摘要:柔性作业车间系统能满足社会对个性化、小批量及定制化产品的需求，该车间系统具有设备众多、工艺路线复杂、故障频次多等特点，但目前只是采取单机预防性维修策略来避免设备故障，势必会增加维修次数和维修成本，影响生产活动。针对传统单机预防性维修带来的问题，提出将群组预防性维修策略应用于柔性作业车间系统，并建立了群组预防性维修和多目标柔性作业车间联合优化模型。为了克服传统算法局部搜索能力不足的问题，设计了一种新的多目标进化算法求解多目标柔性作业车间调度问题，并展示了如何在柔性作业车间系统应用群组预防性维修。实验结果表明：所设计多目标进化算法能求出更多的最优解，具有更快的收敛速度，且能收敛到更优目标值；群组预防性维修比单机预防性维修的维修次数更少，维修成本更低，对生产活动影响更小，算例结果显示群组预防性维修相比于单机预防性维修在维修次数和维修成本方面均降低了150%；对将群组预防性维修策略应用于半导体代工厂生产设备的维修进行了展望。

摘要:超声换能器是超声振动辅助切削装置的核心部件，为研制适用于高速干切的大振幅超声振动辅助切削装置，需先设计研制超声换能器。基于考虑刀具的二级放大超声换能器设计方法，遵循“变幅杆-超声换能器”一体式设计理念，结合ANSYS有限元软件的模态分析和谐响应分析结果，设计并研制了二级放大超声换能器。根据研制的二级放大超声换能器特性，系统设计并研制与其相匹配的超声波发生器、止转环、输电系统和刀柄壳结构。对二级放大超声换能器进行了阻抗分析和振幅测量等性能测试。对所设计研制的大振幅超声振动辅助高速干切装置开展实验测试分析，探究了其对难加工材料30CrMnSiNi2A加工表面质量的改善程度。结果表明：二级放大超声换能器纵向振动仿真结果与理论设计一致，二级放大超声换能器输出振幅稳定，在50%输出功率下纵振振幅为15.4 μm，最大可达25.1 μm，且输出振幅与功率百分比呈正相关，性能良好；所研制的大振幅超声振动辅助切削装置可大幅降低进给方向切削力和表面粗糙度，显著提高难加工材料加工表面质量，适用于难加工材料高速干切。

摘要:操动机构弹簧储能状态的鲁棒辨识对断路器服役性能有重要影响，如何建立起采样信号与弹簧储能状态之间的映射关系是制约其广泛应用的关键。针对这一问题，结合格拉姆角场（Gramian angular field, GAF）与卷积神经网络（convolutional neural network, CNN），提出了一种弹簧储能状态智能辨识方法，并成功应用于断路器操动机构。采用格拉姆角场将采集到的时域信号进行二维化处理，并利用其进行操动机构动态特性演化过程的追踪。断路器操动机构状态辨识实验验证了所提出的智能诊断方法有效性（识别成功率接近100.00%）,为断路器在役状态的鲁棒识别提供一种可能。

摘要:针对某型航空并车机匣的模态共振问题，考虑航空机架弹性支承刚度，采用有限元法进行典型工况下约束模态分析，研究了并车薄壁机匣结构参数对约束模态固有频率的影响规律。结果表明优化支承位置是大幅度改变固有频率最有效的方式；当固有频率处在共振区间边缘时，可通过优化壁厚、筋板的方法小幅度调整。当2个支承位置位于机匣平面对称轴线时，固有频率最小且随支承距离减小而减小。随着薄壁厚度增大，1、3、5、6阶模态频率减小，2、4阶增大。1、3阶模态频率基本不受筋板参数的影响；2、4阶模态频率随筋板宽度、高度增大和宽高比减小而增大且4阶频率随筋板角度增大而增大；5、6阶模态频率随筋板角度增大、筋板宽度减小而增大。在此基础上，对弹性并车机匣的结构参数进行优化使固有频率避开共振区间，提高了机匣的抗振能力。

