机械模型（共10篇）
机械模型 篇1
0 引言
机械手臂可以帮助人们完成危险、单调、乏味的工作[1], 因此, 在工业、医疗、军事等领域有着广泛的应用。然而它是一个高度非线性的复杂系统, 存在着参数摄动、外界干扰以及未建模动态等不确定性[2], 实现对其精确控制并不容易。为了能对机械手臂进行良好的控制, 人们尝试利用了PID控制、模糊控制、鲁棒控制、自适应控制在内的多种控制方法。但这些方法都有其不足:PID控制器虽然结构简单, 但它依赖模型的参数, 当机械手臂的工作条件改变引起模型参数变化时, PID控制不能在线整定参数, 难以满足系统的控制要求;模糊控制的控制精度低, 控制规则确定之后, 在控制过程中就不能进行修正;鲁棒控制要求系统的不确定性要在一定范围内, 当系统的不确定性超出这个范围, 其控制品质就会明显下降;自适应控制需要在线辨识机械手臂的参数, 计算复杂, 实时性差。
由多模型方法和预测控制相结合构成的多模型预测控制 (Multiple Model Predictive Control, MMPC) 方法, 兼有两者的优点[3,4], 它有较强的模型宽容性, 用较少的模型数量就能获得满意的控制效果[5], 在保证控制精度的前提下使系统的设计较简单。
本文针对直流电动机驱动的单杆机械手臂系统, 采用基于隶属度函数的多模型预测控制方法对其建模并设计全局控制器, 用2个线性子模型来逼近机械手臂的动态特性, 避免了局部控制器切换时产生的扰动, 使系统输出平滑, 实现了对机械手臂的精确控制。
1 机械手臂的多模型表示
直流电动机驱动的单杆机械手臂结构如图1所示, 由直流电动机产生力或力矩去驱动关节, 关节带动连杆工作[6]。柔性关节等价为扭曲的弹簧。
机械手臂的模型如式 (1) 所示:
式中:θm (t) 为电动机的旋转角度, 范围为[0, 2];ωm (t) 为电动机的角速度;k为扭转弹簧常数, 数值为1.8×10-1 N·m·rad-1;Jm为电动机惯量, 数值为3.7×10-3 kg·m2;θl (t) 为连杆的旋转角度;B为黏性摩擦因数, 数值为4.6×10-2 N·m·V-1;kτ为放大增益, 数值为8×10-2 N·m·V-1;u (t) 为输入信号;ωl (t) 为连杆的角速度;Jl为连杆的惯量, 数值为9.3×10-3 kg·m2;m为质量, 数值为2.1×10-1 kg;h为连杆的长度, 数值为3.1×10-1 m。
由式 (1) 得到机械手臂系统的状态方程:
由状态方程可知, 机械手臂系统是一个单输入单输出的系统, 电动机的旋转角度是系统的输出, 它反映系统非线性动态特性的变化, 表征系统的操作水平和工况条件, 可以作为系统的调度变量。调度变量的变化范围Ω是机械手臂系统的工作空间, 因此, 其工作空间为Ω={y|y∈[0, 2]}。
选择好系统的调度变量之后, 接着需要确定机械手臂的多模型集。本文采用参考文献[7]中的方法将机械手臂的工作空间分解为2个子空间, 得到2个平衡点。然后在平衡点处对机械手臂进行线性化, 得到2个以状态空间模型表示的线性子模型。它们能够复现系统的动态行为, 可以构成机械手臂的多模型。机械手臂划分结果见表1。
2 机械手臂的多模型预测控制
2.1 机械手臂的预测控制
预测控制算法是指利用被控对象的动态模型预测其未来输出, 通过在未来时间段上优化过程输出来计算最佳输入序列的一类算法[8]。它由预测模型、滚动优化和反馈校正三项原理构成。由于预测控制是一种计算机控制算法, 是针对离散对象进行控制的, 所以, 本文将式 (2) 在平衡点处线性化得到的线性子模型的连续状态空间模型离散化, 得到其离散状态空间模型:
式中:xim (k) 为第i个子模型k时刻的状态向量, xim (k) =[θm (k) ωm (k) θl (k) ωl (k) ]T, i=1, 2;分别为Gi, Hi, Ei的离散化矩阵;yim (k) 为第i个子模型作为预测模型在k时刻的预测输出;ui (k) 为第i个子模型在k时刻的控制输入。
根据式 (3) 可以预测对象在未来时刻的输出, 则第i个子模型未来第k+P时刻的预测输出值为
将第i个子模型的未来P个预测输出值写成矩阵为
控制输入只在k到k+M-1时刻变化, 之后就保持不变, 所以ui (k+M) =ui (k+M+1) =…=ui (k+P-1) 。其中, P为预测时域, M为控制时域。由于k时刻已知前一时刻的控制输入ui (k-1) , 则未来M个控制输入可写为
式中:Δui (k+j) 为未来第j时刻的控制增量, j=0, 1, …, M-1。
则式 (5) 可以写成:
令等式右边前2项为Yi0 (k+1) , 它代表第i个子模型在k时刻的初始预测输出向量。ΔUi (k) =[Δui (k) , Δui (k+1) , …, Δui (k+M-1) ]T是待优化的控制增量。令ΔUi (k) 前的矩阵为Fi, 则式 (7) 变为
由于机械手臂本身存在模型误差, k时刻预测模型的输出值yim (k) 与实输际输出值y (k) 肯定存在误差e (k) 。为了使机械手臂在下一时刻的初始预测输出值尽量准确, 需要用误差来校正它, 即为
式中:为校正后的未来P个时刻的初始预测输出;L为元素为1的P维列向量。
用代替式 (8) 中的Yi0 (k+1) , 则
式中:为校正后的未来P个时刻预测输出向量。
为了使机械手臂的第i个子模型的预测输出值尽可能地跟踪期望信号, 同时又不希望控制增量变化剧烈, 定义如式 (11) 所示的性能指标函数:
式中:Wi (k+1) =[wi (k+1) , wi (k+2) , …, wi (k+P) ]T, 为未来P个时刻的期望值;Qi、Ri分别为第i个子模型的误差加权矩阵和控制作用加权矩阵。
令, 得到优化的ΔUi* (k) :
取当前时刻的最优控制增量Δui (k) 与ui (k-1) 相加得到当前时刻的控制输入ui (k) , 它可作为局部控制器的输出。到下一时刻进行类似的优化得到Δui (k+1) 。
2.2 机械手臂的多模型预测控制方法
机械手臂的各个局部预测控制器设计好之后, 在每个采样时刻, 将局部预测控制器的输出用隶属度函数加权求和, 得到全局总控制器的输出。机械手臂的MMPC结构如图2所示[9]。图2中的n为线性子模型的个数, 这里n=2。权重函数的值随着机械手臂工作条件的变化而变化, 从而实现对局部控制器的软切换。可以作为权重函数的隶属度函数有多种, 例如梯形函数、高斯型函数等。因为梯形函数较为简单, 所以本文选择它作为权重函数。
机械手臂的多模型预测控制方法步骤如下:
Step1:根据机械手臂的特点, 选择合适的调度变量, 将整个工作空间划分为若干个工作子空间。
Step2:在每个子空间内对机械手臂的机理模型在平衡点线性化, 并离散化得到离散的线性子模型。
Step3:针对每个离散的线性子模型, 利用2.1节的算法设计局部预测控制器。
Step4:选择梯形隶属度函数作为权重函数, 对局部预测控制器进行加权求和, 得到系统的全局多模型预测控制器。
Step5:利用全局多模型预测控制器对机械手臂非线性系统进行优化控制。
3 仿真研究
考虑到很多机械手臂系统, 比如焊接机械手臂、搬运机械手臂等的工作方式主要是从一个工作点变化到另一个工作点, 例如点焊、码垛、卸码垛和将货物举起等, 并且要求机械手臂尽快而无超调地实现工作点之间的运动。因此, 本文将机械手臂的期望信号取为多阶梯信号, 利用2.2节的多模型预测控制方法对机械手臂进行仿真研究。首先针对2个离散的线性子模型设计局部预测控制器。在设计局部预测控制器1时, 预测时域取为60, 控制时域取为4。在设计局部预测控制器2时, 预测时域取为60, 控制时域取为8。局部预测控制器在相应子空间的控制效果如图3所示。
由图3可知, 局部预测控制器在相应的子区间内控制效果良好, 实际输出能跟踪期望值。
然后利用权重函数对局部控制器进行加权求和得到总控制器。本文采用软切换方式, 即利用权重函数对局部控制器进行切换, 可使机械手臂的输出比较平滑。局部控制器相对应的权重函数如图4所示, 相关参数通过多次试凑得到。
机械手臂在全局控制器下的闭环响应曲线如图5所示。机械手臂的工作点在整个工作空间内变化:0.1→0.3→1.92→2→1.9→1.78。当工作点从0.1变到0.3时, 局部控制器1对应的权重函数的值为1, 局部控制器2对应的权重函数的值为0, 局部控制器1为全局控制器。当工作点由0.3变到1.92时, 即工作方式发生变化时, 局部控制器1与局部控制器2加权得到全局控制器。当工作点由1.92往后变化时, 局部控制器2为全局控制器。当图中的工作点改变时, 局部控制器之间实现了软切换, 系统输出平滑, 上升时间短, 误差很小。这就达到了机械手臂工作点之间移位快、动作平稳、定位准确的控制目标。
为了与MMPC方法进行对比, 在相同期望信号下使用实际生产中普遍采用的常规PD控制器来控制机械手臂。PD控制器的参数为Kp=90.1, Kd=0.4。机械手臂在PD控制器下的闭环响应曲线如图6所示。从图6可以看出, 当设定值变化时, 机械手臂的输出振荡剧烈, 有严重的超调, 说明单一的PD控制器不能保证机械手臂在整个工作空间内有良好的控制性能。
常规PD控制方法与MMPC方法的控制性能比较见表2。从表2可知, MMPC方法的调节时间减少约63%, 定位误差降低约60%。说明该方法能使机械手臂更快、更准确地完成任务, 这对实际生产具有重要意义。例如焊接机械手臂、码垛机械手臂的响应速度加快, 实时性得到增强, 工作效率就会显著提高。同时它的定位误差减小, 可以提高产品质量, 产生巨大的经济效益。
4 结语
针对直流电动机驱动的单杆机械手臂系统, 采用多模型预测控制方法对其进行建模和控制。仿真结果表明, 多模型预测控制方法能有效实现对非线性机械手臂系统的控制, 采用梯形隶属度函数可以避免局部控制器切换时带来的扰动, 使系统输出平滑。该方法适用于焊接机械手臂、搬运机械手臂等工业领域中的机械手臂, 它提高了机械手臂的响应速度;定位误差的减小使机械手臂能应用到对定位精度要求较高的场合。同时, 该方法设计简单, 控制性能良好, 有较高的推广价值。
摘要：针对机械手臂的非线性特点, 提出了基于隶属度函数的多模型预测控制方法。该方法首先根据机械手臂的特点, 选择合适的调度变量, 将机械手臂的工作空间划分为若干个工作子空间, 在每个子空间内的平衡点处对机械手臂进行线性化处理, 得到相应的线性子模型, 从而得到机械手臂的多模型表示;其次针对每个线性子模型设计局部预测控制器, 使其在相应的子空间内达到控制要求;最后选择梯形隶属度函数与局部预测控制器进行加权求和, 获得全局多模型预测控制器, 以对机械手臂进行控制。仿真结果表明, 当机械手臂的工作条件在大范围内变化时, 全局多模型预测控制器的控制性能远优于常规PD控制器, 达到了预期的控制目的。
关键词：机械手臂,多模型预测控制,梯形隶属度函数
参考文献
[1]DWIVEDY S K, EBERHARD P.Dynamic analysis of flexible manipulators, a literature review[J].Mechanism and Machine Theory, 2006, 41 (7) :749-777.
