通过对二自由度并联机器人运动学与动力学分析,给出了合理的性能指标。采用以Pareto最优解为基础的改进遗传算法NSGA-Ⅱ,以性能指标为目标函数进行多目标参数优化,得到满足设计要求的并联机器人结构参数。与单目标优化结果相比,验证了NSGA-Ⅱ算法优化方法的优越性。

为提高并联机器人的运行效率,降低其高速运动过程中产生的冲击和能耗,提出了一种基于非支配排序遗传算法(NSGA-Ⅱ)的多目标综合最优轨迹规划方法。首先,采用几何法建立机器人的逆运动学模型,得到机器人末端轨迹点与关节空间各角度、角速度、角加速度和急动度之间的转换公式。其次,利用5次B样条曲线插值方法建立轨迹数学模型,并添加运动学约束。最后,采用NSGA-Ⅱ算法对B样条轨迹进行时间-能耗-冲击的多目标优化,在获得Pareto最优解集的基础上构造权重函数获得最优时间序列。MATLAB仿真结果表明,采用算法优化后的轨迹不仅缩短了运行时间,也减小了机器人在高速运动过程中的振动和能耗,获得了更好的运动性能。

为了解决某型1200 t液压拉拔机主机框架材料成本高的问题,以拉拔机主机框架为研究对象,根据其结构特点,运用多目标遗传算法(MOGA)对其进行轻量化设计。利用Workbench对主机框架整体进行静力学结构分析,分析主机框架的最大等效应力。基于以上分析,在满足主机框架强度的情况下,对关键设计尺寸进行优化取值,选择一组最优设计点,并对优化后的主机框架重新进行静力学分析。结果表明:优化后的主机框架最大等效应力为191.86 MPa,可以满足实际使用工况要求,质量减少了39.6%,有效地减少了主机框架质量、降低了材料成本。

针对当前三维OAD／OAPP技术的不断普及与应用，为了提高装配的质量、克服工艺的随意性、减少重复性劳动、提升装配效率，构建了基于三维参数化模型的装~CAPP系统，并介绍了系统的总体框架及其主要的功能模块，在三维参数化设计技术、可视化装配技术的基础上实现了装配工艺设计与工艺规划。实现了产品的参数化设计与三维装配工艺规划的一体化。根据装配分层有向图的表达研究了装配序列规划的方法，实现了装配序列的优化。最后以桥式起重机d＼车装配为例进行了验证。

针对生产制造过程中需要审批的电子图文档数量大，电子图文档的审批流程依赖人工签字的问题，通过对PDM系统与SolidWorks软件分别进行二次开发，运用流程模板定制、工程图遍历、模型树遍历、定位签字、XML文本交换数据等方法，以接口集成模式实现了CAD文件及相关信息从SolidWorks系统向PDM系统的无缝集成，提出了一种面向PDM／CAD集成的工作流程电子审批技术，并将该技术成功应用于天河智造公司的T5一PLM系统中，实现了工作流程的安全高效的审批，验证了该技术的可行性和实用性。

介绍了在SolidWorks中自顶向下的装配设计过程和实施方法,提出以“顶层基本骨架”作为自顶向下设计时信息传递的桥梁,并以具体实例实现了装配过程和参数化设计。

为了进一步提高堆垛机设计效率，缩短开发周期，使用Solidworks建立参数化系列三维模型，用VC++建立设计计算与三维模型的驱动接口，采用有限元分析系统CO SMOS进行结构校核。建立了一套堆垛机专用参数化系列设计工具，提高了设计质且，缩短了开发周期。

基于SolidWorks讨论了三维模型在转化为二维工程图后的标准化问题。针对滚动轴承和齿轮的标准化表达，提出了基于配置技术的解决方法：并对剪裁视图在图纸标准化中的作用做了举例说明。所提方法已在企业中得到应用，且效果良好。

针对传统并联机器人在工作环境中存在抓取不精确、定位与分类识别效率低下的问题,提出一种基于机器视觉与Faster-RCNN神经网络的工件识别检测技术。采用Delta机器人实验平台采集图像,进行图像的预处理操作并将其添加至网络训练集。通过Python3.7-torch1.7搭建深度学习中的Faster R-CNN卷积神经网络,作为基本框架训练工件图像数据集。最后将训练后的卷积神经网络得到的工件检测结果与原实验工件识别系统对比。结果表明:改进后的识别平均精确度比原有识别

为了使塔式起重机自身重量更轻，更易于安装和运输，以此降低生产和运行成本，引入了结构仿生设计思想。以QTZ40塔式起重机臂架结构为研究对象，利用结构仿生设计方法对塔式起重机臂架结构进行了仿生优化设计。经研究、分析发现王莲叶脉的构型符合黄金分割定律，依据相似性评价标准。确定王莲为臂架仿生原型，结合臂架拓扑优化结果和王莲构型规律，确定了臂架的仿生优化设计方案。利用APDL语言建立了臂架的有限元模型，接着利用ANSYS软件对臂架原结构和仿生结构分别进行静力学分析计算，结果显示，仿生模型较原模型减重11．41％，并且在强度、刚度等方面均取得了较好的优化效果。