基于数据融合和改进MoCo的工业机器人抖动原因识别

实际工程中工业机器人受关节控制参数不佳易引起末端抖动,抖动原因识别有助于定位关节异常及优化控制。而工业机器人抖动原因识别存在周期信号冗余度高、抖动方向多及抖动状态样本标签缺失的问题,故提出基于数据融合和改进动量对比学习(MoCo)的工业机器人抖动原因识别方法。首先,对工业机器人末端各传感器数据依次进行数据降维、数据扩充、水平拼接融合及降维,构建充足且全面反映抖动方向及状态信息的融合样本。其中,数据融合前降维可降低周期样本冗余度及提升样本融合效率,数据融合后降维可避免融合样本过长导致模型训练复杂度增加。其次,在MoCo前标记少量融合样本由正编码器分类通道输出监督信息,引导特征聚类。然后,改进对比学习策略,将正编码器提取的无标签融合数据特征与动量编码器保存的负样本特征的聚类中心进行对比,去除特征相似度最高的聚类中心以降低对比类别错误的假负样本干扰。并通过对称调换两个编码器的输入进行两次对比损失计算,完成编码器训练。最后,在编码器分类通道后添加Softmax分类器完成工业机器人抖动原因识别。实验结果表明,所提方法在不同工况的工业机器人抖动原因识别准确率均在90%以上,证明了该方法的有效性。

变初位数据增强和深度特征提取的工业机器人末端抖动状态识别

针对实际工程中工业机器人末端抖动程度难以通过简单指标进行有效区分,且识别过程存在外部干扰大、抖动位置分布不均的问题,提出了变初位数据增强和深度特征提取的工业机器人末端抖动状态识别方法。利用陷波滤波器滤除工业机器人末端振动信号中的工频干扰,并通过均方根阈值搜索抖动位置及改变搜索初始位置数据增强的方式,获取充足且能展现工业机器人运动状态的末端抖动数据;采用连续小波变换对末端抖动数据进行分解以获得可充分保留末端抖动冲击与震荡特征的时频图;为缓解特征降维及工况变化的影响,运用去除池化层和添加批归一化的卷积神经网络,对时频图进行深度特征提取和分类,从而实现工业机器人末端抖动状态识别。试验结果表明,所提方法在不同传感器采集方向识别准确率均达到90%以上,证明了该方法能够有效识别工业机器人末端抖动状态,并具有较好的泛化性和稳定性。

聚乳酸纤维在纺织中的应用

聚乳酸来源于玉米、小麦、甜菜、木薯以及有机废弃物等原料,具有生物安全性、生物相容性、生物可降解性等特征。聚乳酸纤维的原料来源可再生,产品亲肤,废弃物可生物降解降解产物为二氧化碳和水。在实现“双碳目标”的今天,由聚乳酸制成的纤维在纺织物品中有广泛市场。通过介绍聚乳酸纤维几种加工方式,介绍聚乳酸纤维的优点,结合百姓生活中的应用案例分析,聚乳酸纤维与人们的生活息息相关,在纺织物品或其他领域中的应用比例将逐步增大,迎来一个重要的发展时期。

考虑关节间隙的柔性机械臂动力学模型及特性分析

为探究关节间隙对柔性机械臂动力学特性的影响,以柔性机械臂为研究对象建立了考虑关节间隙和臂杆柔性的耦合动力学模型并进行动态特性分析。首先,采用接触力碰撞模型和摩擦力改进计算模型,对关节间隙进行表征;其次,采用假设模态法,构建考虑平面转动关节间隙的柔性机械臂动力学分析模型,并基于拉格朗日法推导了其耦合动力学方程;最后,分析了间隙值和弹性模量参数对柔性机械臂系统动力学特性的影响。仿真实验结果表明:接触碰撞力随着关节间隙值的增大而增大,同时导致碰撞频率降低,使得机械臂末端平动加速度增大,运动波动频率降低;当间隙值为0.1 mm时,接触碰撞力提高为无间隙下的17.76倍;柔性臂杆可以减缓关节内部碰撞,降低碰撞力幅值达80%以上,但弹性模量减小会加剧机械臂末端加速度幅值。该分析结果可为机器人系统可靠性和稳定性的研究提供参考。

