关键词： 小龙虾   加工实验   机械设计   STM32   Mask R-CNN   Android Studio  

摘要： 小龙虾自20世纪30年代由日本引进我国,人们对小龙虾的需求与日俱增,近些年尤为突出。据中国水产会、中国水产流通与加工协会联合编写的《中国小龙虾产业发展报告(2022)》显示,我国小龙虾产业发展势头猛,市场响应强烈,使得对小龙虾的加工处理需求越来越大。然而我国目前对于小龙虾的加工仍以手工加工为主,尤其是在与日剧增的以餐饮为主的第三产业中。面对如此大量的加工需求,急需对小龙虾加工实现机械化。为了解决以上问题,本文首先通过市场调研,对小龙虾加工关键步骤进行实验研究。接着通过方案设计与方案实验确定最终方案,并以此进行机械结构设计与强度校核。根据设计需要设计控制系统,提出了一种基于Mask R-CNN的小龙虾虾尾的识别与定位方法,并设计了相关远程控制等。最后制造出一台小龙虾加工装置并进行加工实验。论文研究的主要内容如下: (1)市场调研及小龙虾基础力学性能试验。通过实地考察餐饮业目前小龙虾加工情况,确定小龙虾加工功能需求。对小龙虾进行拉拔试验,此试验使用质构仪,探究小龙虾在去除虾线时使用何种抽拉方式最佳,获得小龙虾在相同夹持位置时的拉拔力参数与拉拔效果。通过对拉拔力与拉拔效果的比较确定最佳去虾线抽拉方式,作为后续整体装置设计的重要参考依据。找到最佳去虾线抽拉方式后,取三个因素(扭转角度,扭转角速度,抽拉速度)五水平,两个因素(细分抽拉方式,虾大小)三水平,以此设计正交试验,并通过机械手精确的完成试验得到试验数据,初步确定加工方式,为整体设计方案提供依据。 (2)小龙虾加工装置的整体方案设计及控制系统设计。通过对加工特性实验结果进行分析,设计方案并进行方案实验,最终确定采用旋转切进行开背、去头等工序。对于小龙虾虾尾处,摒弃了方案设计中最初提出的凹形刀片嵌入虾体抽出的方式,采用模拟人工加工的方式与技巧使用机械爪对虾尾进行夹持、扭转等操作,实现去尾操作,并使用ANASYS对关键结构进行仿真优化,使其能满足设计需要。以STM32为基础开发出小龙虾加工装置控制系统,实现多个部件相互配合,整体装置稳定有序运行,实现小龙虾加工流程。 (3)基于Mask R-CNN的小龙虾虾尾识别与定位。由于在加工过程中,虾尾的识别与定位是机械手能否到正确位置的关键,因此本文提出了基于Mask R-CNN的虾尾识别与定位方法。使用Labelme标注出虾尾,再对需要深度学习的原图进行数据增强得到具有虾尾特征的数据集,再通过比较Faster R-CNN、Mask R-CNN、Yolov3-spp算法在Py Torch框架下对于小龙虾虾尾的检测效果,结果表明:Mask R-CNN的m AP值和Loss值均高于其他算法,证明本文方法对于小龙虾虾尾具有很好的检测效果,通过坐标计算算法,将识别目标其中心坐标通过串口协议传输给上位机,使其能更精确完成加工任务,实现定位功能。 (4)基于MQTT协议的APP远程控制。基于MQTT协议使用Android Studio作为APP开发平台,通过物联网云端服务器开发出手机端APP控制设备启停、反映设备位置信息、云端记录设备加工量等功能。 (5)搭建小龙虾加工装置并进行加工试验。为了验证设计方案结果的可行性与加工需求,搭建小龙虾加工装置进行加工试验,根据设计的加工流程,以现场具体情况调试程序。将小龙虾去头率,开背率,完整去虾线率作为指标。根据试验结果,证实了小龙虾加工装置的实用性。

