不确定视角下产品结构性能优化设计综述与展望

目的 复杂产品在工程装备、航空航天等我国优先发展的战略领域中扮演着不可替代的重要角色,在其结构设计过程中普遍存在着各种不确定性,导致产品结构性能很难实现最优,甚至出现重大故障。方法 针对复杂产品设计过程中的多粒度模糊不确定、随机不确定、不完备区间不确定和高维混合不确定等特点,将不确定性理论与产品结构设计过程相结合,系统地构建了不确定视角下产品结构性能优化设计理论体系,提出了多粒度模糊不确定下产品质量特性精准提取、随机不确定下产品功能结构模块化求解、不完备区间不确定下产品结构方案多属性决策、高维混合不确定下产品关键结构可靠性优化等关键技术,并指出了产品结构性能优化设计的未来发展方向。结论 此设计理论能够充分适应和利用产品设计过程的多种不确定信息,为在结构设计环节切实提升产品性能提供了有力参考。     

PET和关中麦秆共热解特性及其动力学研究

利用TG-FTIR技术研究陕西关中地区小麦秸秆（麦秆）、聚对苯二甲酸乙二醇酯（PET）及其两者混合物麦秆-PET（质量比1：1）在20 K/min的升温速率下的热解行为、主要热解产物、协同效应和动力学。研究结果表明：PET热解初始温度为375℃,最大热失重速率处的温度为454.9℃,失重率为62.87%,其热解残余质量为19.42%;麦秆-PET的热解DTG曲线表现为麦秆和PET主失重峰（339.9和444℃）的叠加,且混合试样在两个强峰处的失重率分别为22.9%和73.9%,最终热解残余质量为23.52%;PET和麦秆共热解过程中会出现两个协同效应（339.9和444℃）,这使得共热解产物中的CO、CH₄以及芳香族、酸类、酮类、醛类、醇类、烷烃、酚类和醚类等轻质焦油组分含量高于麦秆和PET单独热解,共热解提高了热解产物的热值,改善了热解产物组成,提升了热解产物的稳定性和燃料品质;采用Coats-Redfern积分法计算得到PET在主热解区的表观活化能为355.48 kJ/mol,远高于麦秆的表观活化能（86.5 kJ/mol）,麦秆-PET在低温区（258~363℃）的表观活化能为53.6 kJ/mol,在高温区（393~463℃）的表观活化能为81.6 kJ/mol。     

基于ALIF和ISOMAP的机械设备故障识别方法研究

滚动轴承作为机械设备的重要部件,对机械设备的稳定运行起着重要的作用。滚动轴承的故障信号往往是多种信号的叠加,有必要对采集到的振动信号进行模式分解,进而基于模式识别方法实现对滚动轴承不同故障模式的分类识别。提出一种基于自适应局部迭代滤波(ALIF)和等距特征映射(ISOMAP)的机械设备故障分类识别方法。利用ALIF对滚动轴承的故障信号进行模式分解;对选定的模式分量提取多个统计学特征;最后利用ISOMAP对高维特征信号进行降维处理,实现对滚动轴承不同故障模式的分类识别。研究结果表明：所提方法在滚动轴承故障识别上具有良好的效果。     

基于5G多接入边缘计算的云化PLC系统架构设计与应用

随着工业控制系统对柔性化、扁平化的要求不断提升,以PLC为构建基础的传统工业控制网络在大规模接入、算力提升和部署灵活性方面均受到限制.针对这些问题,融合5G网络和边缘计算技术,设计了基于5G多接入边缘计算的云化PLC系统架构,阐述了该架构的运行机制和所涉及的关键技术;在此基础上,进行PLC系统的云化部署和调试,实现了工业现场、企业数据中心、5G网络和边缘网络的集成;最后,通过在某汽车制造公司产线改造过程中的应用,验证了所提架构的有效性.     

