在金属切削加工过程中,刀具磨损直接影响加工精度与效率,对铣削加工过程中的工艺参数进行动态优化至关重要。针对该问题,提出了一种考虑刀具磨损的精密零件铣削工艺参数优化方法。首先,利用正交实验分析主轴转速、每齿进给量和切削深度对刀具磨损的影响规律;然后,以刀具耐用度、材料去除率为优化目标,通过遗传算法(Genetic Algorithm,GA)对工艺参数进行优化;最后,通过精密零件铣削实验验证了所提方法的有效性,实验结果表明,材料去除率提升了21 %,每加工7 000 mm,刀具磨损下降了17.49 μm,刀具耐用度提升了21.4 %,优化效果显著。

针对多AGV柔性作业车间生产与物流集成调度问题,考虑机器预维护计划。以最小化最大完工时间为目标建立模型,设计融合多种初始化种群和多种邻域搜索策略的混合文化基因算法进行求解。算法采用工序和机器双层编码方式,在解码中用启发式规则调度AGV。对应基于固定维护周期、基于机器役龄的预维护策略,分别设计两种解码方式。最后,设计两组实验,第一组求解基准算例并将结果与多种算法比较,证明所提算法的有效性;第二组在不同预维护策略下对比所提算法的求解效果,结果表明,使用基于机器役龄预维护策略的调度方案最大完工时间明显更少,且因机器预维护使得生产时间的延长程度更小。综上,所提算法和预维护策略对解决该问题具有良好表现。

随着风机叶片种类的不断迭代,传统的手工教学和离线编程方式已无法满足低成本高效率获取磨削轨迹的需求。为解决传统基于三维重建进行打磨轨迹规划存在的操作效率低、模型与实际工件匹配困难等问题,提出一种通过改进切片法处理点云并生成风机叶片打磨轨迹规划的方法。采用Intel RealSense D455深度相机采集叶片表面三维点云,经去噪、改进型DBSCAN聚类等预处理后,通过改进切片法直接生成连续均匀的打磨轨迹。该方法结合主成分分析(Principal Component Analysis,PCA)实现点云坐标系对齐,利用双向匹配切片与Savitzky-Golay滤波插值提升轨迹精度与均匀性。仿真结果表明,规划轨迹的平均间距误差小于8 %,表面覆盖率达98.3 %,平滑度达到0.014,并对比了主流的几种打磨复杂曲面的轨迹规划方法,验证了该方法在耗时及运行效率上的优越性。

针对传统传送带式物流分拣系统占地面积大、部署方式固定及单机Delta机器人工作空间受限的问题,设计了一种基于移动平台与Delta机器人的大范围物流分拣系统。该系统采用龙门式二维移动平台与Delta机器人协同控制结构,构建“视觉定位-运动控制-末端执行”的闭环架构,并提出了两阶段视觉定位方法,结合五次多项式轨迹规划和在线误差修正,实现对目标物体的识别、定位、抓取与放置一体化。实验结果表明,该系统远距离目标识别准确率95 %以上,近距离目标定位误差优于±0.5 mm,移动平台与Delta机器人均具备毫米级定位能力,可稳定完成多目标连续分拣任务。该方案可为柔性化、低成本物流分拣装备的设计提供参考。

为解决汽车左、右前纵梁内板螺母传统人工焊接存在的工艺效率低、质量稳定性差等行业痛点,在对工件特征进行系统分析的基础上,基于工艺优化-设备协同-智能检测一体化思路,设计三机器人自动化焊接工作站。首先,采用机器人携焊枪移动的自动化方案,研发集成化特殊功能焊枪,解决螺母自动定位的难题;其次,引入遗传算法-蚁群优化混合算法,对机器人焊接路径进行优化,同时配合机器人干涉区互锁措施,保证系统的可靠性;最后,开发PLC控制程序,实现设备时序协同、视觉反馈闭环控制及生产节拍优化,强化焊接质量管控。实践应用表明,该工作站能有效突破传统工艺瓶颈,实现汽车前纵梁内板螺母全流程自动化焊接,兼顾生产效率、质量稳定性与生产柔性,为汽车薄壁结构件焊接自动化装备设计与工程应用提供技术参考。

