针对传统结构响应重构中正则化方法对冲击载荷峰值识别精度低、非加载区识别结果振荡且识别精度易受噪声干扰等问题，提出基于修正-联合正则化的冲击载荷识别与结构响应重构方法. 基于状态空间模型，推导冲击载荷及结构响应的重构方程. 对测量响应降噪，利用降噪后响应与识别响应的差值修正L2正则化解. 联合L1正则化解的稀疏性优势，在保证冲击载荷非加载区域识别稳定的同时，获得更高精度的峰值识别结果，实现结构动态响应的重构. 通过数值和实验案例验证了所提方法的有效性，对比了传递矩阵法和粒子滤波法的响应重构效果. 结果表明，所提方法具有良好的抗噪性，能够较准确地识别冲击载荷，有效地重构结构动态响应.
为了完善驻留式微气泡阵列减阻的机理理论，基于有限体积方法，采用大涡模拟（LES）方法对平板及驻留微气泡阵列近壁面复杂湍流流动开展数值模拟研究，采用本征正交分解法(POD)提取2种模型近壁区湍流拟序结构进行对比分析. 结果表明：相较于平板，驻留微气泡阵列近壁面切应力变化更加平稳，减小了约13.7%；微气泡气/水界面的动态形变使边界层间歇性流动分离再附着，抑制低速流体上抛、高速流体下扫形成的“猝发”现象，湍流相干结构“猝发”频率减小5.6 Hz. 利用POD方法，能够有效地提取近壁面复杂湍流拟序结构的主要分布特征，微气泡的存在加强了湍流近壁区内的小尺度结构，促进流场内湍流动能的均匀分布，抑制了拟序结构的发展，体现了驻留微气泡良好的减阻特性.
为了分析系泊工况下喷水推进器的内流特性，在系泊试验的基础上采用基于流体体积法（VOF）的计算方法，对喷水推进器的系泊工况内流场特性进行数值模拟研究. 对比系泊试验数据发现，基于该方法得到的推进器总推力和转矩与试验数据吻合较好，该方法可以较好地模拟喷水推进器自由喷射流场. 从喷水推进器数值模拟结果可知，当叶轮转速增加时，叶轮内部欧拉扬程的增长速度趋于恒定，叶轮的效率增加；叶轮内部熵增较高的区域主要分布在叶轮入口、壁面和叶顶附近，表示该区域流动损失较大，与系泊工况下喷水推进器的进口流道处存在较大程度的流动分离密切相关.
为了分析动车组齿轮箱的润滑机理，以某型螺旋锥齿轮传动齿轮箱为研究对象，运用移动粒子半隐式(MPS)法建立高精度的流场仿真模型. 引入薄膜流动模型，对无滑移壁面边界条件进行改进，使移动粒子半隐式法具有预测液膜流动特性的功能. 研究输入齿轮转速、初始润滑油量对箱体内壁和齿轮表面的润滑油覆盖率、油膜分布特性及功率损失的影响. 结果表明，箱体内壁面的润滑油覆盖率和液膜厚度主要受润滑油飞溅效应的影响，齿轮表面受到润滑油飞溅效应和自身运动的共同影响. 功率损失分析显示，功率损失与输入齿轮转速和初始润滑油油量均呈正相关关系，对高转速更敏感. 对箱体结构进行改进，消除箱体凸台，扩大与输出齿轮的距离，该措施可以显著改善齿轮箱的润滑条件.
为了满足磁悬浮轴承面向更高精度的发展需求，提出基于LC并联谐振的轴向自感式位移传感器. 通过增大谐振回路的等效电感变化率，提高传感器的灵敏度. 分析传感器的工作原理. 通过有限元仿真，研究传感器设计参数与灵敏度之间的关系. 设计传感器的测量电路，结合有限元仿真和数值仿真，分析LC并联谐振对传感器灵敏度的影响. 搭建实验台，对传感器的静态性能进行测试. 结果表明，相对于传统的位移传感器，提出的传感器具有更高的灵敏度与更低的线性度.
