《中国机械工程》11篇论文荣获“2019年度中国机械工程学会优秀论文奖”

▽点击文题可以获取获奖文章全文

1. 基于扩展卡尔曼粒子滤波算法的锂电池SOC估计

摘要

锂电池荷电状态用来描述电池剩余电量的多少，进而反映电动汽车的续驶里程，是电池管理系统中的核心参数。电池循环次数、瞬间大电流以及温度等因素都会使电池特性发生变化,使用扩展卡尔曼滤波算法对电池荷电状态进行估计，会有较大的误差甚至导致算法不收敛。为了有效地抑制发散以及噪声的影响,基于锂电池混合噪声模型，应用扩展卡尔曼粒子滤波算法对锂电池荷电状态和电流漂移噪声进行同步估计。最后根据充放电试验数据进行仿真分析，结果证明了该算法的优越性。

2. 基于多尺度排列熵的液压泵故障识别

摘要

将排列熵引入液压泵的故障识别中,分析了排列熵作为液压泵故障特征指标的性能；采用互信息法和伪近邻法优选排列熵计算中的延迟时间和嵌入维数，基于优选参数得到了能够更好区分液压泵故障的排列熵。针对单尺度排列熵只能在单个尺度上衡量振动信号复杂度的不足,在对多尺度排列熵进行研究的基础上提出了一种综合多尺度排列熵熵值和排列熵变化趋势的指标——多尺度排列熵偏均值,对液压泵实测信号的分析结果验证了该指标作为液压泵故障特征的有效性和优越性。

3.基于近似动态规划的动态车辆调度算法

摘要

针对物流配送服务业中，车辆调度问题日渐呈现任务规模大，车辆类型多、属性多，调度实时性要求越来越高等特点，提出了基于近似动态规划的动态车辆调度算法。根据当前的任务需求与车辆状态以及相应的约束条件作出相应的调度，并且对一些样本进行训练，得到了一个近似价值函数。通过该价值函数，即可对任务迅速作出相应的决策。仿真模拟实验证明了该算法的有效性和优越性。

4.基于人因仿真分析的装配序列评价模型及应用

摘要

为减少装配作业疲劳，降低动作强度，提高装配质量和效率，提出了一种基于人因工程仿真分析的装配序列综合评价模型。以装配序列的人因性能优劣为目标，创建了包含定量与定性指标在内的综合评价指标体系；提出了装配序列人因工程仿真分析模型，通过虚拟仿真技术与人因分析方法获取人因性能的基础指标属性值。采用客观自适应熵权法和改进模糊层次分析法分别确定各定量指标和定性指标的权重，利用三角模糊数定量化定性评价值，基于Topsis框架得到适合人体作业的最优装配序列。最后结合Tecnomatix数字化仿真平台将该评价模型应用于某航天产品减速器可行装配序列的优选，验证了方法的有效性。

5.切削比能模型的建立及参数影响分析

摘要

从材料去除机理角度分析了材料去除过程中的能量耗散机理，并对材料去除能耗进行建模量化，推导出切削比能经验公式。根据试验数据拟合出端面车削的切削比能幂率公式，拟合度在95%以上。鉴于切削参数对切削比能影响的差异性，结合试验分析了切削三要素对切削比能的影响机理，研究结果为面向节能的切削工艺参数的制定及低碳制造量化评估清单数据要求提供了基础支持。

6.产品制造过程碳足迹核算及其优化问题

摘要

为了减少各产品在制造过程中的碳足迹，并为未来产品碳标签核算提供较为准确的计算方法，提出了一种基于制造过程碳排放与被加工产品之间对应关系的产品制造过程碳足迹计算方法;针对柔性作业车间，为减少产品制造过程碳足迹，并保证完工时间以及车间设备利用率，提出了一种以所有产品制造过程碳足迹总和最短、最长完工时间最短、车间设备利用率最大的多目标优化调度模型;设计了第二代非支配解遗传算法进行求解，与传统调度模型的对比说明，所提出的优化调度模型在完工时间损失不大并保证车间设备利用率有改善时，可以使所有产品制造过程碳足迹有较大的改善，从而验证了研究的有效性。

