摘要:针对四轮全向机器人数学模型中未知因数的干扰,提出了一种基于神经滑模的比例微分(Proportional plus Derivative,PD)自适应跟踪控制策略。首先,对机器人的动力学模型进行分析;其次,利用反步轨迹跟踪控制器得到虚拟速度,基于虚拟输入与实际输入的误差设计PD控制器;接着,采用神经网络来逼近动力学模型中的不确定性,并利用Lyapunov定理证明了系统的稳定性。仿真和实验结果表明,该控制策略具有有效性。
摘要:针对麦克纳姆轮全向移动平台轨迹跟踪控制问题,提出了一种模型预测控制(Model Predictive Control,MPC)和微分先行比例-积分-微分(Proportional plus Integral plus Derivative,PID)协同的双闭环控制策略。基于麦克纳姆轮运动学特点,设计了位姿控制环和速度控制环;在位姿控制环建立麦克纳姆轮底盘的线性误差模型,设计二次型目标函数,将路径跟随问题转化为对非线性模型的预测控制;在速度控制环引入微分先行PID控制器,避免输入量频繁的阶跃变化对系统产生高频干扰,加快麦克纳姆轮的角速度收敛,增强了系统稳定性。仿真实验表明,设计的控制器在收敛速度、跟踪精度方面均高于常见的轨迹跟踪器,对麦克纳姆轮移动平台的控制具有良好的鲁棒性。
摘要:轮毂电驱动技术的研究是未来新能源驱动体系研究的重要方向。随着轮毂电驱动对转速的要求越来越高,搅油功率损失成为不可忽略的部分,甚至高达功率总损失的50%~80%。现有的计算搅油损失的方法主要是采用简单的经验公式,无法适用于复杂的行星齿轮传动。为此,采用计算流体力学(Computational Fluid Dynamics,CFD)软件与C语言用户自定义函数(User Defined Function,UDF)对两级行星齿轮传动飞溅润滑进行联合仿真,实现了油-气两相瞬态流场可视化;通过提取表面的压力和黏性力,得到了太阳轮、行星轮及行星架的搅油损失;对25种工况进行仿真与分析,得到了搅油功率损失随转速和浸油深度的变化趋势。结果表明,搅油功率损失随转速和浸油深度的增加而增大,且无明显的拐点,实现最小搅油损失应当在保证充分润滑的前提下取最小的浸油深度。
摘要:尽管纯粹的时域等特征有着提取速度快和物理意义明确的优点,但诊断准确性却略逊于其他方法。针对这一问题,提出了一种将词包模型和时间子序列(Based On the Time Subsequence,BOTS)相结合的轴承特征提取方法。首先,用滑动窗口在振动信号中滑动,得到多段连续的、非平稳的时间序列,并将其看作一篇篇文档。针对每一个时间序列,随机截取多个固定长度的连续子序列,求取子序列的时域或者频域特征;然后,用随机森林算法统计每一个时间序列中所有子序列的类别票数情况,基于类别票数情况构建词典;最后,将词典作为新特征,输入随机森林分类器进行训练学习,并利用西门子中国研究院无锡创新中心SQI-MFS实验平台、东南大学以及机械故障预防技术学会提供的轴承数据进行了多种实验。实验表明,BOTS+小波包能量方法提取的特征具有更高的识别度。