[2]史先鹏, 刘士荣.机械臂轨迹跟踪控制研究进展[J].控制工程, 2011, 18 (1) :116-122.
[3]LI N, LI S Y, XI Y G.Multi-model predictive control based on the Takagi-Sugeno fuzzy models:a case study[J].Information Sciences, 2004, 165 (3/4) :247-263.
[4]NOVAK J, CHALUPA P, BOBAL V.Multiple model modeling and predictive control of the pHneutralization process[J].International Journal of Mathematical Models and Methods in Applied Sciences, 2011, 5 (7) :1170-1179.
[5]王世虎, 沈炯, 李益国.多模型控制方法及其研究进展[J].工业仪表与自动化装置, 2008 (1) :13-17.
[6]MOHAMED K, CHADLI M, CHAABANE M.Unknown inputs observer for a class of nonlinear uncertain systems:an LMI approach[J].International Journal of Automation and Computing, 2012, 9 (3) :331-336.
[7]TANAKA K, IKEDA T, WANG H O.Fuzzy regulators and fuzzy observers:relaxed stability conditions and LMI-based designs[J].IEEE Transactions on Fuzzy Systems, 1998, 6 (2) :250-265.
[8]董飞, 陈夕松.多模型预测控制的应用研究[D].南京:东南大学, 2008.
[9]潘天红.基于局部学习策略的非线性系统多模型建模与控制[D].上海:上海交通大学, 2007.
机械模型 篇2
关键词：工程机械；基于活动的物料清单；追溯模型；再制造
中图分类号：TP301.5文献标识码：A
进入21世纪以后，人口、资源、环境与社会经济发展的矛盾日益突出，以及为了建设资源节约型社会、环境友好型社会和发展循环经济，使得对再制造的需求更加迫切.工程机械具有再制造性强、再制造价值大等特点，使其成为再制造行业典型代表[1].同时，建立完善的信息追溯系统已成为大多数制造型企业处理安全事故，实现产品的可追溯以及快速处理缺陷产品等必不可少的工具[2].工程机械再制造产品由于其特殊的身份，导致人们对其使用性能以及产品质量尤其关注，这就迫切地要求工程机械再制造企业构建面向再制造生产过程的信息追溯系统.
美国生产与物流管理协会（APICS）从物流的角度将可追溯性定义为：“可追溯性有双重含义：一是指能够确定运输中货物的位置，二是通过批号或序列号记录和追踪零部件、过程和原材料[3-5].”随着可追溯性的发展，人们提出了许多针对制造过程的信息追溯方法.例如物料清单（BOM）[6]以及基于批号的物料清单（BOL）[7]等.然而，相对工程机械再制造企业而言，只能追溯组成产品的零部件和原材料的批次信息还远远不够.与原始制造企业（OEM）的制造过程相比，再制造过程具有不确定性强、生产工艺复杂等特点[8].再制造过程涉及的零部件种类繁多，根据拆解后零部件的使用价值可分为修复件、报废件、完好件，而不同的零部件其制造工艺也不同.对修复件而言，相同规格的零部件由于其损伤程度不同其修复工艺也不相同，使得每个零部件都拥有唯一的修复工艺及修复过程.由BOL的特性可知，通过BOL只能追溯构成产品的零部件或原材料的批次信息，不能定位每一个产品，因为利用BOL进行追溯是建立在每一批次零部件的属性信息以及加工过程相同的基础上.然而，在再制造过程中，同一批次的零部件其属性信息和工艺都不完全相同，这就使得追溯再制造产品的批次信息没有实际意义.目前，工程机械再制造行业在国内还处于起步阶段，再制造过程信息追溯方面还没有一套科学、合理的面向整个再制造过程的追溯方法和追溯模型.其追溯深度只停留在对个别具有典型代表的关键零部件的修复过程，覆盖面相对较小，追溯能力有限[1].国外西方发达国家的工程机械再制造行业起步较早，在信息追溯方法和技术方面发展较为成熟，其中具有典型代表的有美国卡特彼勒 [9].其在工程机械再制造过程信息追溯方面，主要利用修复过程卡和关键零部件BOM有效地记录各个零部件的修复过程与其对应的物料关系.但该方法不能将过程信息和其对应的物料关系进行有效地融合，造成“信息孤岛”现象，最终导致追溯流程复杂.因此，为了解决这一问题本文提出了适合工程机械再制造过程追溯的基于活动的物料清单（A-BOM）信息追溯方法，并在该方法的基础上构建工程机械再制造过程信息追溯模型.
1工程机械再制造过程信息追溯分析
工程机械再制造是指将拥有再制造价值的退役工程机械作为再制造企业的原材料，运用现代清洗工艺、先进的检测方法以及高科技的修复工艺，进行批量化和专业化再制造，所获得的工程机械产品在使用性能和质量安全方面可以达到新机的水平.具体再制造过程如图1所示.
工程机械再制造过程涉及的信息种类繁多、而且各信息的联系比较复杂.这使得对该部分信息的追溯相对困难.因此，通过对工程机械再制造过程的分析，将工程机械再制造过程信息分为3大类：再制造过程中的产品（物料）信息、产品所经历的工艺信息以及再制造阶段所产生的过程信息.通过对这3大类信息的追溯，从而实现对整个再制造过程的信息追溯.
1）产品信息是指工程机械再制造过程中涉及的产品或物料的属性信息.如果产品为某一退役机上拆下的零部件，其属性信息则注明该零部件的具体型号以及来自哪台退役整机等.通过对产品信息的追溯可以确定组成总成品各个零部件的具体信息，为后期再制造产品的保养和维护提供指导.
2）工艺信息是指工程机械再制造过程包含的所有工艺如零部件的修复工艺、检验工艺、组装工艺、调试工艺以及涂装工艺.工艺信息属于技术文件，主要用于指导生产.对该信息的追溯可以帮助再制造企业规范再制造过程，实时维护工艺信息，防止不良品的产生.
3）再制造过程信息是指再制造阶段各个再制造活动所产生的信息如修复过程的修复信息、检验过程的检验信息、装配过程的装配信息，调试过程的调试信息以及涂装过程的涂装信息.对再制造企业而言，通过对过程信息追溯可以帮助再制造企业快速地寻找事故原因，准确地定位事故责任，从而提高整个企业的质量管理水平.
以上3类信息不仅包含了再制造过程的产品信息和生产信息，而且还涵盖了生产所对应的工艺信息，从而满足了信息追溯在其深度及宽度上的要求.
2基于活动的物料清单提出
2.1追溯实体描述
在工程机械再制造过程信息追溯过程中不仅需要追溯再制造产品的属性信息还需要追溯再制造过程信息.因此，本文提出了“追溯实体”的概念，追溯实体（Traceable Entity，TE）指在工程机械再制造过程中能够为唯一标识、描述和追溯的实体.根据追溯实体类型不同将追溯实体分为产品、作业和活动，产品经过作业产生“活动”.其中，产品可以是再制造过程中的任意物料如原材料、零部件或最终产品，作业则是再制造过程中各个操作工艺或工序的总称.
可追溯实体（TE）作为一个追溯对象拥有一个具有唯一性的标识编码和自身的属性信息.采用巴科斯—诺尔范式[10]（BNF）对追溯过程中的产品、作业、活动等进行规范化描述.可追溯实体应用BNF表示如下：
PROD_TE：：=
OPER_TE：：=
其中PROD_TE代表产品实体，TE_ID代表该产品对应的标识编码，TE_ATTR代表该产品具有的属性信息集合，即产品信息.OPER_TE表示作业实体，TE_ID和TE_ATTR与产品实体的相似，其中作业实体的属性信息为工艺信息.当产品实体与作业实体相作用时便产生了活动实体ACTI_TE，具体表示如下：
ACTI_TE：：=
其中ACTI_TE代表活动实体，TE_ID1代表该活动对应产品的标识编码，TE_ID2代表该活动对应作业的标识编码，TE_ID3代表该活动后产生的产品的标识编码，TE_ATTR则代表该活动对应的属性信息，即再制造过程信息.该信息属于动态信息，它随着生产的开展进行不断地更新，如果该活动为机加工，则其属性信息包括操作员，开始时间、结束时间等.
在实际生产过程中每个产品所经历的活动都不止一个，有的产品可能会经过多个活动.因此对应每个产品就会产生一个活动集，该活动集包含了此产品在整个生产过程中所经历的活动，记为：
ACTI_SET：：=
其中TE_ID代表该产品对应的标识编码，ACTI_TEi是该产品对应的活动实体，而且每个活动的顺序是随着生产的进行从左至右依次展开.
2.2基于活动的物料清单
BOM描述了企业产品构成物料的结构关系，即通过BOM可以确定组成产品的所有物料，以及这些物料所在的物料层次，但不能确定物料的具体信息以及物料所对应生产过程信息.因此，为了满足工程机械再制造过程信息追溯的需求，将产品所对应的“活动”引入BOM中，生成基于活动的物料清单（ABOM），如图2所示.
其中acti_seti代表该物料对应的活动集，如：acti_set3表示零件E的活动集，通过该活动集可以追溯零件E的属性信息以及再生产过程中其涉及的所有活动.因此，由图2可知，A-BOM不仅描述了构成产品A的所有中间件以及构成所有中间件的零件，同时还描述了产品A以及构成产品A所有零部件的活动集.这在一定程度上弥补了BOL以及BOM存在的缺陷，使追溯的宽度和深度得到了不同程度的提高.
3工程机械再制造过程信息追溯模型构建
3.1工程机械再制造过程信息模型
信息模型是指从信息的角度对过程进行描述，其目标是用面向对象的方法刻划企业数据和过程信息[11].在工程机械再制造过程中，对整个再制造过程的信息追溯是通过产品信息、工艺信息以及过程信息展开的.因此通过对该3大类信息进行建模，最终实现对整个再制造过程的信息追溯.实际再制造过程中涉及的产品信息、工艺信息以及过程信息的种类相对较多，因此针对该3类信息，分别构建一组通用的信息模型.
1）产品信息模型
再制造过程中涉及的产品主要有：具有修复价值的修复件；可以直接用于装配的完好件；采购件；由零件装配而成的部件；由部件及零件装配而成的整机.各个产品对应的信息模型如下：修复件（零件编码、零部件名称、零部件规格、拆解整机的品牌、型号、用于装配整机的型号），完好件（零件编码、零部件名称、零部件规格、拆解整机的品牌、型号、用于装配整机的型号），采购件（零件编码、零部件名称、型号、供应商名称、采购日期、用于装配的整机型号），部件（部件编码、部件名称、型号、用于装配整机型号），整机（整机编号、整机名称、型号）.
2）工艺信息模型
再制造阶段主要涉及的工艺有：零部件的修复工艺、检验工艺、组装工艺、调试工艺以及涂装工艺.由于工艺信息属于技术文件，其表达相对统一而且比较规范.因此用一组模型表达所有工艺，具体如下：工艺编码、工序、技术要求、图纸编号以及使用设备等.
3）过程信息模型
再制造阶段的过程信息与工艺相对应主要有：修复过程、检验过程、装配过程、调试过程以及涂装过程.过程信息是由工艺指导的生产活动产生的，所以过程信息的模型与工艺信息相对应.主要有：工艺对应工序的操作者、操作开始时间、结束时间、操作结果.其中“操作结果”视具体情况而定.如该过程为检验过程，则“操作结果”为检验结果数据；如该过程为调试过程，则“操作结果”为调试结果数据等.