针对机器人对形状、大小、种类变化不一的未知物体的抓取，提出轻量化的抓取位姿实时检测算法RTGN，以进一步提升抓取检测准确率及检测速度. 设计多尺度空洞卷积模块，以构建轻量化的特征提取主干网络；设计混合注意力模块，以加强网络对重要抓取特征的关注；引入金字塔池化模块融合多层级特征，以提升网络对物体的抓取感知能力. 在Cornell抓取数据集上进行测试，RTGN检测速度为142帧/s，在图像拆分和对象拆分上的检测准确率分别为98. 26%和97. 65%；在实际抓取环境下进行抓取实验，机器人对20类未知物体进行400次抓取，抓取成功率为96. 0%. 实验结果表明，RTGN的检测准确率和检测速度较现有方法有明显提升，对物体的位置和姿态变化具有较强的适应性，并且能够有效地泛化到形状、大小、种类等变化不一的未知物体的抓取检测中.
为了提高电液伺服系统(EHSSs)控制性能，考虑外部干扰力、摩擦力、参数变动、结构振动及未建模特性等系统不确定性，构建系统状态空间模型. 为了应对系统不确定性，提出新型扩张滑模观测器(ESMO)，用于同时估计系统全状态和系统不确定性，并结合等值注入原理及饱和函数进行合理优化. 利用系统不确定性的估计值，在反步控制设计中引入障碍Lyapunov函数，将系统的跟踪误差约束在一定范围内，结合参数自适应律，提高系统控制性能. 为了验证所提控制方法的性能，在MATLAB/Simulink软件平台构建仿真模型，进一步地，搭建电液伺服系统实验台及实时控制系统，进行仿真和实验验证. 结果表明所提方法的性能优于基于障碍Lyapunov函数的反步控制器及传统的反步控制器.
针对传统神经网络权值更新不稳定导致路面附着系数预估精度不高的问题，提出基于变权重粒子群优化(PSO)-Elman神经网络的路面附着系数估计方法. 搭建基于7自由度汽车动力学模型的神经网络模型，在Elman神经网络模型中引入粒子群算法降低训练绝对误差，并使用线性权重递减策略对粒子群算法中的权重进行改变，平衡粒子全局和局部搜索能力，实现网络权值矩阵优化；采用傅里叶函数方法拟合出理想滑移率-路面附着系数相关曲线；通过理论分析和仿真验证，证明采用该方法能够提升路面附着系数预估精度. 仿真结果表明：在定附和变附路面行驶工况下，相比于传统Elman神经网络，采用变权重PSO-Elman神经网络的路面附着系数估计方法获得的路面附着系数均方根误差分别平均降低了35.62%和19.20%，有效提升了防抱死控制效果.
为了解决传统活动翼面偏转测试中传感器安装平行度要求高、线缆长、人工操作复杂繁琐等问题，提高空间角度测量准确性和现场测试效率，在分析倾角传感器底层测量原理的基础上，综合考虑飞机测试现场系统误差，参考已有的空间角度测量模型，对双测量轴空间旋转模型进行推导和改进. 得到适用于机翼活动翼面绕水平轴偏转情况下的空间角度测量误差模型，提出适用于活动翼面偏转测试需求的倾角传感器校准方法. 以该模型和校准方法为基础设计实现基于无线倾角传感器的大型飞机活动翼面偏转测试系统. 实验平台旋转角度精度测试和活动翼面现场测试的结果表明，相对于现有方法，该校准方法能够获得更大有效测量量程以满足实际工况需求，提升角度校准精度，并显著提升测试效率.
为了充分挖掘注塑成型过程中模腔内的高频时序特征和注塑成型机状态特征，提出基于双层双向门控循环单元网络(DL-BiGRU)的多特征融合注塑件尺寸预测方法. 分析膜腔内传感器高频时序特征与注塑件尺寸间的关联性，采用DL-BiGRU网络从高频数据中自动提取时序特征，表征注塑件成型过程状态变化特性. 通过采样模腔内高频时序数据进行展成平铺，表征注塑成型的瞬时特征. 融合时序特征、瞬时特征和成型机状态特征，构建端到端的深度学习多特征融合框架. 将上述3种特征融合并联合训练，提升注塑件尺寸预测精度. 在注塑成型数据集上进行模型验证，预测尺寸平均均方误差为4.7×10?4 mm2，最小误差波动为10?5 mm2量级，模型具有较高的预测精度和稳定性.
