拓关系元形式化模型,并应用模糊关系元优化方法完成从求解空间到寻优空间的转换;将改进微粒群算法作为第二层,在基本微粒群算法基础上,引入柔性变异概率及动态更新响应方式提高算法对复杂动态系统环境变化的适应性,追踪协同设计进程中动态约束带来的系统极值的最新变化。通过设计实例验证所提算法的有效性。面向广义动态约束网络的双层组合优化算法为协同设计过程中的约束建模和求解提供了一种形式化和动态的研究方法。

摘要：为提高渣浆泵的抗磨性能并优化泵的设计，采用RNG κ-ε湍流模型和SIMPLEC算法对多工况下渣浆泵叶轮内部清水流场进行了数值计算，得到叶片表面相对速度矢量分布，分析了叶片表面回流、旋涡现象；基于单颗粒动力学模型，采用拉格朗日法计算了多工况下固相颗粒的运动轨迹，分析不同粒径颗粒对叶片表面磨损的影响。结果表明：叶片压力面进口在大流量工况下开始出现回流，而叶片吸力面进口则在小流量工况下回流、旋涡严重，叶片进口的回流、旋涡不仅容易引起NPSH，增高，诱发空化现象，还会导致颗粒聚集、反复冲击该区域；在小流量工况下，叶片压力面出口和吸力面出口均出现大区域的回流，甚至延伸至叶片中段，随着流量增大，回流和旋涡区域逐渐缩小，由此可见叶片出口在小流量工况下的磨损比较严重；其他因素一定时，固液混合物的流量越小，颗粒在进入叶片流道前停留的时间越长，导致颗粒与叶片头部的碰撞概率增大；随着颗粒直径增大，颗粒向叶片压力面靠近的趋势越明显，与压力面的碰撞机会也增多，从模拟结果可以看到，该叶轮对1mm以上的大颗粒适应性不好，在设计流量工况下，0．5～1mm粒径范围内颗粒适应性最好。

摘要：为提高产品应用服务系统的构建效率和服务设计的复用性能,提出可配置的产品应用服务构件模型及其配置实现机制。首先,给出了产品应用服务服务要素及其相互关系的描述,针对应用服务构成要素的特点,提出可配置的产品应用服务构件模型;然后,根据产品应用服务构件模型中的特征变量、接口变量、属性变量和约束关系的特点,提出了产品应用服务构件模型的广义动态约束满足转换的概念,通过变量集和约束集对构件模型进行描述,并采用双层组合启发式求解算法实现构件性能的综合最优化,生成一簇具有较高复用价值和复用性能的产品应用服务构件。最后通过实例,验证了所提模型的实用性和有效性。

摘要：针对具有模糊性、缺乏系统性和主题性的新产品开发模糊前端客户创意,提出一种基于模糊物元和改进微粒群算法的混合启发式挖掘方法。首先将模糊理论引入物元分析,将客户的个性化要求、特征及相应的模糊量值结合起来建立其形式化模糊物元模型,应用模糊物元优化方法将客户多需求优化问题转换为单需求优化问题;然后给出了最优客户创意的自适应变异微粒群(AMPSO)算法的求解方法,并与遗传算法加以比较,证明该算法的有效性和先进性。最后将该算法应用于某型号汽车外观造型设计的客户创意挖掘中,有效指导了产品创新的实施。

摘要：针对复杂产品虚拟装配过程中零部件间匹配关系描述不清晰、反映装配约束的特征属性考虑不足、装配序列规划中零件配对精度不高等问题,提出基于资源特征融合的复杂型面配合决策方法.在分析典型复杂型面结构体的装配工艺关联、匹配型面特征,以及装配设计意图的基础上,构建包括工程语义(engineering semantic,ES)、单元件(single element,SE)、装配约束(assembly constraints,AC)、装配端口(assembly port,AP)、装配空间关系(assembly space relation,ASR)等多特征融合的特征装配集,采用有向无环图对特征装配集进行模块化封装和拓扑排序,获取最优装配序列,并通过模糊理想解法完成复杂型面结构体特征装配集模型从定性输入到定量求解,再到定性输出的映射变换,实现特征装配集间的精准匹配,给出匹配决策过程.最后,通过应用案例验证模型与算法的有效性,为实现复杂型面结构体高效精确装配提供新思路.