3.2工程机械再制造过程信息追溯模型
工程机械在制造过程中的A-BOM图不仅描述了工程机械的物料组成关系，同时还反映了各个物料所经历的活动.因此，以A-BOM上的活动集为主线，利用活动确定物料的再制造过程信息以及活动对应的产品和作业.这些信息对应的追溯实体分别为活动TE、产品TE以及作业TE.在再制造过程中为了实现可追溯性，每个产品或物料都拥有一个唯一标识编码，每一个编码对应于一个活动集，将活动集上的活动连接，形成了活动链.所有产品或物料的活动链的集合，构成活动网络.该活动网络即是工程机械再制造过程信息追溯模型，如图3所示.通过该模型可以追溯所有再制造过程涉及的产品或物料属性信息，产品或物料所经历的工艺信息以及再制造过程的加工信息或检测信息.
在模型中每条活动链代表产品或物料经历的加工过程，活动链的每个活动节点由产品和作业共同作用产生.通过活动链可以确定产品所经历的活动，即产品的加工过程，其中活动属性记录该活动对应的加工信息，如加工时间、操作人员、加工结果等.网
络上的交点表示通过该活动产品或物料的结构发生变化，即通过该活动产生了新的产品或物料.以组装为例，各个零部件通过组装活动装配成一台整机，这种物料变化通过该活动的ID反映出来.在该模型中根据追溯的方向不同可以将追溯分为向后追溯（Backward Traceability）和向前追溯（Forward Traceability）[12].向后追溯强调是生产过程的跟踪，即通过原材料的序列号确定该原材料加工的零部件以及该零部件的去处.向前追溯则强调溯源，即利用最终产品的序列号追溯其构成的零件以及构成零件的原材料信息.
在工程机械再制造过程中当某个产品发现问题时，利用该产品的ID可以快速地确定产品属性信息.如：修复件来自拆解退役机的型号等，再利用该产品的活动链准确地定位再制造活动.其中活动中包含活动属性信息，即加工过程信息，如操作者、使用设备等，有利于实现再制造过程中的信息追溯，最终提高工程机械再制造企业的质量管理和生产管理水平.
4结束语
基于BOM和BOL方法，分析两者在追溯方面存在的不足，结合工程机械再制造的特点，提出了基于活动的物料清单（A-BOM）的信息追溯方法.通过对工程机械再制造过程的分析，构建了工程机械再制造过程信息追溯模型.该模型已经应用于武汉千里马工程机械有限公司的MES系统的信息追溯模块中，并取得了良好的应用效果.该模型可作为一种通用追溯模型，不仅适合工程机械再制造行业，而且还适合汽车的再制造行业.
参考文献
[1]张培红，刘辉.我国工程机械再制造行业的现状及出路探讨[J].建设机械技术与管理，2012（10）：113-114.
ZHANG Peihong， LIU Hui. Have a discussion on the status quo and the escape hatch of the China's construction machinery remanufacturing industry[J]. Construction Machinery Technology & Management，2012（10）： 113-114.（In Chinese）
[2]章兢，张小刚，王耀南，等. 一种基于C/S结构的工业生产过程实时监视与信息管理系统[J].湖南大学学报：自然科学版，2000，27（3）：57-62.
ZHANG Jing， ZHANG Xiaogang， WANG Yaonan， et al. A realtime supervision and management system for industrial production process based on C/S strucure[J]. Journal of Hunan University： Natural Sciences，2000，27（3）：57-62. （In Chinese）
[3]BJARNE Bergguist .Traceability in iron ore processing and transports[J]. Minerals Engineering，2012（30）：44-45.
[4]TECHANE Bosona， GIRMA Gebresenbet. Food traceability as an integral part of logistics management in food and agricultural supply chain[J]. Food Control， 2013，33（1）：32-48.
[5]JANSENVULLERS M H， DORP C Avan， BEULENS A J M. Managing traceability information in manufacture[J].International Journal of Information Management，2003，23（5）：395-413.
[6]周宕，贺鸣.面向多品种、小批量生产基于质量物料清单的质量追溯技术[J].工业工程与管理，2013，18（6）：84-90.
ZHOU Dang，HE Ming.Quality traceability technology based in multispecification & smallbatch production[J].Industrial Engineering and Management，2013，18（6）：84-90. （In Chinese）
[7] 邹宗峰，孙雪华.基于物联网技术的汽车零部件追溯信息系统研究[J].自动化技术与应用，2013，32（4）：51-57.
ZOU Zhongfeng，SUN Xuehua. Research on tracing information system of auto parts based on lot[J]. Techniques of Automation and Applications， 2013，33（4）：51-57. （In Chinese）
[8] 叶元忠.大型物流企业工程机械再制造探析[J].铜业工程，2011（4）：59-61.
YE Yuanzhong. Analysis on engineering machinery remanufacturing in large logistics companyies[J]. Copper Engineering， 2011（4）：59-61. （In Chinese）
[9]梁德虎.卡特彼勒生产管理系统及应用策略研究[D].天津：天津大学管理学院，2009.
LIANG Dehu.Caterpillar production system and deployment strategy study[D].Tianjin： School of Management，Tianjin University， 2009. （In Chinese）
[10]刘晓冰，催发婧，薄洪光，等.钢铁企业在制品成本追溯模型研究[J].计算机应用研究，2011，28（4）：1392-1395.
LIU Xiaobing，CUN Fajing，BO Hongguang， et al. Research on traceability cost model of work in process for steel enterprise [J]. Application Research of Computers， 2011， 28（4） ： 1392 -1395. （In Chinese）
[11]刘子健，韩瑞静，李丽，等. 多层多体信息模型结构设计与实现技术研究[J]. 湖南大学学报：自然科学版，2009，36（9）：31-36.
LIU Zijian， HAN Ruijing， LI Li， et al. Design of layered multibody information model and its implementation technology[J]. Journal of Hunan University： Natural Sciences，2009，36（9）：31-36. （In Chinese）
三维机械虚拟模型库的研究 篇3
关键词：三维模型库,虚拟现实,Web,X3D
1. 引言
工程制图学是工科类院校一门重要的专业基础课程,但该门课学习起来比较抽象、难度大,并且工程制图学中的机械零部件结构复杂,给学生的学习造成了很大的困难。现今高校使用的多媒体教学,多采用三维动画的方式来表达机械模型的内部结构关系,该种方式只是简单的动画播放,动画文件大,不利于在网络中上传和下载,不能建立起用户和模型之间的交互操作,从而不能达到学生对机械零件的深刻理解。因此建立一个基于网络的、可实施用户和模型之间实时交互功能的三维模型库意义重大。
现代的网络已经步入Web2.0时代,互联网从Web1.0发展至今已成为一个更加开放、交互性更强、由用户决定内容并参与共同建设的可读写网络阶段。虚拟现实技术作为计算机的核心语言已被广泛应用于社会的各个领域,从最初的VRML1.0、VRML2.0和VRML97发展到第二代三维立体网络程序设计语言(X3D),虚拟现实技术已成为21世纪计算机的最前沿技术。计算机网络和虚拟现实技术的飞速发展为建立基于网络的三维机械虚拟模型库提供了强大的技术支持。
2. 三维模型库系统的总体设计思路
三维机械虚拟模型库是以网络技术为平台,模型库开发涉及到三维建模技术、网络技术、数据库技术及虚拟现实技术四大方面。模型库以《工程制图》中的机械零件为原型,首先使用三维建模软件进行三维模型的创建,确定模型所包含的信息和数据结构;其次进行模型管理、设计关系型数据库;然后通过网页制作软件及ASP技术制作动态可交互的三维模型网站;最后利用虚拟现实建模语言实现用户对三维模型的在线交互操作。本系统结构采用网络浏览器-服务器(B/S)体系结构,包含了客户端部分和服务器端部分,系统结构如图1所示。客户端部分是指用户使用Web浏览器查看三维模型,由于模型是基于虚拟现实的,在客户端用户需下载安装虚拟现实浏览器(BS Contact);服务器端部分是通过TCP/IP协议与客户端相连,它包括Web服务器和数据库服务器,通过它可以完成客户端和服务器端的信息交流,还可以完成客户端与数据库服务器端的数据通信。
3. 采用的关键技术
3.1 三维建模技术
模型是设计的基础,三维模型有三种基本构建方法。一种是用记事本或VRMLPAD/X3DEidt(VRML/X3D编辑器)直接进行虚拟现实文件的书写。这种方法建模只适合构建简单的模型,对于复杂的模型,建模效率非常低,不适用于大型机械零件建模。第二种是3ds MAX/MAYA,这是一类集成建模、动画和渲染于一体的三维动画制作软件,主要应用与制作室外景效果图、建筑漫游动画、电影游戏和3D游戏等领域。最后一种是利用三维构型软件Pro/E、Solidworks、UG等直接构建三维实体模型。POR/E是专业的机械零件建模软件,操作简单,构型能力强,高效省时。论文采用Pro/E建模,Pro/E具有拉伸、旋转、扫描等特征,绘制二维草图后,可直接使用这些特征建立机械零件。零件绘制完成可以直接保存为*.wrl格式,转化为vrml文件后,Vrml浏览器BS Contact将默认新导入的Pro/E模型颜色为白色。为了增强模型表现力,需用3DMAX对其进行渲染,再利用Vrml Pad/X3DEdit中的Background节点的sky Color域设置场景的背景颜色,场景背景颜色设置如下:
3.2 数据库技术
3.2.1 二维关系表设计
三维模型数据库的设计是系统设计的关键。数据库设计的主流产品有My SQL、Access、SQL Server,本系统采用SQL Server 2000进行数据库设计。SQL Server 2000支持C/S架构和B/S架构、Transact-SQL语言及视图索引等。数据库的设计重点在于二维表的设计,根据模型的数据信息,每个零件应包含以下信息:零件三视图、零件立体图、零件图地址、零件材料、国标代码字段名称等。为了便于查询和灵活检索,应制作存储零件信息的表,零件图库索引表和用户表,其中用户表应包括:用户ID、用户名、密码、真实姓名、电子邮件等字段名称。
3.2.2 数据的访问设计
ADO是较通用的数据访问基础部件,它支持COM组件,ADO是基于数据存储的标准;ADO是OLEBD数据接口为访问多种数据库类型而设计的,是一种可扩展的程序模型,使用它可以建立起和SQL Server完美的连接。
3.3 网页制作技术
HTML是一种网站建设语言,使用HTML可建立静态网页。这种网页不包含任何服务器端脚本,要建立具有交互功能的动态网页可以使用ASP服务器应用程序开发技术,它可以将HTML语言、脚本语言和Active控件组合在一起,产生动态、交互且高效率的基于Web的应用程序。HTML语言在记事本中就可以编辑静态网页,所有网页上的元素均需使用程序设计,操作性差。Dreamweaver是专业的网页设计软件,具备方便实用、可视化操作特点,其界面分为代码区和设计区,可随时查看页面设计的效果和代码编写进度。论文网页使用Dreamweaver+ASP来制作动态交互三维模型库网页。三维机械模型库网页分为用户登陆模块、二维视图模块、三维视图模块、上传下载模块四大部分。
3.4 VRML/X3D技术
X3D(Extensible 3D)是互联网3D图形国际通用软件表准,定义了如何在多媒体中整合基于网络传播的动态交互三维立体效果。在网络上创建逼真的立体场景,发开与设计三维立体网站和网页程序,可以通过运行X3D程序直接进入Internet,从而改变目前网络与用户交互的三维平面局限性,使用户在网络立体场景中实现动态交互感知和交流,体验身临其境的感觉。节点是X3D文件中的基础,X3D通过大量的节点来实现2D、3D图形、动画和影视的制作。X3D使用Shape节点来直接制作三维模型,也可导入由三维软件制作的模型,导入X3D后的三维模型通过BS Contact浏览器直接查看,可实现旋转、平移,放大及缩小全方位地观看。
4. 结束语
论文通过计算机网络技术和虚拟现实技术实现了三维虚拟模型库的建立,学生通过使用模型库,增加了学习《工程制图》课程的兴趣。通过查看模型详细了解模型的内部结构,提高了学生对模型的空间想象能力。本模型库的建立方法亦可用于工科类其它课程中,如建筑学中的模型建造等,建库技术可随着计算机软件的发展不断更新提高。
参考文献
[1]张金钊等.三维立体网页立体设计[M].北京:中国水利水电出版社,2009.
