谐波减速器作为工业机器人核心部件,其性能是影响工业机器人加工精度的重要因素之一。由于其结构复杂且性能衰退具有强非线性,难以直接通过传统失效物理模型等理论计算方法对健康性能进行分析。为此,提出一种基于流形学习的降维方法,实现对谐波减速器健康状态的量化评估该方法提取不同状态下的原始信号时域特征作为高维输入向量,利用LargeVis流形学习方法将高维数据的内蕴流形在低维空间中得到表征,并构造马氏距离度量,建立状态数据与健康值之间的非线性映射关系,最终得到健康评估结果。通过加速寿命试验进行验证并与其他常见方法对比,该方法状态识别准确率高,鲁棒性更好,可快速实现数据可视化,能有效应用于机器人用谐波减速器的健康评估。

该文介绍了用于石油钻杆加工的管端加厚液压机。针对该液压机流量大、压力高和运动惯量大所造成的稳定性能差、换向卸荷振动冲击大等问题，通过对其系统原理与工作振动现象进行深入的分析，发现充液阀无法充分卸压和卸压延时不足是其产生振动冲击、造成稳定性能差的主要原因；最后提出了合理有效的技术方案，解决了该液压机油缸卸压回程时产生的振动冲击，提高了其工作时稳定性能。

采煤机自适应调高对煤炭开采的自动化和高效率有着重要的影响,该文将压力补偿阀应用在采煤机液压调高系统上,油缸的流量不受负载的影响而只取决于阀口的开度,该方法解决了因负载变化引起的流量的不确定性问题,使得滚筒的自适应调高的控制精度更高。