摘要：5G通信技术使物联网得到了更多的应用场景,也为人工智能技术的落地提供了更多的可能性。目前,基于深度学习模型的人工智能技术的部署在工业界中得到了广泛的研究。然而,深度学习模型强大的性能依赖于它庞大的参数量和计算量,使得其在实际应用和部署中面临挑战。模型轻量化与加速旨在最小影响模型性能的情况下,降低模型的参数量和计算量从而提高模型的推理速度。文章介绍了目前该领域的最新技术,包括网络剪枝、轻量化网络设计、模型量化和知识蒸馏,并对它们的优缺点加以分析,最后讨论了模型轻量化与加速存在的挑战和发展前景。

摘要：以双头螺旋内齿轮注塑模冷却工艺为例,探究不同冷却工艺方案对成型精度的影响。根据双头螺旋内齿轮结构特点,采用三维建模软件UG(Unigraphics NX)构建齿轮结构模型,运用响应面法确立模具温度、熔体温度、保压压力和保压时间等最优注塑工艺参数,提出三种不同的冷却工艺方案,运用正交试验法确定最优的冷却水道布局参数,通过Moldflow软件对不同方案的流动前沿温度、回路冷却介质温度以及翘曲变形量进行分析比较,结果表明,轴向冷却工艺方案流动前沿温度差为23.7℃,浮动最小,回路冷却介质温度差最小,且整体翘曲变形量为0.2748 mm,模拟效果最好。采用最优冷却工艺方案进行模具设计开发,并进行试模。试模结果表明,实际注塑产品成型精度满足设计要求,验证了优化工艺方案的可行性与模流分析的可靠性。

摘要：针对微型比例阀流量控制精度低的问题,在结构设计上采用阻尼弹簧组件,分析比例阀系统的工作原理,利用AMESim建立了系统仿真模型,分析了线圈匝数、弹簧刚度、弹簧预紧力等参数对微型比例阀流量迟滞特性的影响。利用序列二次规划(NLPQL)优化算法,以线圈匝数为主变量,目标输出流量及最低迟滞性为优化目标,确定3组较优理论参数,将理论参数进行仿真,确定最优参数并进行实验验证。结果表明,带有阻尼弹簧组件的微型比例阀的输出流量平稳,流量迟滞性低,控制精度高。

摘要：为了研究注射成型工艺参数对精密齿轮的影响规律及作用机理,针对不同工艺参数的成型效果,利用有限元模拟软件Moldflow进行模拟分析,采用BBD响应面法建立了成型工艺参数与翘曲变形之间的二次回归模型,研究了熔体温度、模具温度、保压压力和保压时间对齿轮成型质量及性能的交互影响,并采用检测仪测量了齿轮的尺寸精度。结果表明:二次回归模型显著,拟合精度为98.82%,预测最优工艺参数为熔体温度217.613℃、模具温度87.229℃、保压压力98.528 MPa、保压时间5.595 s,此时翘曲变形最小值为0.0678 mm,保压压力和保压时间对翘曲变形具有显著影响。