由于气动伺服系统受非线性因素的影响,传统PID控制在解决高精度非线性控制问题时效果不理想。一种基于大脑情感学习控制器(Brain Emotion Learning Controller,BELC)的气动伺服系统压力控制方法被提出。首先,对气动伺服系统进行数学建模。然后,结合气动系统非线性和BELC控制特性进行算法改进,采用模糊控制对BELC权值学习率进行在线调节。最后,搭建实验平台分别对传统PID控制、BELC控制及改进的模糊BELC控制进行实验,结果表明:改进后模糊BELC算法有效提高了气动伺服系统的控制精度和响应速度,改善了气动系统控制性能。

以基于气浮无摩擦缸驱动的3-UPU并联机器人为研究对象,对其进行运动学、工作空间仿真分析以及气动比例位置系统数学建模与控制仿真。由于气动比例位置系统具有很强的非线性,而且易受环境因素影响,当采用传统PID控制时,很难使系统保持良好的控制效果。考虑到神经网络具有很强的逼近特性,于是引入RBF神经网络监督控制算法进行仿真分析。仿真结果表明,上述机器人具有较大的工作空间,同时在气动比例位置系统中,RBF神经网络监督控制具有更优的控制效果,在保证系统稳定的前提下提高了输出响应速度。

为了设计一种具有良好运动学性能的并联机器人,以基于气浮无摩擦缸驱动的3-UPU并联机器人为研究对象,对其进行运动学建模以及工作空间、动力学仿真分析。通过三维建模软件设计3-UPU并联机器人物理模型;根据机器人几何关系推导其运动学方程并基于数值解法得到该机器人的工作空间;采用遍历法求解机器人各支链旋转角度范围,从而得到该机器人在其工作空间的最大输出力分布情况。仿真结果表明,该机器人具有良好的运动学性能。

通常，机械设备维修方案的一个重要依据就是设备的工作状态，即一台设备或者一奈生产线中的重要环节是否在可预期的一段时间内具备连续生产的能力，这种维修策略亦称状态维修，是进行及时的有针对性的维修，避免设备突然停机影响生产的必要和高效的设备管理方法。因此，对于设备状态的监测与分析诊断就是必不可少的技术手段。文章结合设备状态监测的几种主要特定信号指标，介绍监测与诊断技术的最新发展。