基于现有足式机器人触地检测方法的研究，综合论述了腿部结构设计、足端设计、传感器设计对触地检测的影响. 总结外部传感器直接检测的触地检测方法、基于运动学与动力学的触地检测方法以及基于学习的触地检测方法. 归纳地面湿滑、地面松软以及非足端触地这3种特殊场景中的触地检测方法. 分析触地检测技术的应用场景，具体包括运动控制的需要、导航中的应用、地形与地质的感知这三大应用场景. 指出硬件改进和集成、多模态触地检测、多传感器融合化触地检测以及智能化触地检测这四大触地检测方法相关的发展趋势，总结各触地检测算法之间的具体关联，为触地检测后续技术的发展及触地检测的具体应用提供指导.
针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题，提出基于图神经网络的加工特征识别方法. 通过压缩激励模块提取节点与邻接边的特征，构建节点级与邻接边级的双层注意力网络，分割每个节点对应的加工特征. 该方法充分利用了零件模型的面特征与边特征，结合零件模型的拓扑结构，基于注意力机制对特征信息进行深度学习，可以有效地解决非面合并相交特征的识别问题. 在多加工特征零件数据集上，将该方法与其他3种特征识别方法进行实验对比，在准确率、平均类准确率和交并比3项指标上均取得最优结果，识别准确率高于95%.
为了解决机器人路径规划中传统A*算法和动态窗口法(DWA)存在的遍历节点较多、冗余点较多以及路径不平滑, 缺乏全局引导, 易陷入局部最优以及安全性低等问题, 提出融合改进A*算法和随机避障动态窗口法(ROA-DWA)的路径规划算法. 该算法通过启发式函数的权重调整、Floyd算法、冗余点删除策略、静态和动态障碍物分类处理和速度自适应因子等方式来提高搜索效率, 减少路径长度和拐点数量, 将已知障碍物对路径的影响最小化,大幅提高动态避障效率，使得机器人在平稳到达目标点的同时还提升了机器人的安全性, 更好地适应复杂的动态和静态环境. 实验结果表明, 该算法具有较好的全局最优性和局部避障能力, 在大型地图中展现出更好的优势.
为了提高鼓形滚子表面微小瑕疵缺陷检测的精确率和召回率，增强模型对小目标缺陷的检测能力，针对YOLOv8s网络，提出细粒化卷积模块SPD-Conv来代替卷积下采样，细粒化地提取小缺陷的特征. 在特征融合模块，引入GFPN特征融合模块，增强相邻层级间的跨尺度连接和同尺度下的跨层连接，有助于小目标特征信息在卷积网络的传递. 在头部增加小目标检测层，提高模型对小缺陷的检测能力. 在损失函数方面，利用动态非单调聚焦的Wise-IOU的边界框损失函数替换CIOU,在加快网络收敛的同时，提高网络检测的精度. 在自制的鼓形滚子缺陷数据集上进行测试，结果表明，改进的YOLOv8s在倒角数据集、侧面数据集、端面数据集的mAP@0.5分别达到0.911、0.983、0.935，相比于YOLOv8s，mAP@0.5分别提高了6.4%、3.3%、4%，精确度和召回率也有一定的提升，平均每张图片的检测时间为23 ms. 与原模型相比，改进的YOLOv8s对小目标缺陷有更好的定位能力和检测精度，检测速度能够满足工业大批量检测的要求.
针对当前物体6D位姿估计任务准确率较低的问题，提出双目数据集制作方法及物体6D位姿估计网络Binocular-RNN. 将YCB-Video Dataset中已有图像作为双目相机左摄像头捕获内容，利用Open GL将YCB-Video Dataset中相应三维物体模型进行导入，输入各物体相关参数，由虚拟双目相机右摄像头捕获合成图片. 利用单目预测网络分别对双目数据集中左、右图像的几何特征进行提取. 经过循环神经网络对几何特征进行融合，并预测物体6D位姿. 以模型点平均距离(ADD)、平均最近点距离(ADDS)、平移误差和角度误差作为评价指标,对Binocular-RNN与其他位姿估计方法进行对比. 结果表明，在利用单一物体对网络进行训练时，Binocular-RNN 的ADD或ADDS指标得分分别为PoseCNN、GDR-Net的2.66、1.15倍. 利用基于物理的实时渲染（Real+PBR）方式训练的Binocular-RNN的性能超过基于深度神经网络的迭代6D姿态匹配的方法(DeepIM).