7. 智能制造——“中国制造2025”的主攻方向

摘要

实现由制造大国向制造强国的转变，已经成为新时期我国经济发展面临的重大课题。在详细分析我国制造业现状的基础上，阐述了“中国制造2025”的指导思想、战略部署、基本方针和战略举措，认为“互联 +先进制造业+现代服务业”将成为中国经济发展的新引擎。指出“制造业数字化 络化智能化是新一轮工业革命的核心技术，应该作为中国制造2025的制高点、突破口和主攻方向”，重点围绕“智能制造是新一轮工业革命的核心技术”和“智能制造是中国制造2025的主攻方向”两个论断展开了全面深入的剖析解读。

8.基于分层蚁群遗传算法的多目标柔性作业车间调度方法

摘要

针对离散制造柔性作业车间实际工况，提出了一种基于分层蚁群遗传算法的柔性作业车间资源驱动的多目标调度方法，其基本特征是：基于连续生产中不同调度周期剩余或空闲资源等调度相关实时信息；基于完工时间和机床负荷等多目标；采用分层蚁群-遗传混合算法进行决策，通过逐步筛选，获得优化解。该方法特别适用于车间资源变化、任务执行情况变化、急件任务必须插入等情况下的动态调度。应用标准案例并设计相关组合案例进行了测试，与MOGV混合算法相比，25%的案例计算结果优于MOGV算法，最大完工时间减少5%~7%，62.5%的案例计算结果等同MOGV算法。因此，该智能调度方法不仅可以有效地取得对指定优先目标的最佳优化效果，且可自动获得多目标综合的最优解，智能调度效果显著。

9.基于模糊神经 络信息融合的采煤机煤岩识别系统

摘要

针对采用单一信号进行煤岩界面识别实现采煤机滚筒高度调整控制时精确度和可靠性不高的问题，提出一种基于模糊神经 络的多传感器信息融合煤岩识别方法。通过实验数据采集和分析得到不同煤岩比例截面截割过程中的振动、电流以及声功率谱信号特征样本，根据最小模糊度优化模型求得各煤岩识别信号的模糊隶属度函数，采用基于自适应神经 络模糊推理系统构建的多维模糊神经 络实现多传感器信息的决策融合，得到高可信度和精确度的滚筒调高控制量值。实验室截割实验对比以及现场随机煤岩轨迹的截割实验结果表明,采煤机滚筒截割轨迹与实际随机煤岩轨迹基本吻合，实验结果验证了系统的有效性和可靠性。

10.基于LMD多尺度熵和概率神经 络的滚动轴承故障诊断方法

摘要

研究了一种基于LMD多尺度熵和概率神经 络的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数分量，然后将各分量的多尺度熵作为故障特征向量输入概率神经 络进行模式识别，实现了对损伤位置和损伤程度的诊断。将该方法与基于LMD时域统计量和神经 络的滚动轴承故障诊断方法进行了对比。实验结果表明，基于LMD多尺度熵和概率神经 络的方法能对滚动轴承故障进行有效的识别与诊断。

11.基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断

摘要

针对齿轮故障诊断问题，利用数理统计特征提取方法、深度学习神经 络、粒子群算法和支持向量机等技术，提出了一种基于深度学习特征提取和粒子群支持向量机状态识别相结合的智能诊断模型。该模型利用深度学习自适应提取的频谱特征与数理统计方法提取的时域特征相结合组成联合特征向量，然后利用粒子群支持向量机对联合特征向量进行故障诊断。该模型在对多级齿轮传动系统试验台的故障诊断中实现了中速轴大齿轮不同故障类型的可靠识别，获得了满意的诊断结果。应用结果也验证了基于深度学习自适应提取频谱特征的有效性。