- 郝兵;申浩翰;王富勇;胡同海;杨柳松;夏红峰;李杨;
以多体动力学软件 ADAMS 的六自由度分力为基础,通过建立双边接触函数,以伸缩式液压重载机械臂为目标对象,对各臂节间的配合间隙与机械臂定位精度的关系进行了研究。首先,对简化后的机械臂模型进行了几何分析,确定了双边接触函数中的限位方程,并建立了完整的双边接触函数。然后,将简化后的机械臂模型和双边接触函数导入 ADAMS,通过对不同关键点运动轨迹的跟踪,验证了几何分析和双边接触函数的正确性;最后,将双边接触函数引入伸缩式液压重载机械臂的 ADAMS 模型,以理想状况下机械臂的动力学仿真模型为基准,与同一工况下不同配合间隙的仿真模型作对比,得出了配合间隙与机械臂定位精度间的变化关系。
2022年05期 v.50;No.581 44-49页 [查看摘要][在线阅读][下载 1263K] - 王小龙;洪东炳;贾志军;朱鹏坤;
通过对煤矿用架管机三节臂建立 D-H 坐标系三维数学模型,采用 3-5-3 插值算法对三节臂进行轨迹规划,以运动时间为优化目标,将关节位置作为设计变量,在速度约束条件下,运用粒子群算法对插值结果进行优化,进而得到了三节臂运动的最优时间。仿真结果表明:三节臂末端位置高度为 2.2 m,满足规定的工作空间范围;使用粒子群优化算法对三节臂路径进行轨迹优化后,末端位置到达指定位置的时间提前了 30%,在满足约束速度的条件下能够实现时间最优轨迹规划。
2022年05期 v.50;No.581 50-54页 [查看摘要][在线阅读][下载 1378K] - 王靖岳;高天;王浩天;王军年;
基于卷积神经网络 (CNN) 内嵌长短期记忆神经网络 (LSTM) 的优势,将其应用在齿轮箱状态监测中,提出了 CNN 内嵌 LSTM 网络的齿轮箱复合故障状态监测方法。该方法结合了 2 种神经网络的优点,既有 CNN 强大的自主提取抽象信息的功能,联系到数据的深层特征并加以保留,又结合了 LSTM 神经网络的长期记忆功能。经过 CNN 将数据输入到 LSTM 网络中确定阈值,从而达成识别齿轮箱工作状态的目的。通过齿轮箱故障试验台复合故障的试验数据验证了该模型的有效性。通过对比单独采用 CNN 和 LSTM 构建监测模型的准确率,证明了基于 CNN-LSTM 的齿轮箱复合故障状态监测方法的有效性。
2022年05期 v.50;No.581 55-59页 [查看摘要][在线阅读][下载 1233K]