[2]陈益才,李睦芳.DreamweaverCS+ASP[M].北京:机械工业出版社,2008.
[3]王启美,王玲.工程制图多媒体网络教学系统若干问题的探讨[J].工程图学学报,2005(3):179—183.
机械模型 篇4
关键词：机械工程；车辆机械故障；事故严重性；Logistic模型
中图分类号：F306文献标志码：A文章编号：1672-1098（2016）01-0025-05
Abstract：Vehicle is an important factor leading to the occurrence of traffic accidents， especially the accidents caused by vehicle mechanical failure are more serious. In order to quantify the relationship between mechanical failure of vehicle and the severity of traffic accidents， the mechanical failures are divided into 4 categories from the angle of traffic accidents causation， The logistic theory was applied to construct the model with the accident severity as the dependent variable， and the 4 categories of causation as the independent variables. The relevant proved that the model is correct and effective. The results showed that the regression coefficient of braking failure is 1.354， and the regression coefficients of the steering failure， the loss of power and other failures respectively are -0.853， -2.387 and -4.118. It shows that there is a large probability of serious accidents of braking failure， and the other 3 categories of mechanical failures are relatively small.
Key words：mechanical engineering； vehicle mechanical Failures； accident severity； logistic model
交通事故作为车辆与交通发展的伴随产物，已严重影响社会经济平稳发展，并对人民生命财产造成重大损失。交通事故发生的诱因较多，主要因素为人、车、路、环境，且各因素又涉及较多子因素。如驾驶员在道路交通安全中扮演着非常重要的角色，驾驶员的性格、个人素质、行为及技能等都会对安全行车有所影响[1]。另外驾驶人遵守法律的情况与交通安全关系密切，特别是饮酒、吸毒、闯红灯、超载，超速以及违章超车等违法行为是重大交通事故的重要原因。行人在交通安全中的作用也不容小觑，与驾驶员，驾乘人员不同的是，行人既没有驾驶室，亦没有座舱，外界环境直接干扰行人的判断与行动，是道路交通中的弱者。行人行为受到心理作用影响较大，当其它条件不变时，道路照明条件不良时，行人发生交通事故的几率会较低，这是因为行人在心理上已经产生了一种警戒心理[2]。另研究车辆设备ABS、ESP、安全带、安全气囊、吸能转向柱等对交通事故严重程度的影响，均是从车辆角度来提高道路行车安全[3-5]；环境角度，文献[6]的研究发现，交通事故数随着降雪量的增加而大幅增加。文献[7]的研究发现，降雪天气对非致命事故与财产损失的影响要远高于对致命事故的影响。文献[8]提出事故严重程度及财产损失与总降雪量以及日降雪量有着明显的正相关关系。文献[9]研究发现降雨量与交通事故数有着直接的正相关关系，但是还得出了中雨与大雨对于交通事故的影响作用相近的结论。文献[10]研究提出降雨结束时道路交通碰撞风险会立刻降到正常水平。
经过多年的研究，国内外学者认为人是交通事故发生的最主要原因，因为随着车辆技术的发展、道路环境设计优化、道路管理措施的规范科学，车辆和道路环境因素趋于稳定，尤其是车辆因素，目前其机械性能已基本完备，而主动安全技术和被动安全技术又应用于车辆设计和使用的全部环节，所以对其的安全保障的研究目前已重点转移至电子设备性能方面，即开发智能车辆驾驶和人机互动的协调性，研究的导向是从车辆角度来提升驾驶人对环境的适应性和减小其对驾驶能力的需求性，所以，对车辆本身造成的事故或安全威胁研究已趋于淡化。但根据相关交通事故统计，因车辆直接原因导致的交通事故为5%左右，且其中80%与车辆机械故障有直接关系，而此类事故往往严重程度较大，群死群伤事故易发。
本文在对因车辆机械故障导致的事故原因进行总结分析后，应用logistic理论构建事故严重性度量模型，对事故致因与事故严重性进行关联度分析。
1车辆机械故障交通事故致因分析
11制动失效
制动性能是车辆在道路安全行车的基本性能，其目的是按照驾驶人的意愿在一定距离内停车并保持方向稳定性或者是在下坡能维持一定车速，主要由以下构件协调工作实现：（1）供能装置包括供给、调节制动所需能量以及改善传能介质状态的各种部件；（2）控制装置包括产生制动动作和控制制动效果的各种部件，如制动踏板；（3）传动装置包括将制动能量传输到制动器的各个部件及管路，如制动主缸、轮缸及连接管路；（4）制动器是产生阻碍车辆运动或运动趋势的力的部件。上述任何一个部件的失效均会导致车辆制动能力下降或者无法制动，从而导致交通事故。且在实际道路行车中，车辆制动失效导致的事故往往较为恶劣，易发死伤，且车辆毁坏程度严重。
12转向失效
转向性能是汽车操稳性的一部分，是按照驾驶员的意愿控制汽车改变或保持行驶或倒退方向，对汽车的行驶安全至关重要。汽车转向系统一般由转向器和转向传动机构组成。转向器由转向盘、转向轴、转向蜗杆、齿扇等主要机件组成，其主要功用是将转向力传递到转向传动机构。转向传动机构包括转向摇臂、转向纵拉杆、转向节臂、左右转向梯形臂和转向横拉杆等机件，其功用是将转向啮合机构传来的力传递到前轮实现转向。上述机构和零部件在行车过程中长时高强度使用，且受力角度和载荷变化快，易损耗发生断裂或故障导致交通事故，也是导致车辆机械故障事故的主要诱因。
13失去动力
车辆在道路上能正常行驶，主要依靠发动机输出的动力，并经过传动系传至驱动轮。传动系具有减速、变速、倒车、中断动力、轮间差速和轴间差速等功能，与发动机配合工作，能保证汽车在各种工况条件下的正常行驶，它由离合器、变速器、万向传动装置和驱动桥组成，结构复杂。所以车辆在道路上行车时，如果失去动力，可能与发动机故障有关，或传动系某组成机构发生故障。此时车辆转向系和制动系正常工作，车辆本身一般不会主动与其他设施或车辆发生碰撞，但易被其他车辆追尾或侧撞，发生伤亡事故。
14其它故障
车辆本身结构复杂，含有5大总成及各类零部件，任何零部件结构损坏或功能故障，均可能导致车辆无法正常操控而发生交通事故。如风扇皮带松弛、制动踏板间隙增大等。本身或许不会直接发生事故，但存在安全隐患，当结合其他行车风险时，如超速、超载、颠簸等，极易引发事故。
2模型构建
21变量选取
Logistic模型是针对一般回归模型不能解释事情发生与否，进行log转换后，获得事情发生概率的一种多因素分析方法，对分类变量具有很好的解释和赋值功能。构建车辆机械故障与交通事故严重程度模型，首先需要将事故严重程度该因变量yi按照logistic思路进行分类和赋值。
根据《中华人民共和国道路交通安全法》规定，道路交通事故根据严重程度可划分为轻微事故、一般事故、重大事故和特大事故，主要依据为死伤人数，其中轻微事故和一般事故中均无人员死亡，而重特大事故有人员死亡或者重伤人数较多。根据此分类，结合前人事故严重性文献，本文将事故严重性化为两类， 一类是无人员死亡， 仅有受伤或经济损失类事故，定义为非严重性事故，记为yi=0；另一类为有人员死亡事故（中国死亡统计时间为事故发生后的7天内），定义为严重性事故，记为yi=1，其中i表示第i起因车辆机械故障导致的交通事故。
设上述4个事故致因作用于事故严重程度yi，记为自变量x1，x2，x3，x4，根据Logistic模型原理，发生严重性事故的概率为
p=p（yi=1|x1，x2，x3，x4），0≤p≤1
则发生与不发生的概率比记为优势O.R.=p1-p
对其取对数ln（O.R.），记为log（p1-p），可设为因变量与x1，x2，x3，x4构建回归方程
log（p1-p）=β0+β1x1+β2x2+β3x3+β4x4
式中：β0为常数项；β1，β2，β3，β4为上述四致因的回归系数。
由上式可迭代得严重性事故发生的概率
p=exp（β0+β1x1+β2x2+…+βmxm）1+exp（β0+β1x1+β2x2+…+βmxm）（1）
则非严重性事故发生的概率为
1-p=11+exp（β0+β1x1+β2x2+β3x3+β4x4） （2）
22模型自变量赋值
由于上述4因素均无直接数据，属于分类变量，需进行划分及赋值， 具体如表1所示。
表1影响因素赋值及含义
影响因素变量名赋值及含义 制动失效x1划分为：是、否，分别取值1、0 转向失效x2划分为：是、否，分别取值1、0 失去动力x3划分为：是、否，分别取值1、0 其它故障x4划分为：是、否，分别取值1、0 3模型计算及检验
“选取某地因车辆机械故障所致事故363起，在事故记录中明确有制动失效、转向失效、失去动力或其它物理故障的事故共计148起，导致人员死亡92人，受伤218人”
将上述148起事故按照模型构建进行分类和赋值，造成人员死亡的严重事故共计126起，未导致人员死亡的非严重事故共计22起。
使用Spss180进行二项Logistic回归及参数计算，具体采用正向逐步法（条件），选取显著水平α=005。首先对模型自变量用Score检验，选择能够满足建模要求的变量，检验结果如表2所示。
4模型结果及分析
根据模型计算及检验结果，模型有效。由公式（1）可得，发生严重性事故的概率为
p（yi=1|x）=exp（1668+1354x1-0853x2-2387x3-4118x4）1+exp（1668+1354x1-0853x2-2387x3-4118x4）（3）
式中：x1制动失效，x2为转向失效，x3为失去动力，x4为其它故障。
根据表3及公式（3），制动失效的回归系数为1354， 说明制动失效发生严重性事故的概率较大， 其发生比3873， 即制动失效导致的严重性事故概率比不是制动失效导致的要高3873倍；转向失效、失去动力和其它故障的回归系数分别是-0853、-2387和-4118，均为负数，且各自发生比分别为0426、0092和0016，均小于1，说明上述三类机械故障导致严重性事故概率相对较小。
上述4类故障，只有制动失效导致严重性事故的概率较大，而其他3类相较较低，与在实际驾车过程中，由于制动失效后，车辆失去制动能力，只能靠碰撞或者其它非正常操控车辆的方法迫使车辆停止，且制动失效瞬间，驾驶人均较为紧张，所以易导致事故且事故发生时能量较大，造成严重的伤亡性事故；而转向失效时，驾驶人瞬间可采取制动对车辆进行操控，但易发追尾，或来不及制动车辆已驶出路外，但从能量转移角度，可控程度较制动失效大，所以严重性事故发生概率略低，但比失去动力和其它故障导致严重性事故的概率大；车辆失去动力，如果在低速时，则驾驶人会迅速停车点火，而高速时，车辆由于惯性会继续往前行驶，驾驶人会采取制动至停车，再发动车辆，所以，该机械故障发生时，以被追尾事故较多，发生严重性死伤事故的概率较小；其它故障，一般以零部件松动或损耗为主，如导致其他主要系统如制动、转向失效，则发生事故致因归结为制动失效和转向失效，则其它故障导致的事故一般以轻微或非严重性事故为主。
5结论
论文在分析车辆机械故障交通事故致因的基础上，应用Logistic理论对其导致的事故严重程度进行分类和构建模型，经相关检验，模型有效性较强，并分析相关参数对事故严重性的影响，具体结论如下。
1） 本文构建了基于4个自变量的Logistic模型，经似然比卡方值检验，模型拟合优度较好。而检验表明模型拟合劣度较低，暗示模型缺陷较小。综上，所构建模型具有较强的有效性和适用性，可以满足相关需求。
2） 制动失效的回归系数为1354，转向失效、失去动力和其它故障的回归系数分别是-0853、-2387和-4118，说明制动失效发生严重性事故的概率较大，而另3类机械故障导致严重性事故概率相对较小。
参考文献：
[1]肖敏敏，苗聪.道路交通安全工程[M].北京：中国建筑工业出版社，2012：112 -125.
