基于PCA和灰色关联的齿根裂纹损伤程度识别

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围。为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analysis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法。首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度。在理论仿真的基础上,进行实验验证。结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大。PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显。并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依据。     

基于CAN总线的多通道开度阀控制系统的设计

针对现有电动阀门控制系统可嵌入性差的问题，设计了一种基于CAN总线的网络化、多通道、开度型阀门嵌入式控制系统。其中，上位机主要用于下达各阀门开度等控制指令并同时监测其工作状态，而下位机采用双MCU架构，主MCU用于控制各阀门的开度大小，从MCU负责采集开度反馈电流以实现闭环控制。下位机采用了模糊PID算法进行控制参数的动态整定，可满足阀门在不同工况下的控制精度要求，并通过OLED屏显示各通道阀门的实际开度值。实验表明,该控制系统运行稳定，能实现对多通道开度阀的精准控制，控制精度在0.6%以内，并支持远程上位机控制和现地控制等多种工作模式。     

基于分数阶PID算法的磁流变液柔顺关节控制研究

为了使机器人关节具备主动变刚度特性,基于磁流变液的可控流变特性设计了一种新型机器人柔顺关节,并提出基于分数阶PID(PI~λD~μ)控制算法进行磁流变液柔顺关节的动态扭矩跟踪控制,采用频域设计方法,通过期望截止频率和相位裕量推导出理想Bode传递函数状态下的PI~λD~μ控制器设计参数,建立了基于PI~λD~μ的控制系统。设计了磁流变液柔顺关节实验平台,并且基于LabVIEW图形化编程语言开发了控制软件系统,分别进行了基于PI~λD~μ和整数阶PID动态扭矩跟踪控制实验,实验结果证明,PI~λD~μ控制算法对基于磁流变液设计的机器人柔顺关节具有较好的动态扭矩跟踪控制作用。     

灰色关联与劈分系数相结合开展分层配注研究

注水开发的过程中,因为每个油层的渗透率,连通性等因素各不相同的原因,使得生产井在各层开采时每层的具体情况上也不相同,容易造成层间干扰,影响开发效果。大43区块为低渗透油藏,其注水开发目前采用有效厚度法从宏观上确定配注量。井口注入采出结果显示配注量较高,但厚度上分析则分水注入量不足,呈现矛盾。针对这一问题,本文将研究重心转移到如何合理将区块的配注量劈分到层段配注量这一问题上来。     

某特种车同步举升锁紧液压系统优化设计研究

针对某特种车原有的上装同步举升锁紧液压系统存在同步精度不达标、举升锁紧机构太复杂等问题,制定了对应的系统优化改进方案。改进后的同步举升液压系统,运用双向比例调速桥路和主从同步控制方式,结合PID控制算法,制定了主从同步闭环控制流程,有效提高了系统抗干扰能力和同步精度,改进后的同步举升误差满足设计要求。改进后的锁紧液压系统,运用机械自锁液压缸替代原辅助支撑锁紧机构,有效减少了锁紧回路元件数量,降低了系统成本,提高了锁紧可靠性,并通过台架试验验证了改进方案的有效性。     

碳纤维电地暖的智能温控及蓄能系统

碳纤维电地暖相较于其他地暖,在能源的消耗、对环境造成的压力和经济效益等方面具备明显的优势。为了在供暖过程中实现更加节能高效的目标,并同时满足各住户对不同舒适度的要求,我们将模糊PID控制器作为核心,构建智能温度控制及蓄能系统。我们将一个电能表单独与碳纤维电地暖串联,并在发热电缆周围放置精确的温度测量装置和信号转换器,供暖所消耗的电能和发热电缆的实时温度分别由电能表和温度测量装置测定,同时转换为电信号,并经过模糊PID控制器处理,用来动态合理的分配发热电缆的电能,实现在电能的使用上达到“移峰填谷”、节能减排的目的。     

井下跳汰机排料系统的电气自动化控制

当前,利用传统PID控制策略的井下跳汰机排料系统存在控制参数难确定,床层不稳定、质量差等问题,使得跳汰分选效果差,影响了分离效果。本文提出如何将遗传优化算法应用到PID控制系统,详细讲述了这种方法的建立过程。着重从遗传算法优化的PID控制结构、参数优化方法及步骤方面进行论述。通过仿真实验验证了这种方法的可行性,并以某矿井跳汰机排料系统为例得出基于该方法的PID控制器无超调现象,该模型控制精度高,具有良好的动、静态性能,同时兼有在线优化,收敛速度快等特点。     

基于混合遗传神经网络的运动员专项成绩预测系统设计

针对传统运动员专项成绩预测系统一直存在无法达到实质性的综合预测的问题,提出并设计基于混合遗传神经网络的运动员专项成绩预测系统。通过混合遗传神经网络,导入运动员专项数据,根据系统内部节点间调整,对运动员专项数据信息进行处理,建立专项成绩灰色预测模型,实现运动员专项成绩预测。实验数据表明,所设计的成绩预测系统能够进行高精度的专项成绩预测。