RV减速器的多目标层次优化设计

为了使RV减速器的结构更加紧凑、传动效率更高和承载能力更强,提出了一种基于层次分析法(AHP)的RV减速器多目标优化设计方法。以RV减速器的体积、传动效率和摆线轮接触应力为多目标函数,借助层次分析法(AHP)对优化目标进行评估,计算各个目标的权重,将多个目标通过加权法转化为单目标函数,其次建立了包含参数范围、强度校核及结构限制的约束条件。最后利用遗传算法(GA)实现多目标优化设计问题的求解。优化结果表明,优化后的RV减速器体积减小、传动效率更高、承载能力更强,综合性能提高了8.0%。为实际生产应用中减速器的优化设计提供理论和方法指导。

偏载作用下RV减速器主轴承启停动态特性研究

为了获得RV减速器启停工况下主轴承的动态响应特性,以某型RV减速器主轴承为研究对象,分析轴承的径向和轴向偏载作用情况;在此基础上建立轴承多刚体动力学仿真模型,结合工况设置载荷、转速和接触参数,并验证模型有效性;仿真分析了RV减速器主轴承启动和减速停止工况对轴承滚子与保持架、内外圈接触力的影响规律。结果表明,RV减速器主轴承滚子与保持架接触力受启停工况的影响,启动加速阶段碰撞最为激烈,平稳时次之,减速时最小;在启动加速和减速停止阶段,滚子与内圈接触力波动范围为平稳运行时的15倍,为研究RV减速器主轴承的动态特性及寿命试验提供了理论基础。

伺服特征信息与RV减速器负载关联性研究

针对现有RV减速器工况识别中传感器安装位置受限和采集信号易受外界噪声干扰等问题,综合利用伺服特征信息对RV减速器工作状况进行监测,提高工业机器人在制造领域的服役性能。首先,根据RV减速器的结构参数及工作机制,分析输入转速与RV减速器关键频率、伺服特征信息与负载之间的关联性;然后,基于K-means聚类算法构建伺服特征信息与RV减速器负载之间的关联性辨识模型;最后,通过搭建RV减速器试验平台采集不同负载工况下伺服系统反馈信息,进行相应处理后运用关联辨识模型,实现了对负载状态的精确识别,识别率高达97.45%。本文可为基于伺服特征信息的RV减速器运行状态监测提供技术支撑。

面向传动性能的分体式RV减速器结构优化

针对当前国产RV减速器加工成本高,传动效率低等问题,提出分体式摆线轮结构对原齿廓进行优化以减少加工难度,提升加工效率。分析RV减速器传动原理,提出了分体式摆线轮的设计方法,确定各零部件的参数尺寸,以负载性能,传动精度,传动效率为评价指标,构建多目标评价函数,采用NSGA算法实现面向性能的RV减速器结构参数优化。构建RV减速器三维模型,采用Adams动力学分析对其各项指标进行评定,验证设计方法的有效性。同时,采用有限元分析对设计出RV减速器结构的合理性进行验证分析。

基于瞬时角速度信号增强的RV减速器行星齿轮局部故障检测

针对旋转矢量(rotary vector, RV)减速器多源耦合严重,行星齿轮局部故障所引起的冲击易被其他干扰分量所淹没,故障特征提取困难的问题,结合编码器信号的优势提出了一种基于自适应最大二阶循环平稳盲解卷积(adaptive maximum second order cyclostationarity blind deconvolution, ACYCBD)的RV减速器行星齿轮局部故障检测方法。首先,拾取伺服电机内置光编码器信号,并利用向前差分计算获得瞬时角速度(instantaneous angular speed, IAS)信号;然后,依据特征评价指标(characteristic evaluation indicator, CEI)最大化原则自适应确定ACYCBD优化滤波器长度,并对IAS信号进行增强;最后,通过识别时域中与故障冲击周期相匹配的理论齿数实现RV减速器故障检测。通过试验数据分析,并将所提方法与现有的稀疏低秩分解算法和增强CYCBD算法对比,验证了所提方法的有效性。

