船舶管件加工智能生产线的设计与实现

传统管件加工车间依靠工人的劳动密集型加工、储运,对生产过程数据以及质量数据缺乏必要的手段和技术进行管控和追溯。通过梳理工艺流程,并将智能制造理念与传统管加生产线现有制造模式深度融合,设计了一条面向中小管件柔性加工的管法兰焊接加工无人生产线,经过现场运行调试,实现了管法兰焊接生产线的可靠稳固运行,提高了焊接质量和生产效率,满足了企业的预期要求。     

基于数字孪生的船舶管件加工生产线柔性管控系统

针对现有船舶管件加工在生产管理、调试和生产线柔性管控等方面的不足，利用数字孪生技术，进行船舶管件加工生产线虚拟模型构建、虚实生产线同步行为设计、虚实生产线交互接口设计、信息分析和生产线柔性管控等方面研究，设计开发基于数字孪生的船舶管件加工数字化生产线柔性管控系统，实现船舶管件加工生产线自动生产和远程管控等。该系统可为其他离散型制造生产线建设和管控系统设计提供借鉴。     

船舶管加工工艺数据库系统设计与应用

为提高船厂对管件生产数据和质量数据的管控，提出构建船舶管加工工艺数据库系统。研究管加工工艺数据库系统总体设计，梳理管加工工艺流程，完善管件组立过程。经船厂实际应用，船舶管加工工艺数据库系统实现管件物料清单（Bill of Material，BOM）管理规范化和工时精细化，可有效提高船厂生产效率，满足企业预期要求。     

国内首条船舶焊接机器人生产线通过国防科工委成果鉴定并投入使用

日前，由我校与昆山华恒焊接自动化工程技术研究中心、上海外高桥造船有限公司联合研制的国内第一条“船用管-管、管-法兰焊接机器人生产线”在昆山完成，并顺利通过江苏省国防工办组织的成果鉴定，达到国内领先、国际先进水平。目前该项机器人生产线在外高桥造船有限公司投入使用，标志着我国船舶焊接制造装备达到国际先进水平。     

非假模取样方式下修船管件更换的新管逆向设计

传统修船管件更换工艺方法效率低、精度不稳定、人工和材料成本高、生产周期长，且存在较大的安全隐患。针对这些问题，融合测绘、软件、船舶制造与加工等关键技术，采取非假模取样方式进行修船管件更换的新管逆向设计，开拓一种数字化的管件制作思路。     

船用管-法兰机器人焊接工艺技术研究

介绍了国内首条船用管-法兰机器人焊接生产线的系统组成及特点，重点论述了管-法兰机器人焊接工艺．研究表明：采用机器人焊接能适应国产管材尺寸偏差大和椭圆度大的现状，并降低了管道上料的位置要求；焊缝成型美观，大大提高了焊接质量的稳定性；与单人单枪的手工焊相比，工作效率提高5倍以上．     

国内首条船舶焊接机器人生产线通过国防科工委成果鉴定并投入使用

日前,由我校与昆山华恒焊接自动化工程技术研究中心、上海外高桥造船有限公司联合研制的国内第一条“船用管—管、管—法兰焊接机器人生产线”在昆山完成,并顺利通过江苏省国防工办组织的成果鉴定,达到国内领先、国际先进水平。目前该项机器人生产线在外高桥造船有限公司投入使     

小组立机器人装焊生产线总体设计研究

基于典型小组立工件的生产纲领,分析小组立工件的加工工艺,制订详细的加工工艺路线,对小组立机器人装焊生产线的工位进行总体布置设计。依据典型工件的生产纲领,从组成设备和系统集成控制2个方面对焊接机器人工作站进行设计研究。从生产节拍、工作人数、产品质量、生产连续性和生产管理等5个方面对小组立机器人装焊生产线与传统小组立生产方式进行对比分析。结果表明:相对于传统小组立生产方式,小组立机器人装焊生产线的生产效率更高,所需人数更少,产品质量更稳定、更优异;同时,具有生产连续性好、生产管理更智能化等特点,能达到提高生产效率、降低人数、改善焊接质量的目标,使小组立工件生产形成规模化、高效化和批量化的智能制造模式。     

起重机互嵌式法兰铰接支座设计

在对起重设备或其他类型设备中用于连接大车运行机构与端梁或下横梁部件的法兰铰接支座的工况、结构、制造工艺分析的基础上,设计了互嵌式法兰铰接支座,介绍其结构与制造工艺,解决了目前法兰铰接支座普遍存在的加工难度大、质量难控制、生产效率低等主要问题,可为同类结构产品的设计、制造提供参考。     

船体平面分段智能制造流水线工艺装备技术

针对船厂对船体平面分段结构优质、高效制造的技术需求,以船体平面分段中间产品加工为功能对象,进行船体平面分段智能制造流水线装备的研发制造,突破流水线总体设计、智能化焊接、系统集成控制等关键技术,形成一条包含拼板装焊、纵骨装焊、中组立制造等多工位的智能化流水生产线。通过工程应用实现船体平面分段由传统生产模式向以智能装备为标识的智能制造模式转变,可显著提高船体结构加工制造技术水平。     

基于PSO-BP神经网络的船体分段任务包工时定额模型

为解决船体分段任务包工时定额的计算过度依赖线性公式而忽略工时定额与工艺参数之间的非线性关系的问题,提高工时定额计算的效率和精确度,将PSO-BP神经网络技术应用到船体分段任务包工时定额中。通过对影响船体分段中间产品额定工时的工艺参数进行分析,建立多输入单输出的PSO-BP神经网络模型,并应用实际数据对PSO-BP神经网络进行训练,测试仿真结果与实际值之间的误差在允许范围内。验证结果表明,采用PSO-BP神经网络建立船体分段任务包工时定额模型,能对任务包作业工时进行准确预测。     

船舶生产设计工时体系及预测模型研究

设计工时定额是设计管理的重要基础数据.由于船舶设计建造过程中的设计工时尤其是生产设计工时没有准确的基础数据,也缺乏有效的工时预测模型,导致无法对设计工作进行有效管理.研究的目的是建立船舶生产设计工时体系及工时预测模型.对项目工时中的图纸作业和非图纸作业进行研究,建立了非图纸作业工时的模型和图纸作业工时的神经网络预测模型.以某船厂的设计项目进行了验证,表明该模型是有效和准确的,可以为加强设计管理、提高设计效率提供依据和基础.     

