为了解决某型1200 t液压拉拔机主机框架材料成本高的问题,以拉拔机主机框架为研究对象,根据其结构特点,运用多目标遗传算法(MOGA)对其进行轻量化设计。利用Workbench对主机框架整体进行静力学结构分析,分析主机框架的最大等效应力。基于以上分析,在满足主机框架强度的情况下,对关键设计尺寸进行优化取值,选择一组最优设计点,并对优化后的主机框架重新进行静力学分析。结果表明:优化后的主机框架最大等效应力为191.86 MPa,可以满足实际使用工况要求,质量减少了39.6%,有效地减少了主机框架质量、降低了材料成本。

针对传统并联机器人在工作环境中存在抓取不精确、定位与分类识别效率低下的问题,提出一种基于机器视觉与Faster-RCNN神经网络的工件识别检测技术。采用Delta机器人实验平台采集图像,进行图像的预处理操作并将其添加至网络训练集。通过Python3.7-torch1.7搭建深度学习中的Faster R-CNN卷积神经网络,作为基本框架训练工件图像数据集。最后将训练后的卷积神经网络得到的工件检测结果与原实验工件识别系统对比。结果表明:改进后的识别平均精确度比原有识别

为了满足飞行器的舵机控制和刹车控制等领域的需要,特推出2D电液压力伺服阀。目前,压力伺服阀种类很少,而且多采用压力传感器作为输出进行闭环,这类伺服阀受环境温度变化影响,温漂较大。2D电液压力伺服阀采用两级结构。以LVDT传感器检测先导级阀芯位移作为反馈量,对先导级阀芯进行闭环控制,可以有效避免压力传感器温漂大的问题。实验结果表明,滞环大小为2.82%,线性度大小为3.4%,经试验研究,2D电液压力伺服阀的频宽可以达到70Hz。