摘要：齿轮滚动接触疲劳是限制航空、航天、新能源汽车、舰艇等高端装备的重要瓶颈。高表面完整性是决定齿轮服役性能的重要保障,表面完整性与齿轮接触疲劳性能的定量关联规律成为工程及学术界的研究重点。该系列研究讨论了常规喷丸、二次喷丸、微粒喷丸、滚磨光整、喷丸光整等加工工艺对AISI 9310渗碳淬火航空齿轮钢表面完整性参数及服役性能的影响,并给出齿轮抗疲劳设计方法。针对获得的表面完整性与疲劳性能数据,开展疲劳性能预测与表面完整性设计研究。采用随机森林算法确定了表面完整性参数对滚动接触疲劳寿命的重要度;以接触应力、表面粗糙度、表面残余应力、表面硬度、有效残余应力深度、疲劳寿命可靠度为输入,滚动接触疲劳寿命为输出,采用GA-BP神经网络和SVM机器学习方法建立了滚动接触疲劳寿命预测模型,探究了表面完整性参数对滚动接触疲劳寿命的影响规律;提出了基于多元回归的滚动接触疲劳寿命预测公式,疲劳寿命预测值在1.5倍分散带以内;并在给定设计寿命下采用遗传算法对表面完整性参数进行优化,服务于传动构件抗疲劳设计。

摘要：针对作业车间中自动引导运输车(automated guided vehicle, AGV)与机器联合调度问题,以完工时间最小化为目标,提出一种基于卷积神经网络和深度强化学习的集成算法框架.首先,对含AGV的作业车间调度析取图进行分析,将问题转化为一个序列决策问题,并将其表述为马尔可夫决策过程.接着,针对问题的求解特点,设计一种基于析取图的空间状态与5个直接状态特征;在动作空间的设置上,设计包含工序选择和AGV指派的二维动作空间;根据作业车间中加工时间与有效运输时间为定值这一特点,构造奖励函数来引导智能体进行学习.最后,设计针对二维动作空间的2D-PPO算法进行训练和学习,以快速响应AGV与机器的联合调度决策.通过实例验证,基于2D-PPO算法的调度算法具有较好的学习性能和可扩展性效果.

摘要：用于机械振动监测的无线传感器网络节点的微控制器需要进行复杂的边缘计算,然而硬件资源受到限制。卷积神经网络作为一种性能优越的深度学习算法,若将其运行在MCU上可增强边缘WSN节点的计算能力。本文提出了一种不修改CNN模型的层次分解方法,解决了难以在资源受限的MCU上运行不轻量化CNN的问题,实现了机械振动WSN节点的计算能力增强。首先通过设计文件结构用于分解并存储CNN模型参数,然后提出内存管理方法并推导随机存取存储器的消耗过程,最后提出参数定位方法准确高效地读取模型参数。实验表明仅使用1.76 KB RAM与2.14 KB Flash,在3.15 ms内便可实现高准确率的边缘计算识别任务。

摘要：针对自动紧急制动(autonomous emergency braking,AEB)系统弯道适应性差及舒适性不佳的问题,提出了一种基于高斯过程运动预测,考虑变曲率弯道和制动舒适性的AEB系统控制策略。基于三次样条曲线建立行车道路模型,对前车进行定位,并计算相对曲线距离。考虑车辆运动的非线性特性以及时间效应,建立基于高斯过程理论的车辆运动预测模型,设计了基于预测碰撞时间的分级预警与制动控制策略。联合仿真结果表明:提出的控制策略能够有效实现车辆的避撞,解决了AEB系统在复杂动态工况下的弯道适应性和制动舒适性问题。

摘要：针对现有的数控机床旋转轴误差测量与建模方法仅考虑多自由度静态几何误差或单自由度热误差单独作用的影响,未考虑几何误差和热误差耦合影响的问题,提出了一种基于球杆仪的数控机床旋转轴多自由度静/热误差同步测量与建模方法。首先基于齐次坐标变换建立球杆仪杆长变化模型,再基于该模型使用非齐次线性方程组建立静/热误差辨识模型;其次设计了适应多自由度静/热误差同步测量的球杆仪安装模式以缩短测量时间,减少热逸散对测量结果的影响;再次基于卷积长短期记忆神经网络(CNN-LSTM)建立旋转轴多自由度静/热误差预测模型;最后在数控蜗杆砂轮磨齿机的C轴上进行误差测量实验,对多种转速下的旋转轴多自由度误差进行快速辨识,并通过CNN-LSTM静/热误差预测模型对多自由度误差和球杆仪杆长变化进行预测,以验证所建模型的准确性。

摘要：针对经典时间循环神经网络(SRNNs)在预测时间序列中存在长时依赖的缺陷,同时由于遍历整个训练数据集进行现有监督式学习增加了时间复杂度,造成SRNNs在预测空间滚动轴承剩余寿命中存在预测精度和计算效率较低的问题,提出一种变分资格迹元强化循环网络(VETMRRN)。在VETMRRN中,构建新型时间循环网络结构以增大历史信息记忆量,并设计基于神谕门机制的元学习超参数自初始化网络来加速搜索VETMRRN的最优回顾序列长度;设计含有资格迹算子的变分自编码元策略梯度学习算法,以提高对VETMRRN参数的训练速度和全局优化效果。在此基础上提出基于VETMRRN的空间滚动轴承剩余寿命预测方法。首先采用Shapely值特征融合提取空间滚动轴承的性能退化特征;然后将性能退化特征输入VETMRRN中预测性能退化特征趋势;最后建立威布尔分布可靠度模型来预测空间滚动轴承的剩余寿命。该方法具有较高的预测精度、较好的泛化性能和较高的计算效率。最后通过空间滚动轴承剩余寿命预测实例证明了该方法的有效性。