摘要：番茄图像中多类别目标的准确识别是实现自动化采摘的技术前提,针对现有网络分割精度低、模型参数多的问题,提出一种基于改进DeepLabv3+的番茄图像多类别分割方法。该方法使用幻象网络(GhostNet)和坐标注意力模块(Coordinate attention, CA)构建CA-GhostNet作为DeepLabv3+的主干特征提取网络,减少网络的参数量并提高模型的分割精度,并设计了一种多分支解码结构,用于提高模型对小目标类别的分割能力。在此基础上,基于单、双目小样本数据集使用合成数据集的权值参数进行迁移训练,对果实、主干、侧枝、吊线等8个语义类别进行分割。结果表明,改进的DeepLabv3+模型在单目数据集上的平均交并比(MIoU)和平均像素准确率(MPA)分别为68.64%、78.59%,在双目数据集上的MIoU和MPA分别达到73.00%、80.59%。此外,所提模型内存占用量仅为18.5 MB,单幅图像推理时间为55 ms,与基线模型相比,在单、双目数据集上的MIoU分别提升6.40、6.98个百分点,与HRNet、UNet、PSPNet相比,内存占用量压缩82%、79%、88%。该研究可为番茄采摘机器人的智能采摘和安全作业提供参考。

摘要：针对复杂产品装配工序多样、工序间装配约束复杂、虚拟装配过程中工具资源的表示与推送困难问题,提出了资源组件驱动的装配工具匹配推理方法。首先,搭建了包括装配工具资源组件驱动模块、资源组件本体构建模块、资源组件运行与求解模块的资源组件驱动的装配工具匹配推理框架;然后,构建了装配工具的资源组件本体,给出了基于资源组件的装配工具匹配推送机制,并重点设计了资源组件驱动的装配工具类型与尺寸的按需匹配推理方法;最后,依托复杂产品装配资源推送服务平台验证了所提方法的有效性。解决了装配工具资源人工调整响应速度慢、装配效率低的问题。

摘要：为了解决复杂产品创新设计系统中多主体协作的冲突协商问题,提出一种基于模糊物元分析的启发式自适应变异微粒群全局优化算法。首先,引入模糊物元分析理论,将各设计主体的个性化要求、特征及相应的模糊量值结合起来建立其形式化模糊物元模型,应用模糊物元优化方法将多目标协商问题转化为单目标协商问题;然后,给出了该协商模型的自适应变异微粒群求解算法,在微粒群寻优过程中引入变异机制,根据自适应变异概率对惰性和适应度差的微粒进行突变操作,增大微粒间的差异性和非均匀性,有效阻止算法过早收敛于局部最优点,提高算法的求解速度;最后,通过在汽车动力传动系统参数优化匹配协同设计中的应用,表明了该协商算法的有效性。

摘要：鉴于流程制造工序间能质流耦合严重,性能指标影响因素众多,工艺参数时序特征显著,现有制造模式下难以精准预测产品质量,在分析流程制造工艺性能指标多维、强时序、关联耦合特征的基础上,提出一种基于注意力机制—门控循环单元-BP神经网络(Attention AM-GRU-BPNN)的多工序耦合参数关联预测方法。首先采用互信息方法筛选多态异构生产数据作为输入,建立ConvGRU自编码器,通过无监督学习对过程数据、工艺参数、操作参数等进行时序特征提取,同时引入时序注意力机制提取不同工序的耦合关联特征并进行向量嵌入,为不同工序的工艺参数分配注意力权重。在此基础上,设计Attention网络自学习不同时刻下工艺关联特征对质量性能指标的影响差异,再通过门控循环单元网络对重要的关联特征进行增强,并按照时序特征对单工序预测模型进行聚合,实现多工序时序特征融合,最后通过输出层BPNN神经网络精准预测产品工艺质量。实验表明,AM-GRU-BPNN有效提高了预测精度,从多工序角度为生产线工序的加工过程控制提供了依据。