基于拉普拉斯小波滤波和SA-DS-CNN的滚动轴承故障诊断

针对基于深度学习模型的滚动轴承故障诊断方法易受环境噪声干扰的问题,提出了一种基于拉普拉斯小波滤波(LWF)和自注意力机制-动态选择-卷积神经网络(SA-DS-CNN)的滚动轴承故障诊断模型。首先,提出一种拉普拉斯小波阻尼参数自适应选取策略,使用拉普拉斯小波对采集的滚动轴承振动信号进行相关滤波并进行功率谱变换;其次,基于卷积神经网络框架,引入自注意力机制和动态选择机制,构造SA-DS-CNN;最后,利用SA-DS-CNN提取功率谱特征,根据轴承的不同故障状态定位相关特征信息,实现故障特征的提取和诊断。对N205EM圆柱滚子轴承的故障诊断试验表明:LWF降噪效果较好,能为SA-DS-CNN模型提供优秀的训练样本;SA-DS-CNN模型能抑制无用通道信息,增强网络特征学习能力;LWF和SA-DS-CNN组合模型的故障诊断准确率达到99.65%,优于其他组合模型。

基于局部接触椭圆网格划分的固体润滑角接触球轴承蠕滑分析

针对固体润滑轴承局部接触固体润滑薄膜在切向作用力下的接触问题,建立了拟静力学蠕滑分析模型,采用局部接触面网格划分法对固体润滑轴承进行局部接触点蠕滑分析。以SKF 7218B角接触球轴承为例的分析结果表明:随自旋率增大,拖动力先增大后减小;随横向和切向蠕滑率增大,接触区各点相对滑动速度方向不变,滑动区域随蠕滑率增大而增大,拖动力区域增大;切向和横向蠕滑率不为零时,两接触体沿局部接触坐标系x,y轴方向均存在相对滑动现象,相对滑动速度与滚动速度方向呈一定夹角。

基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断

在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。

基于整周期数据和卷积神经网络的谐波减速器健康状态评估

针对工业机器人谐波减速器循环往复运动、工作节拍不一和转速瞬变而导致其运行状态难以刻画和健康状态不易评估的问题,提出了基于整周期数据和卷积神经网络的谐波减速器健康状态评估方法。首先,运用相位差频谱校正—互相关法对振动信号分割构造整周期数据样本以准确刻画谐波减速器的运行状态信息;其次,应用连续小波变换对整周期数据进行分解以充分展现谐波减速器运转周期内的瞬变特征;最后,利用卷积神经网络在时间和空间上对输入信号的平移、缩放具有高度不变性的特点,充分学习谐波减速器运转周期内的瞬变特征,从而实现对谐波减速器健康状态评估。实验结果显示,所提方法识别准确率达到了90%以上,证明了该方法能够有效评估谐波减速器健康状态,并具有较好的泛化能力和稳健性。

深度置信网络迁移学习的行星齿轮箱故障诊断方法

实际工程中行星齿轮箱受工况、运行情况等因素的影响,获取的数据难以满足训练和测试数据独立同分布且训练数据充足的条件,直接影响故障诊断效果。为此,提出一种深度置信网络(Deep Belief Network,DBN)迁移学习的行星齿轮箱故障诊断方法。首先,将辅助标记数据的原始信号频谱作为DBN网络的输入,逐层更新网络的权重和偏置值对输入信号进行分级表达,以获得其分布式特征表达,得到基于辅助标记样本的DBN预模型。再利用少量的目标标记样本微调DBN预模型的网络权重和偏置值,实现DBN网络的权重和偏置值从源域到目标域的迁移以适应新的目标样本识别,最终提高目标域样本故障识别准确率。通过行星齿轮箱故障模拟实验验证了所提方法的可行性和有效性。

多传感器信息深度融合的谐波减速器健康状态评估

工业机器人谐波减速器工况循环往复,仅依靠单一传感器难以刻画其运行状态全貌且会导致健康状态评估结果不确定性高。为此,提出了多传感器信息深度融合的谐波减速器健康状态评估方法。首先对谐波减速器振动信号进行连续小波变换,构造出时频图以描述其运行状态特征;再运用基于小波变换的图像融合方法将多个传感器的时频信息进行融合以全面刻画谐波减速器运行状态。最后利用卷积神经网络对融合后的时频图像进行自动学习获得能准确表征谐波减速器健康状态的深度特征,并通过在卷积神经网络最后添加全连接层实现健康状态评估。通过对不同健康状态以及不同工作节拍下谐波减速器进行健康状态评估试验,证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。