摘要：工程机械中常用的连接结构由两个或多个零件紧密配合而成,在运行过程中接触的零件相互挤压的同时伴随有小幅相对滑动,易发生微动疲劳。微动疲劳主要分为疲劳裂纹萌生、疲劳裂纹扩展和快速断裂三个阶段,连接结构中的零件断裂可引起严重事故。现有的研究主要基于经过简化的二维平面应变模型,为了更清楚地了解微动疲劳的断裂机制,首先建立了微动条件下的三维线接触有限元模型,然后基于临界平面法分析了裂纹萌生寿命、位置和角度,最后基于线弹性断裂力学模拟了三维疲劳裂纹扩展过程。结果表明:在微动载荷的作用下,裂纹以一定倾斜角度在接触区域边缘处萌生,先沿着萌生方向逐渐扩展,当疲劳裂纹扩展至一定深度时,在循环体应力作用下,其方向逐渐变为垂直于接触表面,最终使试件断裂。裂纹萌生阶段的寿命远大于扩展阶段的寿命,占微动疲劳寿命的70%~80%。计算得到的疲劳寿命与文献中微动试验的寿命结果在2倍的分散带内,验证了该方法的有效性。该仿真分析方法可为连接结构的抗微动疲劳设计提供理论基础。

摘要：为使法规认证的车辆排放更真实地反映车辆在实际使用条件下的排放水平,实际行驶排放(RDE)试验程序被确立并广泛使用。然而,RDE试验易受到驾驶人操作行为、交通状况、道路坡度等不确定性因素的影响,行程动力学试验边界对RDE试验结果的影响特别敏感。为有效表征与车辆实际行驶排放特性相关联的行程动力学特性,提取了描述车辆行驶状态的瞬时参数,包括整车速度、加速度、发动机转速、转矩、功率变化率、整车比功率,采用因子分析法从变量群中提取共性因子,并通过共性因子的线性组合构造出行程动力学因子。为验证行程动力学因子的有效性,设计试验车辆在保守驾驶、中性驾驶和激进驾驶风格下进行RDE试验,利用移动平均窗口法将保守、中性和激进驾驶风格下RDE试验的瞬时数据划分为数据窗口;并将这些数据窗口的排放数据视为路段排放数据样本进行动力学因子的计算、相关性分析和一致性检验。研究结果表明:行程动力学因子可以通过构成因子的方差百分占比反映出RDE试验驾驶风格的差异;在各种不同驾驶风格情况下,行程动力学因子与污染物排放均良好相关,且两者之间的函数关系不随驾驶风格的差异而发生改变;行程动力学因子被证实是与车辆行驶排放所关联的行程动力学特性的准确度量。

摘要：目的 提高平面研磨加工效率及加工质量。方法 提取了反刍类动物臼齿齿面形貌特征,设计了一种模块化分布式平面研磨工具,采用ABAQUS分析了无特征规则排布磨具与仿生特征排布磨具在研磨抛光过程中对工件压力分布均匀性的影响;采用Fluent分析了仿生特征排布磨具形貌结构对磨削液流动性的影响;利用3D打印技术制备了仿生特征排布磨具与无特征规则排布磨具并进行了对比实验,通过响应面分析法讨论了转速、压力、表面结构特征等因素对磨具研磨性能的影响。结果 仿真结果表明,与无特征规则排布磨具相比,在4 N研磨压力下仿生特征排布磨具具有更优的工件表面应力分布均匀性;磨削液在磨具形貌特征间隙入口的流速为2.400 m/s时,与其他特征磨具相比,仿生特征模块化排布磨具的形貌特征间隙出口平均流速提升了29.45%。实验结果表明,与无特征规则排布磨具相比,在同等工艺下,使用仿生特征模块化排布磨具研磨的铝合金试件表面粗糙度由0.301μm降至0.188μm,下降了17.94%;当研磨压力为5 N时,材料去除速率由1.44μm/min提升至1.93μm/min,提升了34.47%。结论 平面磨具的形貌结构特征设计与排布对研磨过程中的工件接触压力分布、磨削液流动性具有重要影响。与无特征规则排布磨具相比,在相同工艺条件下臼齿仿生特征模块化排布磨具能够更有效地提升加工效率及加工质量。

摘要：搭载传统燃油动力包的内燃动车组是运行在非电气化轨道交通中的主力机型,存在效率低、油耗高的缺点。针对这一问题,设计了一种轨道交通装备用混合动力包的构型方案,建立了混合动力动车组的数学模型,分析了不同模式下该构型方案的运行状态,结合整车线路运行条件,提出了一种基于动态规划算法的能量管理策略。仿真结果表明,在该能量管理策略控制下,装备混合动力包的动车组相较于纯燃油动车组燃油经济性提升了32.11%。