船用中速双燃料发动机放热规律神经网络预测模型的开发

以船用中速双燃料发动机为研究对象,提出其放热规律神经网络预测模型的开发方法。首先建立船用中速双燃料发动机的多维性能仿真模型,对增压空气压力、燃气喷射量和引燃油喷射提前角等不同控制参数进行数值组合,计算多组不同工况条件下的放热率曲线;通过对多条放热率曲线进行参数化分析,明确描述放热率曲线的4个曲线特征参数和特征方程;建立双燃料发动机放热规律神经网络预测模型,以控制参数作为输入量,以放热率曲线特征参数作为输出量,利用多组放热率数据对神经网络模型进行训练和测试。该模型揭示了控制参数与放热率之间的规律,可由控制参数对放热率曲线进行预测。仿真计算结果表明:相比一般的发动机实时仿真模型,神经网络预测模型结果更加贴近发动机实际工作状态。     

基于应力和振动频率的典型船体结构裂纹损伤识别方法研究

为研究典型船体结构的裂纹识别方法,通过模型试验和数值仿真相结合的方法获取了大量可靠的训练样本和验证测试样本。基于BP神经网络技术建立了裂纹损伤识别模型,分别以静态应力参数、动态振动参数、应力与振动参数结合三类信息作为特征参数,对裂纹位置坐标进行了识别,对识别精度进行了对比分析。结果表明利用神经网络模型进行加筋板裂纹损伤识别是可行的,其中以应力与振动参数结合作为裂纹识别的特征信息识别精度最高,绝大多数裂纹位置识别误差在5%之内。研究方法和研究成果可为船体结构裂纹损伤智能化识别提供参考。     

PSO-BP神经网络在船舶二级脱硝系统中的应用

随着国际海事组织（IMO）标准Tier III标准的实施，船舶柴油机尾气中的氮氧化物（NOx）的排放受到了更严格的限制。选择性催化还原脱硝技术因其高效、可靠等优势成为船舶柴油机NOx减排的主要选择。本文先根据SCR反应机理在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型，通过仿真结果对比，发现加入二级脱硝系统后，脱硝率可以得到提高。鉴于BP网络预测精度较低，本文将粒子群（PSO）算法加入到BP权值训练过程中，利用PSO-BP 神经网络预测 SCR-DeNOX系统出口处NOX浓度。结果表明：PSO-BP 神经网络不但可以预测SCR-DeNOX系统出口处的NOX浓度，而且与传统BP 神经网络相比可以提高预测结果的精度，为有效控制喷氨量、降低氨气逃逸量提供帮助。     

径向基神经网络在水下船体防腐中的应用

采用改进型径向基函数神经网络来预测水下船体电位,从而达到船体防腐的目的。首先,分析采用无单元法求解问题的优越性;然后,介绍径向基函数神经网络的原理,通过建立水下船体的数学模型来获得船体电位,采用层次凝聚算法和K-均值聚类算法来确定径向基函数神经网络的中心节点,从而建立神经网络;最后,对神经网络的预测能力进行MATLAB仿真检验。结果表明,采用改进型的径向基函数神经网络来预测船体电位获得了很高的精度,对于船体防腐保护达到了很好的效果。     

基于模糊聚类分析的船体分段类型分类方法和应用研究

为提高现阶段船体分段制造过程的标准化水平,实现分段装配工序和工时的标准化,推动船体分段制造数字化发展,本文以船体分段作为分类成组的研究对象,应用模糊聚类分析方法,建立了模糊聚类分析模型,通过输入分段工艺生产数据信息,实现了对船体分段的定量化分类,验证结果表明,应用模糊聚类分析形成的分段族类符合实际工艺需求。     

铰连接在深水S型铺管中的应用

为了能够在S型铺管过程中将管线、船体和托管架三者作为一个整体进行耦合分析,使用势流理论用于计算船体受到的波浪力,广义弹性接触面法模拟托辊与管线之间的接触,采用带有铰接刚度的铰连接来模拟管线的上弯段,集中质量法用于模拟管线的中垂段和下弯段。通过时域全耦合方程将整个系统联立求解,并将这种方法的结果和未考虑上弯段管线接触的结果与实验值进行了对比发现:新计算方法能够使管线受力和船体运动都更为接近于实际值。对管线张力进行了谱密度分析,得到了对管线张力作用较大的频谱范围,为其在不同海况下的适应性提供了技术参数。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

基于BP神经网络的二手船价格评估研究

二手船价格是买卖二手船决策过程中非常关键的因素。为了准确地估算二手船价格,利用BP神经网络的高度非线性运算能力以及通过学习样本数据即可对事物复杂内在规律进行精确计算的特点,将BP神经网络应用于二手船价格的估算。利用从克拉克松获取的2009年到2012年120个灵便型干散货船交易数据,建立了基于船龄、船舶载重吨(DWT)、新造船价格和一年期期租费率的BP神经网络模型,网络输出结果与二手船实际交易价格的相对误差率在10%以内。