开发自行走式缠绕包装机器人可以显著推升行业的技术进步。介绍了一种全新工作模式的自行走式缠绕包装机器人以自动导向车(Automated Guided Vehicle,AGV)安装6自由度机械臂构建移动机械臂为主体,装载包装膜固定装置、拉膜架等,实现完全的自主化缠绕包装工作。在介绍缠绕包装机器人整体结构的基础上,对移动机械臂缠绕包装典型物件的工作过程进行了分析与运动学建模;根据移动机械臂的数学模型和缠绕典型物件作业模型开发了仿真分析系统。实例计算与仿真结果表明,提出的缠绕包装机器人能够完成包装膜的缠绕包装工作,达到了设计要求。相关工作为自行走式缠绕包装机器人的实用化提供了依据。

为提高柔性机器人的运动性能,设计了一种基于弧形螺旋弹簧的旋转型串联弹性驱动器,采用多级回转轴承组合结构,将刚度不同的弹簧内外双层串联,实现关节的大范围柔性输出。建立弹性驱动器动力学模型,采用反演控制方法,设计了弹性驱动器柔性关节控制器;采用Matlab和Adams软件进行联合仿真,对外力干扰下柔性关节的动力学性能进行了仿真分析。结果表明,控制器能够克服干扰力使柔性关节在0.59 s内恢复平衡状态,验证了所设计弹性驱动器结构和控制规律的有效性。

针对单源信号对回转机组电机多点复合故障信息表征不充分及复合故障信号小样本问题,提出一种小样本下电机复合故障的多头卷积神经网络迁移学习模型,实现小样本下电机复合故障的多源异构迁移诊断。将动力装置中电流、振动等多源原始数据作为输入,构造超参数优化的多头卷积神经网络模型。将大样本单故障的原始数据集作为源域,构建目标域下以原始数据为输入的电机小样本复合故障迁移网络模型。将正则化惩罚项应用到迁移学习模型中,构建模型目标函数参数更新准则,实现模型对源域与目标域参数的自适应更新配适。试验结果表明:单源信息的诊断可靠性依赖于数据源的选取,多源信号的多头卷积神经网络模型可有效融合电流、振动信号并实现特征提取。通过与多个模型比对,所提方法在小样本下对电机复合故障的识别精度显著提升,且收敛时间...