基于西门子840D系统的大型磨齿机数控改造

基于西门子840D数控系统的功能特点,将其成功应用于MIKRON G300磨齿机控制系统的升级改造.详细阐述了改造方案中控制系统的硬件结构、磨齿机轴的改造配置及关键软件技术,并设计出专用的人机界面,具有很好的使用效果.     

利用MATLAB神经网络进行煤与瓦斯突出预测的研究

从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB神经网络工具箱，在VC 中嵌入MATLAB神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。     

逆螺旋装置的运动仿真分析

本文以逆螺旋装置为研究对象,根据其传动设计要求,应用SOLIDworks软件进行实体建模,并完成虚拟装配,最后利用COSMOSMotion软件进行了运动仿真.该方法不仅直观、形象地再现了逆螺旋装置的工作过程,而且运动仿真分析能有效验证该逆螺旋装置的设计是否达到传动要求,为后续设计工作提供了技术保障,对进一步优化这一新型逆螺旋装置的结构设计提供了方便有效的途径.     

一种仿人机器人臂的重力补偿研究

为了对7自由度握手机器人臂进行重力补偿,提出了基于最小二乘法的机器人臂动力学参数识别方法。首先,推导了该机器人臂各关节转矩的重力项理论计算公式;其次,对基于最小二乘法原理的参数识别方法进行详细分析;最后,利用该方法对机器人臂各连杆进行了参数识别试验。试验表明:依靠该方法进行参数识别后的重力项计算值和实测值基本上是一致的,能够用于机器人臂的重力补偿计算。     

[车间调度]混合工作日历下作业车间调度遗传进化方法

针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法。构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解。算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期。通过案例分析验证了所提方法的有效性。     

逆螺旋传动机构中螺旋轴的四轴联动数控加工

逆螺旋装置是一种具有广泛应用前景的新型传动机构.为避免在传动过程中钢球之间相互挤压和碰撞,在螺旋轴上常采用曲面凹坑与钢球配合的方式传动,但这给加工制造带来不便.以逆螺旋传动机构中的螺旋轴为研究对象,提出对其采用四轴联动数控加工方法加工,并通过VERICUT软件进行加工仿真验证,实践证明该方法具有低耗、高效的优点,值得推广.     

基于ChemCAD的气流床粉煤加压气化工艺参数仿真优化

基于ChemCAD仿真软件,采用Gibbs最小自由能方法作为气化反应模型,建立了Shell粉煤加压气流床气化仿真模型。针对氧煤比、蒸汽煤比和气化压力3个主要工艺参数,安排了3因子3水平的全析因仿真实验,分析了各工艺参数对气化性能的影响。结果表明：氧煤比是影响产气率和粗煤气有效成分的重要因素,同时对消耗指标的亦有显著影响。产气率等效益指标随氧煤比的增加而增加,而消耗指标则随氧煤比的增加而减少;蒸汽煤比可以提高产气率,但主要影响H 2的含量,各消耗指标会随着蒸汽煤比的增加而减少;压力对煤气化性能指标影响不显著。进而,采用综合平衡优化方法,对煤气化工艺参数进行了综合优化,以协调各指标间可能的冲突,寻找到一组使各指标尽可能最优工艺参数的组合。     

基于系统动力学的企业伤亡事故率仿真试验研究

企业运作、发展过程是一个复杂的时变动态过程,企业伤亡事故率与这一时变动态过程存在着复杂的非线性关系.利用系统动力学对企业伤亡事故率进行仿真试验,能够充分发挥系统动力学适宜处理高阶次、非线性、多重反馈的时变动态系统的优点.在对企业伤亡事故率产生的系统机制进行了系统动力学分析之后,建立了企业伤亡事故率的系统动力学仿真模型;对某企业进行了仿真试验,进而对仿真试验结果进行了分析.通过试验应用表明,利用系统动力学对企业伤亡事故率进行仿真有效揭示了企业伤亡事故率与企业发展、运作过程的非线性机制,并能够对企业伤亡事故率的发展趋势做出科学预测与分析.     

基于BA-RBFNN控制图模式识别的气化过程参数失稳监控模型

为识别固体燃料气化过程参数出现的异常模式(失稳),构建一种基于蜜蜂算法-径向基函数神经网络(BA-RBFNN)控制图模式识别的气化过程参数失稳监控模型,对气化过程参数进行监控.该监控模型主要包括特征描述、特征选择、分类器和训练方法4个模块.选择形状特征和统计特征对气化过程参数进行描述,运用关联规则算法(AR)选择最佳特征集合,选择径向基函数神经网络(RBFNN)作为分类器,采用蜜蜂算法(BA)作为模型的训练方法.为检测模型性能,用模拟数据和气化炉现场数据分别对模型进行测试,并与传统方法对比.结果表明,该模型对气化过程参数出现的异常模式具有更好的识别监控效果.