摘要：在车载炮驾驶室拓扑优化设计和刚强度分析计算中,需要明确大量的、不同射击条件下的冲击载荷.如何快速获取驾驶室表面的冲击载荷是车载炮设计中尚未解决的难题之一.本文将深度学习方法引入到驾驶室表面冲击载荷的求解中,基于卷积-多维特征LSTM神经网络,提出了一种驾驶室表面冲击载荷快速预测方法,实现了不同发射条件下驾驶室表面冲击载荷计算,求解速度接近实时级别.算例结果表明,深度学习模型的求解精度与传统CFD仿真精度相当,但求解耗时在毫秒级,大大提高了计算效率,具备离线训练、在线计算的潜力.且当驾驶室形貌特征轻微变化时,本文模型依然适用.本文成果可快速为驾驶室刚强度校核和拓扑优化提供载荷条件,有助于缩短车载炮研发周期,为车载炮系统的数字孪生模型构建奠定了基础.

摘要：设计了一种组合式智能搬运车装置,该装置以ESP8266WIFI串口模块为控制核心,利用激光发射器和接收器,并通过转盘链接机构和双驱动轮双万向轮进行运动。通过分析计算,对小车机械机械结构和控制进行优化,该装置能够针对不同体积货物组合出不同形状,依靠单一机器来实现仓库货物运输,有效降低了运输成本,提升了搬运效率。