基于运动捕捉的多自由度机械臂输入设备研究

研究参照人体上肢运动角度活动范围,设计了一种用于交互式运动捕捉的多自由度机械臂输入设备。以Unity3D中的虚拟人物模型为实验样本,实验对比了使用图形用户界面(Graphical User Interface,GUI)和机器人用户界面(Robot User Interface,RUI)两种方法对5种指定动作生成所花费的时间。结果表明,使用该机械臂输入设备生成指定动作时耗时更短,分别为使用GUI方法的0.52倍、0.6倍、0.38倍、0.22倍和0.47倍,实验效果更加直观,为动画制作领域的研究提供了参考。

绳驱动伸缩臂设计与控制策略研究

传统伸缩臂大多使用液压驱动,使得伸缩臂体积质量较大、稳定性较差。针对此问题,设计一种电力驱动的绳索滑轮伸缩臂,通过运动学仿真分析,验证三节臂运动稳定性。在此基础上,将绳索模型简化为无质量的弹簧模型,并引入摩擦项,建立伸缩机构驱动单元的动力学精确模型。运用建立的动力学模型对所设计的伸缩臂进行控制系统稳定性分析,结果显示,系统在陷波频率点处存在谐振情况。通过引入双T网络和比例环节对系统传递函数进行校正,分析结果表明,改进后的系统谐振峰值减弱,绳驱动伸缩臂系统稳定。

基于EEMD-PSO-ELM的RV减速器故障诊断模型

为了准确评估旋转矢量(RV)减速器的工作状态,针对RV减速器故障不明显、样本数据少、难诊断的问题,首先从理论上证明RV减速器正常运行时扭矩传递时具有周期性,利用旋转机械测试信号周期演变特征和集成经验模态分解(EEMD)可以有效反映数据周期性的特点,提出一种基于EEMD的粒子群优化(PSO)算法的极限学习机(ELM)故障诊断模型,同时采用西安交通大学轴承实验数据集验证了模型性能。在此基础上,将RV减速机测试平台所测得的数据代入所提模型,最后与其他模型进行对比,结果显示所提模型能够更有效地判断出RV减速机的工作状态。

基于改进的二进制蚁狮算法的特征选择模型及应用

为了降低滚动轴承故障数据集的特征维度,选取最有效的数据特征,首先提出一种改进的二进制蚁狮算法,该算法通过引入种群保护集机制,对具有寻优潜力的部分蚂蚁进行保留,并将保护集内群体与主群并行迭代,以加强算法的全局寻优能力,然后通过0-1背包问题验证了该算法的有效性;最后将上述改进融入混合式特征选择模型中,在UCI标准测试数据集与凯斯西储大学滚动轴承故障数据集上分别应用该模型进行特征选择。实验结果表明,融合改进二进制蚁狮算法的混合式特征选择模型的识别精度与特征约简能力均得到明显的提升。

基于SFLA-ELM模型的滚动轴承早期故障诊断方法

针对滚动轴承早期故障信号非线性增强、耦合关系复杂的特点而导致传统的模型识别率低的问题,首先对轴承振动信号进行LMD分解,然后提取前三个PF信号的符号熵作为特征向量,作为神经网络的输入量;其次,利用混合蛙跳算法优异的全局寻优特性,克服传统ELM算法易陷入局部最优的缺陷,建立了基于混合蛙跳算法和极限学习机的新模型;最后,通过与BP网络、ELM网络的试验对比,SFLA-ELM模型具有较高的故障识别率和较强的健壮性.

基于特征分析的BP神经网络轴承剩余寿命预测

为准确评估机械设备的剩余寿命,准确掌握设备的健康状态信息,提出一种特征值提取和BP神经网络(BP Neural Network,BPNN)模型的剩余寿命预测方法。首先采用特征值提取的方法建立寿命特征指标,以寿命特征指标为BP网络输入神经元,建立BP神经网络剩余寿命预测模型,以辛辛那提轴承全寿命周期实验数据为模型算例,验证了模型的可行性,并给出了轴承剩余寿命从100%到0的预测曲线,预测结果显示该方法能够有效地预测轴承剩余寿命。