基于IAS信号自适应窄带解调的RV减速器摆线轮故障特征提取

RV(rotary vector)减速器广泛应用于工业机器人,研究其关键零部件的故障检测方法具有重要意义。由于RV减速器结构复杂、摆线轮转速低、故障冲击较弱等问题,造成摆线轮故障特征难以用常规振动分析方法提取。针对上述问题,提出一种基于瞬时角速度信号自适应窄带解调的RV减速器摆线轮故障特征提取方法。首先对编码器角度信号进行采集,然后使用向前差分法获得瞬时角速度信号,在此基础上,使用角域同步平均提取摆线轮周期相关同步分量,消除非同步干扰,并通过构建边带信噪比指标选取故障信息丰富的啮合谐波频带进行带通滤波,最后对滤波后的信号进行窄带解调,实现对RV减速器摆线轮的故障特征提取。试验结果表明,该方法可以有效地提取RV减速器摆线轮故障特征,且自适应实现优化带宽选择。

基于改进NSGA-Ⅱ算法的RV减速器参数多目标优化研究

旋转矢量(RV)减速器是工业机器人核心部件,对于机器人的性能起到关键作用。针对提升RV减速器综合性能的问题,从优化传动压力角的相关参数出发,对其结构参数(摆线轮齿数、短幅系数、针径系数、摆线轮宽度等)的多目标优化设计进行了研究。首先,研究了摆线轮平均压力角、传动效率和传动机构体积三者的相关参数之间的关系;然后,以此为优化目标,在摆线轮标准齿廓方程的基础上建立了多目标优化数学模型(该模型采用了基于非支配占优排序遗传学算法(NSGA-Ⅱ)改进了交叉算子系数生成的改进NSGA-Ⅱ算法);通过模型求解得到了帕累托最优解集,根据模糊集合理论的相关方法选取了最优解;最后,以某公司220-BX型RV减速器为例,进行了优化设计,建立了3D模型后进行了有限元分析,并加工出实验样机,进行了传动效率对比实验。实验结果表明:摆线轮平均压力角减小了7.19%,体积减小了11.1%,传动效率提高了4.9%。研究结果表明:该模型交互性强,能提高设计效率并节省设计开销,可为实际RV减速器工程优化设计提供参考。

基于改进MOPSO的RV减速器摆线轮齿廓多目标修形研究

在精密RV减速器摆线轮修形过程中,RV减速器回差和传动误差难以获得综合提升,且摆线轮的修形方式多为单目标修形或加权单目标修形,不符合实际工程情况。为此,采用TCA法建立传动误差模型和回差模型,提出一种带有指数型非线性递减惯性权重和迭代更新学习因子的多目标粒子群算法。以回差和传动误差为目标函数,利用改进算法进行复合修形量的优化,通过隶属度函数获得最优化解。利用Adams和MATLAB分别分析不同修形方法下RV减速器的回差和传动误差情况。结果表明:最终优化修形后的回差比等距、移距修形分别减少了0.02′、0.04′,传动误差分别减少了6.6%、7.8%。

一种未知转速下的RV减速器故障诊断方法

随着制造业的快速发展,工业机器人已经成为智能制造的核心执行单元。针对旋转矢量(Rotary vector,RV)减速器在运行过程中转速时变、瞬时转速不易被读取的问题,提出一种基于电流信号和振动信号的RV减速器健康状态评估方法。基于电流信号的瞬时频率获取输入转频信息,计算得出减速器组成部件的故障特征频率;同步截取平稳振动信号,再利用粒子寻优的变分模态分解算法对提取出来的振动特征进行分解,并基于多维评价函数选取故障敏感分量进行包络分析,以挖掘故障信息进而评估其健康状态。最后,通过实验数据集验证该方法的有效性。结果表明,本文所提方法可以获得工业机器人在作业时的关节输入转速,同时,多维评价函数可以从RV减速器信号中提取富含冲击信息的故障敏感分量。

基于色度分析的RV减速器健康状态评估

针对基于声发射的RV减速器运行状态监测中,声发射信号易被噪声影响,并且判别性特征难以获取的问题,本文提出了基于小波变化的声发射信号降噪方法,在此基础上提取了具有判别性特征的峭度信息,作为判断RV减速器健康状态的重要指标。

RV减速机疲劳寿命分析与优化方法

本研究旨在深入探讨RV减速机的疲劳寿命及其优化方法,通过分析材料性能、制造工艺及载荷特性对疲劳寿命的影响,本研究提出结构优化设计、材料优化选择和应用拓扑优化算法等优化手段。实验和仿真结果表明,优化后的RV减速机在降低交变应力、延长疲劳寿命方面取得显著成效,为提升RV减速机的性能和可靠性提供理论支持和实践指导。

