基于Pro/E和ADAMS的绝缘子带电干冰清洗机器人的运动仿真分析

Pro/E和ADAMS是当前国内外使用最广泛的三维建模软件和仿真分析软件。利用Pro/E技术建立绝缘子带电干冰清洗机器人模型,通过对带电绝缘子清洗机器人运动学分析,得到了运动学正解、逆解方程,采用ADAMS的运动仿真功能对绝缘子带电干冰清洗机器人的运动特性进行动力学仿真分析,给出了机器人在特定运动状态下末端工具的位移、速度及加速度等特性曲线,为绝缘子带电干冰清洗机器人的的运动控制及优化设计提供参考依据。     

极寒大温差环境下温度对轴承配合的影响及自适应补偿结构

分析了极寒大温差下外壳和圆锥滚子轴承外圈由于材料不同产生的热变形和热应力,利用热稳态的边界条件得到了热应力、热应变与径向变形,并基于ANSYS数值模拟验证了理论分析的正确性。针对热应力对轴承配合的影响,提出一种可以减少热应力影响的温变自适应补偿结构,并基于ADAMS运动学仿真验证其有效性,该结构维持了原结构中轴承的工作游隙,消除了大温差下的热应力对轴承配合的影响。     

一种具有三维空间自重构能力的新型模块可避障运动仿真研究

提出一种具有三维空间重构能力的新型模块化自重构机器人,根据不确定目标构型的机器人重构运动规划策略,对机器人模块及其周围环境进行描述;采用三维相对方位描述方法,建立了机器人可避障运动规则库,并结合VC＋＋与Open GL技术开发了基于可避障运动规则库的机器人仿真运动平台,验证了该方法的高效性。     

新型自重构机器人钩爪式连接机构

分析了自重构机器人重构和运动过程中连接机构的功能和作用,设计了一种新型钩爪式连接机构。该机构在机器人运动过程中为相邻模块提供可靠的连接,在重构过程中可迅速完成相邻模块的连接/断开。连接机构由微型直流电机、主动钩爪连杆结构和被动连接基板组成,具有模块连接对中功能,连接后机构自锁,无需电机力矩保持,节省能量。分析了该连接机构的工作原理、对接条件和力学特性,并进行了实验研究。结果证明:该连接机构具有较好的性能,并且在一定的几何误差下仍能完成连接。     

模块化机器人的双输出CPG网络调相运动控制

为了增强模块化机器人的灵活性,以及对其多模式运动进行更简单有效地控制,结合阵列式和串联式自重构机器人的特点,设计基于万向式关节的双自由度UBot模块,并根据两个关节之间的相互抑制关系,结合生物学的中枢模式发生器(CPG)运动控制原理,设计具有双输出的CPG网络调相运动控制器.通过调整CPG间的连接权重以及每个CPG中两组输出的关系,调解运动控制信号间的相位差值,有效地控制UBot模块化机器人的整体协调运动.应用这种控制方法控制了模块化机器人的3种运动模式:四足运动、蠕动和多节虫运动,在ADAMS仿真环境下进行了运动仿真实验,并在UBot模块化自重构平台上分别进行了3种构型的实体运动试验.实验结果验证了双输出CPG调相网络对模块化机器人运动控制的有效性和实用性.     

机床主轴热关键点选择与典型转速热误差预测

针对机床主轴热误差对准静态精度影响的关键问题,提出了一种基于改进鸡群优化（MCSO）算法及支持向量（SVM）的热误差预测模型。利用基于非监督学习的谱聚类与Spearman关联分析辨识主轴关键敏感温度测点,降低温度数据分布于数量的依赖,削弱温度变量间的多重共线性。引入Levy飞行策略至母鸡个体局部搜索过程,构建了非线性动态自适应惯性权重更新雏鸡策略,基于MCSO-SVM进行核函数、罚因子以及偏差量的全局优化,分别采用MCSO-SVM、BP-GA、GA-SVM和CSO-SVM热误差建模,同时对不同转速下的模型预测能力进行对比分析。热误差实验测量与预测结果表明：谱聚类与Spearman关联分析可有效降低温度变量共线性导致的耦合作用;MCSO-SVM可实现典型转速下主轴五项热误差的高精度预测,模型具备较好的泛化能力和鲁棒性。     

数控车床主轴热误差SHO–LSTM预测建模

在高精度加工过程中,数控机床主轴误差对加工精度的影响较为严重。数控机床热误差占总误差比例高达40%～70%,是主要的误差源之一。为了提高热误差预测的精度,本文提出一种使用海马优化算法（SHO）优化时序预测网络（LSTM）的精密车床主轴热误差预测建模方法。首先,利用羚羊优化算法（GOA）对模糊C均值聚类（FCM）的模糊矩阵常数、最大迭代次数、迭代终止条件进行优化并结合皮尔逊（Person）、斯皮尔曼（Spearman）和肯德尔（Kendall）相关分析方法优化温度测点,使用手肘法确定最优分组规模,根据DB(Davies–Bouldin)、BWP(Bregman Within–class Projection)和Silhouette(Silhouette coefficient)聚类评估指标评估温度测点聚类效果。其次,以车床主轴五点法获取的热误差数据和优化后的温度数据作为输入,使用海马优化算法（SHO）对时序预测网络（LSTM）的隐含层节点、全连接层节点、学习率、L2正则化常数进行优化,并使用S折交叉试验方法确定最优分组规模,建立主轴热误差SHO–LSTM预测模型。再次,在不同转速下对构建...     

UBot自重构机器人拓扑描述方法

为准确描述重构过程中自重构机器人的拓扑关系,提出一种基于关联矩阵的UBot自重构机器人拓扑描述方法.在分析UBot自重构机器人系统的模块运动特性的基础上,建立了重构过程中关节状态表;对模块间可能存在的连接和方位关系进行分析,建立了一种二进制数表达法;以蠕虫构型为例,建立了其对应的数学拓扑描述矩阵.该矩阵不仅描述了模块的...