为了提高仓储系统作业效率，对四向穿梭车仓储系统复合作业开展调度优化研究. 在四向穿梭车和提升机采用复合作业完成任务的基础上，考虑设备在水平方向和垂直方向的协同作业特性. 通过四向穿梭车和提升机开始和结束作业时间以及开始作业层数之间的联系，在不同作业模式下进行讨论，从而构建以出入库作业时间最短为目标的数学模型. 提出基于任务分类的方法对遗传算法的种群进行初始化，随后在该方法的基础上完成种群的交叉和变异来求解模型，进而得出系统的最优任务分配及排序. 通过实例分析四向穿梭车数量及单双台提升机对系统作业效率和成本的影响，验证基于任务分类的遗传算法的有效性，结果表明该算法至少提高10.3%的作业效率.
针对顾客需求不确定和部分设施节点失效情况下闭环供应链网络设计问题，考虑网络结构复杂度，以最小化闭环供应链运营成本和维护成本为优化目标，构建非线性混合整数规划模型. 采用鲁棒对等式理论处理需求不确定性，采用情景分析方法处理单一设施节点中断不确定性；采用信息熵理论量化网络结构复杂度并采用分段线性逼近方法进行结构复杂度线性重构，构建混合不确定因素影响下的鲁棒优化模型，利用Gurobi求解进行节点开放及流量分配决策. 针对算例，将鲁棒优化模型与随机规划模型进行对比，结果显示，考虑网络结构复杂度进行网络设计，与随机规划模型相比，鲁棒优化模型的目标函数值在不确定情景下的波动幅度显著减小，表明模型具有较好的抵抗外部风险的能力.
针对大口径轴孔装配任务中存在的惯性冲击大、力控不稳定、装配精度差等问题，提出基于深度强化学习与模糊策略的大口径轴孔装配策略. 该策略通过模糊动作生成器对强化学习算法输出的装配动作进行补偿，实现精确的状态跟踪. 通过深度确定性决策梯度（DDPG）算法采集环境状态数据并计算输出动作，引导机器人改变装配状态. 引入模糊动作生成器，与DDPG算法结合生成DDPGFA装配策略，利用模糊策略添加动作系数，提高装配动作准确性.在合理制定奖赏函数和模糊规则的基础上，实现训练过程的快速收敛.通过设定安全阈值保证在线学习过程中系统的受力安全.大口径轴孔装配仿真和实验结果表明，与未采用模糊动作的强化学习装配策略相比，DDPGFA策略能在更稳定的步数下完成装配，且离线训练速度提升约15%，装配接触力减小约30%.
为了探究静态混合过程中的内流冲击与流致振动特性, 提出结合大涡模拟(LES)方法的介观多速度分量格子Boltzmann流固耦合模型. 针对静态混合过程伴随强剪切、回流反冲、壁面冲击等特点, 以静态混合器为研究对象, 对静态混合过程建模, 并提出流场-结构场弱耦合求解策略. 通过此方法研究静态混合器不同位置位移形变、不同入口速度和不同静态混合器叶片夹角对管壁振动响应的影响. 结果表明, 叶片作用可以将流体轴向速度转换为切向和径向速度；在入口流速相对较大时, 内部流场对静态混合器的振动频率及振幅的影响较为明显；改变混合叶片夹角, 会影响流场剪切引流作用, 对其纵向位移和轴向位移影响显著, 且主要影响低频段.
为了构建航空装配领域中装配流程信息、装配技术知识、行业标准和三者内在联系组成的航空装配知识图谱，提出基于持续学习的命名实体识别技术框架. 所提框架的特点是从零语料到大规模语料的渐进式学习过程中，在不依赖人工设定特征的情况下，始终保持较高的识别效果. 从飞机总装配和部件对接的实际工业场景展开所提框架的性能对比实验，并以操纵拉杆和钢索的安装为实验案例. 实验结果表明，在处理不同规模的语料环境的情况下，所提框架在正确率、召回率、F1值上均显著优于以往算法，所提框架可以为航空装配领域命名实体识别任务持续提供可信的结果.