基于变分模态分解的阶次分析对RV减速器的故障诊断

在变转速工况下对RV减速器进行故障诊断存在诸多的问题,如信号采集频率不统一、分量调制、低频特征难以确定、频率模糊等,导致RV减速器的故障特征难以提取。针对此问题,提出一种变分模态分解的阶次跟踪分析方法,根据RV减速器的振动特征,确定RV减速器的瞬时转速信号和振动信号;再对RV减速器的转速进行二阶拟合差分,得到时间-转速信号;通过计算时间-转速积分对RV减速器的振动信号进行等角域划分,再利用变分模态分解和重构选取目标分量对其进行傅里叶包络变换,得到RV减速器故障信号的包络阶次图,通过对比故障阶次确定减速器的故障点。所提方法可以在振动信号和转速的采集频率不匹配的情况下进行故障诊断,解决了不能充分划分等角域的问题,为变转速工况下的复杂旋转机械的故障诊断提供了新方法。

RV减速器行星级配齿方法研究

对RV减速器行星级的配齿方法进行研究。通过分析RV减速器的结构特征和内部各传动部件之间的运动关系,建立太阳轮、行星轮、曲柄轴等核心构件之间的角度啮合关系。分析零部件装配工艺的互换性关系,建立RV减速器第一级行星传动部分的配齿模型,进而得到适用于不同型号、不同传动比RV减速器的配齿方法。以RV-80E-121型减速器和RV-3000J型减速器为例,验证所提出的配齿方法的正确性。

RV减速机的自动配齿计算及强度校核

【目的】RV减速机是工业机器人的核心零部件之一,其结构复杂、设计过程烦琐,故特对RV减速机部分设计环节进行参数化设计,以缩短RV减速机的设计周期。【方法】在RV减速机结构分析的基础上,以某厂生产的RV-110E型减速机为例,根据配齿计算所需的五个条件及齿轮强度校核的相关计算公式与原理,通过VB.NET编程语言在Visual Studio软件内完成对RV减速机配齿计算的程序设计和对RV减速机齿轮强度校核的程序。【结果】通过配齿计算可得到多组可靠的配齿齿数结果。之后,为验证配齿计算所得到的齿轮强度可靠性,又设计出一套可以对齿轮进行强度校核的程序。【结论】结果证明了该程序设计的合理性与必要性,可大幅缩减RV减速机的设计周期。

基于智能算法的RV减速器选配平台

RV减速器选配平台是为了解决工业行业内减速器零件选配的效率问题,提高工厂的生产能力而开发出的智能算法选配平台.该平台采用前后端分离模式开发,前端使用Vue.js框架,后端使用Spring Boot框架,由MySQL数据库提供数据存储和数据支持.同时,平台结合智能寻优算法(遗传算法、人工蜂群算法、粒子群算法等)进行零件选配分析,并引入自适应函数调整策略,解决算法容易陷入局部最优的状况.RV减速器选配平台具备了用户管理、零件数据管理和零件选配等功能.经试验证明,平台可以根据制定好的条件约束进行零件的匹配,提高了零件选配的成功性.

基于遗传算法的RV减速器多目标优化修形

以RV减速器摆线针轮为研究对象,分析了摆线针轮正等距加负移距修形理论,并针对该修形方法对摆线轮齿隙和回差的影响建立了摆线针轮修形的目标函数,以正等距加负移距修形方式为基础,提出基于遗传算法的摆线轮的多目标参数优化修形的方法,并通过实验验证其优化方法的有效性,为摆线轮的齿形优化设计的研究提供了理论基础。

基于特征融合的RV减速器局部故障诊断研究

为提高模拟真实工况下RV减速器局部故障诊断方法的可靠性与识别精度,降低工业机器人的故障率,本文提出一种基于频谱、时频谱特征融合的方法,设置三种负载影响因素,采集伺服系统在不同模式下反馈的电流信号,并对电流信号进行快速傅里叶变换(FFT)和小波包分解(WPD),从而获取频谱、时频谱曲线。提取频谱曲线中的平均频域、重心频率、均方根频率及频率标准差用作频域特征值,将时频谱曲线中4个频带能量值用作时频域特征值,并构建融合特征向量;利用基于Sigmoid函数的极限学习机(ELM)对RV减速器的3种工作模式进行识别。结果表明:进行特征融合后,测试集数据的准确率与仅使用频谱特征、时频谱特征相比分别提高了10.95%和5%。本文所研究的方法能够有效提高故障识别准确率,为开发工业机器人无传感在线监测提供指导。