关键词： 蝠鲼觅食优化算法   时间复杂度   分数阶导数变异   周期性信息交流   柔性作业车间调度  

摘要： 随着全球经济一体化的深入发展,传统的生产调度方式已难以适应市场日益多元化的需求。中小企业面临着日趋激烈的竞争,迫切需要一种灵活且高效的柔性生产调度模式(Flexible Production Scheduling Mode,FPSM)。车间调度,作为制造业生产调度的核心环节,对于推动现代工业的发展和企业国际化经营至关重要。FPSM的引入,通过精准选择最佳机器和合理安排工序,不仅有助于显著提升生产效率,更能有效减少机器损耗,使生产更贴近实际状态,展现出强大的应用潜力和价值。 蝠鲼觅食优化算法(Manta Ray Foraging Optimization,MRFO)是由Zhao等人于2020年提出的一种新型群智能仿生优化算法。该算法因其机制合理、不需要额外设置参数、求解性能较好等特点,一经提出便被应用于图像分割、经济调度、桁架结构设计等问题中。然而,其与别的元启发式算法一样,也存在有时无法跳出局部极值、寻优精度不高等问题。为此,本文提出了新的改进策略解决上述缺点,并将改进后的算法应用于求解CEC测试套件、工程约束优化及车间调度问题。本文的主要工作总结如下: (1)提出了一种基于个体信息交互和分数阶导数变异的改进蝠鲼觅食优化算法(NIFMRFO)。首先将线性判断条件修改为基于余弦因子的非线性判断条件,更好平衡全局搜索和局部挖掘之间的关系;其次使用随机个体间的信息交互策略,加快了算法的收敛速度;最后分数阶导数突变策略增加了种群多样性,有助于提高搜索结果的精度和稳定性。理论分析表明NIFMRFO的时间复杂度和基本MRFO相同。通过在CEC2017测试套件和工程约束问题上将NIFMRFO与具有代表性的六种算法进行大量测试,实验表明NIFMRFO明显优于其他六种对比算法,具备较为优越的求解性能。 (2)提出了一种融合记忆衰减、随机双差分与周期性信息交流机制的蝠鲼觅食优化算法(DDPMRFO)。首先在算法的随机螺旋阶段引入随机双差分机制,增加了全局探索能力;其次使用基于记忆衰减的最优和邻域信息更新策略,增加了种群多样性,有利于跳出局部极值;最后引入周期性信息交流机制,有助于提高算法的收敛速度。理论分析证明DDPMRFO算法的时间复杂度和基本MRFO算法相同。通过在CEC2021测试套件中的“偏置、平移和旋转”函数组上对十六种算法在10维、20维进行了大量的实验测试,实验结果显示,与其他十五种对比算法相比,DDPMRFO算法的收敛速度和鲁棒性均得到提高,求解效果较为优越。 (3)将NIFMRFO算法应用于求解以最小化最大完工时间为目标的柔性作业车间调度问题,首先进行了问题描述,其次给出了决策变量的含义,然后给出了最小化最大完工时间的数学模型,定义了个体编码方式。通过仿真实验表明,NIFMRFO算法在求解以最小化最大完工时间为目标的问题时,展现了良好的求解能力,能够使总的完工时间最小。 将车间调度的工件完工时间、机器待机时间和单位时间内的价格相结合,构建了以成本为目标的柔性作业车间调度问题的数学模型,并将DDPMRFO算法应用于求解此问题。通过在Kacem数据集和Brandimarte数据集上求解的结果验证了经过DDPMRFO算法优化后的工序能够有效降低总成本。

关键词： 多目标优化   分布式柔性作业车间   完工时间   总能耗   改进NSGA-Ⅱ算法   原型系统  

摘要： 随着我国隧道工程建设的不断发展,盾构机的制造需求也随之增加,而推进液压缸是盾构机推进系统的重要组成部件,其需求量也日益增长。如何降低液压缸的生产成本和缩短产品的制造周期来满足日益增长的制造需求,成为企业关注的重点。本文以A企业盾构机推进液压缸制造车间为研究对象,分析目前车间调度方案制订过程中存在的问题并做出以下研究: (1)A企业正在向分布式制造模式转变,但目前盾构机推进液压缸的制造并没有合理的工厂作业分配方案,对于调度方案的制订也仅仅考虑完工时间。针对A企业车间调度的实际情况,本文以最小化完工时间和总能耗为优化目标,建立了分布式多目标柔性作业车间调度模型(DMFJSP)。 (2)本文采用改进的NSGA-Ⅱ算法对DMFJSP模型进行求解,主要的改进措施有:采用基于工厂分配、工序排序和机器选择的三层编码方式来扩大解空间;采用针对工序排列和工厂分配的初始化策略来提高初始种群的质量;多种交叉变异方式相结合来提高子代种群的质量;提出自适应的精英保留策略,在不影响种群多样性的同时,提高算法收敛速度;提出一种针对关键工厂的多重局部扰动策略来提高算法局部搜索能力。最后,采用多种评价指标对比测试算例求解结果,验证了本文改进算法的有效性。 (3)在上述模型及算法的基础上,使用Matlab编程App Designer工具和MySQL数据库。以A企业盾构机推进液压缸的制造车间为应用场景,设计开发了该制造车间的分布式调度原型系统,该系统分为数据管理模块、参数设置模块、算法求解模块和调度方案输出模块。其中,数据管理模块用于管理工件、机器以及订单等数据;参数设置模块可以根据实际生产情况和需求进行调整;算法求解模块通过对订单数据处理后,调用本文改进NSGA-Ⅱ算法进行调度方案的求解;调度方案输出模块用于算法求解后生成调度方案。