[2]ZHANG G， YAU K K W， ZHANG X.Analyzing fault and severity in pedestrian-motor vehicle accidents in China[J]. Accident Analysis & Prevention， 2014， 73（73）：141-150.
[3]脱晨. 汽车被动安全系统评价模式研究[D]. 沈阳航空航天大学， 2013
[4]乔维高. 车辆被动安全性研究现状及发展[J]. 农业机械学报， 2005， 36（09）：144-146.
[5]黄合来， 胡水燕. 道路车辆碰撞协调性研究综述[J]. 北京工业大学学报， 2014， 40（10）：1 524-1 533.
[6]ANDREESCU M P， FROST D B.Weather and traffic accidents in Montreal， Canada[J]. Climate Research， 1998， 9：225-230.
[7]DANIEL E， WARNER K E. Effects of snowfalls on motor vehicle collisions， injuries， and fatalities.[J].American Journal of Public Health，2005，95（1）：120-124.
[8]EL-BASYOUNY K， KWON D W.Assessing Time and Weather Effects on Collision Frequency by Severity in Edmonton Using Multivariate Safety Performance Functions[C]// Transportation Research Board 91st Annual Meeting.2012.
[9]HAGHIGHI-TALAB D.An investigation into the relationship between rainfall and road accident frequencies in two cities[J]. Accident Analysis & Prevention， 1973， 5（4）：343-349.
[10]ANDREY J， YAGAR S.A temporal analysis of rain-related crash risk.[J]. Accident Analysis & Prevention， 1993， 25（4）：465-472.
[11]斯科特·梅纳德著，李俊秀译.应用logistic回归分析[M].上海：上海人民出版社，2012：8-100.
（责任编辑：李丽，范君）第1期沙莎，等：Hamilton圈问题的分子信标检测模型安徽理工大学学报（自然科学版）第36卷第36卷第1期安徽理工大学学报（自然科学版）Vol.36No.1
科学发展农业机械化的模型体系 篇5
关键词：农业机械化,定量分析,模型体系,劳动力
0 引言
科学发展观作为一个普遍适用的指导思想,其基本要求就是任何一个组织或系统在一定时期内都应有一个全局的、协调的、可持续的观念体系、行动准则、总体目标及其变动与实现所需资源的获得和配置的战略,其中总体目标是核心[1]。战略规划是制订可靠总体目标的基础,而制订战略规划的技术关键在于模型体系的设计,即将能够描述发展问题某一侧面结构、行为、功能的数学模型有机地组合起来[2]。农业机械化发展作为一个复杂的系统,应以农村经济与农业生产发展及其结构调整为基础,以农村劳动力转移为桥梁,通过模型体系来分析农业机械化内涵因子与外部因素等变量之间的关系。
1 科学发展农业机械化模式的求解
1.1 科学发展农业机械化的基本问题
随着经济的发展、农村产业结构的调整和农业生产规模的提高,农村劳动资源的利用分配和农业机械化在不断地变化发展,使农业机械化的内涵因子与劳动力、技术、资金、能源和土地等外延要素的组合达到最佳状态,是科学发展农业机械化的根本目的[3,4]。要实现因素间的科学配置,就会涉及到不同侧面的许多问题。综合起来,科学发展农业机械化的主要问题有以下几个方面:
第一,定义农业机械化的内涵因子及其系统结构,认识农业机械化在社会经济系统中的作用及其发展的基本特征[3,4];第二,分析预测农村经济与农业生产发展及其结构调整、劳动力的供给与分配转移,揭示它们之间的内在规律性[4,5,6];第三,以劳动力分配转移规律为基础,探求促进和控制劳动力转移机制,分析预测农业机械化的发展方向、进程状态、结构分布、水平与程度[3,4,7,8];第四,把农业机械化、农业生产过程、作物布局、耕制选择、生物与机电技术、集约化程度和自然条件等统一起来,优化农业机械化,使农业机械的动力与机具结构趋于科学合理[3,9,10];第五,评价农业机械化及其发展过程,确定实施方案、措施与对策[11,12,13]。
1.2 科学发展农业机械化模式的求解
科学发展社会经济系统的模式是指系统在所处环境条件下,以最优的状态组织配置系统内部因素,协调匹配系统外部要素,构成具有层次序列和经济输出的系统[14]。而模式的求解是指在系统与环境的可能组合空间中,不断收缩自由度的过程,以使系统内部具有自组织和自适应的发展特性[15]。农业机械化作为社会经济系统的一个组成部分,模式的含义与求解也适用。
科学发展农业机械化的模式(∏)的求解可分为3个层次来收缩自由度:一是在农村社会活动因素的可能集(Z2)中进行概念开发和结构功能分析,揭示影响、制约农业机械化发展的环境条件及其空间分布规律,即农业机械化与稳定因子—自然和农业生产条件之间的关系[4,5,6];二是以农村经济技术活动因素的可行集(Z1)为基础,分析农业机械化系统的转换功能,确定内外关系的调节机构,揭示农业机械化自身的发展规律,即农业机械化与易变因子—社会经济之间的关系[4,7,8];三是通过量化方法,优化组合农业机械化系统内涵与外延因素—生产经济结构、劳动力分配、生产经营规模、农机化水平与程度、动力机具配备以及农机的经营形式、技术人才、资金能源等,以构成因素优化集(Z),建立起农业机械化系统自组织与自适应的调节机制[3,9,10,15],即有
式中 T0,T—分析目标起始终止年份;
X—农村经济结构进程向是量;
G—进程效益系数;
∧—农村经济技术活动算子;
∧′—农业机械化活动算子;
E—农业机械化系统的因素集。
2 分析科学发展农业机械化的问题结构
根据农业机械化的系统结构[3,4,5,10]、指标体系[11,12,13]和发展研究的基本问题,结合因素间的作用关系和发展模式的求解过程,确定分析农业机械化发展问题的结构图,如图1所示。其中,通过对农机项目结构、农机经营形式与自然资源分布的分析,建立农业机械化与自然资源和农业生产条件之间的关系;通过对经济生产、资源配置和农业生产经营规模的分析,建立农业机械化与农业生产经济之间的关系;通过对劳动力分配、农机化程度与水平、机具与动力配备以及农机技术人才的分析,优化组合农机化内涵与外延因素。
3 定量分析农业机械化发展的模型体系
3.1 模型体系构造的基本思想
为实现科学发展农业机械化做出合乎规律的数量指导,实现系统因素的合理组合、恰当配置和充分利用,是一个复杂的系统工程,需要建立能反映农业机械化系统不同行为功能的数学模型,以解决科学发展农业机械化不同侧面的问题。
模型体系构造的基本思想是:
第一,从概念出发,对农业机械化项目和经营形式进行分类,建立农机项目和经营形式排序模型,认识项目发展次序和经营形式的组合,为量化研究指明方向;
第二,深入分析指标要素的变化趋势,采用时序外推、因果分析、比例概算、目标分解、专家经验和灰色理论等方法,确定农业机械化系统主要因素的变化规律、相关关系和发展值,形成因素指标的可达区间,以引导综合数学模型的调试和方案的选择,或者直接预置某些目标值;
第三,建立劳动力预测模型,为劳动力的合理分配提供劳动力增长及年龄与素质结构;
第四,分析生产过程、作物布局、耕作制度与生物技术,以资源高增值、生态良性循环和农工贸一体的经营思想为引导,建立农业生产经营规模解析模型,寻求以农田作业为主的优化高效生产组合体;
第五,采用优化、控制与仿真等技术建立农村产业结构与劳动力分配递阶优化和农业生产系统动力学模型,来分析农村产业结构和生产结构,有机地组合生产要素,合理分配劳动力,以认识农村经济结构调整的方向和劳动力转移的可能性、转移的方向以及转移的规律;
第六,在优化参数的基础上,建立农业机械化动态仿真模型,认识劳动力转移的控制机构和与之相适应的农业机械化水平、规模结构、促进农业机械化发展的机制以及其对农业经济结构调整的作用程度和效率;
第七,将农业机械化程度、机电工程、农艺、生产规模和作业质量等统一起来,建立农忙季节动力机具优化模型和农业机械动力装备计量模型,以反映动力结构和机具性能配备要求;
第八,从平衡关系出发,建立农机能源供需与经营形式结构分析预测模型,以协调农机能源供需与经营形式的有效组合。
3.2 模型体系的逻辑结构
以系统控制和系统动力学理论为指导,采用递阶层次协调法和信息反馈控制法[15,16,17],运用状态控制、综合评审、灰色决策、时序预测、运筹优化、系统动力学和经济计量等数学模型技术[9,15,18,19],构造出由具有不同功能和研究不同问题的定量分析模型组成的模型体系,其逻辑结构关系如图2所示。模型体系可划分为3个块,即控制块、优化块和计量块。控制块包括因素分析预测模型、劳动力预测模型、农机项目发展排序模型和农机经营形式排序模型;优化块包括农村产业结构与劳动力分配优化递阶模型、农业生产系统动力学模型和农业生产经营规模解析模型;计量块包括农业机械化动态仿真模型、农忙季节动力机具优化模型、农业机械动力装备计量模型、农机能耗和经营形式结构分析预测模型。
4 科学发展农业机械化的过程规律
经济发展与产业结构调整过程的伴随产物使技术不断进步,劳动生产率不断提高;反过来,只有劳动生产率的不断提高和技术不断进步,才能保证经济发展和产业结构调整具有强大后劲[4,5,6,10]。农业机械化作为技术进步和劳动生产率提高的集中反映[5,10],其发展的一般性规律具有以下几个方面:
第一,农业机械化的发展取决于农业劳动力的转移速度和经济发展水平,农业劳动力占总劳力的比例越低,经济收入水平越高,农业机械化程度与水平也越高;
第二,在一定的农业自给水平上,农业劳动力占总劳力的比例越低,要求农业劳动生产率越高,因此对农业机械化的需求越高;
第三,产业结构与技术结构的协调关系会影响到产业结构的稳定性,农业机械化是农业技术结构的重要组成部分;
第四,随着农业机械化程度与水平的提高,机具性能、劳动者素质、专业化程度和土地经营规模必须与之相适应;
第五,农业机械化的发展必须有利于劳动力转移,使剩余劳动力尽可能在农村内部消化[3,4]。
5 结语
定性—定量—定性是应用系统工程解决复杂系统问题的基本思想。依据科学发展农业机械化的基本问题与问题结构提出的模型体系,可有效地实现科学发展农业机械化的定量分析,完整地构建农业机械化发展的目标体系。但模型体系并不是固定不变的,可从实际出发,进行一定的改造。在模型体系应用过程中,要注意模型之间的相互印证。
机械教学中模型的探究式应用 篇6
关键词：探究式教学模型,变废为宝模型库,虚拟模型库,自制模型库
在中等职业学校的机械类课程教学活动中, 课程涉及知识面较广, 知识点较多, 概念抽象, 理论性较强。但学生缺乏感性认识, 再加上本身学习基础原因, 在学习过程中碰到了很多困难, 造成学习没兴趣或者学习有心无力等现象, 此时, 教学模型作为教学手段的重要组成部分, 既可以激发学生对课程的兴趣, 又可以培养学生空间现象能力, 帮助学生更深层次理解教学内容, 在教学活动中发挥着积极的辅助作用。
1 目前教学模型存在的问题
目前, 在机械类课程教学实践中, 教学模型的使用主要存在以下三个方面的问题:
第一方面, 实物教学模型由于体积和重量的原因, 携带不方便, 不便于保管, 而且容易损坏。
第二方面:实物教学模型在完成运动演示和运动分析方面存在很多缺陷。
第三方面:传统实物教学模型更新换代的速度慢, 并且不能够修改, 而几十年不变的教学模型已不能满足教学和科技时代不断进步的需要。
2 教学模型的传统直观式应用
教学模型的传统直观式使用流程 (见图1) 。在传统的教学活动中, 模型的利用非常直观, 简单。如介绍《机械制图》中的《相贯线》时, 教师把两圆柱相贯的模型发给学生, 让他们仔细观察模型, 教师再围绕模型进行教学重点难点的分析。这可以培养学生的形象思维和空间想象能力。但课堂教学灵活性不够, 教学方法单一, 但很难培养学生由二维到三维, 再从三维回归二维的思维转换过程。
3 教学模型的探究式应用
模型的探究式应用指超越传统直观式使用方法, 进一步拓展了模型的使用空间, 在使用方式上更具备灵活性、多元性, 教学模型的探究式使用模式 (见图2) 。
3.1 变废为宝模型库:在损坏模型中求真知
在每个学校里, 不可避免地存在着一些损坏的模型, 放着占空间, 弃之又可惜, 笔者发现, 利用损坏的模型, 配合“情景——问题——探究”教学模式, 不仅上课方式让人耳目一新, 而且会带来意想不到的效果。
奥苏伯尔的有意义学习理论认为:创设问题情景, 引发学生对知识本身发生兴趣, 产生认识需要, 产生一种“我要学习”的心理倾向, 就能激发学习的动机。并尝试通过探究找寻答案。让学生体验科学探究活动的过程和方法, 发展初步的科学探究能力。培养学生良好的科学态度、情感与价值观。其中问题是探究的基础, 探究是解决问题的途径。
笔者以带传动损坏模型为例, 具体阐述“情景——问题——探究”教学模式流程如下:
3.1.1 创设情景, 提出问题
教师出示一V带传动模型, 由于使用时间较长, 传动带松弛变形, 张紧力不够, 在演示过程中会多次出现打滑现象。教师请一学生到讲台上演示操作, 果不其然, 学生在转动主动带轮时, 从动带轮经常停滞不动。这下, 学生哄堂大笑, “老师, 模型坏掉了!”此时, 教师 (一脸尴尬) 说:“这怎么办了?可以修好吗?谁自告奋勇来修一修啊!”