摘要:为了解决气动人工肌肉驱动的下肢康复机器人轨迹跟踪中存在外界干扰和系统参数不确定的问题，提出了一种关节控制自抗扰算法。该方法在气动人工肌肉关节伺服控制系统数学模型基础上，通过三阶状态扩张观测器对系统状态及系统干扰进行估计，对干扰进行实时补偿，并基于分离性原理进行参数整定；利用气动人工肌肉试验平台对控制系统进行定角度条件下的阶跃信号跟踪控制、方波跟踪控制和正弦跟踪控制对比验证实验。实验结果表明：所设计的自抗扰控制器较比例-积分-微分（proportion integration differentiation，PID）控制器响应时间更快、控制误差更低，满足下肢康复机器人的应用控制要求。

摘要:微量润滑装置对油水气量的准确控制及其雾化效果，将直接影响切削冷却效果，进而影响零件加工质量。为改善微量润滑装置的辅助切削效果，研制了一种具有油水气混合的数字化微量润滑装置，有效改善了润滑油雾喷射的连续性和均匀性。基于微量润滑雾化技术，设计开发了数字化微量润滑装置，搭建铣削工艺实验平台，测试新型微量润滑装置的辅助切削效果。结果表明，所研制的油水气混合的数字化微量润滑装置能够明显提高油雾质量和辅助切削效果。

摘要:文章提出了流水槽区域采用结构加强类产品（composite body solution，CBS）支架方法，将流水槽区域由于刚度不足引起的车内轰鸣噪声和行人保护成人头部得分进行平衡，既可降低车内轰鸣噪声，又能改善行人保护头部得分。将CBS支架材料基本参数、力学特性曲线与常见金属材料对比，得到CBS骨架材料具有低杨氏模量、低屈服强度特性；并根据材料应力应变力学特性曲线，识别出行人保护成人头部得分对材料线性段和非线性段敏感度，得到力学特性曲线屈服段对头部伤害更高的结论。基于三档全油门加速工况车内轰鸣噪声主要噪声传递函数（noise transfer function,NTF）贡献路径，采用拓扑优化方法得到初始CBS支架轮廓结构，根据模具成型需求将轮廓具体结构细化。对具体的CBS结构分别进行噪声和行人保护验证，结果显示：右悬置Z向激励到车内驾驶员外耳处响应噪声水平相比基础状态在70~80 Hz频段改善2 dB，在150~170 Hz频段改善约3 dB，行人保护相比基础状态得分提高1分，达到了噪声和行人保护平衡的目的，验证了此方法应用于解决车内轰鸣噪声和行人保护得分冲突的可行性，为后续车型开发中遇到此类问题提供了解决方案。

摘要:在选矿行业中，准确地预测精矿品位可以帮助工程师提前调整工艺参数，提高浮选性能。但在实际选矿过程中，采集数据存在样本量少、维度高、时序相关性复杂等问题，限制了精矿品位的预测精度。针对小样本数据的预测问题，提出了一种将Wasserstein生成对抗网络（Wasserstein generative adversarial network，Wasserstein GAN）和长短期记忆网络（long short-term memory，LSTM）相结合的时间序列数据生成模型LS-WGAN，主要利用LSTM网络来获取选矿数据中的时间相关性，再通过Wasserstein GAN网络生成与原始数据分布相似的样本进行数据增强；为了更加准确地预测精矿品位，建立了浮选预测模型C-LSTM，并基于真实泡沫浮选工艺数据实验验证了所提出方法的预测准确性。

