根据振动吸附原理设计了一种基于振动吸附法的吸附模块,该吸附模块采用两组相对运动的吸盘结构进行交替吸附,以保证其稳定性。对吸附模块进行了试验验证,结果表明在参数合理的情况下,模块的最大吸力不小于30 N。在此基础上设计了一种小型多关节双足式爬壁机器人,并进行了性能测试,试验结果表明,该机器人可完成直线行走、转弯和面面切换,且能在有一定粗糙度的壁面上稳定行走。

为解决叶片工艺设计与数控编程存在的数据源不统一、工艺设计效率低以及工艺文件可视化不足等问题,通过引入MBD技术,在NX软件平台上开发出一套基于MBD的叶片CAPP-NC系统。首先建立叶片MBD设计模型;其次提出基于扩展属性邻接图的加工特征识别方法,确定加工时间最短作为加工元排序的优化目标,基于改进遗传算法对加工元进行排序;最后开发出原型系统,并验证了系统的可行性与实用性。

为提高3D打印零件的断裂韧性,受自然界生物体中具有高韧性的螺旋结构启发,设计了四组聚乳酸(PLA)螺旋轨迹试样,并在Y组和Z组两个打印方向上与±45°的常规扫描方式进行三点弯实验对比。实验结果表明,螺旋轨迹试样的韧性在Y组和Z组两个打印方向上均比对照组高出10%以上。这表明将生物韧性结构引入到FDM中确实可以提高成型零件的韧性。

提出一种基于深度确定性策略梯度(DDPG)算法与人工势场法相融合的机械臂避障轨迹序列模式挖掘方法。首先,对基于DDPG算法的机械臂避障轨迹规划模型进行创建与训练;其次,在人工势场法的应用下执行对DDPG算法下动作选择策略的干预任务;最后,基于仿真环境对算法性能进行相应的验证。仿真结果表明机械臂能够按照算法规划的避障轨迹进行运动,在整个运动过程中,可以较好地保证运动平稳性,并且不会和障碍物发生碰撞,意味着提出的机械臂避障轨迹序列模式挖掘方法能够在一个较短的时间内确定一条与机械臂运动要求相符合的、能够避开障碍物的路径,不仅如此,路径的挖掘精度也较高。

针对叠层材料钻削加工特点,提出一种通过改进遗传算法(SAMGA)优化学习向量量化(LVQ)网络的刀具磨损在线监测方法。该方法在刀具磨损监测实验过程中,采集制孔过程中的声发射信号与红外温度信号,利用小波包分解与主元分析法对采集到的信号进行滤波与降维处理,将处理后的信号特征作为输入特征向量导入到LVQ网络模型中,并通过改进遗传算法优化其初始权值与阈值。结果表明SAMGA-LVQ模型相比BP网络对于刀具磨损的预测识别精度更高,改进遗传算法对LVQ网络优化后训练速度有明显提升,更适用于刀具磨损在线监测系统。

现有的轴承故障诊断方法依赖于人工提取特征,缺乏自适应性。卷积神经网络具有良好的特征自提取能力,可以自适应提取相关特征。但是采用传统卷积神经网络结构存在特征信息丢失的问题,残差结构可以防止特征信息的丢失,为此提出一种基于一维残差网络的轴承故障诊断方法。首先对原始振动信号进行小波阈值降噪处理,以减少噪声的干扰作用;然后将降噪信号作为一维残差网络的输入,自适应提取故障特征;最后通过Softmax分类器输出故障类别。实验结果表明,该方法与传统卷积神经网络方法相比,准确率更高。

啮合错位影响齿轮转子的接触特性,并制约齿轮装置的稳定性与可靠性。以四级离心压缩机齿轮转子为研究对象,对其产生啮合错位的因素进行分析,计算得出综合因素影响下的齿轮副啮合错位量;依据所得综合错位量,对不同齿向修形方式下的接触斑点及啮合刚度进行对比研究,得到适用于该错位量下的修形方式及修形量。结果表明,优化后的修形方式改善了接触斑点的大小与位置,大大降低了接触应力峰值及啮合刚度差值,消除了偏载现象,提高了齿轮副运行的平稳性。

为了减少深度孤立森林算法相较于普通孤立森林算法和其他异常检测算法所增加的时间开销,提出将孤立森林算法并行化来提升深度孤立森林算法在级联森林阶段的训练效率,结果表明,相较于普通的深度孤立森林算法,并行化后的深度孤立森林算法节省了一定的时间开销,能够满足水质异常数据检测所需要的实时性和准确性。

当民用飞机模拟器试验平台作为一种符合性验证手段用于表明适航条款的符合性时,需要通过适航局方的合格鉴定。目前还没有适用于如何对模拟器试验平台作为一种适航符合性验证手段进行合格鉴定的详细指南。基于国内已有民用飞机型号的适航取证经验,结合在研飞机型号适航取证过程中遇到的相关问题研究,参考国内外适航指导材料,提出用于表明适航符合性的模拟器试验平台的总体适航要求及符合性验证思路,包括表明符合性范围、研制过程保证、构型管理和逼真度要求及符合性验证思路。

为提高三电平逆变器开关控制精度,采用复杂多列神经网络控制模式构建三电平逆变器经典模型,设计经典三电平逆变器的开关阵列人工智能控制算法。通过对比分析该算法与传统模糊控制矩阵算法的数据仿真差异后发现,电压互感器的录波图频率控制在200 Hz时的工程学经济性较强,多列神经网络法和传统的模糊矩阵法相比,电压峰值控制精度、波形频率控制精度明显偏高。即多列神经网络可以有效控制三电平逆变器的输出波形、减少谐波量、提升输出电能质量。