3.1.2 动手体验, 提出猜想
爱动脑动手的男生坐不住了, 一个个踊跃上前。有的突发奇想, 用橡皮筋绑住一部分传动带, 让传动带变短;有的把铅笔顶在传动带外侧, 有的把铅笔顶在传动带内侧, 试转一下, 从动带轮动了, 还有的提出把两个带轮往两边移一下……热烈的掌声让更多的同学走上来试一试, 课堂气氛达到了高潮。
3.1.3 归纳总结, 得出结论
教师适时让同学们交流归纳所用方法的原理, 同学们采取四人一组的小组合作学习方式, 充分发挥了主体作用, 在老师的提示下, 自主得出了结论:带传动的张紧方法:a.使用张紧轮;b.调整中心距。
学生们的聪明才智让教师刮目相看, 也让老师意识到:利用损坏的模型, 配合“情景——问题——探究”教学模式, 不仅可以激发学生兴趣、创设氛围, 更能够激活学生思维, 激发学生的求知欲和探索欲, 形成探究精神, 养成实事求是的科学态度, 提高科学素养。而小组合作的方式, 让学生学会了合作, 培养了协作精神。小组交流后, 以全体鼓掌的方式向成功的小组表示祝贺, 让学生体验到了成功的乐趣。
3.2 建立虚拟模型库
随着信息技术的飞速发展, 以计算机技术和网络技术为核心的现代媒体已开始在教育领域中广泛应用, 引发了一场从教育观念、教育内容、教育方法、教育手段到教育模式、教育过程等的全方位的深刻变革。得到了广大教育工作者的欢迎和重视。应用计算机技术创建的机械制图虚拟模型库, 机械基础虚拟模型库, 可以利用光盘存储数量众多的模型, 在使用中拥有自己独特的魅力。我校拥有多个多媒体教室, 配备了先进的计算机, 宽带也接入了校园网, 这些有利的因素为开发机械制图虚拟模型库创造了条件。我们可以通过Auto CAD的并集 (Unions) 、差集 (Subtraction) 和交集 (Intersections) 等功能组建组合体, 利用堆积、切割、拉伸和三维旋转的形式建立三维模型;也可利用Solid3000的拉伸、旋转、倒角、抽壳和倒圆等基于特征的三维实体造型工具, 能够方便、快捷地创建复杂形状的实体。通过草图的几何约束及尺寸约束功能, 能构造尺寸十分精确模型。
下面简单介绍机械制图虚拟模型库的内容。 (见图3)
机械制图虚拟模型库可以解决这几大类问题:a.虚拟模型不需要专人管理, 也不需要专门的储藏室。b.虚拟三维模型真实感强, 使学生能看清楚零件和装配体的内部结构, 将产生实物模型无法表达的理想效果。在授课中的一些难点问题, 如:截交体、相贯体、组合体、剖视图等内容能够清晰、生动、形象地展示在学生面前, 难点变得容易理解, 学生的感性认识增强了, 所获得的信息量也增大了。c.虚拟模型可以随意增加, 以满足不断更新的教学内容的需求。同时可以减少因教学内容的更新和模型破损需要购买新模型的大量资金。虽然现有工程制图虚拟模型库还不够完善, 仍存在一些问题需要解决, 如:素材不够理想、模型数量有限等, 但是工程制图虚拟模型库的应用前景是非常广阔。
3.3 自制模型库——在做中学
自制模型教学, 可把学生不容易理解的抽象理论和复杂空间视图, 变成形象、具体、易掌握的内容, 使学生看得见、摸得着、记得牢, 是培养学生空间想象能力和立体感受能力的有效方法。笔者分别以《机械制图》和《机械基础》的铰链四杆机构为例, 予以说明。
在机械制图中, 有很多形体表面有孔、槽, 内部还有其它各种各样的结构, 初学时单凭空间想象绘制视图会出现很多难度, 学生在学习上存在很大困难, 很多同学反映:老师在黑板上讲, 学生在下面晕晕乎乎。除需通过常规教学活动来帮助学生理解之外, 还可以采用用不同材质制做各种直观的模型, 再加以适当讲解, 激发学生对课程的兴趣, 培养学生空间现象能力和动手能力。
模型材质可以选择:橡皮泥、田间泥、较硬纸张、泡沫等
制作方式:个人竞赛式小组协作式 (依据情况而定, 简单模型以个人为主, 较为复杂的以小组为单位)
制作时间:一般两课时——三课时
制作流程:以制作轴承座为例。教师先准备好轴承座轴测图纸, 根据需要发给个人或小组。要求在规定时间内按照相关尺寸制作。教师根据学生的结果进行评比, 并予以表扬。
后续拓展:
3.3.1 可要求学生根据模型绘制三视图。
3.3.2 教师可将学生作品放在指定地方进行展览, 增加学生的荣誉感, 调动其他学生积极性。
3.3.3 教师可以将学生作品作为教学模型, 在上课时使用, 既有使用价值, 又能有效激发学生的自豪感。
图4、5是学生的作品。
再以《机械基础》的铰链四杆机构为例简单说明:
教师事先准备好一定长度的杆件 (或薄木条) , 一定数量的螺栓、打好孔。配合铰链四杆机构的判别内容, 将学生分为小组。要求学生自主制作双曲柄机构、双摇杆机构、曲柄摇杆机构, 并将作品现场演示。
其实自制模型的思路非常宽阔。我们可以不必局限于以上内容, 例如在上普车、数控车床实践课程时, 可以收集学生的成功作品, 更可以收集各种有问题、有缺陷作品, 在上课时作为教具, 分析问题产生的原因, 解决的办法。让学生进步得更快。
4 探究式教学模型对教师素质要求
模型是死的, 人是活的, 如何有效利用模型, 关键在于教师自身的不断提高。教师应具备以下素质:
4.1 具备扎实的专业教育基本功、能综合运用其他学科知识。
4.2 教师要具有改革创新意识和创新能力, 善于吸收其他新思想、新方法。敢于突破传统的教学模式, 不断运用创造性思维进行探索与实践活动,
4.3 在信息技术的飞速发展的今天, 以计算机技术和网络技术为核心的现代媒体已开始在教育领域中广泛应用, 教师要紧跟形势, 全方位思考教育观念、教育内容、教育方法、教育手段、教育模式、教育过程, 以实现教育效益的最大化。
参考文献
[1]韩闰劳.浅谈自制模型机械制图教学.
机械模型 篇7
农业机械总动力是指用于农林副渔的各种动力机械的动力总和,包括耕作、收获、排灌、渔业、加工、畜牧和农用运输等其它机械[1]。农业机械总动力是衡量农机化发展水平的主要指标,也是政府部门制定农机化发展规划及农机生产企业制定产品结构调整方案的重要参考数据[2]。该数据是一组时间序列,1990-2007年的农业机械总动力数据见表1所示。
随着社会主义现代化建设的不断开展,我国农业机械化的脚步也不断加快,农业机械总动力也不断增长,从总体上把握和认识农业机械总动力的变化趋势,科学制定农业机械动力发展规划十分必要。农业机械总动力的变化受自然、经济、技术和社会等多种因素影响[3],因此没有固定的建模形式[4,5,6],比较常见的模型主要有最小二乘模型、BP神将网络模型和灰预测模型,建立的模型所对应的曲线主要为线性增长曲线、指数增长曲线和阻滞增长曲线。由于数据本身的波动性,一般的建模方法所产生的残差都是不可避免的,而残差较小的方法(如BP神经网络)则会产生过适配问题而同样不适合预测。
本文采用灰预测中传统的GM(1,1)模型建立了指数增长曲线。所谓灰预测,是指对观测所得的数据拟合使用的灰色模型进行预测。灰预测把预测数据序列看作随时间变化的灰色量或灰过程。在建模前,首先通过数据的累加生成,逐步使灰数据白化,使数据呈现出一定的规律性。累加生成的结果是数据单调非减,从而避免了数据的波动性对模型的影响。灰预测模型的实质就是通过对原始数据的累加,得到规律性比较强的曲线,然后用指数增长模型去拟合,完成预测。
1 模型的有效性预判
以上的时间序列能否使用灰预测模型,需要使用级比平滑检验和级比界区检验进行判定。一般来说,灰预测模型至少需要3个数据,数据过多又会造成一次累加的结果增长过快,使得预测精度降低,故选择2003-2007年的历史数据作为建模基础,记为X(0)=(x
σ
求得σ(0)=[1.0603 1.0683 1.0603 1.0561],可见数据的级比还是非常稳定的。
根据级比平滑检验要求,σ(0)∈(e-2,e2)=(0.1353,7.389),通过检验。
根据级比界区检验要求,数据个数n=5时,σ(0)∈(e-2n+1,e2n+1)=(0.7165,1.3956),通过检验。 检验的结果说明,原始数据比较平稳,是适合进行灰预测建模的。
2 基于灰预测的指数增长模型
灰预测模型建模的结果为指数增长模型。对于波动性较强的时间序列,可以经过多次累加处理为非减序列,以增强序列的平滑性。传统的灰预测模型具有如下微分方程形式,即
式中 x—时间序列;
k—自变量时间;
a,u—待定系数。
该方程的通解可以求得为
整理得u-ax=Ce-ak,即
其中,C值的确定可以取k=0时,x0为初始时刻的数值,带入上述方程即可求出。该模型建立后,可得到一次累加序列X(1)的灰预测模型,还原为原始序列X(0)的预测模型为
为了确定a和u的值,取2003-2007年的数据为原始序列X(0),同时生成一次累积序列X(1)=(x
采用传统的GM(1,1)模型,令
对本文所列数据
以上估计值中,
该方程的解具有指数增长形式。利用其进行原数据的拟合,得到的结果见图1所示。
计算得到该模型的均方差为
未来几年,我国农业机械总动力 的预测值见表3所示。
表3灰色模型预测结果
3 模型的有效性后验
以上的灰预测模型是否合理有效要通过检验才能判断。灰预测模型的精度检验一般有3种方法:相对误差检验、后验差检验和残差检验。
3.1 相对误差检验
对原始数据及拟合数据计算其残差,记残差为E=(ei),其中
相对误差R=(ri),其中
3.2 后验差检验
设S1为原始数据标准差,S2为残差标准差,则
故后验差参数
3.3 残差检验
当相对误差R=(ri)时,记灰预测模型的建模精度为
对于本模型,可求得p=0.9965。
对于一个良好的GM(1,1)模型,同时要求:
1) 相对误差
2) 残差
3) 后验差参数c≤0.35;
4) 建模精度p≥0.95。
本模型同时满足以上条件,说明该模型拟合程度良好,具有较高的预测精度。
4 结论
以2003-2007年我国农业机械总动力为原始数据的灰预测模型具有较好的模型稳定性,通过了级比平滑检验、级比界区检验和后验差检验,其均方差为0.036924,也是比较理想的。这说明,该模型数据比较平稳,但是灰预测模型本身是指数增长,随着预测期的增加,其增长的趋势也将越来越明显,故存在着长期预测严重失真的情况。由此可以认为,该模型适宜做短期或中期预测,不适宜做长期预测。根据以上的分析,可以得出结论:在2010-2012年期间,我国的农业机械总动力将进一步增长,并于2012年将达到103222亿kW。
摘要：农业机械总动力是评价一个国家农业现代化程度的重要指标。根据2003-2007年我国农业机械总动力的历史数据,采用基于灰预测的指数增长模型对农业机械总动力进行了预测。在模型建立前,进行了级比平滑检验,认为数据具有建立灰预测模型的基础;模型建立后,又进行了相对误差检验、后验差检验和残差检验。检验结果表明,模型具有较高的精度,适合中长期预测。最后,根据该模型给出了2010-2012年我国农业机械总动力的预测结果,认为我国农业机械总动力将于2012年达到103 222亿kW。
关键词：农业机械总动力,灰色模型,预测
参考文献
[1]余国新,程静.中国农业机械总动力预测分析—基于ARIMA模型[J].农机化研究,2009,31(2):51-54.