关键词： 柔性作业车间调度   遗传算法   运输时间   机器预维护   分布式  

摘要： 随着制造业的快速发展,高效的生产调度策略对于提升制造过程中生产效率和质量管理水平至关重要。同时,生产车间调度面临机器间的频繁运输、机器故障频发以及多工厂分布优化等挑战。因此,本文对复杂的车间环境展开研究,根据环境特征设计针对性的生产调度策略,在满足智能化制造的生产需求的同时提高生产效率。为此,研究内容将围绕以下几个方面进行: (1)考虑柔性作业车间机器运输频繁的特点,建立以完工时间为目标的柔性作业车间调度模型,提出一种双种群混合遗传算法进行求解。采用启发式初始化规则提高初始种群质量,基于适应度值将种群划分为双种群,进化过程中采用交叉算子执行全局搜索,为双种群设计基于机器负载平衡策略和基于关键路径的邻域搜索策略,提高算法的全局和局部搜索能力。通过标准算例和生产实例验证改进策略和算法的有效性。 (2)考虑到实际生产中不可避免的机器故障,提出了机器预维护机制,构建以完工时间、总能耗和瓶颈机器负载为目标的柔性作业车间调度模型,提出一种基于种群质量的非支配排序遗传算法进行求解。基于个体质量对种群进行分组,并根据分组特性分别为不同的种群定制进化策略。对优质种群设计基于关键机器的邻域搜索策略深度挖掘局部解空间,中等种群采用交叉变异操作和基于外部档案引导的机器负载平衡策略提高算法的全局和局部搜索能力,为劣质种群设计学习策略以保持多样性。通过标准算例验证改进策略的有效性,借助生产实例进一步验证算法性能。 (3)考虑单一工厂难以满足大规模订单的生产需求,建立了分布式柔性作业车间调度模型,提出了一种基于多种群协同的非支配排序遗传算法进行求解。结合问题特点设计多父代交叉和基于目标的机器平衡策略,以增强算法的全局搜索能力;通过基于关键工厂的邻域搜索策略高效挖掘优质解;设计跨种群的个体信息交互机制用于实现多种群的协同进化。在标准算例和生产实例上进行对比实验,验证了改进策略和算法实现多工厂协同调度优化的高效性。

关键词： 四足机器人   并联脊柱   机械设计   运动控制   模型预测控制  

摘要： 将并联机构作为四足机器人脊柱构型的选择,能够为机器人提供稳定、精准和高效的运动控制能力,从而提升整体性能并拓展其应用领域。但是,脊柱自由度的引入增加了四足机器人系统的复杂性,其运动存在的耦合现象对控制器的逻辑处理和计算能力提出更高的要求。针对上述研究存在的问题,本文以少自由度并联机构拟合生物脊柱的简化运动,围绕局部和整体构型的运动学、动力学分析,开展脊柱型四足机器人中低速步态下多地形环境中的运动性能评估,以及高速步态下控制算法验证等研究工作。 首先,完成了并联机构脊柱和整机的选型及设计,并进行了相关运动学分析验证工作。根据四足脊椎动物的运动特性,优选出对脊柱运动拟合良好的少自由度并联机构构型。对并联脊柱和腿部连杆构型分别进行了姿态描述、运动学正反解、速度雅可比等理论分析,通过ADAMS仿真验证了数学模型的正确性;同时,验证了并联脊柱机构的奇异性和工作空间等运动性能比较,提出了以2UPS-PU并联机构作为脊柱的四足机器人整体结构设计方案。 其次,推导并验证了并联机构脊柱与整机简化模型的动力学模型,提出了基于模型预测控制(MPC)的控制方案。对比仿真与理论曲线的一致性,分别将拉格朗日方程法以及牛顿欧拉方法作为脊柱构型和腿部构型的动力学推导依据。利用优化方法验证了脊柱型四足机器人整体简化动力学模型的准确性,并在此基础上简化了系统状态方程,提高算法的计算效率。另外,制定了步态切换的判断流程,以及落足点和基于贝塞尔曲线的足端轨迹规划方案,结合摆动腿的虚拟模型(VMC)控制策略,在SIMULINK与ADAMS联合仿真中验证了方案可行性。 然后,利用划分多任务优先级与弹簧负载倒立摆(SLIP)等方法完善控制框架,对脊柱型四足机器人在不同步态下的运动性能进行了评估。改进了坡面地形下机身倾角调整以及摆动腿轨迹规划策略,利用零空间投影(NSP)实现脊柱和腿部的控制,并围绕轨迹跟踪误差、运动稳定性、能耗高效性、转弯半径、极限跳跃速度等指标,验证了所设计的并联脊柱型四足机器人在坡面、台阶、崎岖路面、水平绕行以及高速跳跃等任务中的性能优势。 最后,搭建了样机平台并设计实验进行算法测试。前期围绕实物样机的结构制造、驱动器选型、电气接口设计、控制系统搭建等开展工作,利用卡尔曼状态估计器进行多传感器数据融合,对脊柱型四足机器人的整体运动和脊柱耦合自由度进行了验证,并测试了其在姿态调整与对角踏步运动的稳定性。例举了所设计的四足机器人在工业巡检和定位操作等任务的功能实现方案。