针对重载工业机器人关节在启停工况下产生的末端残余振动问题,提出一种基于机电耦合建模的输入整形抑制方法。首先,构建了包含电机、减速机及负载的关节系统机电耦合动力学模型,揭示了系统振动产生的内在机理。在此基础上,依据仿真分析获得的系统振动参数,分别设计了零振动(ZV)和极不灵敏(EI)两种输入整形器。随后,利用Simulink仿真平台对两种输入整形器的振动抑制性能进行了系统对比分析。最后,通过搭建重载工业机器人试验平台开展实际测试。试验结果表明,ZV和EI输入整形器分别实现了31.25 %与41.02 %的峰值抑制率,验证了基于机电耦合分析的输入整形抑制方法在抑制重载工业机器人末端残余振动方面的有效性。

针对因运动轨迹规划不合理,导致机械臂无法有效平衡运动效率和运动平稳性的问题,提出了一种基于物理约束自适应深度神经网络(Physics-Informed Adaptive Deep Neural Network,PI-ADNN)的机械臂轨迹规划方法。首先,采用非均匀B样条曲线构建运动轨迹模型,建立了以时间最优和冲击最小为目标的多目标优化模型;然后,设计了物理约束自适应神经网络,将运动学与动力学约束引入网络损失函数,通过自适应加权机制平衡时间与冲击;最后,以UR5机械臂为研究对象进行仿真与试验,并与非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)和改进多目标进化算法(Improved Multi-Objective Evolutionary Algorithm,IMOEA)进行对比。仿真结果表明,PI-ADNN所得运动时间最短,与对比方法NSGA-Ⅱ和IMOEA相比,运动效率分别提高了31.6 %和18.8 %,且角加加速度曲线更为平滑,机械臂在运动过程中没有出现抖动冲击;UR5样机试验结果表明,机械臂各关节能够保持平稳运动,且运动时间缩短,验证了PI-ADNN用于机械臂轨迹优化的可行性。

针对轮腿机器人运动过程中的姿态平衡,对运动学解耦后线性化的状态方程引入零力矩点(Zero Moment Point,ZMP)稳定性判据结合积分强化学习(Integral Reinforcement Learning,IRL)的在线最优控制实现机器人直立姿态平衡与行走稳定性。每隔固定步长对控制结果积分,并通过最小二乘法拟合代价函数的Riccati矩阵P,优化在线策略。实验结果表明,在收敛速度和稳态误差等方面IRL控制均优于固定最优控制。由于线性化后的模型并未涵盖非线性因素,提出一种串级模糊PID控制,ADAMS与MATLAB联合仿真表明,串级模糊PID控制姿态角以及速度(稳态误差减少38.46 %)方面显著优于PID。

针对多自由度液压机械臂作业过程中运动效率低、运行时间长及稳定性差等问题,提出了一种基于自适应动态粒子群优化算法,对多自由度机械臂运动轨迹进行优化。首先,对多自由度机械臂作业运动学进行分析,并建立五次B样条曲线对机械臂运动轨迹进行拟合;然后,以多自由度机械臂运动时间为优化目标,设计自适应动态粒子群优化算法,对五次B样条曲线构建的运动轨迹进行优化;最后,分别采用标准粒子群优化算法、改进粒子群优化算法和所提算法对机械臂运动轨迹进行优化。仿真结果表明,采用所提算法所得机械臂运动时间为22.61 s,与其余2种算法运动效率相比分别提高了39.2 %和26.1 %,且所得运动轨迹连续平滑,验证了所提算法用于多自由度机械臂运动轨迹优化的有效性,能够实现多自由度机械臂高效能运动。

立体仓库的数字孪生需要基于三维模型,而目前三维模型的建模方式主要通过手工建模,其效率低、成本高。光栅化平面图样具有易于生成与传播的优势,实现了一种基于光栅化平面图样的自动三维建模方法。通过使用基于双重模板检测算法的货架检测、基于YOLOv11算法的搬运设备检测和基于Hough变换算法的轨道检测,结合基于密度的带噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的聚类算法,并使用基于零件库几何变换与拼装的参数化建模方法,实现了从光栅化平面图样到结构化语义信息,并最终生成参数化的三维模型,由于生成的三维模型包含结构化语义信息,可将其应用于数字孪生、动画仿真等方面。

