人工智能视角下的智能制造前世今生与未来

以大数据和深度学习为代表的新一代人工智能将对制造业产生颠覆性影响,为了更好地理解人工智能和智能制造之间的关系以及把握智能制造发展演化规律和趋势,从人工智能发展角度来探讨智能制造的过去、现在与未来,将智能制造发展分为以符号逻辑推理为基础的第一代智能制造和以物联网、云计算、信息物理系统、社会信息物理系统、大数据和深度学习等新一代信息通讯技术为基础的第二代智能制造,并对两者进行了关联对比分析,最后展望了未来人工智能与智能制造的发展。     

“互联网+制造”的发展现状与展望

互联网已对制造业产生了深刻影响,而且这种影响将会随着时间推移变得更加深入和广泛。为了更好地理解和把握"互联网+制造"(网络化制造)的发展演化规律和趋势,在分析互联网演化发展的基础上,将网络化制造发展进程划分成以计算机集成制造为代表的萌芽期、以敏捷制造为代表的成长期和以制造物联、云制造、社会制造、智能制造等为代表的膨胀期,并对这些不同阶段加以分析讨论,同时展望了网络化制造未来发展趋势——走向人机物集成的社会信息物理生产系统。     

蒸球排放废气再回收利用装置的设计

在棉浆粕生产中,蒸煮过程中要排放大量废气,既污染环境又浪费能源。设计一个回收装置,将排放的废气回收再利用,可节约能源,减少污染。     

基于经验模态分解方法的曲面加工误差补偿

采用误差补偿技术对曲面的加工误差进行补偿是提高该类零件加工精度的有效方法。针对加工误差进行经验模态分解,将加工误差分解为若干个固有模态函数(IMF)和一个res趋势项函数。根据系统误差的特征,趋势项函数中一定存在系统误差,利用自相关分析法和频谱图对固有模态函数分析是否存在周期性变化系统误差,最终分解出系统误差和随机误差。搭建了数控机床在线检测的实验平台,实现了曲面零件的系统误差补偿。通过一个曲面零件的加工实验表明,补偿加工后的曲面精度提高了86.0%。仿真算例和实验结果表明,基于经验模态分解方法的加工误差补偿能有效提高曲面零件的加工精度。     

麻花钻圆度误差测量的构造性方法的研究

在对麻花钻圆度误差进行测量时,利用万能工具显微镜及附件对麻花钻棱边主切削刃处横截面圆弧的采样点坐标进行测量.为了平滑数据噪声,采用豪斯赫尔德正交变换法等构造性方法来进行数据处理,以达到求解较好的数值稳定性,获得麻花钻横截面拟合椭圆方程系数较高精度的数值解,并据此求取拟合椭圆的中心坐标,得到麻花钻棱边主切削刃处横截面的圆度误差.     

多学科设计优化的新成果-ATC法及其应用

目标级联法是一种解决大规模系统优化的多层次多学科优化方法,此方法把父系统的目标分为几个子目标,并把子目标不断传递给子系统分别优化.在优化过程中,响应、连接变量、局部变量在设计模型和分析模型中互相作用,最终获得整体最优解.在比较常规多学科设计优化方法的基础上,着重描述目标级联法的原理和数学模型,并介绍了目标级联法在工程中的应用.     

基于自适应PID控制器的平面一级倒立摆的研究

倒立摆是一个强耦合、严重不稳定的系统,其背景来源于火箭发射等课题.在该系统中,PID控制器常常被采用.由于该系统在建立数学模型时次要的因素被忽略了,实际上是一个非线性系统;为了提高系统的控制性能,根据计算智能逼近非线性系统的功能,设计一个RBF神经网络控制系统,实现对常规PID控制器的参数进行自适应整定.最后使用BC++编写系统的控制程序,通过实物控制验证基于RBF神经网络的PID控制器参数的自适应整定的系统具有较好的瞬态性和鲁棒性.     

基于最优控制的液压调速系统的研究

利用最优控制理论对液压调速系统进行设计,首先对Q矩阵进行优化,然后寻找最优控制律U（t）,对液压凋速系统进行最优控制,使系统响应速度最快,提高了液压调速系统的精度。     

基于自动驾驶系统的轻量型卷积神经网络优化

计算机视觉技术大量应用于自动驾驶系统,主要解决物体识别与物体分类问题,本文根据任务提出了一种轻量化的神经网络结构.为解决训练数据规模不足的问题,采用了改进型数据增强算法,使训练数据成倍增加.同时为解决使用数据生成器作为验证集,无法使用tensorboard的问题,提出了解决方案,通过卷积网络可视化方法详细研究了神经网络处理图像信息的原理并提出了优化方法.训练后的模型在验证集上准确率达到了97.5%,满足了自动驾驶系统对分类任务准确率的要求.     

三坐标测量机采样点数对圆度误差检测精度的影响

为研究采样点数对圆度误差检测精度的影响,采用均匀的测点分布方法,在接触式国产三坐标(VKM-3020)采集不同点数的圆度数据,运用最小区域的圆度误差评定方法计算圆度误差值.然后,初定该圆的圆度误差模型的类型,统计分析数据结果,得出较优的采样点数,采用Minitab软件来检验初定模型.通过研究不同采样点数对同一圆度的精度影响,得出较优的采样点数,提高测量效率和精度.