基于最小生成树的求解方法,提出了一种简单、直观、通用性强的装配序列规划新方法。根据图论的基本知识,建立零件连接图,从产品可装配性的角度分析了影响两零件间装配关系密切程度的因素,引入了装配关系密切值λ,对零件间装配关系的密切程度进行了量化评判,再通过运筹学中求解最小生成树问题的破圈法,对零件连接图中的圈进行破除,即消除每个圈中装配关系密切值最小的边,得到最大密切程度的装配体生成树,之后对装配体生成树进行干涉分析,剔除了大量的冗杂序列,从而得到既可行又最优的装配序列。最后通过实例验证了此方法的有效性。

提出了一种基于傅氏级数的二自由度六杆机构轨迹综合的代数求解新方法。通过将二自由度六杆机构拆分为左侧三杆组和右侧二杆组两部分,对轨迹综合设计变量进行解耦。分析得到机构设计参数与连杆曲线谐波参数间的关系,并依据这一关系建立左侧三杆组的轨迹综合设计方程,通过方程求解得到机构左侧三杆组的设计参数。同理,建立右侧二杆组的轨迹综合设计方程,利用Groebner基代数法消元,将综合设计方程化简为含有机构设计参数和曲线谐波参数的一元四次方程,求解得到了右侧二杆组设计参数的计算通用公式。通过仿真程序对综合所得机构进行运动分析,检验其是否存在曲柄,有无分支、顺序问题,并依据综合误差,最终得到了满足设计要求的机构。给出了数值实例,验证了该方法的有效性和可行性。

多任务学习网络结构和参数冗余、网络规模过大,导致网络实时性差的问题;无法获取元件的部分或者全部故障类型样本,导致零样本问题。针对上述问题,提出一种基于元学习优化的轻量化多任务学习网络。为了提高实时性,利用MobileNetV3轻量化网络构建具有多个子任务诊断网络的轻量化多任务学习网络模型;研究了跨元件零样本问题,利用模型无关(MAML)元学习方法,对轻量化多任务学习网络的训练方式进行优化,构建基于元学习优化的轻量化多任务学习网络;最后,从不同微调步数和测试任务数角度,测试了所提网络的诊断性能。通过齿轮和轴承多元件的实测故障分析可知,所提方法可以实时高精度地解决多任务故障诊断问题和跨元件零样本问题。

通过对标准位置基础铰链四杆机构和一般位置带展杆铰链四杆机构的连杆转角傅里叶级数展开式的深入研究,发现归一化后的连杆曲线谐波特征参数与连杆展杆的长度l0和展角α无关,只与基础杆长l1、l2、l3、l4有关。故以期望轨迹与连杆上E点轨迹的谐波特征参数中幅值相差最小为优化目标,只需优化设计出l1、l2、l3、l4这4个参数,进而计算求得其他6个参数。所有的计算过程都由Matlab程序自动完成。该方法能快速准确地完成实现任意期望轨迹的四杆机构尺度设计,且不受离散点个数和初值设定的限制,与传统的优化设计直接法和电子图谱间接法相比,降低了优化的维数,提高了运算效率,且轨迹的重合度极高,为平面连杆机构的轨迹综合提供了比较理想的设计方法。

分析了Ⅰ型曲柄摇杆机构极位夹角的可能取值：零度、锐角、直角和钝角,推导出上述各情况下杆长间的关系式。建立了最小传动角γ（min）与曲柄固定铰链中心A的位置角准和极位夹角θ的数理关系,对A点位置角准的可行域和极位夹角θ的最大值给出了量化描述。以Mathematica为工具,开发了曲柄摇杆机构设计系统,绘制出γ（min）-θ-准的三维曲面图。根据该图能迅速直观地获得最小传动角γ（min）为最大的曲柄固定铰链中心A的位置,快速完成传力性能最佳的具有急回特性的曲柄摇杆机构的尺度设计。

汽车整体性能的好坏受多种因素影响,汽车变速箱的工作状况是主要影响因素之一,所以需要可用于检测变速箱的专用试验台.文中研发了汽车变速箱总成下线检测试验台,其集合了机械传动、液压传动和电气控制等系统,能够模拟汽车行驶工作状况,能有效完成手动汽车变速箱组装完成后下线时的加载检验及各项测试.

设计了汽车变速箱总成下线检测试验台。由机械传动系统、液压传动系统和电气控制系统协调工作,有效完成手动汽车变速箱组装完成后的加载检测及各项测试。其中的电气控制系统主要完成在正向拖动、反向拖动时控制输入端电机、输出端电机的交替启动。变频控制器控制输入端电机的转速调节,伺服控制系统调控输出端电机转速及扭矩。该试验台实现了模拟汽车的实际工作状况。