| 品牌 : | 1 |
????本實用新型屬于機(jī)械抓手技術(shù)領(lǐng)域，特別是涉及一種新型吸盤夾具。背景技術(shù)：吸盤夾具廣泛應(yīng)用于各種機(jī)械手碼垛中，對于抓取箱類物料起著重要的作用，目前現(xiàn)有技術(shù)中的吸盤夾具大多尺寸是固定的，因此其進(jìn)行夾取時，一般只能夾取一定尺寸的貨物，當(dāng)貨物過大，或者過小時因為吸盤位置固定，所以經(jīng)常無法抓取，在抓取不同尺寸物體時，需要通過切換不同大小的吸盤抓手才能實現(xiàn)，非常不便，抓取效率低。技術(shù)實現(xiàn)要素：本實用新型提供了一種新型吸盤夾具，上海機(jī)械手專業(yè)團(tuán)隊在線，解決了現(xiàn)有技術(shù)中的吸盤夾具吸盤固定設(shè)置，夾取物體尺寸有限的技術(shù)問題。具體技術(shù)方案是，所述吸盤夾具包括機(jī)械系統(tǒng)和電器系統(tǒng)，上海機(jī)械手專業(yè)團(tuán)隊在線，電器系統(tǒng)用于控制伺服電機(jī)的轉(zhuǎn)動及控制吸盤的抓放；機(jī)械系統(tǒng)用來控制吸盤的相對運(yùn)動從而實現(xiàn)對不同尺寸的物體進(jìn)行抓取。所述機(jī)械系統(tǒng)包括支撐架、橫向伺服電機(jī)、縱向伺服電機(jī)、橫向齒輪組、縱向齒輪組、橫向推拉件、縱向推拉件、2個橫向支撐桿、2個縱向支撐桿、吸盤支架和吸盤；所述縱向伺服電機(jī)連接縱向齒輪組，縱向齒輪組連接縱向推拉件，上海機(jī)械手專業(yè)團(tuán)隊在線，縱向推拉件連接縱向支撐桿；從而通過控制縱向伺服電機(jī)的轉(zhuǎn)動再通過縱向齒輪組的傳動，帶動縱向推拉件的運(yùn)動， 終實現(xiàn)縱向支撐桿的橫向運(yùn)動。
????下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本實用新型的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0018]圖1為一種應(yīng)用于注塑機(jī)機(jī)械手的自動放螺母五金件治具的立體圖；[0019]圖2為取放構(gòu)件的立體結(jié)構(gòu)圖?！揪唧w實施方式】[0020]本實用新型公開了一種應(yīng)用于注塑機(jī)機(jī)械手的自動放螺母五金件治具，實現(xiàn)了將螺母及五金自動放置于模腔內(nèi)的功能，提高了產(chǎn)品合格率及生產(chǎn)效率、減輕作業(yè)者的工作強(qiáng)度，降低了生產(chǎn)成本。[0021]下面將結(jié)合本實用新型中的附圖，對本實用新型中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的僅僅是本實用新型一部分實施例，而不是全部的實施例。基于本實用新型中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本實用新型保護(hù)的范圍。[0022]結(jié)合圖1及圖2所示，一種應(yīng)用于注塑機(jī)機(jī)械手的自動放螺母五金件治具，包括定位構(gòu)件I及取放構(gòu)件2，所述定位構(gòu)件I包括用于固定五金件100的***固定位11及用于固定螺母200的 固定位12。
????令p1=x1、p2=x2、p3=x3、p4=x4、p5=x5、p6=x6、p7=x7建立優(yōu)化設(shè)計數(shù)學(xué)模型如下：式中：Fd（X）、Fm（X）、Ff（X）—注塑機(jī)械手的一階模態(tài)比較大變形量、質(zhì)量、一階固有頻率；—優(yōu)化前機(jī)械手的比較大變形量、質(zhì)量、一階固有頻率；X—設(shè)計尺寸變量；xi—第i個設(shè)計尺寸變量；—第i個設(shè)計尺寸變量上、下限約束值。多目標(biāo)優(yōu)化問題多目標(biāo)優(yōu)化問題往往要求各個目標(biāo)函數(shù)同時達(dá)到比較好值，在求解過程中會產(chǎn)生一系列滿足要求的Pareto解。設(shè)計人員需要根據(jù)實際情況，從這些解中篩選出比較好的解，從而各個目標(biāo)的優(yōu)化效果達(dá)到比較好。優(yōu)化算法的分類ANSYSWorkbench軟件在求解復(fù)雜結(jié)構(gòu)的目標(biāo)優(yōu)化問題時，分別可以使用以下優(yōu)化算法：多目標(biāo)遺傳算法（MOGA）、篩選算法（Screening）、非線性二次規(guī)劃算法（NLPQL）。6優(yōu)化結(jié)果比較及分析多目標(biāo)遺傳算法（MOGA）優(yōu)化結(jié)果AWBDX樣本數(shù)量的取值范圍為（0～10000），改變樣本的數(shù)量，可以得到不同的比較好解，如表2所示。表2不同樣本數(shù)量得到的比較好解TheOptimalSolutionareObtainedbyDifferentSampleSize樣本數(shù)量0010000m/kgd/mmf/Hz由表2可知：隨著樣本數(shù)量大小的改變，求解得到的整機(jī)質(zhì)量、一階比較大變形量和一階固有頻率比較好解均不同。
