摘要：薄壁件由于结构复杂刚性差且精度要求高,薄壁件装配主要由人工完成。存在自动化程度低、产品良率低、效率差、严重依赖工人的技术水平的问题。为了提高产品质量和生产效率,急需采用自动化装配设备。薄壁件的装配单元需要根据在线测量数据分类匹配装配,采用传统的工业机器人,占用较大的工作空间,并联机器人结构柔性,占用空间小,本文设计提出一种薄壁件自动化分拣装配单元设计方案,来代替传统人工分拣与装配的生产方式。首先根据薄壁件分类装配功能需求,设计了并联结构,建立了并联结构的动力学模型和运动学模型;分析了并联结构快速运动时速度及加速度的变化规律,3条主动臂和中间支链的角度数据曲线变化平稳,没有发生突变,角速度和角加速度相对平稳,保证了测量相机工作精度,并联机构的稳定性满足设计要求;动平台的位移曲线与预定轨迹重合,结果显示所设计的机构可以满足功能要求。该结构工作空间小,可以实现薄壁件装配的自动化,保证了产品的质量。

摘要：涡流脉冲热像(Eddy current pulsed thermography,ECPT)技术是一种新型的无损检测方法,广泛应用于金属材料结构的检测,但该技术常依赖人工经验提取特征进行裂纹检测与识别,自动化和智能性化程度不足。结合涡流脉冲热像技术以及循环神经网络(Recurrent Neural Network,RNN)的特性,提出一种基于双向长短期记忆网络(Bidirectional Long Short-Term Memory Network,Bi-LSTM)金属疲劳裂纹涡流脉冲热像分类识别方法。实验通过涡流加热装置对被测金属试件进行感应加热,使用红外热像采集装置对金属平板试件进行实时的数据采集,获得图像序列并制作数据集。运用设计的Bi-LSTM模型增强特征向量中的时序信息,对不同尺寸裂纹的热图像进行训练并测试。实验分析表明,Bi-LSTM网络可有效应用于金属疲劳裂纹检测与识别,针对现有裂纹检测准确率可达到100%,优于传统神经网络和其他深度学习的模型,具有更高的识别精度。

摘要：针对四旋翼无人机抗复杂干扰能力差的问题,提出在无人机姿态控制上采用线性二次型调节器(linear quadratic regulator,LQR)的控制方法,并对3个姿态角分别设计了单回路LQR控制器和多回路LQR控制器;提出一种全流程改进遗传算法,用于优化两种控制器参数。通过动态响应实验,对比粒子群算法、模拟退火算法与改进遗传算法的优化效果,验证了所用改进遗传算法具有良好的优化效果;设计了抗干扰实验,对单回路和多回路LQR控制器分别进行阶段性风和全程性风的抗风干扰实验,验证了多回路LQR控制器抗复杂干扰能力强,性能良好。

摘要：针对一类阶非匹配不确定系统,提出一种自适应反步非奇异快速终端滑模控制方法.控制的前n-1步采用自适应反步控制策略,消除非匹配不确定性的影响;最后一步利用误差的积分构造非奇异快速终端滑模面,设计控制律使系统第n个状态有限时间收敛.该方法对系统中匹配和非匹配不确定项均具有鲁棒性,比自适应反步终端滑模方法具有更快的收敛速度.理论分析证明了闭环系统的稳定性,仿真结果验证了该方法的有效性.

摘要：针对传统的车牌识别算法对于复杂环境车牌定位效果不理想、车牌识别准确率低、实时性差等问题,提出了一种基于深度学习的车牌智能识别方法。首先使用Yolov3网络对图片中的车牌进行定位,然后采用空间变换网络对倾斜的车牌进行校正,并将校正后的车牌送入设计的改进卷积神经网络中提取车牌序列特征,最后通过双向递归神经网络和时序分类网络识别出车牌字符。与传统车牌识别方法相比,提出的方法能够有效克服天气等不良状况的影响,从Yolov3定位到识别完成的平均时间可以缩短至33ms左右,平均识别准确率能够达到96.1%。

