【摘 要】
：
汽车吸能盒作为保险杠内的一个重要吸能部件,在碰撞中可以起到吸收碰撞能量、保护纵梁、降低维修成本的目的 ,对提高整车的耐撞性具有积极作用.其截面形状、倾斜角度、诱导槽的开设位置和尺寸对其碰撞吸能性能均有不同程度的影响.在Hypermesh软件中建立吸能盒的落锤冲击有限元模型,通过仿真分析,选取比吸能较大的正六边形作为吸能盒的截面形状,且截面倾斜角为80°的吸能盒吸收能量最快且溃缩变形最小.通过响应面分析的方法,以减小载荷峰值为目标,对诱导槽位置和深度进行了优化.
【机 构】
：
辽宁工业大学机械工程与自动化学院,锦州121000
论文部分内容阅读
汽车吸能盒作为保险杠内的一个重要吸能部件,在碰撞中可以起到吸收碰撞能量、保护纵梁、降低维修成本的目的 ,对提高整车的耐撞性具有积极作用.其截面形状、倾斜角度、诱导槽的开设位置和尺寸对其碰撞吸能性能均有不同程度的影响.在Hypermesh软件中建立吸能盒的落锤冲击有限元模型,通过仿真分析,选取比吸能较大的正六边形作为吸能盒的截面形状,且截面倾斜角为80°的吸能盒吸收能量最快且溃缩变形最小.通过响应面分析的方法,以减小载荷峰值为目标,对诱导槽位置和深度进行了优化.
其他文献
机械齿轮箱应用范围不断扩大,其运行状态成为影响机械传动系统功能的重要因素.考虑到当前机械齿轮箱复合识别方法由于信号数据诊断能力较差,导致其在噪声较大的环境中所得识别结果准确性较低的问题,设计一种基于大数据诊断模型的机械齿轮箱复合识别方法.采集机械齿轮箱运行数据并对其处理,为后续的齿轮箱运行状态诊断提供数据基础.使用成分分析法,提取机械齿轮箱运行状态特征.使用Softmax分类器构建机械齿轮箱大数据复合诊断模型,实现机械齿轮箱的复合识别.构建仿真实验环节,对此方法的识别能力进行分析.经实验结果证实,此方法在
危险灾害现场是非结构化地形环境,机器人辅助救援人员快速进入灾害现场,展开救援工作.要求机器人能够自适应于地形环境,具有良好的通过性能,对现场环境进行信息采集,对履带式被动自适应机器人建立多体动力学模型,利用RecurDyn软件建立整体机器人的几何模型,确定仿真参数为速度大小和地面参数;创建坡地、台阶和壕沟的地形模型,根据仿真参数分别对典型障碍物进行定量分析,选择机器人良好的通过性能.加工零件、组装样机,完成了履带式被动自适应机器人的样机,对坡地、台阶、壕沟和野外进行越障试验,观察越障过程,测量越障数据与仿
针对产品服务质量评价的模糊性和复杂性,导致评价准确率低的问题,提出基于神经网络的产品服务质量评价模型.通过采用UCI上的汽车测评数据集(Car Evaluation Data Set)模拟产品服务质量评估离散型数据的实际情况,使用独热编码(one-hot编码)进行数据预处理,结合数据特征构建神经网络结构进行模型训练,与传统质量评价模型进行实验对比分析,该模型具有较强的信息处理能力,解决了面向离散型产品数据进行产品服务质量评估的随机性,主观性,模糊性问题.仿真实验结果表明,模型训练收敛速度快,信息处理效率高
由于目前使用机器视觉可以很快速的准确识别二维码,其自动化程度也相对较高,所以广泛应用于工业生产等各个领域.为了满足工业自动化智能生产线进行智能物料识别,设计研制了一套高效率、高可靠性、高安全性的智能识别方法.通过对二维码进行处理之后对其扫码实现物料的识别,识别成功后对物料进行其对应的加工流程.
为缩短机械手元件到达预设位置所需的消耗时长,避免夹持角出现过度增大的行为状态,设计基于机器视觉的机械手夹持角自动化控制系统.根据夹持器机械元件所处运动状态,控制角位置传感器的连接灵敏度,再借助拉压力控制结构,完成对夹持力作用形式的按需调节,实现自动化控制系统硬件结构应用平台环境的搭建.在此基础上,抓取必要机械手运行图像,遵循机器视觉原理,完成预处理,再联合运动学函数,执行力控制切换操作,实现基于机器视觉的夹持力控制,完成机械手夹持角自动化控制系统的设计与应用.实验结果表明,在电机驱动速度等于2000PPS
针对因机械臂滚轮处特征量提取难度大而导致的磨损检测精度低的问题,提出一种基于离散时间模型的智能检测方法.首先利用离散时间模型分析滚轮处的动力学特征,结合小波变换算法计算磨损能量熵值、时间熵值、奇异熵值以及小波时频熵值4项特征参数.在此基础上建立置信度规则库,并划分磨损等级.然后将求得的4项特征参数作为变量输入,推导检测位置参数与变量值间的映射的映射权重,权重值越高代表检测点的磨损程度越高,从而完成智能检测.仿真实验表明:该方法对磨损量的检测准确率高,检测磨损变化与实际情况相符.
在变化的室内环境中,将D* Lite与人工势场法相结合进行移动机器人路径规划.首先,使用D*Lite初步规划出一条全局最优路径,再通过节点筛选机制来剔除全局路径的冗余节点,使得所规划的路径更加平直;然后,当遇上未知障碍物调用重规划环节时,融合人工势场法,使得重规划的路径与未知障碍物保持在一个安全的距离,避免移动机器人在运动过程中与障碍物发生碰撞;针对人工势场法可能会陷入局部极值的困境,提出一种设置虚拟目标点的方法来解决问题.通过仿真实验,证明改进的算法实现了路径长度、平滑性和安全性的优化,并能在机器人的实
对含有绿色指标的多目标柔性作业车间调度问题,建立的数学模型以最大完工时间、能耗和机器负荷为优化目标.设计了一种基于遗传与贪婪算法思想的混合算法(GGFA)对问题进行求解.求解过程分为两个阶段,第一阶段是遗传算子对工序寻优,第二阶段是贪婪算子对机器寻优.通过标准算例的测试和与其他算法结果的对比,证明了算法的可行和有效.
当前,制造业正处在智能化转型升级过程中.随着制造终端连接规模的极速扩展,智能化终端等网络边缘设备产生的数据量也快速增加.这对工业传输宽带提出了更高的要求.同时,新型的制造模式对数据处理的实时性要求更高,现有的集中式云计算处理模式难以高效地解决这些问题.为此,以边缘计算为核心的海量边缘数据处理及快速决策新计算模式应运而生.文章介绍了边缘计算的概念,分析了边缘计算在工业互联网领域标准化现状及发展趋势.最后,提出了边缘计算在工业互联网的标准体系,并讨论了在工业互联网领域应用模式.
为解决传统钢材表面缺陷识别准确率和效率较低的现状,提升钢铁生产过程质量智能化检测水平,研究了一种应用认知视觉和迁移学习的钢材表面缺陷识别方法.首先,对钢材表面缺陷数据集进行了预处理;然后,建立深度神经网络框架,通过迁移学习训练模型,并采取全局平均池化,Dropout,动态改变学习率和训练早停等优化策略,抑制过拟合,提高模型的泛化能力;最后,进行了钢材表面缺陷识别实验,以冻结部分模型层级和微调的方式为主,通过对比实验不断寻找更优结果,准确率达到99.92％,并基于云边端协同思路设计了钢材表面缺陷识别认知视觉