RV减速器摆线轮齿廓多目标修形的优化与研究

在RV减速器的修形过程中,存在难以保证RV减速器承载能力和传动精度能够综合提升的问题,且以往关于修形的研究大多数都是单目标修形,为此,提出了一种以RV减速器承载能力和回差为目标的优化方法,并使用RV减速器综合性能检测台对修形后的RV减速器进行了回差动态实验。首先,考虑了摆线轮修形后的齿廓方程以及修形所需要RV减速器的具体参数,并对标准摆线轮产生的接触力进行了分析;然后,确定了摆线轮和针齿最大接触力的位置,得出了摆线轮齿作用力的计算方法;比较了摆线轮与针齿之间的初始啮合间隙以及摆线轮与针轮变形量的大小,对同时啮合的齿数进行了判断,采用MATLAB迭代计算的办法,计算了准确的最大接触力,并使用赫兹公式算出了最大接触力;最后,分析了不同的修形方式对回差的影响,并建立了多目标优化模型,采用改进后的NSGA-Ⅱ算法gamultiobj遗传算法进行了寻优,求解得到了最小适应度下的较优修形量;为验证该修形方法的准确性,使用RV减速器综合性能检测台对修形后的RV减速器进行了回差动态实验。研究结果表明:经过优化后摆线轮齿间最大接触应力相较于等距修形和移距修形分别降低了11%和13%,优化后的回差为0.013′,回差相较于等距修形和移距修形均得到了提高;以承载能力和回差为优化目标的多目标修形能够较好地解决RV减速器综合性能提升的问题。

工业机器人用RV减速器的齿廓动态磨损特性

针对工业机器人用精密RV减速器齿廓动态磨损难以准确预测的问题,以BX-40E减速器为实例,基于广义Archard磨损公式,通过等效实验求得不同位置条件下减速器的磨损系数,并在磨损预测过程中考虑磨损演化后不同位置条件变化的影响。根据变形协调理论和Langkali-Nikraves接触力模型确定齿间载荷分配与接触压力,考虑时变齿廓磨损与啮合力激励,采用解析建模方法建立了传动系统齿廓动态磨损数值计算模型。对比磨损系数取定值的齿廓磨损曲线,磨损数值与齿面分布规律均存在显著差异,整体差异随磨损次数增加而加剧,得出考虑接触位置条件差异的磨损系数对齿面磨损量化的准确性与必要性。摆线轮、针齿轮的齿面磨损深度曲线沿齿廓呈非对称不规则的倒“W”形,靠近齿根齿顶的部分因磨损而率先脱齿后再啮合,造成冲击,从而出现微突峰。在摆线齿廓凹凸过渡位置几乎不发生磨损。随磨损次数增加磨损峰峰域变窄,磨损率增势非均匀减缓。啮合力与压力角之间成一次函数映射关系。文中研究结果可为提高摆线针齿轮的减磨减振性能提供理论基础。

基于时频脊线提取与改进稀疏分量分析的RV减速器复合故障盲分离

针对农业机器人的核心传动部件旋转矢量(rotate vector,RV)减速器的故障特征提取问题,该研究提出一种基于时频图像脊线提取与改进稀疏分量分析相结合的RV减速器复合故障盲提取方法。首先利用提出的时频图像脊线提取(ridge extraction from time-frequency images,RETF)方法同步截取机械臂恒速时段的观测振动信号,然后利用提出的sinC函数改进形态滤波(sinC-morphological filtering,SMF)算法、密度峰值聚类(density peak clustering,DPC)算法和正交匹配追踪(orthogonal matching pursuit,OMP)算法相结合的盲源分离方法(SMF-DPC-OMP)实现平稳信号复合故障的分离提取。以sinC函数作为新的结构元素构造平均组合形态滤波器,对恒速时段的振动信号进行形态滤波处理,以提升信号的冲击特性以及稀疏性;利用DPC估计稀疏信号的混合矩阵,构建传感矩阵,并结合OMP在频域完成分离源信号重构,最后对重构的时域信号进行快速傅里叶变换完成故障识别。试验台采集的RV减速器的太阳轮和行星轮磨损复合故障信号的分析结果显示,该算法能有效实现RV减速器复合故障的盲分离。RETE算法能够在变转速工况导致时频图较为模糊的情况下,识别出RV减速器的运动状态;SMF-DPC-OMP算法能够在故障源数目未知的情况下,有效完成复合故障的盲分离。与已有方法相比,SMF-DPC-OMP方法能够节省约75%的时间成本,频谱更为简洁,能够抑制精细侧频和干扰分量,适用于关节型农业机器人RV减速器复合故障盲分离,对生产实际中的故障特征提取具有一定的参考意义。