本期導(dǎo)讀

方法與技術(shù)

1.ABB 工業(yè)機(jī)器人在環(huán)形陣列異形產(chǎn)品中點(diǎn)位處理（李偉）

關(guān)鍵詞：ABB 工業(yè)機(jī)器人P1～6

在企業(yè)生產(chǎn)中常會(huì)遇到不同大小、不同產(chǎn)品個(gè)數(shù)環(huán)形陣列產(chǎn)品的機(jī)器人點(diǎn)位進(jìn)行示教，《ABB 工業(yè)機(jī)器人在環(huán)形陣列異形產(chǎn)品中點(diǎn)位處理》一文通過(guò)創(chuàng)建參考工件坐標(biāo)系和參考點(diǎn)位，并采用歐拉角運(yùn)算方法，將表示工件坐標(biāo)方位的四元數(shù)轉(zhuǎn)換成歐拉角，方便對(duì)工件坐標(biāo)進(jìn)行固定角度的旋轉(zhuǎn)，再通過(guò)編程獲取旋轉(zhuǎn)后參考工件坐標(biāo)系下的機(jī)器人點(diǎn)位可有效減少環(huán)形陣列點(diǎn)位的示教數(shù)量。驗(yàn)證結(jié)果表明：示教兩個(gè)點(diǎn)確定參考工件坐標(biāo)系和參考點(diǎn)位后，就可以很方便快捷的獲取任意大小、任意數(shù)量產(chǎn)品的環(huán)形陣列的機(jī)器人點(diǎn)位，大大減少了點(diǎn)位示教的工作量，為企業(yè)自動(dòng)化生產(chǎn)線(xiàn)識(shí)別產(chǎn)品節(jié)約了大量的時(shí)間，并提高了環(huán)形陣列產(chǎn)品的安裝精度。

2.無(wú)動(dòng)力穿戴式外骨骼座椅結(jié)構(gòu)設(shè)計(jì)與優(yōu)化（康輝梅）

關(guān)鍵詞：穿戴式外骨骼座椅結(jié)構(gòu)設(shè)計(jì) P7～9，26

汽車(chē)總裝生產(chǎn)線(xiàn)作業(yè)人員需根據(jù)快速的生產(chǎn)節(jié)拍反復(fù)站立行走拿取零件和下蹲裝配作業(yè)，《無(wú)動(dòng)力穿戴式外骨骼座椅結(jié)構(gòu)設(shè)計(jì)與優(yōu)化》一文設(shè)計(jì)了一款輕便小巧、無(wú)需手動(dòng)操作即能快速進(jìn)行坐姿和站姿切換、蹲坐高度連續(xù)可調(diào)且具有記憶功能的無(wú)動(dòng)力穿戴式外骨骼座椅，其結(jié)構(gòu)由大腿桿、小腿桿和斜撐桿組等組成，其中斜撐桿組包括氣壓桿和伸縮桿兩部分，兩者同軸安裝。首先根據(jù)成年人人體尺寸標(biāo)準(zhǔn)確定大腿桿長(zhǎng)度和小腿桿長(zhǎng)度，然后以斜撐桿組安裝鉸點(diǎn)位置為設(shè)計(jì)變量、從蹲姿到站立過(guò)程中小腿桿與斜撐桿組的角度的最大值為目標(biāo)函數(shù)、蹲坐姿態(tài)下斜撐桿組的最大長(zhǎng)度、氣壓桿和伸縮桿的伸縮比需滿(mǎn)足要求等為約束條件建立優(yōu)化設(shè)計(jì)模型，并采用MATLAB 自帶的遺傳算法工具箱進(jìn)行優(yōu)化設(shè)計(jì)求解，從而確定斜撐桿組最佳鉸點(diǎn)安裝位置，最后根據(jù)作業(yè)人員的蹲坐高度可調(diào)和站立行走需求分別計(jì)算伸縮桿和氣壓桿的行程和安裝長(zhǎng)度。