针对激光粉末床熔融 (LPBF)成形中点阵倾斜支杆的悬垂打印质量问题, 以In718悬垂熔道为研究单元，建立三维介观数值模型. 基于离散单元法在建模软件EDEM中建立粉末床模型, 基于有限体积法在Flow-3D中实现LPBF熔道成形过程, 通过数值模拟分析激光-粉末颗粒相互作用的流动、传热、熔化、凝固过程. 结果表明, 实体-粉末交界区域容易出现不连续的熔道, 改善工艺参数可以提高该区域熔道成形的连续性. 在低能量密度(44.19 J/mm3)下, 施加高激光功率(300 W)不会产生匙孔缺陷, 能够以比低激光功率(87.5 W)更强的马兰戈尼流动、更快的熔池流动速度填充不连续点, 提高实体-粉末交界区域的熔道连续性.
针对风力发电机组传动链动力学响应问题，以某兆瓦级风电机组为研究对象，建立传动链刚柔耦合的多体动力学仿真模型.分别分析机架柔性、齿轮箱弹性支撑刚度、发电机弹性支撑刚度对传动链动力响应特性（包括传动链模态、谐振与不同风况条件下的振动响应）的影响规律；通过实验室内振动测试，分别从时域和频域上验证模型的有效性. 结果表明：支撑系统对振动能量主要分布在发电机壳体、齿轮箱箱体的模态影响最大，合理进行支撑系统刚度设计能够有效降低传动链共振风险. 时域分析结果表明，谐振引起的零部件振动速度偏差最大达到120%；增大齿轮箱弹性支撑刚度并降低发电机弹性支撑刚度，有助于降低传动链振动水平.
低热阻、低压损和均匀温度的液冷板对保障动力电池包续航里程、延缓电芯寿命衰减具有重要意义. 以改善液冷板传热性能为目标，以某款动力电池包液冷板为对象，构建温度均匀性系数，提出新型全特征扰流元模型. 开展扰流元特征参数和布置参数寻优，搭建液冷板传热实验台架，验证温度和压降仿真结果的准确性. 结果表明：当扰流元的结构宽度与长度之比为1、扰流元的结构宽度与流道宽度之比为0.5、2个扰流元间隔为15 mm时，液冷板综合性能最佳. 优化后液冷板温度均匀性系数由0.339降到0.121，优化幅度为180.16%；优化后液冷板最高温度为24.7 ℃，温差为3 ℃，仿真计算结果与实验结果的综合误差为3.79%.
针对不同数控机床热误差建模中温度关键点的选择和优化问题，提出有效减少温度测点并提高热误差预测精度的新方法. 所提方法通过建立各个温度信号序列之间的相关性和差异性，对温度测点进行有效分类和选择. 在系统聚类的基础上，将变量间的相关系数与欧氏距离矩阵进行权重赋值后加以融合，以优化各测点之间的共线性. 利用灰色关联分析判断测点与热误差间的紧密程度并提取各类子集中的最优测点，以优化后的测点为输入构建基于支持向量回归的热误差预测模型. 为了确定权重系数、聚类数、支持向量回归的参数，采用遗传算法进行参数寻优得到最优的预测模型. 在多台机床上进行实验，列举出3台不同型号机床的验证分析结果，使用所提方法的预测均方根误差与原始测点的相比分别下降了24%、71%和62%. 结果表明，所提方法在不同机床上均能实现在大幅减少传感器数量的前提下有效提高热误差模型预测精度；所提方法具有良好的通用性，与其他方法相比，所提方法的预测性能更强.
针对鼓形滚子表面损伤检测过程中损伤零件数量少、检测准确率及查准率不高的问题，提出一种基于多样本关键损伤区域融合数据增强的轴承鼓形滚子表面损伤检测方法. 搭建鼓形滚子表面损伤特征样本检测装置，采集滚子的工作面侧面图像并将侧面图像作为研究对象，根据样本图像中滚子外圆角分布特点对样本核心检测区域进行裁剪. 基于聚类预选框及损伤评估函数，从数据集负样本中筛选合适大小与纵横比的关键损伤区域，对所选区域进行不同的仿射变换并与随机采样的正样本进行融合以生成新的增强样本数据. 将经过数据增强处理的图像，输入到检测神经网络中进行检测分类. 实验表明，采用数据增强的鼓形滚子表面损伤检测模型在测试集上的准确率为95.2%，查准率为97.7%，经过正样本阈值调整后模型最终的查准率为99.8%. 该方法融合不同样本的复杂损伤特征，有效地提升了检测准确率以及查准率，满足鼓形滚子表面损伤检测的实际生产需求.
