为了设计出性能优良的弧面凸轮减速机构,提高传动性能,基于空间共轭接触原理,推导了工作曲面方程和共轭接触方程;运用Creo软件对弧面凸轮常量参数进行参数化预处理,完成了弧面凸轮减速机构的参数化设计;依据有限元法,分析了减速机构的前6阶模态,采用正交试验方法进行了试验方案设计;运用统计学理论和方差分析,定量分析了压力角、转盘节圆半径、滚子半径和滚子宽度4个因素对减速机构约束模态的敏感性影响。结果表明,转盘节圆半径、滚子半径的方差值分别为0.021和0.043,均小于0.05,对弧面凸轮约束模态影响较敏感;其次是压力角和滚子宽度。研究结果为弧面凸轮机构设计的振动和噪声研究提供了基础。

为有效、准确地预测再制造成本,开发了一种基于改进BP神经网络的再制造成本预测模型。进行再制造成本构成分析,运用决策试验和评估实验室(DEMATEL)方法进行关键影响因素识别;在此基础上,利用基于粒子群算法改进的BP神经网络方法实现成本预测。通过案例研究,验证了所提出的模型的可行性。结果表明:所提出的方法能够准确地预测再制造的成本,为废旧产品的可再制造性评估提供了参考。

产品拆卸序列的优化有助于提高产品的拆卸效率和经济性。分析废旧产品的拆卸过程，对废旧产品中的零件进行分类，将其零件分为破坏性拆卸零件和常规拆卸零件两类，把零件分类的概念引入拆卸模型中，进而建立一个改进拆卸混合图模型，将常规拆卸方法和破坏性拆卸方法有效地结合起来应用到废旧产品的拆卸过程中。构建以最小拆卸时间和最小拆卸成本为目标的产品拆卸序列多目标优化函数，运用粒子群算法对该目标函数进行求解。通过实例验证该方法的可行性和有效性。

分析了废旧零部件失效特征对其再制造成本的影响,建立了一种基于失效特征的废旧零部件再制造成本预测模型,该模型将半监督学习与最小二乘支持向量机回归(LS-SVR)算法相结合,实现了在只有少量已完成再制造的废旧零部件样本和大量未知再制造成本的零部件样本的条件下,对废旧零件再制造成本的预测。该算法加入了k最近邻(kNN)算法,以kNN为辅、LS-SVR为主对未标记的样本进行置信度评估,将各阶段最优未标记样本逐步添加进有标记的样本集中,逐步更新预测模型,能够有效降低噪声,提高模型精度。经案例验证,提出的算法具有良好的回归预测能力和泛化能力。

针对传统成本分析中分配标准单一的不足,引入了作业成本分析法。将再制造过程费用按照作业动因进行分配,可准确计算出不同机床再制造过程费用。结合直接材料费和直接人工费,可得出不同机床的再制造成本,为决策者提供有效的成本信息。

为解决再制造机床可靠性增长试验中未来故障发生时间及可靠性预测问题,建立以未来故障发生时间为随机变量,基于条件分布的AMSAA模型再制造机床可靠性增长预测方法。根据可靠性增长预测知识,结合再制造机床未来故障时间的联合条件概率密度函数以及已发生故障时间的联合概率密度函数,推导出未来故障时间的边缘条件概率密度函数,由此得出再制造机床未来故障发生时间及可靠性的点估计和预测区间,并引入标准差系数进行预测精度分析。通过某机床厂再制造机床研制阶段可靠性增长实验数据对该方法可行性和有效性进行了验证,并将预测结果与实际结果及现有方法计算结果进行了分析比较。

钢板除锈预处理是产品制造中重要工艺,直接影响涂装质量和产品使用寿命,提出了一种基于柔索冲击接触实现钢板表面清洁除锈及强化的新方法。分析了柔索冲击接触钢板表面除锈机理及过程,建立了运动学方程;应用离散化方法,采用六维弹簧柔性连接建立了柔索多体系统动力学模型,基于柔索与钢板间的冲击接触理论,建立了柔索冲击接触动力学模型;应用ADAMS对单根柔索冲击接触动力学仿真,得到末端绳索接触力与速度变化规律;设计了除锈试验机,试验表明该除锈方法可行且除锈效果良好,除锈等级达ST3级,对中小尺寸钢板表面除锈及强化具有很好应用前景。

液压挖掘机工作装置的挖掘力是衡量液压挖掘机挖掘性能的重要指标之一，也是挖掘机用户购买挖掘机时考虑的重要因素之一。基于虚拟样机技术的液压挖掘机仿真分析能够真实地模拟该挖掘机工作装置的挖掘力。以某型液压挖掘机（20t级）为研究对象，应用仿真分析软件ADAMS对其工作装置进行动力学仿真分析。通过动力学仿真分析，得到各铰接点处和液压缸的受力情况及相关曲线，从而为铲斗、斗杆和动臂等结构的强度分析提供依据。

针对再制造挖掘机载荷数据不足,导致疲劳研究受阻的问题,提出了一种试验与动力学仿真相结合的方法。首先选取某型号的反铲液压挖掘机作为研究对象,依据严格规范的试验过程,测出挖掘机在挖掘过程中各个参数（液压缸位移以及推力大小）的变化情况;然后将计算所得的铲斗齿尖最大挖掘阻力和测试所得的各液压缸位移作为输入,采用ADMAS软件模拟仿真整个挖掘过程,进而得到挖掘机主要铰点的受力变化曲线。最后对仿真与测试结果进行检验,最大误差范围在5%以内,可见该方法有效可靠,研究得出的结果为工作装置进行疲劳寿命研究以及轻量化设计提供有效的载荷谱。

挖掘机在施工过程中，挖掘状态的不同直接影响到动臂铰接点处受力的大小。针对液压挖掘机动臂铰链连接处频繁发生断裂的问题，提出了一种基于支持向量机在动臂铰接点处受力的研究方法。基于支持向量机，利用ADAMS仿真找出了动臂铰点中受力最大的铰点，确定了影响铰点处受力的主特征量，搭建了动臂铰点受力支持向量机预测模型。利用MATLAB对支持向量机模型进行验证，实例验证了支持向量机对动臂铰点受力预测的可行性，相对于BP神经网络在小样本上更加精确，并为动臂工况参数的选择提供了依据。