3.無(wú)網(wǎng)格法結(jié)構(gòu)拓?fù)鋬?yōu)化模型的GPU 并行加速求解及應(yīng)用（唐芳）

關(guān)鍵詞：無(wú)網(wǎng)格法結(jié)構(gòu)拓?fù)鋬?yōu)化 P10～15，31

結(jié)構(gòu)拓?fù)鋬?yōu)化技術(shù)可在產(chǎn)品的概念設(shè)計(jì)階段提供創(chuàng)新設(shè)計(jì)方案，現(xiàn)已廣泛應(yīng)用于汽車(chē)、航空航天等領(lǐng)域，但是無(wú)網(wǎng)格法結(jié)構(gòu)拓?fù)鋬?yōu)化模型的求解存在計(jì)算耗時(shí)長(zhǎng)的問(wèn)題。《無(wú)網(wǎng)格法結(jié)構(gòu)拓?fù)鋬?yōu)化模型的GPU 并行加速求解及應(yīng)用》一文引入GPU（Graphic processing unit，GPU）并行加速技術(shù)，開(kāi)展無(wú)網(wǎng)格法結(jié)構(gòu)拓?fù)鋬?yōu)化模型的GPU 并行加速求解及應(yīng)用研究。基于交叉節(jié)點(diǎn)對(duì)思想構(gòu)建了拓?fù)涞袆偠染仃嚨腉PU 并行組裝流程，結(jié)合CUDA（Compute unified device architecture，CUDA）庫(kù)函數(shù)與預(yù)處理共軛梯度法實(shí)現(xiàn)了離散方程的GPU 并行加速計(jì)算，且通過(guò)提前計(jì)算并存儲(chǔ)形函數(shù)及其導(dǎo)數(shù)值以避免重復(fù)計(jì)算，建立了無(wú)網(wǎng)格法拓?fù)鋬?yōu)化模型的GPU 并行加速求解算法。通過(guò)二維懸臂梁算例驗(yàn)證了算法的正確性，算例結(jié)果表明所提GPU 并行加速算法的計(jì)算結(jié)果正確，且極大地提高了無(wú)網(wǎng)格法拓?fù)鋬?yōu)化模型的求解效率。

4.變輪轂救援機(jī)器人設(shè)計(jì)與運(yùn)動(dòng)仿真（林偉燚）

關(guān)鍵詞：變輪轂救援機(jī)器人 P19～22，31

救援機(jī)器人逐步成為自然災(zāi)害災(zāi)后救援的必備手段與趨勢(shì)，《變輪轂救援機(jī)器人設(shè)計(jì)與運(yùn)動(dòng)仿真》一文通過(guò)結(jié)合輪式與連桿機(jī)構(gòu)設(shè)計(jì)了一種新型的變輪轂救援機(jī)器人。首先，基于救援機(jī)器人整機(jī)性能指標(biāo)，設(shè)計(jì)并確定救援機(jī)器人各部件參數(shù)，并利用SolidWorks 進(jìn)行救援機(jī)器人整機(jī)三維建模；其次，利用ANSYS 分析靜力載荷對(duì)救援機(jī)器人輪轂剛度的影響，并對(duì)其進(jìn)行輪翼結(jié)構(gòu)優(yōu)化，基于此，完成變輪轂救援機(jī)器人最終設(shè)計(jì)方案的設(shè)計(jì)；最后，在救援機(jī)器人結(jié)構(gòu)設(shè)計(jì)的基礎(chǔ)上，對(duì)所提出的機(jī)器人進(jìn)行了動(dòng)力學(xué)分析，基于優(yōu)化的變輪轂救援機(jī)器人，分別進(jìn)行兩種臺(tái)階高度（125 mm、320 mm）的越障仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出的變輪轂救援機(jī)器人的有效性與結(jié)構(gòu)設(shè)計(jì)的合理性。

5.基于車(chē)聯(lián)網(wǎng)數(shù)據(jù)的坡度預(yù)測(cè)研究（葉宇）

關(guān)鍵詞：實(shí)時(shí)坡度估計(jì) P23～26

道路坡度信息是車(chē)輛行駛中動(dòng)力性、經(jīng)濟(jì)性和智能化控制中的重要部分，《基于車(chē)聯(lián)網(wǎng)數(shù)據(jù)的坡度預(yù)測(cè)研究》一文采用來(lái)自車(chē)聯(lián)網(wǎng)車(chē)輛實(shí)時(shí)采集的車(chē)速和GPS 信息對(duì)車(chē)輛運(yùn)行過(guò)程中坡度情況進(jìn)行估計(jì)。在坡度估計(jì)信息的基礎(chǔ)上，構(gòu)建了基于長(zhǎng)短期記憶模型（LSTM）的坡度預(yù)測(cè)模型；利用一半掛車(chē)的自然駕駛數(shù)據(jù)對(duì)坡度進(jìn)行估計(jì)計(jì)算，并將其作為預(yù)測(cè)模型的數(shù)據(jù)基礎(chǔ)；利用基于LSTM 的坡度預(yù)測(cè)模型進(jìn)行對(duì)應(yīng)的模型構(gòu)建、參數(shù)初始化、訓(xùn)練及預(yù)測(cè)，并將預(yù)測(cè)結(jié)果與GRU 模型進(jìn)行對(duì)比。分析結(jié)果表明，所提出的坡度估計(jì)方法能有效地對(duì)車(chē)輛行駛過(guò)程中的坡度情況進(jìn)行實(shí)時(shí)估計(jì)，采用基于LSTM 的坡度預(yù)測(cè)模型對(duì)道路坡度預(yù)測(cè)具有較高的預(yù)測(cè)精度，其均方根誤差和平均絕對(duì)誤差分別為16.71 和3.38，均優(yōu)于GRU 模型。

