摘要：为满足新能源汽车电机轴的轻量化设计需求,文中提出了一种基于响应面法和粒子群算法相结合的多目标优化方法。以电机轴的内径为设计变量,在满足强度约束的条件下,将电机轴质量、多危险截面处等效应力和1阶临界转速作为设计目标构建了多目标优化模型。建立Box-Behnken试验设计得到4因素3水平的有限元分析试验方案,采用最小二乘法拟合了各子目标的高精度响应面方程,并根据各子目标的重要程度引入影响因子,建立了统一的全局优化目标函数。最后,结合惯性权重线性递减的粒子群算法对全局目标函数进行了寻优。优化结果表明:电机轴的质量减小了4.8%,1阶临界转速提升了8%,且两处危险截面的等效应力分别减小了2.9%,2.5%。

摘要：惯性参数辨识对多自由度并联机构动力学控制至关重要,而传统的辨识方法存在操作复杂、精度差等问题。现提出一种基于动力学分析的六自由度并联平台惯性参数辨识方法。该方法以伺服电机的驱动电流为基础,采用Kane法对并联机构进行动力学分析,建立电流、转矩和推力之间的传递函数,在此基础上构建激励力与平台位姿的辨识方程,即可求解并联平台的惯性参数。基于MATLAB与ADAMS的六自由度并联平台参数辨识仿真分析结果表明,质量与转动惯量辨识误差分别小于2%与7%。与解体测量法和CAD法相比,本方法具有更快的辨识速度与更高的辨识精度,为并联平台动力学控制打下基础。

摘要：针对热轧钢卷端面图像背景复杂、缺陷特征各异、缺乏标准缺陷数据集,用传统视觉方法难以自动识别问题,提出了基于深度学习的热轧钢卷端面缺陷检测的技术架构,给出了该框架下的图像采集、预处理与分割、深度神经网络算法设计和缺陷特征数据库搭建等关键技术,最后开发了基于深度学习的钢卷端面缺陷检测系统,试验表明该系统的典型缺陷检出率在90%以上,解决了热轧钢卷端面缺陷长期依赖人工肉眼识别的行业性难题,实现了端面缺陷的在线、自动、精准检测,所形成的成套端面缺陷检测技术和装备,在钢铁行业多条热轧产线稳定、可靠地投用运行。

摘要：在运动链构型综合过程中,相似运动链的同构判定是一个复杂且耗时的问题。提出了一种含复铰运动链支路矩阵的同构判定新方法。针对运动链中复合铰链难以识别和处理问题,提出了一种多元构件编号及支路矩阵描述方法,从而有效描述了运动链中的构件和复合铰链等信息,并且该方法具有运动链结构描述的唯一性。然后,提出了支路矩阵的素数乘积法对含复合铰链运动链进行同构判定。利用支路矩阵的多元构件编号方法可直观地比较不同运动链的对应关系,通过比较支路矩阵最后一行和素数乘积数组进行同构判定。通过案例证明该方法准确、有效且简便。

摘要：定期检查排水管道可以及时发现严重缺陷,对保证排水系统健康运行和城市环境安全具有重要意义。针对排水管道低照度和低分辨率检测困难现状,提出一种改进YOLOv7算法的排水管道缺陷检测与几何表征方法。首先,利用对比度受限自适应直方图均衡化图像增强技术,改善图像的对比度和细节,以提高检测网络对排水管道缺陷的捕获能力;其次,基于设计的Drop-CA和MC模块改进YOLOv7算法,使网络获得浅层缺陷的语义信息并降低误检率,提高模型的分类和定位能力;最后,针对裂缝和断裂2种严重缺陷,设计了一种定量描述该缺陷的几何特征方法来评估缺陷的大小。实验结果表明,改进的网络模型最终平均精度达到93.3%,检测速度达到42.9 f/s。该方法有效提升排水管道缺陷检测和分类精度,且可以有效表征缺陷的几何特征。

