摘要：针对多自由度机械臂控制器在控制参数不能适应系统变化时轨迹跟踪性能不足的问题,提出一种基于自适应粒子群算法的模糊计算力矩控制(APSO-FCTC)。以二连杆机械臂轨迹跟踪为对象,基于拉格朗日法建立动力学模型,设计了用于自适应调整计算力矩控制(CTC)中PID参数的模糊控制器。进一步提出APSO-FCTC方法,通过基于动态适应度数组的自适应粒子群算法实时优化模糊集合的端点值。通过仿真验证了所提出的APSO-FCTC方法在传统CTC方法的控制参数不能适应系统变化时轨迹跟踪的优越性和抗干扰性,且优于单独使用模糊或自适应粒子群的方法。

摘要：针对机器人抓取过程中易出现碰撞、造成夹持器或机器人损坏问题,且为了使夹持器具有自适应能力并使用尽量少的驱动,设计了一种仅有一个驱动的带有3-RRS并联缓冲机构的三指夹持器.基于螺旋理论设计了具有“一平两转”自由度的并联缓冲机构,并基于在圆柱坐标系内推导的运动学逆解进一步设计了其结构.设计了一种同步平动三指夹持器,基于虚功原理对其进行受力分析并运用遗传算法计算了夹爪的结构参数,通过仿真模型验证和试制样机实验验证了结构设计的合理性.所提出的夹持器能够降低抓取过程中碰撞对于机器人本体的影响,且具有良好的对物体和环境的适应能力及较高的鲁棒性.

摘要：智能制造是制造业发展的必然趋势,智能车间是智能制造的主要载体,决定着制造的效率.生产过程是永恒的动态过程,会不断发生各类突发事件,频繁干扰车间系统的正常运行.因此,如何针对智能车间中频发的动态事件进行快速响应与合理调度是提高生产效率的关键之一.本文首先描述了智能车间调度问题,指出问题的复杂性;其次,阐述了智能车间动态调度方法的研究现状;接着,针对强化学习在动态调度中的应用进行了系统分析与分类讨论;然后,对动态调度决策模式的相关研究进行了详细的阐述,分析了经典调度模式和主动调度模式的异同;最后,根据研究现状和制造业智能化发展的需求,对智能车间动态调度未来的发展趋势进行了展望.

摘要：等几何拓扑优化方法实现结构几何、分析和优化模型的统一,在结构优化领域具有重要的应用潜力。拓扑优化设计的结构构型复杂,通常需要采用增材制造加工成型。为确保结构的可制造性,其必须满足特定的工艺条件,因此,在优化设计阶段考虑制造工艺约束显得尤为重要。针对金属增材制造中常见的局部过热现象和悬垂角要求,提出一种约束局部过热的自支撑结构等几何拓扑优化方法。采用基于等几何分析的变密度法,引入可打印密度的概念,将不满足打印要求的单元过滤,实现结构自支撑;采用稳态热过程模拟模型近似评估结构的局部过热程度,并将其引入等几何拓扑优化模型中加以约束。数值算例和仿真结果表明,相比于传统等几何拓扑优化方法和仅考虑自支撑特性的等几何拓扑优化方法,该方法设计的结构在满足自支撑特性的基础上,能有效缓解增材制造中结构的局部过热现象,从而减小结构的热变形,提高尺寸精度。

摘要：多孔结构具有轻质、散热快等特点,在航空航天、信息电子等领域应用广泛,提出了一种面向散热性能的多孔结构多尺度等几何拓扑优化方法。在微观尺度,采用水平集函数描述三周期极小曲面点阵的几何构型,构建了Kriging元模型,预测点阵的宏观等效热学属性,从而降低计算成本;在宏观尺度,以最小散热柔度为目标,建立了多孔结构的多尺度拓扑优化模型,引入等几何分析提高了结构性能分析的计算精度,结合等几何映射技术开展了非规则几何结构的多尺度拓扑优化设计,避免了非规则设计域中点阵裁剪导致的几何特征缺损等问题;最后,通过数值算例验证了所提出方法的有效性。结果表明,提出方法可实现非规则几何结构的散热性能优化设计,优化得到的轻质梯度多孔结构具有较好的散热性能,在实际工程中具有广阔的应用前景。

摘要：针对在高速加工中微小线段轨迹会导致数控系统前瞻距离短,须要利用样条曲线对微小线段轨迹进行压缩的问题,采用三次B样条压缩微小线段轨迹,采用五次贝塞尔(Bezier)桥接曲线改善三次B样条之间的连续性.基于离散曲率积分,选取合适的初始压缩节点,减少拟合迭代次数,提升轨迹压缩效率.通过在相邻B样条间插入Bezier曲线的方法,用带有微分因子(differential factor,DF)μ的边界约束条件,保证桥接曲线与相邻B样条在衔接处G2连续,满足误差和保型约束.通过模拟插补实验,分别对比桥接算法实施前后轨迹曲率与单轴加速度,结果表明所提出的轨迹压缩算法减小了单轴加速度波动.

摘要：故障检测与定位是保障机械装备长寿命高可靠安全运行的核心技术.机械装备上安置有众多的传感器,可获取海量运行状态数据,推动机械装备故障检测与定位迈入大数据时代.现有工业大数据驱动的装备故障检测与定位方法一般依赖于足够多的故障样本才能训练出高精度的故障检测模型.然而,实际工程中机械装备故障样本通常难以获取甚至没有,这严重限制了故障检测与定位方法的工程适用性.为了克服上述局限性,本文提出一种无故障样本下基于收缩自注意力关系网络(shrinkage transformer relation network,STRN)的机械装备故障检测与定位方法.首先,构建残差收缩网络,消除隐藏在输入信号中的干扰特征,并提取具有代表性的特征.然后,通过建立样本对揭示健康状态和其他状态之间的关系.最后,构建Transformer关系网络,评估样本对间的相似关系,以确定他们的状态类型.此外,建立辅助样本库协助STRN提取出机械装备的更具有代表性的健康特征.通过搭建船舶推进轴系实验台验证了STRN方法的有效性.实验结果表明,无论在单一或复合故障模式下STRN都能精准检测与定位出轴系故障位置,且具有很强抗噪声性能;与现有方法相比检测精度至少高出25%.

摘要：为全面评估机械装备健康状态并制定分级运维决策策略,提出了一种机械装备人机协同健康评估方法。首先,从振动、压力、扭矩等监测数据中分别提取机械装备症状参数;接着,设计一种新的模糊残差收缩网络,确定机械装备状态隶属度函数,建立基于症状参数的单一评估模型。然后,将各单一评估模型输出的状态隶属度转化为集体犹豫模糊健康评估矩阵;采用best worst method计算各模型的评估优先级,利用语义Z数环境下的TOPSIS方法,发现不同运行状态对装备行为的影响差异。最后,通过犹豫模糊加权平均算子,定义机械装备健康指标,并引入多功能k-means聚类算法判定装备健康等级,以指导装备分级运维决策。验证结果表明:所提出的方法在场景适用性和性能稳定性方面有着尚佳的表现。