机床温度测点优化方法研究及试验验证

针对机床热误差补偿技术中的关键温度测点选取问题,提出了一种温度测点优化新方法.首先采用简单相关分析,剔除掉与热误差明显不相关的测点.然后对初步筛选出的测点进行模糊聚类分析,以消除温度变量间的复共线性问题,同时进行灰色综合关联度分析,判断各测点与热误差间的紧密程度.根据分析结果,建立多个不同测点的热误差模型,对模型进行基于统计学理论的分析,确定出关键温度变量,将温度测点由20个减少至4个.根据优化结果,重新建立多元线性回归模型.误差预测结果表明,主轴Z向最大热误差从17.903μm减小到1.850μm.     

基于抓取模式识别的欠驱动灵巧手抓取方法

针对桌面上单个物体场景的抓取任务,提出一种基于抓取模式识别的欠驱动灵巧手自主抓取方法．受人类抓取策略启发,基于四种典型抓取模式建立物体的抓取模式数据集,并通过深度学习预测物体的抓取模式和抓取区域,利用图像处理获得抓取角度,从而简化欠驱动灵巧手的抓取规划．深度学习算法在测试集中的识别准确率达98.70%,对未知物体的识别准确率达82.70%,具有较好的泛化能力．当执行自主抓取时,深度学习方法的不准确性通过欠驱动手的自适应性得到了一定的补偿．通过UR3e机械臂搭载欠驱动灵巧手对24个物体进行抓取实验,在120次抓取中平均成功率为90.80%．实验结果表明所提方法能适应不同形状大小的物体,具备抓取实用性．     

Failure Modes of Machining Center in Test Run

To analysis the early failures of machining centers,the failure mode effect and criticality analysis（ FMECA） method was used. Based on the failure data collected from production lines in test run,all the failure modes of machining centers were summarized and criticality of all subsystems is figured out. And the process of FMECA was improved. The most critical subsystem was manipulator subsystem. The most critical failure mode was impacted manipulator. Reasons and effect of some important failure modes were analyzed. And some suggestions to solve failures were given.     

面向精细抓取的刚软耦合仿人手作用力优化

针对精细抓取模式下刚软耦合仿人手柔顺接触的特点,为使其具备类人手的抓取作用力施加能力,首先建立仿人手的抓取力平衡方程和约束优化函数,进而提出基于外罚函数的手指最小作用力优化方法．仿人手可通过施加合适的力实现对不同物体的稳定抓取,有效避免手指在抓取过程中使物体产生大变形或抓取失败．实验结果表明：每个手指作用力的测量平均值与理论计算值的绝对误差基本处于0～0.14 N范围,相对误差为0～18.57%范围,所提方法满足了刚软耦合仿人手在精细抓取模式下稳定可靠地抓取不同物体的需求．