基于电压信号深度特征学习的谐波减速器健康状态识别

目前工业机器人谐波减速器健康状态识别多以振动信号为载体,需要外加测试系统,增加了数据获取难度及成本,且其准确性和有效性受传感器安装位置影响。基于此,提出基于电压信号深度特征学习的谐波减速器健康状态识别方法。利用工业机器人电机电压信号对谐波减速器健康状态进行表征,使用连续小波变换将电压信号转换成时频图以获得谐波减速器不同健康状态下电压信号的时频信息,构建出数据样本集。利用卷积神经网络对电压信号时频信息进行自学习,并有监督调整网络参数,在获得谐波减速器不同健康状态下电压信号深度特征的同时实现对其健康状态的识别。实验结果显示,所提方法识别准确率达到了90%以上,证明了该方法能够有效识别谐波减速器健康状态,并具有较好的泛化能力和稳健性。

新形势下“水分析化学”课程教学改革与探索

“水分析化学”是给排水科学与工程专业非常重要的一门专业基础课程,旨在培养学生运用水分析化学理论知识解决专业工程知识的能力。本论文在分析给排水专业学科特点、课程性质、企业人才需求等基础上,提出在教学过程中以“强基础、重实践”来组织教学内容;在课程考核方式上注重过程考核,采用非标试题进行期末考核;在教学方式上,注重以学生为主体,采取案例研讨式教学、启发式教学、学习通网络教学等方式进行教学改革与探索。

新形势下基于微课与项目式融合教学模式的探究

社会的快速发展加快了高校教育模式的现代化进程,催生出各式创新教学方式。对于实践性偏强的给排水科学与工程专业课程的讲授,传统讲授式教学已不能满足当代教学需求。探索新的教学理念和教学方式以提高专业教师的授课效率已成为给排水科学与工程等工科性专业教学发展的当务之急。文章基于国内给排水科学与工程专业课程教学存在的问题,提出新形势下微课与项目式融合教学模式,并探究了基于此融合教学模式的给排水科学与工程专业课程教学改革具体措施。

多Agent深度Q学习和模糊积分的行星齿轮箱故障诊断

针对深度Q学习中单个Agent对行星齿轮箱进行故障诊断时出现的识别率低问题,利用多个Agent进行策略学习,结合模糊积分对多Agent的决策结果进行融合,提出了基于深度Q学习和模糊积分的行星齿轮箱故障诊断方法。对振动信号进行连续小波变换(continuous wavelet transform,CWT)、S变换(S transform,ST)得到相应的时频特征矩阵,随后利用原始时域数据和得到的时频特征矩阵构建多域环境状态空间,以与多个Agent交互;交互过程中将环境返回的原始时域特征、CWT时频特征,ST时频特征分别作为相应Agent的状态,通过深度Q学习算法最大化每个Agent的Q函数值,得到最优策略;采用模糊积分对多Agent的决策结果进行融合得到最终诊断结果。通过行星齿轮箱故障数据进行验证分析,经过模糊积分进行决策融合的诊断结果优于单个Agent,能够有效提高诊断精度。

市政、环境类研究生专业课程《水分析化学与应用》教学改革与探索

“水分析化学与应用”是重庆科技学院市政环境方向专业学位研究生培养教学中的主要专业课程之一。论文在分析重庆科技学院市政环境类研究生的学习特点及专业课程教学现状和存在的问题的基础上,以研究方向为导向,初步探索项目式、案例式与启发式教学等教学模式在研究生课程《水分析化学与应用》中的应用。

多指灵巧手复合驱动系统的研究

针对传统驱动方式中电机驱动系统的结构复杂、液压驱动系统的体积庞大、气压驱动系统的控制困难等问题,提出一种新型复合驱动系统,该系统由微型盘式无刷直流电机和温控记忆合金弹簧驱动,将复合驱动系统用于仿人多指灵巧手手指的驱动,简化灵巧手的整体结构,优化控制方式。探究记忆合金弹簧的回复力与工作行程的关系,分析指节间位姿变换关系和抓取物体时影响指节接触力大小的因素,利用滑模PID智能控制策略控制手指的运动,使灵巧手的控制效率得到提高。对多指灵巧手模型仿真,验证运动的合理可行,为复合驱动系统的进一步研究提供了基础。