[2]杨军强.中国农机总动力预测分析[J].湖南农机,2008,35(11):19-20.
[3]谢建文,张元标.无偏灰色预测模型在农业机械总动力预测中的应用[J].安徽农业科学,2008,36(20):8397-8398.
[4]朱登胜,陆江峰.基于灰色—马尔柯夫模型的中国农业机械总动力预测[J].农机化研究,2007(11):32-34.
[5]宋珲,董欣,王兵.基于BP神经网络的农机总动力预测模型研究[J].东北农业大学学报,2009,40(4):116-120.
机械模型 篇8
1 机械可靠度的特点
机械产品的失效主要是耗损型失效, 而电子产品的失效主要是由于偶然因素造成的[5,6,7,8]。机械产品的失效模式很多。机械产品的组成零部件多是非标准件, 统计困难。机械产品的不同失效模式之间往往是相关的。耗损型失效的失效率随时间增长, 符合这一特性的分布有正态分布、威布尔分布、对数正态分布和极值分布等[9,10,11,12]。
2 优化的机械系统可靠度二阶界限理论
如果系统可靠度窄界限模型给出的仍然是较宽的可靠度区间值, 就必须将模型的上下限差值降低到最小的范围内。分析二阶界限模型的影响因素后发现, 精确的Pij值计算直接关系到模型上下限计算值的精度和准确性。采取下式对可靠度二阶界限理论进行充分优化。
3 多模失效相关时的机械系统可靠度计算步骤
多模失效相关时的机械系统可靠度计算顺序如下:因为机械系统自身的复杂性、失效模式多、失效模式间存在不同程度相关性所以首先对机械系统失效模式进行充分简化、筛选, 建立所有零件失效模式的极限状态方程Mi=0, i=1, 2, ……, j。利用零件相关系数定义式, 计算不同零件失效模的相关系数。计算两两失效模式的联合失效概率。采用联合失效概率和各模式失效概率计算机械系统不可靠度。
4 机械系统各可靠度计算模型计算对比
采用一阶界限模型 (First order bounds model) 、原始的二阶界限模型 (Original second order bounds model) 、优化的二阶界限模型 (Optimized second order bounds model) 对实例进行分析计算。机械系统各可靠度计算模型结果为一阶界限模型 (First order bounds model) 上限值 (Upper value) 为0.982, 下限值 (Lower value) 为0.972, 界限区间宽度 (Bounds width) 为0.01, 计算值的偏差 (Devi ation of values) 较大;原始的二阶界限模型 (Original second order bounds model) 上限值 (Upper value) 为0.981, 下限值 (Lower value) 为0.977, 界限区间宽度 (Bounds width) 为0.004, 计算值的偏差 (Devi ation of values) 精度较高, 适合定性分析;优化的二阶界限模型 (Optimized second order bounds model) 上限值 (Upper value) 为0.978, 下限值 (Lower value) 为0.974, 界限区间宽度 (Bounds width) 为0.004, 计算值的偏差 (Devi ation of values) 精度较高, 适合各种情况的定量计算。
5 讨论
由于机械产品的失效模式多、统计困难等原因造成机械可靠性为机械领域的研究难点。机械系统自身的复杂性、失效模式多、失效模式间存在不同程度相关性、非标准件统计困难等问题使如何准确而有效地定量表达机械系统的可靠性成为难点。在以往的机械可靠性研究中, 对机械系统内在的诸多特性采取简化考虑, 采用独立假设理论。在独立假设理论中, 各零部件间是相互独立的, 因此可以对各个零部件、各个失效模式分别计算可靠性。机械系统本身具有复杂的相关性问题, 运用独立假设理论计算机械系统可靠性存不合理性。Ove.Ditleven提出系统可靠度二阶窄界限理论计算过程比较繁琐[3]。Cornell C.A.提出的近似估计结构系统可靠度所给的界限过宽而不太实用[2]。可靠度设计需要考虑问题较多。需要结合失效模式分析提出适于某机械产品的可靠性设计准则, 以防止出现失效为设计宗旨。在产品研制过程中重视可靠性试验必要时需进行现场可靠性试验, 或收集使用现场的失效信息。注意产品的维修性和使用操作问题。维修设计的主要目的是提高维修效率、降低维修费用。对于复杂的机械产品由于体积大、成本高、费用高等原因不能进行可靠性试验, 可对子系统、部件、组件进行可靠性试验, 对其可靠性进行综合评价。机械可靠度受客观条件限制, 允许有一定的不可靠度存在, 但要有一定的维修手段作为可靠度不足的补充。制药设备对药品质量的影响是非常突出和至关重要的。选择制药设备必须考虑制药设备运行是否稳定、可靠和能否达到无故障或故障率极小等。重视和选择良好的、适用于工艺要求的生产设备和相关设施是确保药品质量、符合gmp要求的必要条件。本文提出的二阶界限理论也考察制药设备可靠度的评估。本文提出的二阶界限理论在界限区间宽度上更具有优势, 足以满足普遍的可靠度精确计算要求, 适合机械系统可靠性优化和评估问题。
摘要：本文对多模相关的机械系统可靠度优化模型进行研究。由于机械产品的失效模式多、统计困难等原因造成机械可靠性为机械领域的研究难点。优化的二阶界限理论在界限区间宽度上更具有优势, 足以满足普遍的可靠度精确计算要求, 适合机械系统可靠性优化和评估问题。
关键词：机械,可靠,模型
参考文献
[1]田耀华.制药装备与制药工艺不相吻合之处的探讨[J].机电信息, 2005 (24) :5-11.
[2]李荐名.现代制造业的成本技术[J].机械制造, 2001 (4) .
[3]胡大文, 田耀华.欧盟gmp与我国现行gmp在工艺与设备方面的不同要求[J].机电信息, 2008 (5) :5-7.
[4]王双乐.固体制剂生产新工艺路线与设备[J].机电信息, 2005 (8) :5-7.
[5]喻天翔, 宋笔锋, 万方义等.机械零件多失效模式相关可靠度算法研究[J].机械强度, 2006, 28 (4) :5082511.
[6]郭章林等.串联可修复系统平均修复时间的计算[J].机械设计与制造, 1999 (3) .
[7]张玉秋等.机械系统可靠度计算方法-阶段连续界限理论[J].机械设计与制造, 2001 (2) .
[8]王兆伍.在失效模式相关时的机械可靠性分析[J].机械强度.
[9]孙玉秋, 张祖明.机械系统可靠度计算方法——阶段连续界限理论[J].机械设计与制造, 2001 (2) :325.
[10]成刚虎, 喻天翔, 张祖明.多模相关的两种RD理论特点和应用分析[J].西安理工大学学报, 2003, 19 (2) :162-165.
[11]魏尊亮等.机械可靠性设计种种设计变量的统计分析方法[J].机械设计与制造, 1999 (6) .
机械模型 篇9
【关键词】CAD软件 趣味三维模型 机械制图
一、《机械制图》课程的特点
《机械制图》是高职、中职院校机械专业与模具制造专业以及数控加工类专业的一门重要的专业技术基础課。《机械制图》是工程技术的一种语言，对于以后从事专业技术工作人员来说，学好这门课是至关重要的，所以讲授《机械制图》要根据本课程的特点，循序渐进地引导学生建立空间想象能力。但是，这门课比较抽象，枯燥无味，是理论性与实践性相结合的一门课程。而这门课的关键是三视图投影原理，如果这个投影法没学会，后面就没法入门了。所以，讲好讲透三视图的原理与相关的知识点，是极其关键的。
二、中职学生的现状及本人的优势
随着招生政策的改革，中职学生的招生是免试入学了，但却导致中职生源的素质参差不齐，生源以差等生居多。初中毕业生的去向大致如下：中考成绩A级的，都上高中去了，B级的也有大部分读普通高中，只有极少数的B级生来读中职，而C级以及C以下的基本上来读中职学校。这就决定了中职生的空间抽象思维也是比较弱的。
笔者是大学毕业后在企业从事锻压机床与模具设计十多年的高级工程师，后来转到中职学校从教。笔者的优势就是见多识广，专业积淀比较深厚，也知道企业真正需要的中职生的专业技能。
针对中职生源以上的特点，而《机械制图》又比较枯燥，需要比较强的空间想象能力，如何因材施教呢？笔者进行了教研与实践。
三、CAD软件引入《机械制图》课程教学的优势
CAD是Computer Aided Design的缩写，意思为计算机辅助设计。在CAD软件可以把三维模型按各个视角来观察视图，并直接生成二维图，能轻松地实现“长对正、高平齐、宽相等”的三等投影关系。针对学生空间想象能力差和缺乏学习主动性等缺点，我们结合计算机辅助设计将传统教学和现代技术相结合，来增加学生的求知兴趣是相当有效果的。
四、趣味案例教学法的优势
案例教学法，与传统的讲授法，按章节固定顺序一点点挤牙膏样的讲授不同，它生动活泼，有趣。一个案例有时横跨数个章节，一个有趣而贴近生活的案例让学生容易理解，学生很有自信心就会主动追求知识，探索真理。所以，在选用了CAD软件辅助教学的下一步，就是选用什么样的三维模型来教学了。
五、具体的教学实践与效果
人，总是喜欢自己感兴趣的事物。古人云“知之者不如好之者，好之者不如乐之者”，所以要寓教于乐，从快乐中学习的效果是最好的。中职生绝大多数是集中在15～18岁的年龄段，思维还不太成熟，特别是抽象性空间思维比较弱，但对于形象性的思维，对于身边熟悉的事物，就能触类旁通地进行理解。那么笔者就研究尝试运用AutoCAD软件，并在软件中用大家都熟悉的人物建立三维模型，来教学三视图原理。如图所示，展示出人物三维模型的各种视图的投影关系。
在课堂上笔者用CAD软件实时演示各种视的投影关系时，又在原人物的三维模型加上眼镜，让学生实时感受到左视图，右视图、俯视图等各种视图的对应变化。我又为模型加了头饰，加上腰带等等，让学生观察各个视图又是如何变化的。学生因为这是生活中能感知到的熟悉的人物，所以能很好地理解，学习得轻松，一节课下来，都能掌握三视图的原理了。
在引导学生学习好了三视图的投影关系后，笔者再进一步引导学生作机械零件的三视图的练习时，学生已经能很容易理解正确的投影关系了。上几届运用传统教学法，学生很久才能理解，并且有的学生丧失了学习信心，与此相比，现在有了相当大的进步。如图。
六、结论
通过这次的教改研究与实践，本人执教的班级，《机械制图》这门课学习效果大大胜于以前的传统教学法，学期末考试的成绩全部及格，成绩优秀的跟以前相比，达到历史最高的水平。学生提前熟悉了CAD的软件，为以后学习CAD打下了很好的基础。
所以，基于CAD软件并配以生活中熟悉的人物模型的教学方法，这门课有很好的教学效果，值得推广。
【参考文献】
[1]李玉笄.《机械制图与CAD》课程教改研究[J].水利科技，2006（1）：60-61.
