设计了一种具有多种抓取模式的广义夹持器,使其能够抓取各种薄板零件。该夹持器集成了两组由紧凑型力传递机构驱动的手指;采用D-H法建立了夹持器空间多连杆机构的运动学模型;以最大化工作空间、机械增益和结构刚度为目标进行多目标优化,得到3组夹持器结构参数,并通过Adams软件构建虚拟样机,将优化过程的结果与虚拟样机的结果进行比较,验证了所提出的优化方法可以获得更大的工作空间和更大的机械增益;最后,根据优化后的参数,试制夹持器模型,并通过3种不同的抓取方式实验验证了该结构进行板材抓取的可行性。

针对越野车辆座椅刚度提升问题,提出了利用并联机构作为座椅悬架主体结构的方案。为保证悬架装置具有高精度位姿和高刚度结构,对链间耦合与固有频率进行研究。首先,通过能量法、虚功原理和扰动理论,可以获得机构的广义质量和广义刚度矩阵;其次,弹性耦合和惯性耦合是基于以上两个广义矩阵而定义的两个指标来测量并联机构的耦合程度,通过Cholesky分解法获得机构的固有频率;然后,为了获得较小的弹性耦合、惯性耦合和较大的固有频率,以固有频率作为目标函数来优化悬架装置的结构参数;最终,对优化结果综合分析,获得最优结构参数用于改进装置结构。

针对汽车行业对制造系统以及包括夹具在内的所有部件的高模块化和灵活性的要求,提出一种具有高自配置性和灵活性的夹具系统。其中,安装在并联机构末端执行器上的夹具具有高刚度、高精度、可重构性,并且可以通过编程使其在工作空间中移动的特点。而并联机构作为自配置夹具系统的支持单元,在工作空间和动态特性方面具有一定的局限性。为了提高并联机构的综合工作性能,在工作空间中,分别以全局运动条件数和全局动态条件数作为运动灵巧性和动态灵巧性的评价标准。以工作空间体积、全局运动条件指标和全局动态条件指标为目标函数,对并联夹具机构进行优化,得到优化后的结构参数。

模糊自适应共振理论(fuzzy adaptive resonance theory,简称Fuzzy ART)已被广泛应用于机械设备实时监控和故障诊断。Fuzzy ART采用只允许一个获胜节点学习的硬竞争学习机制,导致系统极易产生误判。针对此问题,将Yu范数相似度准则、生物侧抑制理论与Fuzzy ART相结合,建立了允许多个获胜节点学习的软竞争ART(简称Soft-ART)算法。为了提高故障诊断精度,运用Yu范数相似度测度改进了基于距离测度的特征参数选择方法。利用轴承故障诊断数据对特征选择算法及Soft-ART算法进行了检验,并与FCM,BP及Fuzzy ART算法进行了对比。结果表明,该Soft-ART算法具有更高的诊断精度,同时说明了特征选择算法的有效性。

针对在研究抓取机械臂运动学逆解过程中所遇到的困难,计划选择一种基于软竞争机制的ART-RBF模型。在传统RBF神经网络的基础上,自适应控制生成隐含层节点数目,将相似度软竞争使用在第一阶段的学习中。采用软竞争机制,能够将隐含层各个节点都参与到对样本的学习,节点利用率提高,同时也能够减少类间混叠处样本的误差,提高预测精度。最后,利用ADAMS对机械臂进行运动仿真,并与所得运动学正解相比较,用来验证正解方程的正确性。结果表明,该软竞争算法能够一定程度上提高预测精度,仿真结果表明了所得正解数据的准确性,为后续运动控制提供依据。

研究了一种6自由度可移动冗余并联机构的奇异性与静力学性能及其定姿态实时优化设计。建立该并联机构的静力学雅可比矩阵,分析了该并联机构的奇异性、静力学性能指标。调节并联机构定平台腿部位置,使并联机构的静力学传递性能得到提高。绘制了基于雅可比矩阵的性能图谱,直观地观察并联机构在不同位置的静力学力和力矩的传递性能。通过分析可知冗余并联机构具有可以消除奇异的优点,同时通过调节腿部位置也大大提高了并联机构的静力学传递性能。