摘要：力矩控制算法可用于实现SGP(Stewart-Gough平台)的运动控制。为了降低SGP动力学模型参数的测量成本,通过求解各线性作动器的加速度,建立了关节空间内的动力学模型。为解决关节空间的计算力矩控制算法无法实时调整控制增益的问题,设计了模糊计算力矩控制器。通过建立SGP虚拟样机,并结合位姿逆解模型与动力学模型建立综合仿真系统,对模糊计算力矩控制器的性能进行仿真,仿真结果表明模糊计算力矩控制器有良好的轨迹跟踪能力。结合EtherCAT工作原理,设计开发了SGP的EtherCAT主从站控制系统,将SGP应用到动感座椅场景中进行实验验证,实验结果表明EtherCAT主从站控制系统能够满足SGP控制的实时性与同步性要求。

摘要：水润滑尾轴承在低速和重载工况条件下容易产生严重磨损与表面微缺陷。通过使用自修复微胶囊作为填料,赋予复合材料内部微缺陷的自修复能力,可以改善超高分子量聚乙烯(UHMWPE)水润滑尾轴承的使役性能。联用Pickering法与原位聚合法来制备含有活性异氟尔酮二异氰酸酯(IPDI)的自修复微胶囊,以硅烷交联改性UHMWPE来制备含自修复微胶囊的UHMWPE复合材料,探究不同的自修复微胶囊添加量对复合材料的机械性能、摩擦学性能及自修复性能的影响。测试结果表明:微胶囊的加入降低了复合材料的机械性能和摩擦学性能,微胶囊含量越高这2种性能下降越多。与此同时随着微胶囊含量的提升,复合材料自修复性能越好。综合考虑自修复微胶囊含量对复合材料的这3种性能的影响,当微胶囊含量达到10%时复合材料的综合性能达到最佳,为设计优异使役性能的新型水润滑轴承材料提供了参考。

摘要：针对混流液压泵装配线存在工位闲置或堵塞导致作业负荷不均衡的问题,提出了一种混合遗传禁忌搜索算法求解和计算机仿真验证的方法。以最小化混流装配线的生产节拍、不同工作站间分配的作业负荷和同一工作站内不同产品的作业负荷平滑指数为优化目标,设计了一种具有较强局部搜索能力的混合遗传禁忌搜索算法,算法通过Hamming距离的判断对可行解进行多片段交叉、片段变异操作;采用正交实验法确定了算法最佳参数组合,并在经典案例集和液压泵装配线上验证了混合遗传禁忌搜索算法的有效性和优越性;在Plant Simulation软件中考虑液压泵装配线设备情况,根据实际生产对优化方案进行仿真分析,研究结果表明了该优化方法能有效降低混流液压泵装配线的生产节拍,均衡各工作站间的工序分配和同一工作站内不同型号产品的作业负荷,实现了混流装配线的平衡再优化。

摘要：针对设备级数字孪生模型设计重用时的局限性,即无法捕捉设备的功能、组成、材料以及工作能力,导致匹配的准确性和实用性较差的问题,提出了一种面向设计重用的设备级数字孪生模型匹配方法。首先,在设备模型导入虚拟场景后,整合模型的多模态信息,初步计算模型属性集的相似性,从而生成匹配的初步结果;随后,基于初步的匹配结果,利用优化的形状分布算法对匹配结果进一步计算几何特征相似度,以筛选出最终的精确匹配结果,提高了模型匹配的准确性,并促进了模型的设计重用。

摘要：为提高自动化立体仓库的货位分配效率,保障其安全稳定运行,建立提高仓库出入库效率、货架稳定性、货物相关性和货物剩余价值为目标的货位优化模型,运用层次分析法将多目标问题转化为单目标问题进行研究。针对该模型提出了一种改进帝国竞争算法,该算法融合了帝国竞争算法与遗传算法的优点,设计了动态调节革命率公式和自然灾变算子增强了殖民地和帝国的多样性。实验结果表明改进帝国竞争算法具有更优的收敛性和搜索范围,有效的解决了不同规模的货位分配问题,求解精度和稳定性优于粒子群算法、遗传算法和标准帝国竞争算法,对提升快销品企业竞争力和立体仓库出入库效率提供了理论依据和实践参考。

