为了研究丝杠在不同寿命下的运行状态，准确判断出丝杠的性能退化程度，提出了一种基于小波包分析的丝杠运行状态监测方法。以丝杠性能退化试验平台为研究对象，安装三向加速度传感器，来采集丝杠的振动信号。通过对振动信号的进行小波包变换，采用能量谱筛选出包含丝杠状态信息的频率带，再从这些频率带中通过时域、频域分析的方法提取出敏感特征，最后运用机器学习的方法对特征进行分类，以达到监测丝杠运行状态的目的。试验结果表明通过该方法可以有效监测丝杠状态，平均识别准确率达到了95%以上。

机械零部件振动信号包含了大量机械系统运行状态信息,针对传统检测方法依赖于经验知识和人工定参,提出了一种改进字典学习的振动信号检测方法。通过原始振动信号自身驱动,采用非负条件下基于K奇异值分解的改进算法训练超完备字典,结合基追踪算法稀疏编码,重构实现振动信号预处理。根据重构信号的包络谱,对比先验计算频率。仿真和实验结果表明,改进字典学习的振动信号检测方法能够有效提取故障频率,适用于故障检测,为基于振动信号实现机械系统智能化维护提供了参考。

信号处理和机器学习是故障诊断过程中的关键技术,针对机械关键零部件的传统诊断技术,提出了一种采用字典学习和AdaBoost算法的信号诊断方法.该方法基于原始振动信号驱动训练数据,通过K-SVD和OMP算法更新字典并对其在字典空间稀疏表示,筛选重构所得增强信号时、频域特征,采用集成算法在AdaBoost神经网络分类器中实现振动信号的诊断.研究表明,采用字典学习和AdaBoost算法的信号诊断方法自适应强,能准确提取信号本质特征,诊断精度高,优于传统诊断技术.

基于断路器弹簧操动机构的运动原理,利用三维软件Solid Works和多体动力学仿真软件ADAMS建立了操动机构的虚拟样机模型。通过现场试验测试了断路器弹簧操动机构的机械特性,试验结果表明,模型仿真的输出特性跟试验结果具有良好的吻合趋势,验证了模型的正确性。基于虚拟样机模型的基础上,建立了操动机构的参数化模型,并以动触头的分闸速度为指标,对两个拐臂以及绝缘拉杆进行优化。参数化仿真及实验结果表明,优化后的分闸速度达到了断路器分闸的操作要求。

为了使移动机器人能够准确定位行走,采用了当下日益成熟的RFID技术。RFID技术可以利用具有一定穿透性的无线射频信号在阅读器与标签之间进行通信,解决了机器人的绝对定位问题。