摘要：研发一种具有金属内衬的法兰式碳纤维增强树脂基复合材料(CFRP)液压缸缸筒,通过复合材料的本构关系和厚壁圆筒理论推导CFRP缸筒的应力应变公式,建立数学模型,并结合强度和刚度理论,进行液压缸缸筒轻量化研究。运用Abaqus软件进行仿真分析,验证所提出方案的可行性,联合Isight软件进行优化设计,以DOE试验设计寻找最优解。结果表明:优化设计后,CFRP缸筒满足强度和刚度要求;液压缸缸筒质量由16.58 kg减少到5.26 kg,总体减轻68.3%,达到轻量化设计目的。

摘要：以装配体零件为载体,以正逆向设计结合为思想,以项目式教学为依托的3D打印实践教学项目,引导学生自主创新,注重产品质量。实践过程中部分零件采用正向设计并打印制作成型,其余零件则采用逆向设计并打印制作成型,组装获得完整装配体。教学实施效果表明,实践环节中的产品废品率显著下降,同时学生的课堂参与度显著提升。基于正逆向设计结合的教学方法突破传统的3D打印实践教学思路,锻炼了学生项目管理、自主创新、主动思考解决问题等综合能力,贯彻落实了学生质量观意识的培养。

摘要：为满足机耕船自动驾驶功能,设计一套YOLOv5融合SGBM算法的机器视觉障碍感知系统。首先,以人、机耕船和农具为对象拍摄和收集图片得到水田障碍数据集,将图像输入YOLOv5网络模型迭代训练得到最优权重,随后将最优权重用于测试,并且与YOLOv4和Faster R-CNN网络进行比较;将双目相机拍摄的左右图像输入YOLOv5模型中进行检测,将输出的目标障碍检测框信息经校正变换后用SGBM算法进行视差计算,完成对目标障碍的识别和深度估计。结果表明,YOLOv5的平均精度均值稳定在87.25%比YOLOv4高1.55%,比Faster R-CNN高4.04%,单幅图像检测时间为0.017 s比YOLOv4快0.081 s,比Faster R-CNN快0.182 s且模型大小仅为13.7 MB比YOLOv4小236.4 MB;在检测机耕船、人和农具时,YOLOv5网络模型的置信度分别为0.91、0.99、0.95。YOLOv5+SGBM的深度估计在2 m内,精度达到98.1%。基于YOLOv5和SGBM的水田深度估计,能满足带旋耕无人驾驶作业的机耕船实际需求。

摘要：针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增强层次多样性熵,并将其作为特征提取指标用于提取齿轮箱的故障特征;其次,采用WHO算法对SVM模型的参数进行了优化,建立了参数最优的WHO-SVM分类器;最后,将故障特征样本输入至WHO-SVM分类器中进行了训练和识别,完成了样本的故障识别;利用齿轮箱数据集分别从数据长度敏感性、算法特征提取时间、模型诊断性能三种角度对EHDE、精细复合多尺度样本熵、精细复合多尺度模糊熵、精细复合多尺度排列熵、精细复合多尺度散布熵、精细复合多尺度波动散布熵进行了对比研究。研究结果表明:EHDE方法对数据长度的要求较低,在数据长度为512时即可以取得99.1%的平均识别准确率,在诊断稳定性和诊断精度方面均优于其他对比方法;在算法的泛化性实验中,EHDE方法能够以98%的准确率识别齿轮箱的不同故障类型,具有明显的泛化性和通用性。

摘要：根据模拟离合器在实际工作状态下试验离合器的工作性能,设计了一种搭载2台异步电动机的超越离合器试验台,2台电动机分别与增速圆柱齿轮箱和减速圆柱齿轮箱配合模拟离合器在实际工作中的驱动模块和加载模块。采用斜齿圆柱齿轮传动齿根危险截面弯曲强度校核公式,对增速圆柱齿轮箱大小齿轮进行强度校核;基于SolidWorks软件Simulation模块对增速箱大小齿轮不同扭矩进行静应力仿真分析;计算传动轴的1、2阶临界转速,判断轴的工作转速是否处在安全范围、增速圆柱齿轮箱传动轴在高速运转过程中是否发生共振现象。为超越离合器相关研究提供参考。