摘要：工业机器人作为制造业高速发展不可或缺的重要元件之一,其典型故障的突然发生导致停机,将直接影响到整机寿命周期和工厂生产效益,因此,针对工业机器人典型故障的诊断具有重要的意义。提出一种基于粗糙集和RBF神经网络结合的故障诊断方法:运用粗糙集理论对典型故障关键位置采集的数据进行处理,对不确定的数据进行表达;在保持现有数据信息分类功能不变的特性下,得到最小的表达方式;通过探究数据间的相应依赖关系得到难以表达的模式;通过分析数据信息得到相关规则。依据粗糙集的最小条件属性集对RBF神经网络进行设计,完成网络测试、分类,提升故障分析和处理的能力,切实解决了工业机器人典型故障原因多样且数据相互交织不确定性的问题,从而实现了挖掘隐含特征和规律,进行准确的故障诊断。该方法可有效减少冗余数据信息处理和网络训练时间及计算量,大幅提升工业机器人典型故障诊断准确率。

摘要：在高校的教学过程中,实验教学越来越显现出其重要性。实验课时量所占课程的比例在逐年上调,实验室的规模也在逐年扩大。为了维护实验室的安全,杜绝实验用电、用水和火灾等安全隐患,使之更好地服务于广大师生,设计了基于物联网的实验室管理系统。该系统采用物联网技术中主要的嵌入式技术、移动通信技术、无线传感器技术及数据库存储技术等,将实验室设备管理、实验室环境监测、实验教学管理等功能整合于一体,实现了对实验室不同楼层、不同区域、不同设备进行监测,对相关数据进行识别与采集,并对异常情况进行实时报警。同时,为用户提供在手持客户端通过APP预习实验内容与结果演示。经测试,该系统数据通信精确度较高,响应速度较快,可有效提高实验室的管理和实验资源的利用。