高放环境下靶体基座密封面表面易产生腐蚀、裂纹与划痕等损伤,影响设备运行。为此,提出一种基于气动打磨的靶体基座密封面远程机械抛光工艺。该工艺在机械手的辅助下,可实现靶体基座两沉孔密封面的远程同步抛光作业。为验证该工艺的有效性,开展了密封面腐蚀层抛光、缺陷深度去除特性测量与评估及抛光后平面度测量与评估试验。试验结果表明,该工艺对于靶体基座密封面腐蚀、表面裂纹与划痕等损伤具备有效修复效果,修复后密封面表面粗糙度Ra≤0.8 μm,平面度δ≤0.02 mm,满足靶体基座安全运行对密封性能的关键要求。

7050-T7451铝合金作为航空航天关键结构材料,其疲劳性能直接影响构件可靠性,而细节疲劳额定截止值(DFR_cutoff)是评估材料疲劳性能的重要指标,对疲劳寿命分析有重要意义。通过DFR_cutoff试验片级试验,对比研究了机加工和阳极化先后顺序对该材料DFR_cutoff的影响,试验设计包含先机加工后阳极化和先阳极化后机加工两种方案。结果表明,先阳极化后机加工工艺下的DFR_cutoff值显著高于先机加工后阳极化工艺,相对提升幅度为12 %,结合试验结果,提出基于服役环境的工艺顺序适用场景确定原则,可为该材料构件的疲劳设计及工艺优化提供量化依据。

使用激光冲击成形技术对7B05铝合金板开展工艺研究,通过设置不同的激光工艺参数进行激光冲击成形实验。探究不同吸收层、激光能量、冲击次数及光斑直径对7B05铝合金成形量的影响,同时分析了激光冲击对铝合金板材表面形貌的影响,得到了铝合金变形量与激光能量、冲击次数关系的理论公式。研究表明,当以约束层为水层、厚度为0.12 mm的黑胶带作为吸收层时,更有利于7B05铝合金板的激光冲击成形;随着激光能量的增加,7B05铝合金变形增加,但当激光能量超过12 J时,铝合金板变形减小;随着激光冲击次数的增加,7B05铝合金变形增加,但当冲击次数达到8次时,铝合金板变形梯度减小,当冲击次数为10次时,达到变形极限100 mm;激光冲击7B05铝合金,在其表面产生凹坑,引起表面粗糙度及表面变形增加。

精确测量关节的力输出是协作机器人应用的关键,现有关节力矩测量方案存在不同的缺陷,为了更精确地测量协作机器人一体化关节力矩,提出了在谐波减速器的柔轮上集成扭矩传感器的力矩自感知测量方案。通过分析谐波减速器柔轮力学特性和力矩测量原理,证明了力矩测量方案理论上的合理性,得出了扭矩传感器在柔轮上的周向布局方案。通过静力学仿真和柔轮有限元测试,确定了扭矩传感器的轴向布局方案。对谐波减速器进行了瞬态动力学仿真分析,结果表明柔轮筒体的总变形量随负载的增加而逐渐减小,验证了关节力矩测量方案的可行性,为自感知谐波减速器的研制提供了理论支撑。

针对航空发动机短舱中直径≥1 000 mm、壁厚≤3 mm的大型薄壁环件低刚度、易变形以及传统离线检测存在的装夹变形、效率低下和精度不足的问题,探究了基于雷尼绍(Renishaw)测头与数控车床集成的在线检测技术。通过规划环件检测几何要素与测头动作路径,优化标定方案,编制融合防撞逻辑与误差反馈的宏程序,实现加工-测量-验证一体化。以Φ1 437 mm钛合金薄壁环件为对象开展实验验证,结果表明,优化后测头标定重复性误差≤0.002 mm,在线测量值与三坐标真值间偏差≤0.03 mm,较传统游标卡尺测量误差缩小50 %,检测精度提升1倍;单件测量时间从2~3 min缩短至20~30 s,节省50 %人工成本,可有效规避装夹变形风险。该工艺拓展了数控机床检测功能,可为同类大型薄壁件的高效高精度质量控制提供实操方案,满足航空制造领域的精密生产需求。

