双级圆柱齿轮减速器虚拟样机建造研究

以虚拟样机理论为基础,以某型号双级圆柱齿轮减速器为分析对象,整合三维造型软件、系统分析软件和有限元分析软件,形成了齿轮减速器综合开发平台。该平台中,基于优化设计的齿轮自动建模方法具有通用性、实用性和独创性,并且可以与CAM/CAPP模块进行整合;优化设计数学模型适用于多种线形齿轮,具有通用性;样机的仿真结果与实际测量数据相吻合率达98%。该平台除了可以完成设计和系统分析外,还可以仿真实际使用环境,完成运动学、动力学和有限元分析,有实际的工程意义。     

基于参数化组件描述的复合材料桨叶结构设计

针对目前直升机复合材料桨叶结构设计效率低的问题,提出了一种基于参数化组件描述的复合材料桨叶结构设计方法.该方法以旋翼菜叶理论外形数据模型为基本依据,根据对各桨叶组件构造形式的归纳,完成了桨叶蒙皮铺层、前缘配重、大粱、肋以及后缘条等主要组件的参数化描述,从而能够对菜叶整体结构进行方便快捷的定义;结合桨叶理论外形和各组件的定义数据,通过算法自动荻取所分析截面的信息,并生成相应截面的剖面图.实例验证表明,提出的方法能够完成桨叶的结构设计,提高桨叶设计分析的效率.     

国航北京、成都始发至全国10城市开通“一票通”

为了满足目前航空旅客出行日趋自由化的选择,方便旅客更加多变、及时、便捷地选择航程,国航从4月1日起．在北京、成都始发至全国10个城市开通“一票通”业务。凡购买指定航线的头等舱、公务舱及65折以上舱位机票的旅客,无需补交手续费．可直接变更航程。     

基于COM/DCOM的分布式零件参数化 设计系统的研究

为解决基于UG(Unigraphics)的零件分布式设计的问题,分析比较了UG二次开发的两种模式,提出了一种基于零件库的通用参数化设计方法.采用COM(Component Object Model)方式建立了一个基于UG外部开发的通用参数化设计组件,利用DCOM(Distributed Component Object Model)实现了该组件的网络化,并在此基础上选用分布式三层网络模型,构建了一个基于COM/DCOM的分布式零件参数化设计系统,实现了LAN(Local Area Network)下对零件进行参数化设计的功能.      

六自由度Stewart平台动力学模型的特性分析

根据六自由度Stewart平台的动力学模型,利用矩阵分析的方法详细分析和证明了动力学模型的一些物理特性:动力学模型系数矩阵的有界性,矩阵函数的斜对称性以及动力学模型的线性参数化. 这些工作为基于六自由度Stewart平台动力学模型的非线性控制器设计、系统稳定性的证明以及系统物理参数的辨识奠定了理论基础.      

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

基于离散数据点的变壁厚叶身参数化设计

在原始截面离散数据点的基础上,给出了面向工程实际的中弧线几何造型方法和基于离散数据点的内形曲线参数化方法;深入分析了UG(Unigraphic)系统参数化造型的实质;给出了可行的参数化方案;结合面向对象的思想和创成式的建模方式,实现了变壁厚叶身参数化设计.该模块基于UG/OpenAPI接口,采用即时记录数据点和标记回溯点的方式,在交互中可以实时动态修改,达到"所见即所得"的效果,并在实际应用中得到有效验证.      

统一硬化模型在复杂加载条件下的应用

超固结土模型是能够描述土的剪缩、剪胀、硬化、软化和应力路径依赖性等特性的简单、实用的模型,与剑桥模型相比,仅增加了一个材料参数(Hvorslev面斜率).采用基于SMP(Specialy Mobilized Plane)强度准则的变换应力方法对模型实现了三维化.在模型中应用加卸载准则来反映复杂加载条件下土体的应力应变特性,模拟了随着循环次数的增加,土体会逐渐变硬,剪切模量逐渐增大、孔隙比减小、超固结程度不断增大等趋势.由循环加载以及真三轴试验数据和预测结果的基本吻合表明了模型能够合理地反映复杂加载条件下土的变形特性.      

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

基于CATIA的杠杆加载系统快速设计方法研究

目前我国飞机结构试验中杠杆加载系统存在着设计工作量大、效率低等问题.针对企业的实际需求,本文基于CATIA软件平台,开发了一套杠杆加载参数化快速设计系统.首先基于总体设计的全机外形数模计算了外形加载点;其次运用改进的聚合层次聚类算法生成了杠杆加载系统的拓扑结构图;最后对杠杆、连接件等实现参数化建模并完成自动装配.实例表...