摘要：Traditional gear weight optimization methods consider gear tooth number, module, face width or other dimension parameters of gear as design variables. However, due to the complicated form and geometric features peculiar to the gear, there will be large amounts of design parameters in gear design, and the influences of gear parameters changing on gear trains, transmission system and the whole equipment have to be taken into account, which increases the complexity of optimization problem. This paper puts forward to apply functionally graded materials（FGMs） to gears and then conduct the optimization. According to the force situation of gears, the material distribution form of FGM gears is determined. Then based on the performance parameters analysis of FGMs and the practical working demands for gears, a multi-objective optimization model is formed. Finally by using the goal driven optimization（GDO） method, the optimal material distribution is achieved, which makes gear weight and the maximum deformation be minimum and the maximum bending stress do not exceed the allowable stress. As an example, the applying of FGM to automotive transmission gear is conducted to illustrate the optimization design process and the result shows that under the condition of keeping the normal working performance of gear, the method achieves in greatly reducing the gear weight. This research proposes a FGM gears design method that is able to largely reduce the weight of gears by optimizing the microscopic material parameters instead of changing the macroscopic dimension parameters of gears, which reduces the complexity of gear weight optimization problem.

摘要：Current design rationale （DR） systems have not demonstrated the value of the approach in practice since little attention is put to the evaluation method of DR knowledge. To systematize knowledge management process for future computer-aided DR applications, a prerequisite is to provide the measure for the DR knowledge. In this paper, a new knowledge network evaluation method for DR management is presented. The method characterizes the DR knowledge value from four perspectives, namely, the design rationale structure scale, association knowledge and reasoning ability, degree of design justification support and degree of knowledge representation conciseness. The DR knowledge comprehensive value is also measured by the proposed method. To validate the proposed method, different style of DR knowledge network and the performance of the proposed measure are discussed. The evaluation method has been applied in two realistic design cases and compared with the structural measures. The research proposes the DR knowledge evaluation method which can provide object metric and selection basis for the DR knowledge reuse during the product design process. In addition, the method is proved to be more effective guidance and support for the application and management of DR knowledge.

摘要：为解决产品设计理性的获取问题,依托大数据技术和信息提取技术,提出一种从历史设计信息中获取设计理性知识的方法。引入设计基因的概念对意图驱动的设计理性模型进行了拓展,提出了携带设计基因的意图链模型,阐述了利用大数据技术、信息提取技术提取设计基因和设计意图链的方法,并对所提取的设计意图链进行检验和修复,构建了元数据集,根据设计基因和设计意图对意图链进行拼接得到设计理性知识,并通过实例验证了该设计理性获取方法的有效性。

摘要：为了通过云制造服务实现对制造资源能力的精准调度与使用,云制造模式要求制造资源的虚拟化过程必须保证云制造服务所描述的相关能力与原制造资源所提供的能力在逻辑上具备严格的一致性.为此,提出了基于同态映射的制造资源虚拟化机制:通过在物理资源层和云服务层之间定义抽象的虚拟能力层,在解耦物理资源与云服务之间直接映射的同时,分别定义了制造资源-虚拟能力、虚拟能力-云服务的同态映射函数;采用基于语义相等映射的实现原理,将物理资源的能力及其所需的依赖条件进行同态抽象转换,并通过初步的案例仿真说明制造资源在同态映射过程中保持了能力语义的不变性.

摘要：复杂大型的云制造应用需要通过既相互独立又能进行相互配合的多个制造云来协同完成,导致同一个工作流中的任务可在多个分布的工作流引擎中完成.为此,提出了一种"按需分配"的工作流任务分配方法,将任务分配贯穿于业务过程模型实例化过程,详细分析了云制造环境下影响任务分配的4种主要因素;为提高任务分配过程的自动化程度,给出了每种因素与任务需求的匹配方法.仿真实验结果表明了该方法的有效性.