摘要：分布式车间调度问题在传统制造业中具有重要意义。然而,在实际生产过程中,各种加工资源通常是有限的,且在以往分布式调度问题中未考虑到。针对分布式工厂运输机器有限问题,提出一种基于强化学习的RLDE算法。分析并建立RLDE的自学习模型,同时设计了3种初始化策略来获得高质量种群。设计基于Q-learning的变异和变邻域策略,使种群能够选择合适的变异和邻域搜索方法。在多个著名的基准实例上对所提RLDE算法进行性能评估,并与4种先进算法进行了比较。结果表明:RLDE算法在解决分布式车间调度资源约束问题上表现出非凡的优越性。

摘要：针对车间峰值功率受限约束下的柔性作业车间调度面临的作业周期增加、机器负荷增大的问题,建立以最小化最大完工时间和最小化机器最大负载为优化目标、考虑车间峰值功率约束的柔性作业车间调度问题(PPCFJSP)模型。为更好地调度决策,首先将该问题转化为马尔可夫决策过程,基于此设计了一个结合离线训练与在线调度的用于求解PPCFJSP的调度框架。然后设计了一种基于优先级经验重放的双重决斗深度Q网络(D3QNPER)算法,并设计了一种引入噪声的ε-贪婪递减策略,提高了算法收敛速度,进一步提高了求解能力和求解结果的稳定性。最后开展实验与算法对比研究,验证了模型和算法的有效性。

摘要：在拆解序列规划问题中,为了提高拆解效率、降低拆解能耗,引入了机器人并行拆解模式,构建了机器人并行拆解序列规划模型,并设计了基于强化学习的遗传算法。为了验证模型的正确性,构造了混合整数线性规划模型。算法构造了基于目标导向的编解码策略,以提高初始解的质量;采用Q学习来选择算法迭代过程中的最佳交叉策略和变异策略,以增强算法的自适应能力。在一个34项任务的发动机拆解案例中,通过与四种经典多目标算法对比,验证了所提算法的优越性;分析所得拆解方案,结果表明机器人并行拆解模论文拓展式可以有效缩短完工时间,并降低拆解能耗。

摘要：渐进最优快速探索随机树（RRT*）算法是快速扩展随机树（RRT）算法的改进版本，具有渐进最优性，但存在收敛速度慢、初始路径代价高、算法效率低等缺点。针对这些问题，文中提出了一种多策略融合优化的快速探索随机树（RRT*）路径规划算法，该算法引入自适应目标偏置策略、父节点重选策略和分层冗余节点去除策略，同时具备路径质量高，路径生成与收敛速度快的优势。为了验证算法的有效性，设计了不同环境下与RRT*、BGRRT*和RRT*-Smart算法生成的初始路径和收敛速度的对比实验。结果表明，提出的算法能够生成更优的初始解，并具有更高的稳定性和更快的收敛速度。

摘要：为实现贴片晶振封装基座移载装置的高效性与稳定性,需合理设计其动作时序,以保证封装基座取料和送料的连续作业.依据移载装置的布局和动作路径,结合整体工艺流程要求提出了其性能指标;为获取气缸最佳理论动作时长,通过回路建模与仿真分析了作动气缸的动态特性.基于移载装置的性能指标要求,规划其时序流程并建立有限状态机模型;设计可转换的状态转换条件以及相应的状态迁移事件,构造状态迁移图.结合仿真与实机测试,对移载装置路径1~路径3的动作时序设计进行验证,结果表明,不合格品率为0.019%,报警率为0.5次/d,路径1、路径2和路径3实际平均移载时间分别为52.45、49.53和53.48 s,与仿真值偏差分别为1.87%、2.38%和1.16%,各项指标符合预期要求.