摘要:针对已有目标检测方法在混凝土桥梁表观病害检测的应用中识别精度低且伴随较多误检和漏检的问题，提出了一种改进的YOLOv5s桥梁表观病害检测方法。针对目前桥梁表观病害特征成分较复杂的问题，为了更有效地利用不同尺度的缺陷特征，在主干网中添加修改后的空间金字塔池化模块，提高了整体网络对缺陷特征信息的获取能力，同时减少了运算工作量；针对由病害图像中不同缺陷特征交叉分布导致的误检率、漏检率高的问题，在YOLOv5s网络中加入轻量化注意力模块；针对桥梁缺陷尺寸差异大、分类困难和数据集小而导致的边界回归不匹配的问题，采用考虑了向量角度的损失函数。实验证明，改进后的YOLOv5s检测器在桥梁表观病害目标检测识别任务中能够有效提高精度、降低误检率和漏检率。

摘要:随电力市场改革的进一步推进，分时电价等政策的出台为需求响应技术的应用发展提供了有利的市场环境。以蓄冷空调系统为代表的降温负荷需求响应设备可有效缓解电力供需平衡的难题。降温负荷的需求响应能力及潜在效益与其需求响应设备的投资规划及运行方法紧密相关。现有基于蓄冷技术的需求响应设备投资规划方法多考虑单一的设备类型，基于固定或简化的系统运行策略与设备运行特性进行运行模拟，难以实现不同类型设备组合与用户冷负荷需求特性的最优匹配，导致系统需求响应能力的优化空间受限，无法充分发挥其经济性价值。因此，本文研究考虑运行策略优化的降温负荷需求响应设备统一投资规划建模方法。首先，提出电力市场环境下计及多类制冷与蓄冷设备运行策略优化的需求响应模型，实现降温负荷对价格信号的灵活响应，充分节约用电成本。然后，构建内嵌统一运行策略优化模型的需求响应设备投资规划模型。该模型以用户投资运行总成本最小化为优化目标，统筹考虑电价政策、冷负荷需求特性、相关设备的投资成本与工作特性，通过基于大M法的线性建模方法，最终建立一个混合整数线性规划模型，可采用商业求解器实现高效求解。算例分析表明所提方法可充分适应当前电力市场环境，有效提升用户的投资效益，优化用电负荷曲线，发挥需求响应技术的应用价值。

摘要:作为城市能耗的主体，智能楼宇低碳高效运行对实现“双碳”目标有着重要意义。为了增强楼宇经济性并提升楼宇能源共享和分布式能源消纳，提出了一种考虑楼宇特性、电能交易的楼宇群分布式优化调度模型。在楼宇优化层面，建立了以经济性和温度舒适性需求为目标的楼宇多目标运行优化模型；在楼宇群能源共享层面，建立了端对端（peer to peer，P2P）楼宇交易市场，并提出了结合楼宇优化结果和市场风险的新型连续双向拍卖交易机制。通过将市场交易结果反馈至各楼宇优化层面，实现楼宇运行的迭代优化和楼宇群内能源的互动共享，利用鲁棒优化检验该模型在各类不确定场景中的有效性。仿真结果表明，在多场景中，所提的楼宇群分布式优化调度模型均能在优化楼宇经济性的同时，提升楼宇群能源互补和分布式能源消纳的能力。

摘要:为了挖掘负荷预测中不同输入特征的重要性，有效处理负荷数据中的线性成分和非线性成分，提高负荷预测的精度，提出一种基于TabNet和长期和短期时间序列网络（long and short-term temporal networks，LSTNet）的组合负荷预测模型。通过引入自监督预训练来提高TabNet的预测精度，通过训练得到输入特征的全局重要性和预测结果，然后把重要性高的特征输入到LSTNet训练得出预测结果，最后通过方差-协方差组合方法得出TabNet-LSTNet模型的预测结果。通过仿真分析，与传统的长短期记忆网络（long short-term memory，LSTM）、极端梯度提升机（extreme gradient boost，Xgboost）、轻量级梯度提升机（lignt gradient boosting machine，Lightgbm）和其他组合模型相比较，TabNet-LSTNet模型具有更高的精度。