达里厄垂直轴风力机叶片螺旋变异优化研究

针对传统达里厄( Darrieus)直叶片垂直轴风力机在运行过程中出现叶片动转矩周期波动性大,动转矩系数曲线 震荡剧烈,造成对风轮旋转主轴的强烈冲击及风力机功率输出不稳定等问题,文章提出对Darrieus垂直轴风力机传统直 叶片进行螺旋扭曲变异设计,以改善风力机叶片的动转矩输出性能。结合SolidWorks和MATLAB完成风力机模型的三 维参数化建模,在流体仿真软件FLUENT中完成模型的数值模拟仿真计算。通过螺旋扭曲角的单因素试验验证了变异 设计叶片输出的动转矩性能周期波动性降低,平均动转矩得到提高,并确定螺旋扭曲角的优化区间。文章构建了风力机 系统模型建立与仿真体系,采取螺旋扭曲变异设计,改善了风力机叶片输出的动转矩性能,初步确定合理的螺旋扭曲角 分布范围为：70°~ ll0°。     

基于QFD、TRIZ 与专利知识挖掘的产品创新设计

为避免产品创新设计成果受到专利权因素的限制并提高产品创新效率,提出了基于质量功能布置理论（QFD）、发明问题解决理论（TRIZ）与专利知识挖掘（PKM）的产品创新设计方法。该方法以QFD理论为基础获得创新设计的目标功能,结合TRIZ理论确定其领域解,在领域解基础上挖掘已有专利知识,建立专利特征矩阵指导设计者合理避开已有专利,实现快速有效的创新设计。最后以CR安全装置打火机的创新设计验证了该方法的有效性。     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。