[2]强光辉.《机械制图与CAD》教学的思考[J].现代教育教研，2009（02）.
[3]赵晓燕，刘志刚.基于SolidWorks的《机械制图》教学方法改革[J].现代制造技术与装备，2011（3）：74-75.
[4]郑金洲.案例教学指南[M].上海：华东师范大学出版社 2000.
[5]李杰，赵宏林等.对机械制图课程教学方法的探讨[J].中国校外教育旬刊， 2012（15）：86-87.
机械模型 篇10
在石油测井解释、医疗诊断、柴油机车故障诊断等等一系列的等同机械故障诊断的问题中,尽管不同领域的判定故障的相关专家的知识是不同的,判断问题的范围、内容不同,但他们的知识结构都是因果型的,其推理结构都是从部分现象推出真正原因,即故障检测诊断型专家具有类似的知识结构类型,而且他们的诊断推理也极其相似[1,2]。
可以认为任一机械设备出现故障都是由一些和该设备相对应的相对固定的表象来反映。假如称某种机械设备所有可能故障集合为故障库,引起故障发生的原因所表现出来的表象集合称为表象库,故障库中的一种故障用图1上面的一排节点中的一个表示,库中的每个表象用图1中下面一排的一个节点表示,如果故障a i具有表象b j,那么在它们对应的节点之间连以线段,否则就不连线段,这样就得到了故障诊断专家的知识库结构——对集结构。
专家判定故障是依据机械设备的表象,确定设备的故障。换句话说,作为判定的依据,机械故障诊断专家如果认为机械设备有某故障,则该设备必然应该出现所具有的表象集,即一个有相应表象集合的机械设备必然产生了相对应的故障。假定某机械设备的某个故障对应的表象都展现出来,那么就判定该设备发生了对应的故障,如图1中,若机械设备出现了b1,b2,b3这三个表象就可判定具备了a1故障。这个思维方法即为判断机械故障专家的常见推理结构。
1 推理理论
在二值逻辑中,蕴含A→B的真值T(A→B)是由表1定义的:
可以在集合{0,1}上定义二元算子﹡r,令其运算等价蕴含算子,即:
当T(A)=1,且T(B)=1则r=1(1)
当T(A)=0,且T(B)=1则r=1(2)
当T(A)=1,且T(B)=0则r=0(3)
当T(A)=0,且T(B)=0则r=1(4)
已知蕴含A﹡rB的真值T(A﹡rB)=r与前提的真值T(A)=a,那么推理就是求下面方程的解:
其中,a,r∈{0,1}是已知的,x未知,算子﹡r由表1所定义,那么方程式(5)的解是:
x=1当a=1且r=1(6)
x∈{0,1}当a=0,且r=1(7)
x=0当a=1,且r=0(8)
x无解当a=0且r=0(9)
将二值逻辑的真值域{0,1}扩展到区间[0,1]上,就进入了无限值逻辑的领域,希望在值域[0,1]上找到一个蕴含算子﹡r(﹡r是[0,1]上的二元运算)使得(1)~(4)式作为边界条件而成立,并且条件(6)~(9)式是方程式(5)式的解。
如果T(A)和T(B)表示A,B在无限值逻辑中的真值,则定义A∪B,A∩B,蕴含A→B的真值如下:
其中(12)称为卢卡契夫斯基蕴含公式。令a=T(A),b=T(B),记r=T(A→B),从(12)中可以看到r是由a、b决定的,用运算符号*r表示r与a,b之间的关系,即
根据算子理论,*r的右逆算子为[3]:
由前所述,近似推理是指已知r=T(A→B)及T(A′)=a′,求T(B′)=b′=?,根据(14)式定义近似推理为:
利用(13)式,消去r,得到近似推理公式:b'=a'*(ar*b)=max(min(a'-a+b,a'),0)(16)称上式为卢氏近似推理公式,称a'为前提b'为结论。
2 系统实现
把上述推理诊断过程用在故障判断系统的工作过程如下。
首先进行专家知识获取,也就是要同某故障系统的专家共同研讨,确定该系统的故障表象点。这些反映故障的表象点及其反映故障点损坏程度的表象数值都是系统故障诊断维修的专家多年实际工作经验所得出的。
因此第一步要确定故障点个数和相关的表象点的个数及其对应的故障点损坏程度值和现象点相应的程度值。即要构造出表2。
表2即可称为应用的机械故障专家知识。上述的n和m为该系统的极限值。也即这n个故障点相关的现象点具有一致性。如果,其他的故障点所对应的现象点与上述m个不同,可构造另一个相应的判断表。
由于专家知识所描述的故障值及表象值是多种多样的,甚至是自然语言描述,而判定故障是基于模糊集的。所以这里要经过一次知识转换。即把程度词的自然语言描述转换为推理所需要的数值。即把程度值转为在[0,1]区间上的表示值。
因此,需要建立表3和表4两个转换表。
这里的程度词划分的个数及相应值是根据诊断专家的知识得到的。由此把推理判断表2转化为表5。
下面以内燃机车柴油机故障诊断实例来描述系统实现。在铁路运输业中,存在着许多设备故障诊断问题,其中机车的故障诊断、定期维修就是一个非常复杂的问题,对这些问题的解决,已是作为延长机车运行里程及使用寿命的主要保证手段之一。
多年来,相关部门利用发射光谱,机油分析,铁谱分析等多种手段,对内燃机车柴油机润滑系统摩擦磨损过程进行状态监测和故障诊断等方面的研究,但是如何对监测所得到的定量和定性的信息进行分析,作出对设备状态的正确判断是很困难的。
在对相关部门作了大量细致的调研后,根据该摩擦系统的特性及现场诊断专家的思路特点并考虑到下面两方面的因素,把上述的推理方法和计算机系统技术结合起来,引入该系统的诊断技术之中。
(1)机械设备的摩擦磨损通常很复杂,它与各种应力干扰、系统参数、环境等有密切关联,而且这些影响又都是综合性的,即没有明确的规律可循,也没有十分明确的因果关系,对它们的故障诊断往往凭靠现场专家多年的工作经验,所以建立常规的具有一定计算公式的程序系统很困难。
(2)对故障的诊断与判别问题往往带有模糊性和经验性,采用模糊数学方法就比较贴切、自然。
根据现场专家的工作经验和诊断思路,这里以东风四型机车柴油机构造一个简单诊断模型,如图2所示。
主要考虑的表象因素集合为U={U1,U2,U3},其中:U1为润滑油劣化性程度(油的理化性分析);U2为磨损程度(直读铁谱分析);U3为磨损趋势(发射光谱分析)。而表象集合又由若干基本因素确定,即:
其中:
u11为润滑油粘度变化率;
u12为润滑油总碱值下降率;
u13为润滑油水污染程度;
u14为重油及燃烧产物的污染程度(钒含量PPM);
u15为尘埃污染程度(硅含量);
u21为磨损大颗粒读数;
u22为磨损小颗粒读数;
u23为磨损烈度;
u24为磨损颗粒浓度;
u31为润滑油铁元素浓度;
u32为润滑油铜元素浓度;
u33为润滑油铬元素浓度;
u34为润滑油铝元素浓度;
u35为润滑油铅元素浓度。
由图2可见整个诊断分为两级,首先由检测出的基本表象值u11,u12,u13,u14,u15推出U1;由u21,u22,u23,u24推出U2;u31,u32,u33,u34,u35推出U3;然后把推出的结论{U1,U2,U3}再作为参数并赋予一定的权值推出最终结果。
在对大量检测值分析的基础上,又参照专家的诊断经验值,对各基本表象值做了等级划分并导出推理矩阵如下:
在此诊断流程上,可以看到推理过程与专家判定故障的一般工作过程非常吻合;数据与知识匹配,产生中间结果,然后再匹配,直至输出最终结果。
用户在调用建造模块形成推理链表后,即可输入检测到的现象值来进行诊断,系统此时会给出一些中间结果并告知缺少的尚需检测的现象号,通过用户与系统的多次交互,最后给出确切的诊断结果。
3 结语
在已有的机械故障诊断系统中,多为依据规则“IF-THEN”结构,加上确定性理论和主观Bayes方法来实现系统工作的产生式系统[4,5],本文在集合理论及专家诊断知识结构为对集的前提下,给出了一种适用于故障诊断类型的基于逻辑算子进行推理运算的推理模型及算法实现。本诊断实例试运行后,与实际情况基本相符。由于本实例仅为一很小的子系统的诊断模块,由于时间关系,知识获取面窄,所以本系统的诊断结果仅限于“正常”与“异常”的判别和估计出摩擦故障的可能性,至于故障原因和故障部位的诊断还未涉及到,所以系统功能的增强还需要做相应的知识获取工作。
(编辑:向飞)
摘要：在机械故障分析诊断型专家知识结构及推理过程的基础上,利用离散数学集合理论,导出诊断思维的数学模型,最后给出了相应模型的机械故障诊断实例。
关键词：诊断模型,故障,推理
参考文献
[1]邵虹,崔文成,张继武,等.医疗诊断专家系统研究进展[J].小型微型计算机系统,2003,24(3):499-512.
[2]张晓丹,赵海.模糊专家系统在故障诊断中的应用研究[J].计算机工程与应用,2004,40(3):21-22.
[3]程里春.保并交映射与Fuzzy关系方程[J].模糊系统与数学,1987(1):71-79.
[4]牛福春,顾海明.基于模糊规则的故障诊断专家系统[J].微计算机信息,2008(19):207-208,119.
【机械模型】推荐阅读：
机械手模型09-16
水田全程机械化机械05-10
机械设计与机械加工09-15
机械制造及其自动化、机械电子工程、机械设计及理论与机械工程(专业学位)复试参考书目06-12
我国机械行业液压机械产品关注情况点评06-10
浅谈机械设计与机械原理的教学改革09-01
模型组织07-14
提升模型07-15
稳态模型07-17
演示模型07-17