航空壁板在制孔时由于装夹会发生轻微形变,导致盲制孔精度降低。受加工成本影响,无法通过众多激光传感器来确定装夹后壁板的确切位置。为精准预测航空壁板的变形量,提出一种改进的神经网络预测算法,首先利用粒子群优化算法(PSO)将BP神经网络的初始权值和阈值进行初次优化,再选取收敛速度快、全局寻优能力强的麻雀搜索算法(SSA)对权值和阈值进行二次寻优,从而建立SSA-PSO-BP神经网络航空壁板装夹变形预测模型。利用Abaqus软件获取50组壁板变形数据作为神经网络的训练与预测数据(训练集45个,测试集5个),对神经网络模型进行训练。为了验证所建模型的准确性,利用BP、PSO-BP、SSA-PSO-BP这3种模型对测试集进行预测,并运用MAPE与RMSE对神经网络模型进行评价。结果表明:基于SSA-PSO-BP的神经网络模型预测航空壁板变形误差较小,预测结果准确率更高。

航空壁板盲制孔过程中,因受夹具装夹的影响,壁板产生一定量的变形。为了能够实时获取并显示壁板变形后的制孔位置数据,驱动机械臂到达精确的制孔位置,基于“虚实结合,以虚控实”的思想,提出一种基于数字孪生的航空壁板制孔位置实时监控系统。搭建基于数字孪生的五自由度机械臂制孔状态监控系统结构模型,阐述系统的架构;对数字孪生系统框架的关键技术进行分析;最后,以实际五自由度机械臂制孔为例,对搭建的数字孪生制孔系统的可靠性进行验证。结果表明:该数字孪生制孔系统具有良好的稳定性与有效性。

我公司出口的一种齿轮箱,技术要求：在输入转速540r/min、输出转速794r/min、输出端加载3kW的情况下测试噪声,不得超过规定值。我们起初对输出端采取机械和电磁抱闸的形式对输出端进行加载,效果不好,首先因齿轮箱为增速的,输出转速较高。

采用第Ⅰ类相位匹配BBO晶体的放大传递函数方法,分别对光参量放大过程中单波长信号光注入和多波长信号光注入出现的参量荧光的空间特性进行了详细的理论研究。结果表明：一方面单波长信号光注入时,在某一特定的非共线角和相位匹配角下,它是以泵浦光为中心,呈锥形分布的,而在其它相位匹配区域内,则呈环形分布;另一方面,在多波长信号光入射情况下,参量荧光的光谱在某一特定的相位匹配角下集中分布在很宽的范围内,而在其余相位匹配区域内,参量荧光光谱呈分散分布状态。该结论对于光参量放大中三波群速失配的补偿,高增益和窄脉冲宽度的参量光的产生以及对于参量荧光的控制提供了理论依据,并且对于近年来量子图像处理和量子通讯等领域所关注的纠缠光场的产生也具有参考价值。

从驱动系统的分类写起,对每种驱动系统的工作原理、基本结构及其优缺点进行比较,指出驱动系统应用范围及我所生产的大型测量机采用组合轴承座式结构减速器的突出优点。

介绍一种获得较精确的膜基反射镜挠度数值解的方法。通过非线性有限元分析，对三种有限元网格划分方法进行研究比较，建立符合实际情况的有限元模型，给出薄膜分析中施加预应力的方法，分析研究膜基反射镜的挠度特性。首先在简易边界条件下，验证有限元分析结果符合固定支撑圆板挠度弯曲问题的理论值；然后运用此方法分析复杂边界条件下膜基反射镜的表面位移情况，获得膜基反射镜面形特征数据。获得的挠度值相对误差小于0．04％，为深入研究膜基反射镜成型及面形控制做了准备。

针对非可展直纹面的圆柱刀侧铣加工,提出了一种基于遗传算法(GA)和非线性规划(NOA)混合算法的优化方法。首先,采用两点偏置法确定初始刀轴矢量,在此基础上,引入了单刀位下的误差度量函数,即刀轴上各点到非可展直纹面的距离与对应各点到圆柱面的距离差值的平方和最小来实现单刀位的优化结果。进而对整体刀位优化问题,提出了基于遗传算法和非线性规划混合算法进行整体刀位。仿真计算结果表明,该方法在单刀位下的优化过程简单,结果精度高,优化后位姿集合形成的刀具包络误差小,对非可展直纹面侧铣加工有一定的实际意义。

在制造业生产中,实际加工的质量特性分布会呈现多种形态,传统的统计过程控制要求质量特性值服从正态分布,但在某些形位误差中如轴线偏心或位置度、零件表面径向跳动等这些偏心分布为瑞利分布。文章建立了基于瑞利分布的形位误差数学模型,用形位误差中的位置度误差和同轴度误差作为实验数据,提出并建立了基于瑞利分布的控制图。通过实验模拟表明,在对某些形位误差统计过程控制方面,使用基于瑞利分布控制图比休哈特控制图效果更好,减少了误判报警,提高了生产效率,得到更好的质量保证。

表面粗糙度是衡量零件表面质量的重要指标,也是加工工艺和机床性能对于零件品质影响的综合反映。在分析了多种粗糙度的预测建模方法后,提出了一种基于改进粒子群神经网络的铣削表面粗糙度预测模型。将自适应权重调整机制和高斯全局极值引入到粒子群算法中,形成改进粒子群算法,并使用改进后的算法优化BP神经网络以建立粗糙度预测模型。对模型误差进行比较和分析后,结果表明：使用改进粒子群算法优化后的BP神经网络建立的粗糙度预测模型其收敛性要优于粒子群神经网络,并且证明了所建立粗糙度预测模型具有较高的稳定性和准确率。

首先按照动力相似设计了冷却塔弹性模型。进行了冷却塔弹性模型的地面共振试验，测量的主要模态参数为前五阶模态的频率、振型及阻尼。地面共振试验的结果可用于验证冷却塔原型振动特性计算结果，保证冷却塔模型风洞试验中弹性模型设计的准确性。试验研究了冷却塔弹性模型的风振系数，测量的主要参数为刚性模型测量点处的压力值及弹性模型对应测量点处的压力值。最后得到了模型不同位置的风振系数。