神经网络-牛顿改进算法求解stewart平台正解

<正>向运动学求解是并联机器人机构应用的基础,传统求解方法中BP神经网络通过将并联机器人平台的逆解作为训练样本,通过网络学习的方法求解stweart平台的正解,具有优秀的解域搜索功能,但求解精度有待提高,且局部存在收敛速度慢以及局部最小化问题。而牛顿迭代法虽然具有能够在局部快速收敛但对初值依赖程度较大。鉴于两者的优缺点互补,设计一种混合算法能够精确的精确的求得stewart平台正解。能够提升传统神经网络算法的求解速度及就求解精度。     

考虑表面接触力的滑靴副油膜特性分析方法

由于受倾覆力及刚体表面粗糙度影响,液压柱塞泵斜盘-滑靴运动副(滑靴副)在相对运动时处于混合润滑状态。斜盘和滑靴表面接触引起弹性和塑性变形,进而产生表面接触力。接触力与油膜厚度密切相关,在油膜特性分析时不应被忽略。提出一种基于流体动压润滑理论的滑靴副油膜特性(油膜厚度、压力分布、油膜间隙流量)的分析与计算方法,考虑了滑靴副粗糙表面的支撑力影响。在雷诺流体动压润滑方程基础上,考虑滑靴副刚体表面粗糙度水平和油膜厚度,计算液压柱塞泵不同工况下的表面接触支撑力,并将接触力融入运动副的受力方程。提出了基于改进的雷诺流体动压润滑方程的数值计算方法,并进行了仿真分析,通过间接对比滑靴副间隙流量的仿真结果,证实了提出方法的有效性和结果的准确性。