समाचार

[६२१९६४] परम्परागत एकल-अक्ष बल सेन्सरहरूले अब आधुनिक उत्पादन र प्रविधिको आवश्यकताहरू पूरा गर्न सक्दैनन्। छ-अक्ष बल सेन्सरहरू धेरै विद्वानहरूको ध्यान आकर्षित गर्दै छन्। छ-अक्ष बल सेन्सरहरूले एकै समयमा छवटा दिशाहरूमा बल र टर्कहरू मापन गर्न सक्छन् र व्यापक रूपमा मेसिन, रोबोट हतियार, एयरोस्पेस, बायोमेडिसिन र अन्य क्षेत्रहरूमा प्रयोग गरिन्छ। यद्यपि, हाल अध्ययन गरिएका छ-अक्ष बल सेन्सरहरूमा सामान्यतया धेरै समस्याहरू छन्। थप अनुसन्धानको लागि उच्च परिशुद्धता र उच्च संवेदनशीलता सेन्सरहरू तत्काल आवश्यक छ। यस पेपरले सैद्धान्तिक विश्लेषण, सीमित तत्व सिमुलेशन र सिमुलेशन प्रयोगहरू संयोजन गर्दछ, र अवस्थित सेन्सर अनुसन्धानको आधारमा सेन्सरको संरचनालाई अनुकूलन गर्दछ। नयाँ प्रकारको उच्च परिशुद्धता छ-अक्ष बल सेन्सर प्रस्तावित छ। मुख्य अनुसन्धान सामग्रीहरू समावेश छन्: [६६१९१२] [६२१९६४] १. सेन्सरको विभिन्न प्रदर्शनहरूको गहन विश्लेषण र सेन्सर ज्यामितीय मापदण्डहरूको साथ सेन्सरको कार्यसम्पादनमा परिवर्तनहरूको कानून अन्वेषण पछि। नयाँ प्रकारको कम्पोजिट बीम प्रकार छ-अक्ष बल सेन्सर संरचना प्रस्ताव गरिएको छ। सेन्सरसँग साधारण संरचना, स्पष्ट विरूपण, र प्याच स्थितिको सजिलो सञ्चालन छ। सेन्सरको साइज प्यारामिटरहरू निर्धारण गर्न अर्थोगोनल परीक्षण र सीमित तत्व सिमुलेशन विधिहरू प्रयोग गरिन्छ। [६६१९१२] [६२१९६४] २. सेन्सर मोडेल निर्माण गर्न abaqus विश्लेषण सफ्टवेयर प्रयोग गर्नुहोस्, र सेन्सरमा स्थिर र गतिशील विश्लेषण गर्नुहोस्। बाह्य बल लोड अन्तर्गत सेन्सरको तनाव वितरण र सेन्सरको पहिलो छ अर्डरहरूको प्राकृतिक आवृत्ति प्राप्त गरिन्छ। नतिजाहरूले देखाउँछन् कि सेन्सरसँग राम्रो रेखीयता छ। [६६१९१२] [६२१९६४] ३. व्हाइट्स सर्ज कपको आधारभूत सिद्धान्तको आधारमा, छ-आयामी बल सेन्सरको लेआउट निर्धारण गर्नुहोस्। सीमित तत्व विधिको विश्लेषण परिणामहरूमा आधारित, लोचदार शरीरको विरूपण क्षेत्र निर्धारण गर्नुहोस्, सेन्सर संरचनाको स्केल मिलाउनुहोस्, र यसमा उचित लेआउट प्रदर्शन गर्नुहोस्। र उचित रूपमा आउटपुट बढाउनुहोस्, र प्याचमा छ-आयामी बल सेन्सरको अन्तर-आयामी युग्मन समस्या कम गर्नुहोस्। [६६१९१२] [६२१९६४] ४. सेन्सरका लागि विशेष क्यालिब्रेसन उपकरण विकास गर्नुहोस्। सेन्सरको संरचना र आकार अनुसार, विशेष सेन्सर क्यालिब्रेसन उपकरणहरूको सेट डिजाइन गर्नुहोस्। सिमुलेशन प्रयोगको नतिजा अनुसार, सेन्सर decoupled छ। तिनीहरू बीचको सम्बन्ध गणना गर्न र सेन्सरको क्यालिब्रेसन अध्ययन पूरा गर्न वर्ग विधि र बीपी न्यूरल नेटवर्क विधि प्रयोग गर्नुहोस्। अध्ययनले देखाउँछ कि बीपी न्यूरल नेटवर्क विधिले राम्रो डिकपलिंग प्रभाव पार्छ। [६६१९१२]