基于TG-FT-IR的关中麦秆热解特性及动力学研究

利用TG-FT-IR技术分别以5、10、20℃/min 3种不同的升温速率,在室温至1000℃下对陕西关中地区麦秸秆(麦秆)的热解行为、特性及动力学进行了研究。研究结果表明,关中麦秆的热解过程可分为4个阶段:失水(室温到150℃)、半纤维素热解(150~300℃)、纤维素热解(300~380℃)及木质素热解(380~1000℃);升温速率的升高使关中麦秆的起始热解温度提高,较低的升温速率可克服热解过程中的传热滞后现象,更有利于关中麦秆的热解。关中麦秆升温速率20℃/min下最大失重速率处的的热解产物主要为H₂O、CH₄、CO₂、CO及一些芳香族、酸类、酮类、醛类、醇类、烷烃、酚类和醚类等有机物。通过无模式函数法中的FWO和KAS法对关中麦秆的热解表观活化能在转化率(α)0.1~0.8内进行了计算,所得活化能均约为202 kJ/mol。此外,Kissinger法估算所得表观活化能约为171.12 kJ/mol,略低于FWO法和KAS法热解表观活化能。     

模拟人脑工作机制的机械产品概念设计行为原理启发求解方法

机械产品概念设计是现代设计理论研究的热点问题,其核心是功构映射,即根据既定的功能需求,以行为效应作为中间载体,求解满足设计约束的原理构件组合。以概念设计的功构映射理论作为基础,利用设计师大脑认知过程的神经机制作为依据,提出模拟人脑工作机制的机械产品概念设计行为原理启发求解方法。分析前额叶-海马体神经回路中设计经验知识的记忆启发机制,并以此为基础构建行为效应重构的记忆启发强化学习模型,利用多巴胺调控的Q学习在状态转移概率和设计环境回报函数未知的情况下实现行为效应的重构认知传递。同时,分析小脑模块化神经结构的反射调控作用,构建以全连接多层感知机和循环神经网络为模块的约束满足神经网络,形成复杂设计约束下的操作性条件反射判断设计空间中的约束可解性,为原理构件的组合求解提供设计依据。以电梯曳引系统的概念设计为例验证所提出方法的有效性和可行性。     

复杂产品不确定性智能设计研究综述与展望

不确定性现象普遍存在于各个设计环节，使得复杂产品的设计过程越来越复杂，正确认识并掌握设计过程中的各种不确定性是复杂产品智能设计取得成功的必要条件。系统梳理了产品设计中的不确定性因素种类与特征，聚焦于不确定性智能设计的设计流程，围绕用户需求不确定性智能分析、功能结构不确定性智能求解、设计方案不确定性智能决策、局部参数不确定性智能优化四个方面，分析了其研究现状与应用场景。针对现有不确定性智能设计中存在的强模糊冗余条件下设计意图难提取、不完全可信条件下功能行为难推理、不完备区间条件下设计方案难决策、混合不确定条件下结构性能难预测等问题，提出了复杂产品不确定性智能设计的未来研究方向。     

面向“互联网+”定制产品的智能适应性设计研究

在“互联网+”环境下，用户可以深度参与产品的设计、制造和运维等全生命周期过程，对定制产品的个性化需求程度不断提高。随着定制生产的方式在制造业中占比逐渐增加，如何适应互联网上来源广泛、形式各异的客户需求，提高产品定制设计的智能化水平，推动产品生产模式由均质化向定制化转变，成为“互联网+”定制产品设计需要解决的关键问题。为此，总结“互联网+”环境下定制产品适应性设计的基本原理，提出面向“互联网+”定制产品的智能适应性设计架构，阐述该架构涉及到的三项关键技术，包括全生命周期多模态数据统一表征、需求数据驱动的产品功能-行为-结构映射和变更数据驱动的设计更改路径演化与决策。最后以某型号液压机为例，根据互联网定制客户需求对其油箱进行智能适应性设计，证明所提方法的有效性，为“互联网+”定制产品的设计理论发展提供了参考。     

设计知识驱动的不规则多边形排样算法及应用

为高效解决实际生产制造中的二维不规则多边形排样问题，提出一种设计知识驱动的启发式算法。利用临界多边形判定多边形之间的相对位置，并建立局部适应度数学模型用于衡量多边形的贴合程度；根据设计知识建立数学模型来评价多边形待摆放位置，利用基于局部搜索的贪心算法完成排样。通过对国际通用基准用例进行实验测试并与现有智能优化算法进行对比，证明了所提算法在排样质量与时间性能上不但具有一定优势，而且稳定性高。通过实际生产中样片数据的实验测试证明了所提算法的实用性。