针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法。该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态分量(IMF),然后提取敏感IMF分量的时域指标和能量熵构成退化特征向量序列,最后随机抽取不同退化状态下的少量样本输入SVM模型训练,建立退化状态模型库,并用真实数据进行测试。实验结果表明该方法能够准确识别出轴承的退化状态,通过与EMD-SVM、EEMD-SVM模型对比,验证了该方法的优越性。

以自动化生产线中常用的三自由度气动机械手为研究对象,详细阐述了系统的组成和工作原理,并设计出可行的气动控制回路。在软件设计方面,以西门子S7-200PLC作为控制核心,采用步进控制指令完成了顺序功能图的绘制和梯形图程序的编写。实践证明,该控制方案可以实现气动机械手的高效、平稳、可靠运行。