基于数字孪生的铣刀磨损状态识别方法研究

实时精准地监测铣刀磨损状态对于提高加工质量与加工效率具有重要意义,提出一种基于数字孪生的铣刀磨损状态识别方法,该方法通过结合VMD-MPE特征提取方法和GA-SVM状态识别模型构建数字孪生体对铣刀磨损状态进行实时监测。首先,利用变分模态分解算法(VMD)分解铣刀振动信号得到包含磨损状态信息的模态分量;其次,引入多尺度排列熵(MPE)从包含磨损状态信息的模态分量中提取铣刀的非线性动力学特征,并取各有效模态分量的多尺度排列熵平均值作为特征矩阵;最后,通过遗传算法(GA)优化支持向量机(SVM)构建铣刀磨损状态识别模型。实验结果表明,所构建的数字孪生体具有良好识别效果,其识别精度可达97.33%。

基于GA-SVM优化算法的扒渣机器人逆运动学求解研究

扒渣机械臂逆运动学分析是其末端破碎锤与铲斗实现运动轨迹精准控制的难点,由于封闭解法通用性差,以及运用单一神经网络求取时存在精度不足等问题,提出一种基于遗传算法(GA)优化支持向量机(SVM)的机械臂逆运动学求解方法。首先由D-H参数法构建正运动学模型,并获取数据样本;再采用GA算法对SVM的惩罚因子c和核函数参数g以及损失参数ε进行全局寻优,将构建的GA-SVM模型应用到扒渣机械臂关节角逆运动学求解中,结果显示末端位姿的均方误差为1.54026×10^(-7),表明该算法可准确求解出期望关节角度值;最后将算法模型求取的逆解数据进行五次多项式轨迹规划,验证了GA-SVM算法模型的可靠性。

HRB400钢筋网片弯曲成形预测与回弹精度研究

为研究电阻点焊而成的HRB400钢筋网片弯曲回弹特性,基于弹塑性弯曲回弹理论,建立了残余应力引起的钢筋网片弯曲回弹数学模型,通过控制变量法设计并制作多张钢筋网片试验件进行弯曲回弹试验,研究了弯曲半径、弯曲角度和持荷时间3种工艺变量对HRB400钢筋网片弯曲回弹角的影响规律。