随着汽车个性化需求的提升,多车型共线生产导致白车身零件错装、离空等问题频发。传统矫正装置虽能局部改善零/部件匹配问题,但存在响应滞后、覆盖有限等缺陷。提出基于位移传感网络数据融合的在线测量系统,通过位移传感器网络、车辆识别号码(Vehicle Identification Number,VIN)绑定算法及实时预警机制,实现白车身关键尺寸的100 %在线监控。在某汽车企业CN系列车型中应用表明,该系统将缺陷逃逸率从10.00 %降至0.03 %,工装位移探测效率提升4倍(响应时间从5 h缩短至1 h)。

现有表面肌电(surface Electromyography,sEMG)信号手势识别方法在时空特征提取和多模态信息融合方面存在局限,传统二维卷积神经网络(2D Convolutional Neural Network,2D CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)难以精准分类复杂手势。为解决这一问题,提出了一种基于sEMG灰度图和多维注意力机制的跨模态手势识别方法。通过将sEMG信号转化为灰度特征图和时域特征表格,并结合3D ResNet-18网络进行时空特征提取,同时引入TabAttention模块和CSRA残差注意力机制,以增强特征融合和空间细节捕捉。实验结果表明,所提方法在6种手势识别中达到98.13 %的准确率,优于2D CNN、LSTM、AlexNet和VGGNet模型,为sEMG手势识别提供了更高效的解决方案。

对精密测量场景中的检测精度和执行效率进行了研究,提出了一种改进多结构元素形态学梯度和Franklin矩的亚像素边缘检测方法。首先,使用双边滤波对图像进行预处理,构建改进多结构元素形态学梯度滤波算子进行边缘粗定位;然后,通过自适应Otsu阈值分割和Franklin矩数学推导,确定亚像素边缘点模板的关键参数;最后,利用粗定位边缘点结合Franklin矩实现亚像素级精确定位。实验表明,该方法检测精度达到10 μm级,执行效率较对比算法效率提升约16.5 %,且抗噪性更好,能更好地满足精密测量边缘检测中高精度和高效率的要求。

针对永磁同步电机在复杂工况下因出现的故障特征细节辨识度下降而导致识别准确率较低的问题,通过改进Transformer结构,并融合跨模态的振动信号和电流信号,提出了一种永磁同步电机故障诊断方法。首先,构建了高分辨率时频增强机制,有效提升了振动信号与电流信号的模态区分能力和时频表征精度;然后,引入了跨模态多尺度子带对齐机制,通过相位引导的门控多头注意力策略,增强多模态特征间的耦合一致性与可对齐性;最后,设计了结构化判别损失函数,从类内聚合、类间分离和模态一致性等多维度优化特征分布结构,从而强化故障识别边界。实验结果表明,提出的3项改进策略使模型的mAP分别提高了3.3 %、3.6 %和2.3 %,显著增强了特征提取的稳定性与结构判别力,使改进模型的精确率、召回率、mAP和F1分别达到了92.2 %、94.6 %、93.9 %和93.1 %,且在复杂噪声干扰下的mAP仅下降了0.5 %,有效缓解了特征混叠与模态失配问题,为永磁同步电机的在线故障智能诊断提供了可靠的技术支撑。

随着人工智能和信息技术的不断发展,制造设备故障诊断开始采用机器学习、知识图谱等新的诊断方法。其中,设备故障诊断知识图谱整合大量故障知识,根据故障问题推断故障原因和解决方案,为制造设备故障快速诊断提供了新的方向。然而常见的故障诊断方法存在知识利用率低、噪声干扰大和知识更新困难等问题,导致故障诊断效果不佳。为了解决这些问题,提出一种基于知识图谱的制造设备故障诊断方法。以电阻制造设备为例,采用基于提示学习的方法构建电阻制造设备故障知识图谱,通过大语言模型GPT定义设备故障知识图谱的模式层;基于提示学习的信息抽取模型PNUIE,识别和抽取文本中的三元组信息,构建制造设备故障诊断知识图谱。经过实验验证,该方法有效实现了制造设备故障知识的高效抽取,与现有相关方法相比取得了更优性能。