采用模糊区间分析的柔性航空结构件装配偏差预测

在仅知偏差源区间的条件下,将偏差源分布描述为离散模糊数;基于弹性力学原理,通过有限元仿真分析,建立柔性航空结构件的装配偏差模型;以离散模糊数表达的偏差源作为装配偏差模型的输入,结合模糊区间分析得到装配偏差的模糊分布;通过模拟翼盒骨架装配试验验证建立的装配偏差模型以及提出的装配偏差预测方法的有效性. 试验结果表明：基于模糊区间分析的装配偏差分析方法预测的装配偏差区间包含了实测的装配偏差,可解决偏差源信息匮乏时的装配偏差预测问题,并给出了不同置信水平下的装配偏差区间,是传统基于蒙特卡洛模拟（MCS）的装配偏差分析方法的一种补充.     

基于一维卷积神经网络的螺旋铣刀具磨损监测

基于传统机器学习的螺旋铣刀具磨损监测方法需要复杂的特征提取和丰富的经验知识,不同磨损阶段具有相同的错误分类代价,针对这些问题,结合电流信号一维性特点,提出基于一维卷积神经网络(1D CNN)和代价敏感学习的螺旋铣刀具磨损监测方法. 采集机器人螺旋铣末端执行器主轴、公转轴和进给轴电流作为监测信号,并采用滑动窗口法进行样本划分,在降低网络容量的同时增加样本数量和多样性;在网络损失函数中引入代价矩阵并增加急剧磨损阶段的错误分类代价,使得1D CNN具有代价敏感性;直接将电流时域信号输入1D CNN,网络可以自动提取刀具磨损特征,并将特征提取和不同磨损阶段分类融合在一起. 试验结果表明,在机器人螺旋铣系统中,该方法的刀具磨损监测准确率为99.29%,在急剧磨损阶段的查全率为99.60%.     

基于磁场磁力的铁粉纸屑分离机构设计

为了解决纸基蜂窝芯零件基于磁场和摩擦吸附原理固持方法中作为固持介质的铁粉在零件加工过程中掺杂蜂窝芯纸屑而不能重复使用的问题,提出基于磁场磁力的铁粉纸屑分离机构设计方案.根据蜂窝芯纸屑的存在形式,分离机构采用摆动筛和磁性分离的两级分离方式.根据摆动筛连杆机构的特性分析,采用调节偏心轮电机转速的方式来控制摆动筛的摆动频率.根据滚筒机构的结构形式,计算得到铁粉区域磁感应强度值应不小于0.107 T,采用调节滚筒驱动电机转速的方式来控制平带上吸附铁粉的厚度.根据有限元分析对比结果,采用带有导磁极的激磁组件结构形式,导磁极厚度应取15～20 mm,空气间隙应取20～25 mm．