为了详细研究重型车辆的行驶状态,利用两种不同的方法建立了车辆的数字孪生模型对其进行预测研究,并对孪生模型的适用范围进行了分析。首先利用相关装置和仪器对车辆的行驶参数和状态进行了测量,然后分别利用高斯过程和深度卷积神经网络建立了车辆行驶的数字孪生模型,两个模型的输入均为车辆的传动系统参数、动力系统参数及天气状况,输出参数为车辆的行驶速度和转矩值。分析结果显示,基于高斯过程的数字孪生模型对于车辆行驶参数的预测精度较高,基于深度卷积神经网络的孪生模型在短时间内的收敛精度较好。文中所建立的车辆数字孪生模型为后续的车辆行驶状态的优化及孪生交互技术的实现奠定了基础。

为提高某重型柴油机气缸垫的可靠性和疲劳寿命,基于其温度场、热机耦合应力场和变形情况等状态参数利用相关方法对气缸垫的工作参数进行了优化研究。利用正交实验方法分析了缸垫的气缸圆直径、上水孔圆直径、隔热带长度、缸垫厚度和螺栓预紧力等5个工作参数对上述3个状态参数的影响规律,并确定了影响最为显著的4个工作参数。利用所提出的混合神经网络模型建立了工作参数与状态参数的对应关系模型,结合所提出的改进灰狼算法计算确定了气缸垫的最优工作参数值。分析结果表明改进后气缸垫的温度应力和变形情况得到显著改善,证明了改进的有效性和算法的准确性。

在分析了云制造环境下的产品配置典型过程的基础上,总结了云制造环境下参与者及制造资源组织的特点,包括产品配置过程需要兼顾不同参与方的利益,以及在产品配置求解过程中需要覆盖不同制造服务实例的差异化属性的基础,提出了面向云制造的个性化产品配置技术框架,阐述了面向产品配置的云服务模型、基于关联规则挖掘的产品初步配置以及基于蚁群算法的产品完整配置3个关键问题的求解方法,为云制造环境下开展个性化产品配置提供了一种新的思路。在模型设计及方案求解过程中,以轮式装载机产品配置作为示例进行了阐述,验证了该方法的有效性和可行性。

结合云制造及大规模产品定制的特点,提出了一种云制造环境下大规模产品定制的组织模式以及相配套的需求转换模型.需求转换模型涵盖了完整的需求分解、重组和再分配过程,对其中的基于产品结构树的需求分解、基于相似性聚类的制造批次重组都进行了详细阐述,并构建了需求再分配的非线性规划模型,从而可以利用最优化方法实现制造需求寻优分配.最后,以轮式装载机产品定制为示例,论述了需求转换的详细过程,验证了方法的有效性和可行性.