针对目前飞机大部件涂胶过程中人工作业方式存在的涂胶质量一致性差、效率低、可达性有限、工作环境恶劣等问题,设计了龙门悬挂式机器人自动涂覆系统。该系统通过对视觉系统的标定以及对理论涂胶轨迹的修正,评估涂胶工艺参数影响因素,获得机器人运行速度和电机速度之间的匹配关系,并构建集成工业相机、激光轮廓扫描仪等设备的多功能末端执行器。同时开发了一套集成控制系统和软件,实现了大尺寸飞机部件的高效、高质量的密封胶自动涂覆。试验结果表明,涂胶轨迹精度为±0.5 mm,胶条精度为±0.5 mm,完全可满足实际工艺需求。

在飞机装配过程中,大型工装的状态变化主要受温度和负载影响。分析光纤传感器的传光特性,设计一种具有温度和应变采集功能的集成光纤传感器,提出一种基于集成光纤传感器的工装状态监控方法。采用PSO-BP算法建立温度、应变和工装定位器位置变化之间的数学模型,实现对工装定位器位置变化的监控。通过单独对光纤应变传感器采集数据进行分析,提出一种应变参数标定方法,标定后通过检测应变实现对工装定位器的三维负载监控。在某型工装上搭建试验

针对核电装载机减速机构因齿轮轮齿磨损而影响其定位精度的问题,建立了一种包含故障信息的齿轮系统传动误差信号模型;基于传动误差法对减速机构进行故障诊断,便于企业早日发现故障,及时更换故障元件,减少经济损失。运用ADAMS软件仿真包含磨损故障的误差信号。改进了传统计算阶次跟踪重采样方法,对原始时域信号进行角域COT(Computed Order Tracking)处理;对重采样后的信号进行EEMD分解(Ensemble Empirical Mode Decomposition),将故障分量进行阶次分析,找出故障特征频率;进一步,对故障分量进行倒谱分析,准确识别出故障元件。分析结果表明,改进算法使重采样效率提高了2/3;阶次分析与倒谱分析相结合的方法能够有效识别出装载机减速机构的故障元件。

为了解决单一BP神经网络模型预测性能不稳定的问题,提出一种集成BP神经网络的数控机床主轴热误差建模方法。采用模糊c均值聚类法筛选温度敏感点,消除了冗余温度变量间的多重共线性。从机器学习的角度出发,分别采用平均法、中位数法和普通最小二乘法将几种具有弱预测性能的典型BP神经网络模型进行集成。以THM6380卧式加工中心为研究对象进行了主轴热误差实验,热误差预测性能分析结果表明,集成模型的预测精度和泛化能力优于单一BP神经网络模型,为机床主轴热误差建模及后续热误差补偿提供了新的思路。