基于数字孪生技术的工业机器人故障预测方法

为了提高工业机器人的运行效率，采用数字孪生技术和卷积神经网络算法设计了工业机器人故障的预测方法。首先设计了工业机器人故障预测的基本架构，然后利用数字孪生技术构建了虚实映射的工业机器人的物理模型，并提取工业机器人的运动姿态特征，最后利用卷积神经网络算法构建了工业机器人电机故障的预测模型，通过对故障特征信号特征提取和分类，实现了故障的实时预测。仿真结果表明：通过孪生虚拟模型获取的工业机器人运行状态与实际运行状态高度重合，采用提出的故障预测方法对100组数据处理，得到的正确率、精确率、召回率和F1值4个性能指标分别为0.961 7、0.903 5、0.925 4和0.923 1，均明显高于其他两种对比方法，为工业机器人进行故障诊断和预测提供有力的技术支持。     

考虑间隙特性的双机械臂模糊自适应鲁棒控制

为了克服间隙特性和未知扰动对双机械臂系统抓取物体性能的影响,设计了模糊自适应鲁棒控制律。首先建立了双机械臂系统数学模型和间隙特性模型,然后引入自适应律来估计未知扰动,利用模糊系统来估计系统模型参数,同时设计了自适应间隙逆模型来补偿间隙特性,并对系统进行了稳定性分析,最后实现了考虑间隙特性的双机械臂系统精确控制。仿真结果表明,设计的控制方法具有更好的快速性和准确性,能够确保物体在0.5 s内稳定跟踪轨迹指令,最大跟踪误差仅为0.5 cm;设计的自适应律能够快速准确估计未知扰动,最大估计误差仅为0.3 N·m,估计精度较高。     

融合多传感器的工业机器人故障信息采集系统

由于工业机器人在频繁的运行中受到各种摩擦、振动、温度变化以及负载作用的影响,从而使设备出现故障的概率大大提升。为了更加全面掌握工业机器人的运行状态,采用ZigBee无线传输技术设计了融合多传感器的工业机器人故障信息采集系统。采集节点读取振动传感器、电机转速传感器和温度传感器采集的数据获取工业机器人不同部位的工况信息,然后通过ZigBee无线模块发送到接收装置。接收装置将工业机器人的运行状态信息进行解析,并将提取出来的特征信息与故障特征进行比对,从而对工业机器人进行故障诊断和预测。     

新时代背景下机械智能制造现状与发展分析

在新时代背景下,我国经济发展实力得到了良好的提升,但是随着科技发展水平的不断提高,对机械制造产业提出了更加严格的要求。根据目前我国机械智能制造业的发展情况来看,与发达国家相比还存在一定的差距,为了促进我国机械制造行业的健康发展,应当对新时代背景下机械智能制造现状进行详细的分析,并依据新时代的发展特点和实际要求提出行之有效的发展策略。本文主要对新时代背景下机械智能制造现状与发展进行了全面的分析与研究,旨在促进我国机械制造行业的长久稳健发展。     

挖掘机斗齿用40Cr钢的半锻造余热淬火工艺研究

提出了一种改进的“半锻造余热淬火”工艺生产挖掘机斗齿。“半锻造余热淬火”工艺的关键是确定完成珠光体转变的临界温度。系列实验结果表明,40Cr钢完成珠光体转变的临界温度为650 ℃。“半锻造余热淬火”工艺与“锻造余热淬火”工艺相比,可以获得更好的冲击韧性; 与“锻造常规淬火”工艺相比,可以节省能源和工时。