针对甲烷渗漏区渗漏通量的计算、非保压非气密取样设备导致的样品气体散失、微生物死亡和有机成分分解等问题，设计一种基于重载遥控无人潜水器（ROV）机械手操作的3 000 m级沉积物含上覆水保压取样器，以及与取样器配套的保压分离转移装置. 该取样器可以实现样品的低扰动原位封装. 在保压的工况下，转移装置可以实现上覆水的分离以及沉积物至不同培养釜的转移. 基于阈值压力可调的泄压阀，保压转移装置通过压缩内部体积转移上覆水和通过二次取样转移沉积物. 结果表明：取样器在南海的3次海试中分别获得了超过700 mL的保压样品，在3 000 m的海试中2 h压降仅为1.53 MPa，海试验证了取样器的取样率及保压能力. 在30 MPa高压工况下，转移装置完成了沉积物及上覆水分离转移，在转移过程中保持压力波动不超过4.8%. 在转移完成后，培养釜中样品的压力相对于取样器中的样品初始压力下降仅为4.7%.
根据口腔种植手术的要求，基于光学定位技术开发了一套自动化程度较高的种植牙手术机器人系统，并且对系统空间坐标系转换进行研究. 平滑的姿态轨迹规划对口腔种植机器人工作时的精度和效率有着重要的影响，提出一种基于四元数和旋转向量的多姿态C2连续的平滑插值算法. 在三维空间中采用线性插值与B样条曲线平滑拼接的方式对旋转向量进行插值计算，所对应的四元数将保持在三维空间中的连续性，实现对单位四元数C2连续的多姿态平滑插值. 通过实验分析和对比验证，所提B样条多姿态平滑插值算法具有C2连续性，在实时性能和运动效率方面优于SQUAD算法，适用于机器人末端执行器的多姿态轨迹规划.
针对传统智能优化算法在机械臂关节空间进行时间最优轨迹规划应用中存在的寻优效率低、优化结果全局性和稳定性差的问题，提出新的机械臂时间最优轨迹规划方法. 在建立机械臂关节空间内的时间最优轨迹规划模型时考虑位置约束，根据输入的关节点列，使用S形曲线估算时间的取值区间，对生成算法的所有个体进行多种群竞争迭代，得出机械臂关节空间轨迹规划的时间最优解. 与不同算法的仿真对比试验结果表明，所提方法较传统的优化算法具有更高的寻优效率和更好的优化全局性；所提方法的稳定性好，其多次优化结果的方差相较单种群算法低3个数量级.
针对车辆操稳性控制中功能耦合的主动前轮转向（AFS）与直接横摆力矩控制（DYC）的任务协调问题，提出优化相平面法进行稳定区域划分. 基于所提方法建立轮胎侧向力特性协调准则，实现纵横向动力学系统操稳性集成控制. 以前、后轮侧偏角及两者之差作为车辆横向稳定的表征量，结合轮胎侧向力特性划分车辆横向状态为稳定、临界稳定和失稳状态区间. 建立AFS与DYC的协调准则. 考虑控制算法面向实际应用时状态量的获取问题，建立基于超螺旋算法的状态观测器估计车辆前后轮侧偏角. 分别设计基于自适应超螺旋高阶滑模算法的AFS和DYC控制器，在消除控制器抖振和避免频繁切换的基础上完成稳定性控制. 试验结果表明，所提协调准则和控制算法对协调AFS和DYC有积极作用，且操稳性控制效果良好.
为了研制适应关节黏弹特性、轻便、可穿戴的手指功能康复装置，在分析手指关节、肌腱运动机理的基础上，设计形状记忆合金（SMA）丝驱动的手指功能康复装置. 建立该装置的运动学模型和SMA驱动模型，提出基于SMA丝电阻反馈的模糊神经网络PID控制方法，研制手指功能康复外骨骼样机，进行样机的运动性能和控制性能实验. 结果表明，仿生外骨骼实现了预期的手指被动康复运动，拇指、食指和中指的最大弯曲角度与人体手指的弯曲角度相近，分别为130.5°、236.4°、242.5°；仿生外骨骼能够辅助手指完成日常抓握动作；模糊神经网络PID相比于传统PID控制，有效缩短了仿生外骨骼的响应时间，手指的屈伸康复频率为6次/min.
