共查询到18条相似文献,搜索用时 453 毫秒
1.
在虚拟仪器技术的基础上,对谐波齿轮减速器的传动误差测试系统进行了研究和设计.确定了谐波齿轮减速器的传动误差测试方法、测试原理.该系统将硬件试验台、扭矩传感器、角度传感器、数据采集卡、运动控制卡、工控机、驱动电机和labview软件结合编程,充分发挥了计算机的处理能力,以较低的成本实现了高精度、高质量的测试功能,对谐波减速器传动误差的研究和检测提供了依据. 相似文献
2.
谐波减速器是工业机器人中重要的零部件之一,其性能直接关系到工业机器人的运转状态。谐波减速器的疲劳失效分为柔轮失效和柔性轴承失效两类。利用谐波减速器综合测试平台,实时监测和记录谐波减速器传动效率、温度和振动信号,并提取出信号特征,对两种失效模式的特征进行分析。验证了传动效率、温度和振动信号表征谐波减速器失效的一致性,在柔轮失效模式下,谐波减速器传动效率退化量约为7%;在柔性轴承失效模式下,谐波减速器传动效率退化量约为15%。失效模式特征的分析对于谐波减速器的失效和疲劳研究有着重要的意义。 相似文献
3.
4.
5.
《组合机床与自动化加工技术》2016,(8)
为了提高电机轴承故障诊断的准确率,提出了基于粒子群优化的支持向量机(SVM)故障诊断的方法。文章采用局部均值分解(LMD)提取电机轴承振动信号特征作为支持向量机的特征向量;采用粒子群优化算法(PSO)优化支持向量机的核函数参数和惩罚参数,以此建立分类器用于识别电机轴承故障类型。通过仿真实验验证该方法能够有效的识别电机轴承故障状态。 相似文献
6.
7.
《组合机床与自动化加工技术》2020,(8)
针对以数据驱动的齿轮箱故障诊断过程中存在特征提取复杂、分类器对特征存在较强的依赖性等问题,提出了一种基于卷积神经网络(CNN)和支持向量机(SVM)相结合的齿轮箱故障诊断模型。该诊断模型以多传感器采集的原始振动信号作为模型的输入,通过卷积神经网络完成特征的自适应提取,然后在特征级上将各传感器的特征进行融合,最后将融合特征输入到支持向量机进行故障的分类。经过实验证明,该模型直接以原始信号进行故障诊断的准确率能达到96.3%,且提取的特征在经过融合过后有很高的区分度;相比于基于特征工程的特征提取方法,基于特征学习的特征提取方法提取的特征对齿轮箱故障诊断更有效。 相似文献
8.
齿轮在传动的过程中会因为各种因素产生传动误差进而影响到齿轮传动的工作精度、震动噪声、可靠性以及使用寿命等。在研究由齿轮加工误差、轴偏心和装配间隙三个传动误差主要来源的基础上,综合各单元误差建立了齿轮传动链的传动误差函数。同时对一典型二级齿轮减速器进行了仿真计算,结合频谱分析对其传动误差进行初步的分解与溯源,得出误差占比分布状态和误差主要影响因素,为齿轮减速器产品设计提供了一种误差预测方法并指出制造安装时需主要保证精度的传动环节。 相似文献
9.
针对航空液压管路卡箍振动信号受强噪声干扰,导致航空卡箍故障难以精准识别的问题,提出一种空时模型的航空卡箍故障诊断新方法。建立空间特征提取模型,对航空卡箍的故障特征进行局部融合。在空间模型中引入GRU模块,提取航空卡箍故障信号中的全局特征。结果表明:设计的空时故障诊断模型可实现航空卡箍故障的精准识别。与目前所用的深度卷积神经网络模型、门控循环单元神经网络模型、循环神经网络模型、支持向量机和误差反向传播神经网络模型等5种先进的故障诊断方法进行对比分析,所提方法对航空卡箍故障识别具有优越性。 相似文献
10.
11.
12.
介绍了一种工业机器人的手腕结构,它将传动系统的全部零件设计为3个可独立安装的整体单元,其结构简单,传动系统精度高、使用寿命长、加工制造容易,手腕安装及维修时,谐波减速器及传动部件无需分离和进行任何调整。 相似文献
13.
14.
实际工业机器人在恶劣工作环境中易出现故障,传统的故障诊断大多都是通过振动信号进行,但是振动数据在实际工厂难以采集,给工业机器人的故障诊断造成了极大困扰。针对这一问题,提出一种基于小波包能量谱(WPES)与卷积神经网络(CNN)的工业机器人电流数据的智能故障诊断模型。该模型通过小波包将原始电流信号分解为多个子频带,计算每个子频带对应的能量特征,当工业机器人出现故障时,能量特征会发生变化,并将能量谱特征转化为二维矩阵用于设计、训练和测试所提出的模型。实验结果表明:采用WPES-CNN模型进行故障诊断,故障识别率达到了99.9%以上。 相似文献
15.
针对目前带式输送机托辊故障诊断方法存在接触式测量、准确率低、井下大范围检测困难等问题,提出了一种基于MFCC特征和参数优化SVM的托辊故障诊断方法。利用变分模态分解(VMD)将采集到的托辊声音信号分解为若干本征模态分量(IMF),并基于包络熵和峭度组成的复合指标优选IMF分量;提取所选分量的梅尔倒频谱系数(MFCC)作为特征,利用灰狼优化算法(GWO)优化SVM参数;将样本特征向量输入GWO-SVM中进行故障分类。结果表明:对于正常托辊、托辊内圈故障、托辊外圈故障、托辊卡死4种工况,该方法故障识别平均准确率在95%以上。与单一指标相比,复合指标提取的IMF分量故障特性代表性更好;与其他优化算法相比,该方法的识别准确率更高,分类速度更快。 相似文献
16.
机电作动器已经用于民航客机飞控舵面的控制,机电作动系统中传感器输出的正确性对系统正常工作影响较大,因此对传感器进行快速有效的故障检测非常必要。分析机电作动系统的传感器故障模式,针对当前故障检测在处理液态与非液态故障时所需信息多、检测时间长等问题,设计二级GA-BP神经网络对传感器故障模式进行诊断,对比分析了不同训练方式的神经网络方法,确定使用莱温伯格-马夸特学习方法的神经网络的故障诊断分类结果更加准确,并通过遗传算法对神经网络进行了优化。最后通过机电作动系统仿真实验平台验证该方法的有效性。创新之处在于采用了二级网络架构,快速检测液态故障与非液态故障,有效减少了网络故障检测的所需信息量和故障检测时间。 相似文献
17.
18.
针对数控机床传动系统缺乏有效的监测诊断手段,利用驱动伺服电机电流信号的高信噪比、易于测量、不受系统结构影响的特点,提出了基于伺服电机电流信号的机床传动系统监测诊断方法.在分析传动部件对伺服电机电流信号影响规律的基础上,讨论了电机电流的循环自相关解调技术,设计开发了相应的监测诊断系统.为保障数控机床运行的稳定性,促进监测诊断技术的进一步发展具有重要的意义. 相似文献