समाचार

पारंपरिक एकल-अक्ष बल सेंसर अब आधुनिक उत्पादन और प्रौद्योगिकी की जरूरतों को पूरा नहीं कर सकते हैं। छह-अक्ष बल सेंसर तेजी से कई विद्वानों का ध्यान आकर्षित कर रहे हैं। छह-अक्ष बल सेंसर एक ही समय में छह दिशाओं में बल और टॉर्क को माप सकते हैं और मशीनों, रोबोट हथियारों, एयरोस्पेस, बायोमेडिसिन और अन्य क्षेत्रों में व्यापक रूप से उपयोग किए जाते हैं। हालाँकि, वर्तमान में अध्ययन किए गए छह-अक्ष बल सेंसर में आम तौर पर कई समस्याएं हैं। आगे के शोध के लिए उच्च परिशुद्धता और उच्च संवेदनशीलता सेंसर की तत्काल आवश्यकता है। यह पेपर सैद्धांतिक विश्लेषण, परिमित तत्व सिमुलेशन और सिमुलेशन प्रयोगों को जोड़ता है, और मौजूदा सेंसर अनुसंधान के आधार पर सेंसर की संरचना को अनुकूलित करता है। एक नए प्रकार का उच्च परिशुद्धता छह-अक्ष बल सेंसर प्रस्तावित है। मुख्य शोध सामग्री में शामिल हैं:

1. सेंसर के विभिन्न प्रदर्शनों के गहन विश्लेषण के बाद और सेंसर के ज्यामितीय मापदंडों के साथ सेंसर के प्रदर्शन में बदलाव के नियम की खोज की गई। एक नए प्रकार की मिश्रित बीम प्रकार छह-अक्ष बल सेंसर संरचना प्रस्तावित है। सेंसर में एक सरल संरचना, स्पष्ट विकृति और पैच स्थिति का आसान संचालन है। सेंसर के आकार मापदंडों को निर्धारित करने के लिए ऑर्थोगोनल परीक्षण और परिमित तत्व सिमुलेशन विधियों का उपयोग किया जाता है।

2. सेंसर मॉडल बनाने के लिए अबैकस विश्लेषण सॉफ्टवेयर का उपयोग करें, और सेंसर पर स्थिर और गतिशील विश्लेषण करें। बाहरी बल भार के तहत सेंसर का तनाव वितरण और सेंसर के पहले छह आदेशों की प्राकृतिक आवृत्ति प्राप्त की जाती है। नतीजे बताते हैं कि सेंसर में अच्छी रैखिकता है।

3. व्हिट्स सर्ज कप के मूल सिद्धांत के आधार पर, छह-आयामी बल सेंसर का लेआउट निर्धारित करें। परिमित तत्व विधि के विश्लेषण परिणामों के आधार पर, लोचदार शरीर के विरूपण क्षेत्र का निर्धारण करें, सेंसर संरचना के पैमाने को संयोजित करें और उस पर उचित लेआउट करें। और आउटपुट को उचित रूप से बढ़ाएं, और पैच पर छह-आयामी बल सेंसर की अंतर-आयामी युग्मन समस्या को कम करें।

4. सेंसर के लिए एक विशेष अंशांकन उपकरण विकसित करें। सेंसर की संरचना और आकार के अनुसार, विशेष सेंसर अंशांकन उपकरणों का एक सेट डिज़ाइन करें। सिमुलेशन प्रयोग के परिणामों के अनुसार, सेंसर को अलग कर दिया गया है। उनके बीच संबंध की गणना करने और सेंसर के अंशांकन अध्ययन को पूरा करने के लिए वर्ग विधि और बीपी तंत्रिका नेटवर्क विधि का उपयोग करें। अध्ययन से पता चलता है कि बीपी न्यूरल नेटवर्क विधि का डिकम्प्लिंग प्रभाव बेहतर है।