针对外骨骼机器人液压关节驱动系统具有非线性、不确定参数等特性,导致模型建立困难以及负重时具有不确定冲击扰动的问题,基于电液伺服系统特性,建立以弹性负载为外负载的数学模型。为减小负重时冲击扰动项对力控制的影响,引入径向基(RBF)神经网络对干扰项进行补偿,设计一种基于RBF神经网络的滑模力控制策略。通过系统特性进一步验证模型可行性,并进行仿真试验对比。结果表明:与PID控制相比,所设计的控制策略响应时间更短,跟踪误差缩小70.5%;变负载工况下,所设计的控制策略具有更好的跟随能力、更强的鲁棒性能,可以满足外骨骼机器人关节驱动的力控制要求。平台试验进一步验证了仿真结果的有效性与正确性。

文章针对三坐标测量仪在测量产品时由于采样方向不易确定带来的测量误差，研究了提高产品测量的精确性和准确性的思路和方法。

运用Fluent对具有复杂通道的比例阀进行了数值模拟，并分析了该阀的压力损失，同时通过模拟比例阀的内部流场验证了其可靠性。结果表明：应用Fluent可以快速、可靠地分析具有复杂通道比例阀的特性，从而改进设计结构，使其满足性能要求。