管理與人才培養(yǎng)

6.基于RoboDK 的機(jī)器人仿真實(shí)驗(yàn)教學(xué)設(shè)計(jì)（彭建盛）

關(guān)鍵詞：機(jī)器人仿真 P101～103，163

機(jī)器人課程是人工智能及機(jī)器人工程相關(guān)專(zhuān)業(yè)的一門(mén)專(zhuān)業(yè)核心課，《基于RoboDK 的機(jī)器人仿真實(shí)驗(yàn)教學(xué)設(shè)計(jì)》一文針對(duì)目前傳統(tǒng)機(jī)器人課程教學(xué)中存在的理論性強(qiáng)但實(shí)驗(yàn)硬件資源不足、學(xué)生學(xué)習(xí)積極性不高和學(xué)習(xí)效率等問(wèn)題，基于RoboDK 開(kāi)發(fā)機(jī)器人仿真實(shí)驗(yàn)，采用項(xiàng)目式任務(wù)作為驅(qū)動(dòng)引導(dǎo)學(xué)生綜合運(yùn)用所學(xué)的知識(shí)能力。RoboDK 仿真軟件可以模擬多種真實(shí)的機(jī)器人并自定義機(jī)器人模型進(jìn)行運(yùn)動(dòng)控制，通過(guò)獲取機(jī)器人運(yùn)動(dòng)位置、坐標(biāo)系及運(yùn)動(dòng)速度等實(shí)時(shí)數(shù)據(jù)進(jìn)行仿真練習(xí)，同時(shí)鞏固所需的相關(guān)理論知識(shí)并進(jìn)一步掌握機(jī)器人相關(guān)應(yīng)用。實(shí)踐結(jié)果表明，RoboDK 仿真實(shí)驗(yàn)教學(xué)解決了現(xiàn)有機(jī)器人仿真實(shí)驗(yàn)存在的多數(shù)問(wèn)題，能夠提升機(jī)器人課程教學(xué)的廣度和深度。

7.智能制造背景下的人才與能力需求分析（王燕萍）

關(guān)鍵詞：智能制造人才與能力 P110～113

智能制造是各國(guó)科技與產(chǎn)業(yè)競(jìng)爭(zhēng)的核心領(lǐng)域，要實(shí)現(xiàn)快速發(fā)展離不開(kāi)專(zhuān)業(yè)人才，《智能制造背景下的人才與能力需求分析》一文針對(duì)智能制造的各種應(yīng)用場(chǎng)景，歸納和闡述了智能制造領(lǐng)域的主要關(guān)鍵技術(shù)；在分析近期專(zhuān)業(yè)招聘平臺(tái)線(xiàn)上招聘信息和線(xiàn)下現(xiàn)場(chǎng)招聘會(huì)招聘的調(diào)研數(shù)據(jù)基礎(chǔ)上，結(jié)合國(guó)內(nèi)外針對(duì)智能制造人才發(fā)展的一系列文件出臺(tái)解讀，推斷智能制造專(zhuān)業(yè)人才需求變化和人才短缺的情況；分別從知識(shí)掌握、持續(xù)學(xué)習(xí)與實(shí)踐創(chuàng)新、社會(huì)協(xié)作三個(gè)層面分析了智能制造人才的能力需求，為智能制造背景下的人才培養(yǎng)提供思路和對(duì)策。

應(yīng)用與優(yōu)化

8.新能源汽車(chē)動(dòng)力電池包的改進(jìn)設(shè)計(jì)與仿真研究（薛濤）

關(guān)鍵詞：新能源汽車(chē)動(dòng)力電池包 P172～175

當(dāng)今電動(dòng)汽車(chē)快速發(fā)展，動(dòng)力電池系統(tǒng)是電動(dòng)汽車(chē)的關(guān)鍵部分。《新能源汽車(chē)動(dòng)力電池包的改進(jìn)設(shè)計(jì)與仿真研究》一文針對(duì)設(shè)計(jì)車(chē)輛整體要求和動(dòng)力電池參數(shù)需求，完成動(dòng)力電池包結(jié)構(gòu)設(shè)計(jì)與特性分析。首先分析了動(dòng)力電池包設(shè)計(jì)中需滿(mǎn)足的安全性要求；其次對(duì)利用CATIA 三維建模軟件動(dòng)力電池包的電池模組和電池結(jié)構(gòu)進(jìn)行改進(jìn)設(shè)計(jì)；最后結(jié)合建立的動(dòng)力電池包設(shè)計(jì)模型對(duì)其進(jìn)行結(jié)構(gòu)特性分析和校驗(yàn)，包括動(dòng)力電池包的結(jié)構(gòu)強(qiáng)度、模態(tài)和碰撞性能，為電動(dòng)汽車(chē)動(dòng)力電池包的設(shè)計(jì)提供一定的參考和借鑒。