摘要：为了解决传统的“信号发生器+功率放大器”产生的信号无法满足尺蠖型旋转驱动器多路、正方波波形需求的问题,设计了一种通过Cmos控制脉冲模块“通-断”时机的信号控制器,从而得到特定时序的3路正方波信号。通过这种方案得到的3路驱动信号为正方波电流信号,从而避免了超磁致伸缩材料的“倍频”现象的发生。通过设置信号周期、占空比和延迟等参数,能够输出设定时序的三路正方波驱动信号。根据电压定律,将正方波简化成阶跃波形,建立了驱动信号的电流模型,并进行了参数辨识。在工作频率范围内,电流解析式能准确地表示电流信号。搭建试验平台进行了试验测试,试验结果表明,在工作频率范围内,信号控制器输出的正方波波形优于“信号发生器+功率放大器”产生的方波信号,设定的3路信号能够驱动尺蠖型旋转驱动器产生步进旋转运动。通过优化驱动信号时序,将旋转驱动器最大工作频率由160 Hz提至210 Hz。

摘要：采用紧凑的直腔设计和精确的膜系设计,实现了LD侧面泵浦1 110 nm Nd:GGG和腔内倍频的555 nm激光。当泵浦功率为168 W时,得到了25.5 W的1110 nm连续激光输出。在10 k Hz的声光调Q情况下,应用II类非临界相位匹配LiB3O5(LBO)倍频晶体,得到了最大输出功率为3.1 W的555 nm倍频光输出,光-光转换效率为1.8%,相应的脉冲宽度为176 ns,在水平和竖直方向上的M2因子分别为19.6和21.3。

摘要：针对制造资源状态的时变性,以及制造资源状态、制造资源组合状态、任务状态之间存在非线性关系的问题,提出一种基于制造组合状态跃迁的制造系统建模方法。该方法通过建立制造资源在时序上与组合逻辑上的多层状态拓扑结构,定义了不同层次状态之间的跃迁函数,形成了制造组合状态之间的跃迁机制,实现了对制造系统内不同状态之间的非线性关系描述。以关联制造系统不同层次状态的制造组合状态跃迁为基础,建立了从制造资源个体状态、组合状态及任务状态的自动机模型,最终实现了制造系统建模。最后,利用所建的自动机模型对两个卫星箱体混线生产过程进行描述,验证了所提建模方法的有效性。

摘要：为了满足高精度、大行程的需求,设计了一种基于尺蠖运动方式的超磁致伸缩直线驱动器,通过前、后箝位机构和驱动机构的相互配合,实现了驱动器的步进式位移输出。采用叠加式柔性铰链作为弹性元件,有效地改善了柔性铰链的受力情况,采用有限元法进行了强度校核和模态分析。计算了叠加式柔性铰链的等效刚度,建立了直线驱动器的动力学模型,对设计的样机进行了实验测试。实验结果表明,建立的位移模型和实验结果基本一致,最大相对误差为1.86%;设计的驱动器稳定工作电压为1~3 V,最小和最大单步位移分别为4.55、12.01μm,最高工作频率为150 Hz,最快速度为1.34 mm/s;位移输出状态稳定,单步位移最大相对误差为2.69%。

摘要：由于制造资源的调用与执行比计算资源要复杂得多,使得在云制造环境下的服务组合执行可靠性成为必须考虑的问题.为此,提出一种基于离散粒子群智能优化的、考虑执行可靠性的云制造服务组合算法.以概率密度函数描述服务可靠性,基于服务模型库动态生成云制造服务组合的工作流模型,基于语义实现服务匹配,通过离散变量粒子群优化算法计算出执行可靠性最优的云制造服务组合方案.最后以结构设计工作流模型为例,在不同服务实例规模、不同恶意服务占比情况下验证了其有效性和可靠性.实例结果表明,在恶意服务占比较高时,该算法仍能保持较高的服务执行可靠性.