摘要：湿式离合器是现代大功率车辆传动系统中的核心部件,在长时间工作或者极限工况条件下,容易发生由异常摩擦造成的摩擦片表面烧蚀、打滑、断裂和塑性变形等故障,为提高离合器使用寿命和可靠性,基于微凸体弹塑性接触模型以及湿式离器工作原理,推导建立了考虑弹塑性接触的摩擦片磨损量计算模型,确定了离合器摩擦片磨损量与载荷、滑磨速度之间的定量数学关系,并在湿式离合器磨损实验台上进行了磨损试验,验证了理论模型的准确性和有效性。研究结果显示:工作油压在0.2~0.4 MPa时,磨损较小,同时模型精度较高,相对误差小于5%;压力为0.4 MPa是一个临界值,在压力大于0.4 MPa时,磨损量将急剧增大。因此,为了更好地控制磨损,应当将压力控制在0.4 MPa左右,表明所建立的考虑弹塑性变形磨损量计算模型能够有效的预测摩擦片磨损量,为离合器寿命评估和摩擦片减磨耐磨设计提供了数据的支持。

摘要：采用卷积神经网络对旋转部件进行故障诊断时,其对多尺度的故障特征利用有限,且网络层结构和超参数调试费时费力,针对上述问题,提出了一种基于离散二进制粒子群优化多尺度一维卷积神经网络的BPSO-M1DCNN算法。首先,对M1DCNN网络进行了初始化设计,采用了BPSO算法自适应调整超参数和网络结构构建BPSO-M1DCNN网络;然后,将原始振动数据输入BPSO-M1DCNN网络,进行了特征学习和提取,将学习到的故障特征进行了分类输出;最后,将该算法应用于行星齿轮箱的故障诊断试验,并将其结果与用BPSO-BP神经网络、一维卷积神经网络、M1DCNN网络的结果进行了对比分析,利用变化曲线表示M1DCNN网络、BPSO-M1DCNN网络的正确率和损失率,采用混淆矩阵显示各类故障诊断精度,并利用T-SNE算法对其特征学习过程进行了可视化。研究结果表明:相比BPSO-BP神经网络、1DCNN网络、M1DCNN网络,基于BPSO-M1DCNN网络的行星齿轮箱测试集的平均准确率均有一定提升,应用于行星齿轮箱故障的诊断效果较好。

摘要：翼型参数化是风力机翼型优化设计中的重要环节。针对风力机翼型参数化中建立统一数学模型问题,研究HicksHenne型函数法及其改进算法在风力机翼型参数化中的应用。通过对Hicks-Henne型函数各项系数进行控制,避免出现翼型交叉与不光顺现象,保证了翼型整体形状的平滑。通过对关键点和设计变量的控制,研究设计空间覆盖性和设计变量对翼型的影响。分析了Hicks-Henne型函数法对翼型后缘设计的缺陷,并提出改进的Hicks-Henne算法改善尾缘夹角。Hicks-Henne型函数及其改进算法扩展了风力机翼型参数化表达方法,具有一定的工程实用价值。

摘要：针对滑动轴承支承的涡轮电机轴系,基于有限单元法建立了考虑非线性油膜力的动力学模型,计算了轴系主振型、临界转速以及幅频响应等线性动力学特性;进一步通过分岔图、瀑布图、庞加莱截面讨论了系统的非线性动力学特性。结果表明轴系存在4阶主振型,两阶临界转速分别对应涡轮和压气机的锥动模态,且不易激发出转轴弯振模态。在非线性油膜力的作用下,轴系存在周期2、周期4以及拟周期等非线性特征,在多周期运动中,1/4~1/2工频区域的低频振幅要大于工频振幅。

摘要：液压驱动、闭环控制风电叶片制造中模具的开合模过程,可以提高作业效率、运行平稳性以及叶片质量。在分析风电叶片模具翻转机构工作原理以及生产现场需求的基础上,通过设计改进液压、电气系统,应用PID控制策略,极大地改善了多翻转机构的叶片模具翻转过程的平稳性和同步性。