变分布的量子行为粒子群优化算法求解工程约束优化问题

针对工程形状设计领域中带有多个约束条件的非线性设计优化问题,提出了一种自适应的基于高斯分布的量子行为粒子群优化(AG-QPSO)算法。通过自适应地调整高斯分布,AG-QPSO算法能够在搜索的初始阶段有很强的全局搜索能力,随着搜索过程的进行,算法的局部搜索能力逐渐增强,从而满足了算法在搜索过程不同阶段的需要。为了验证算法的有效性,在压力容器和张弦设计问题这两个工程约束优化问题上进行50轮独立实验。实验结果表明,在满足所有约束条件的情况下,AG-QPSO算法在压力容器设计问题上取得了5890.9315的平均解和5885.3328的最优解,在张弦设计问题上取得了0.01096的平均解和0.01096的最优解,远优于标准粒子群优化(PSO)算法、具有量子行为的粒子群优化(QPSO)算法和高斯量子行为粒子群(G-QPSO)算法等现有的算法的结果,同时AG-QPSO算法取得的结果的方差较小,说明该算法具有很好的鲁棒性。     

基于凸闭包集的不规则三角网算法研究与实现

不规则三角网是影响土石方量计算的关键问题之一，虽然目前已有大量研究人员对Delaunay三角网进行优化，但仍然缺少对三角网生成速率和计算精度的综合研究。针对此问题，基于VB.NET平台的点、边以及三角形的结构化数据结构设计快速生成凸闭包集形成Delaunay三角网，通过四边形空圆特性以及对角线最短原则对构网结果进行检验和优化。试验计算表明，该算法的计算结果与经典DTM法、方格网法的土方量计算相对误差均在0.30%以内。该方法不仅具有较高的组网效率，并能保持较好的计算精度。     

交付美好 点亮未来——访北自所(北京)科技发展有限公司副总经理 王勇

近年几来,北自科技始终保持着年增长率超过30%的发展速度,在自动化物流领域取得了长足进步。深耕纺织业,让北自科技收获了市场和价值,与此同时,借力北自科技的力量,行业企业则寻找到了智造升级的有力支撑。虽然2019年市场对自动化物流的需求明显放缓,中美贸易摩擦也进一步加剧了企业的运营难度,但北自科技仍旧在企业管理、科技创新以及市场拓展等方面表现出了极佳的发展状态。     

核主泵复杂零件机器人在位自动光学检测系统开发

采用机器人在位光学检测系统实现法兰密封型面误差检测与表面缺陷识别是解决核电现场人工检修可靠性差、存在核辐射伤害等问题的有效途径,但如何在狭小空间生成无干涉碰撞扫描测量路径、实现多次测量数据融合与型面误差计算是目前面临的主要难题。为此设计了具有6自由度运动功能的机器人在位自动光学检测系统,单幅测量范围200mm×160mm～800mm×640mm、测量景深400～800mm、机器人工作半径1200mm,研究了测量系统手-眼标定矩阵计算与扫描位姿优化方法,并根据法兰密封型面完整测量需求生成扫描工位与机器人运动路径,提出面向法兰密封型面特定结构的测量数据融合与型面误差计算方法,开发出具备机器人测量路径控制、大规模测量点云预处理、三维匹配与色谱显示、型面误差计算与技术报告输出等功能的RobotScan软件。按照德国VDI/VDE标准对机器人检测系统精度进行了验证,单球直径、双球球心距的最大偏差小于0.025mm、平均偏差小于0.02mm,可满足核主泵复杂零件在位自动光学检测应用需求。     

数据驱动的产品族绿色化再设计系统方法研究

产品族设计是满足客户个性化需求的有效手段,已在很多企业中得以成功实践。随着更为严格的法律法规出台和大众环境意识提升,产品族绿色化再设计势在必行。通过选取合适的产品族生命周期数据,提出了数据驱动的产品族绿色化再设计系统方法,并详细阐述了该系统方法的关键环节与使能技术/思路,主要包含数据驱动的绿色性能评估(Data-driven Green Performance Evaluation,DGPE)、数据驱动的绿色平台规划(Data-driven Green Platform Planning,DGPP)和数据驱动的绿色配置设计(Data-driven Green Configuration Design,DGCD)等,以期为企业开展产品族绿色化再设计实践提供有效指导。     

基于多体动力学仿真的冰箱助吸器优化设计

某款冰箱在关门过程中,门体在多个小角度处出现悬停的现象,影响用户的体验。针对这一问题,基于多体动力学仿真对冰箱助吸器进行了优化设计。将助吸器变形量、刚度、有效力臂接触位置点至铰链轴心连线长度,以及这一连线与接触位置法向夹角作为关键因子,研究关键因子与设计目标之间的关系,进行助吸器的结构设计与性能评估。在此基础上,基于多体动力学仿真,实现助吸器的优化,并形成最终设计方案。基于多体动力学仿真进行优化设计,可以缩短开发周期,提高设计效率,具有较高的实用价值。