针对目前方法识别机器人目标时,由于未能详细分析分拣机器人运动规律,导致该方法开展目标识别时,存在平均置信度低、识别效果差等问题,提出深度学习的车间零件分拣机器人目标识别方法。该方法通过分析分拣机器人运动规律,提取待检测目标的特征向量值;结合深度学习理论建立目标识别模型,并寻找模型最佳参数;建立待检测目标的相关测试集放入模型中训练,基于模型输出结果,完成机器人的目标识别。实验结果表明,运用该方法识别目标时,其在特征提取后,分拣目标数量为1000个时,识别准确率达到了97.5%以上,识别耗时在100s以下,平均置信度约为0.8,有效提高了平均置信度、降低了识别时间,识别效果好。

针对滑动轴承转子系统非线性动力学特性强,传统不平衡量识别方法应用于采用液压滑动轴承的巨型臂式离心机不平衡量监测时局限性较大的问题,提出一种基于径向轴承反力实时识别巨型臂式离心机试验不平衡量的方法.首先,根据臂式离心机的结构特点与其不平衡量的组成,通过受力分析获得径向轴承反力与试验不平衡量之间的关系;其次,对轴承刚度变化对径向轴承反力的影响规律进行分析,结果表明轴承荷载分担比受轴承刚度非线性影响较小,理论上证明了基于径向轴承反力识别试验不平衡量的可行性;最后,通过台架试验对识别方法进行了初步验证.试验结果表明,该方法受系统非线性特性影响小,在工作转速范围内能够有效识别试验不平衡量.

介绍了液压系统发热的本质原因和液压系统过热的危害，较为全面地论述了民航飞机液压系统发生过热故障的典型模式和识别方法，并通过典型的案例介绍了这些方法在实际中的应用。