关键词： 移动充电车   机械设计   运行效率   充电效率   移动性  

摘要： 本文从车辆结构、充电设备、移动性和安全性方面对充电车的组成进行了分析,对充电效率、移动效率和能源消耗进行了研究,并结合案例分析了各方案的性能以及各设计参数。通过实验与案例分析,对所提出的方案进行了验证,并对其优缺点进行了探讨,提出了相应的改进意见,以进一步优化移动充电车。

摘要： ~~

关键词： 差分进化算法   变邻域搜索算法   模拟退火算法   Pareto支配关系   多目标   柔性作业车间调度  

摘要： 生产调度是在生产过程中通过对作业的合理计划从而实现对生产资源和生产时间的最大利用,是整个先进生产制造系统的核心,涉及计算机工程、工业工程、控制工程等多个学科和领域。车间调度问题是生产调度的关键部分,是典型的NPhard问题。调度问题解决的好坏影响着企业对市场的反应能力和竞争力。如何将调度过程中的各项资源进行分配,使其一个或多个调度目标更优是一个重要的课题。差分进化(Differential Evolution,DE)算法是一种典型的启发式算法,该算法通过变异、交叉、选择操作对种群进行迭代,是解决复杂优化问题行之有效的算法。 本文主要研究并改进DE算法,通过结合变邻域搜索(Variable Neighborhood Search,VNS)算法、模拟退火(Simulated Annealing,SA)算法及结合Pareto支配关系的精英选择策略等对DE算法的变异、交叉、选择操作进行优化,通过测试函数验证改进算法的优势,并将改进后的算法应用到柔性车间调度问题的求解中。本文主要研究内容如下: (1)提出一种自适应变邻域搜索差分进化(Adaptive Variable Neighborhood Search Differential Evolution,AVNSDE)算法。该算法采用全局选择、局部选择和随机选择相结合的方式产生优质初始解,对变异、交叉操作中的变异算子和交叉因子进行自适应改进,并结合VNS算法对选择操作进行优化。通过测试函数将AVNSDE算法与DE算法和其它改进算法进行比较,验证改进算法的优越性。针对柔性作业车间调度问题(Flexible Job-Shop Scheduling Problem,FJSP)以最小化最大加工时间为目标进行建模求解,并在不同规模的数据集中将AVNSDE算法与其它算法进行比较,验证了改进算法求解该调度模型的可行性。 (2)提出一种混合自适应差分进化(Hybrid Adaptive Differential Evolution,HADE)算法。该算法结合自适应思想、SA算法及结合Pareto支配关系的精英选择策略对变异、交叉、选择操作进行优化,跳出局部最优解,提高算法收敛速度。通过测试函数验证HADE算法的优越性,并针对FJSP以最小化最大加工时间、最小化最大机器负荷及最小化总机器负荷为目标进行建模求解,在不同规模的数据集中验证了HADE算法求解该调度模型的可行性。 (3)设计一款基于改进DE算法的柔性车间调度优化软件,结合本文所提的两种改进算法,用户可以根据自身需求,利用该软件获得最优解、最优序列、甘特图等,更好的表明了所提算法的应用价值。 本文提出了两种基于DE算法的改进算法,分别应用于解决单目标FJSP和多目标FJSP,函数优化测试和仿真实验验证了两种改进算法的优越性和可行性,并通过调度实例和软件设计将所提理论与实际应用更好的结合。本文研究成果有助于推动DE算法和生产调度理论的发展,具有重要的理论和实际意义。

ISBN: (纸本)9787111747376