柔性冗余度机器人力矩优化的研究

本文首先应用模态理论，对柔性冗余度机器人振动的控制问题的原理与策略进行了研究．在此基础上通过对满足抑振要求的自运动的选取进行分析，指出柔性冗余度机器人在通过优化其自运动实现振动抑制的同时还具有二次优化的能力，并给出了在满足抑振的前提下实现关节力矩优化的方法．最后对一个末杆为柔杆的平面三杆机械手的振动控制与力矩优化进行了仿真，结果验证了该方法的可行性．     

微谐振梁的激振与拾振研究

主要研究静电激励/电容拾振硅微谐振梁的激振拾振问题,推导谐振梁的激振与响应的等效数学模型,分析谐振梁的同频干扰问题,建立其等效电路模型,提出一种基于双端激励/双端检测的结构,能够有效的抑制干扰模态和消除同频信号干扰.     

柔性空间机器人振动抑制轨迹规划算法

本文首次提出了一个描述柔性空间机器人振动的可直接计算的激振力指标，进 而提出了柔性空间机器人抑振轨迹规划算法．该算法采用均匀非周期四阶B样条描述机器人 的运动轨迹，B样条的控制点作为优化参数，使用改进的微粒群优化算法，以激振力为性能 指标对轨迹进行优化求解．该方法根据激振力指标而不是待定轨迹的控制结果来判定轨迹的 抑振性能，极大地简化了规划过程．对柔性双臂空间该机器人的抑振轨迹规划仿真，表明优 化轨迹取得了良好的振动抑制效果，证明了算法的有效性．     

解决机器人臂振的一种方法

本文对机器人在运动中常见的臂振现象进行了分析。对由于过冲所造成的机器人臂振进行了算法分析,提出了一种改进算法,节省了机时。经在一研制中的焊接机器人上试验,使原有的臂振现象得以消除。     

一种基于死区离散趋近律的准滑模控制

针对受正弦信号干扰的不确定离散时间系统,提出一种基于死区离散趋近律的准滑模控制方法. 系统能够由任一初始状态向死区作单调趋近运动,并于有限时间到达准滑动模态区作准滑动模态运动. 准滑动模态带具有任意阶次小的特点.该方法进一步增强了系统鲁棒性,有效改善系统动态品质,减小了稳态误差.系统无 控制抖振和稳态抖振产生.仿真结果表明该方法的有效性.     

三点接触疲劳试验机的测试信号相干函数分析

为了提高三点接触疲劳试验机的动力学性能,采用Matlab软件对试验机系统信号进行分析.首先由自相关分析可以得出,输入和输出信号是由多个周期成分叠加而成的周期信号;然后对输入和输出做互相关分析,得到了消除噪声后的真实输出信号;最后进行相干函数分析,得出在各零部件激振频率下的相干函数值约为0.9.试验结果表明,试验机系统为线性系统.该研究结果为模态分析和动力学分析提供了理论依据.     

无抖振离散准滑模控制

基于对常规离散准滑动模态及其抖振的分析,提出将离散趋近等效控制相结合的控制策略,既保证了趋近模态具有良好品质,又降低了准滑动模态带。该控制策略可避免系统状态步步反向穿越滑动面的抖振运动,从面消除了控制的抖振,并以较少的控制能量获得较好的系统性能。     

柔性关节机器人抓取末端振动自动化控制方法

为了提高柔性关节机器人抓取末端振动控制精度,该文提出柔性关节机器人抓取末端振动自动化控制方法。对柔性关节机器人展开系统动力学分析,构建奇异摄动模型定义柔性关节机器人系统的运动方程。设计柔性关节机器人的优化控制器,构建控制误差代价函数。利用拉格朗日法获取函数最优解,实现柔性关节机器人抓取末端振动自动化控制。实验结果表明,该方法能够有效抑制柔性关节机器人末端振动信号,相位控制误差均在0.02°以内,抑振措施的上升时间低于7.66 s,末端控制精准度高、效率高、性能好。     

声振信号分离提纯的风力发电机故障诊断方法研究

由于风力发电机振动信号中掺杂大量声音信号,信号频带受到噪声干扰,致使风力发电机故障诊断效果不佳。为此,提出基于声振信号分离提纯的风力发电机在线故障诊断方法。分析导致风力发电机组声振信号干扰的因素。采用经验模态,将初始风力发电机在线故障信号分解成高频分量与低频分量两部分。采用小波阈值算法去除高频分量的噪声,并与低频分量作重构处理,得出风力发电机的实际故障振动信号。建立反向传播(BP)神经网络训练模型,使用粒子群优化算法得出该网络最佳的权值矩阵与偏置向量,并凭借网络训练算法诊断出故障数据的位置与类型。试验结果表明,所提方法在线故障诊断精度高,并能保证其训练效率与收敛速度,具有较高的实用价值。     

扇区滑动模态控制方法

本文针对传统滑动模态控制的抖振问题，提出了扇区滑动模态的概念，分析了扇区滑模态的良好品质，并在扇区滑动模态概念的基础上提出了扇区滑动模态控制方法，理论证明了仿真结果均表明，扇区滑动模态控制能够保持传统滑动模态控制良好的鲁棒性，同时可以消除动态过程中的抖振，另外有保证系统的稳定性及良好的动态品质。     

基于结构高阶局部模态的损伤诊断研究

结构振动测试和损伤诊断中,较易得到结构的低阶模态信息,但低阶模态信息主要反映结构的整体性能,对结构局部损伤不敏感.本文主要研究框架结构高阶模态特性,并通过高阶模态来反映结构的局部特征,实现框架结构损伤诊断.研究中采用理论模态分析和实验模态分析相结合的方法.理论模态分析表明框架结构存在模态密集区且高阶模态具有局部特征.采用局部激振方法对一个钢筋混凝土框架结构模型施加激励,通过实验模态分析获取高阶局部模态信息.结果表明最大能量高阶模态可以识别框架柱的刚度变化.     

Dynamic material parameter inversion of high arch dam under discharge excitation based on the modal parameters and Bayesian optimised deep learning

Vibration-based dam safety monitoring methods have increasingly become a research hotspot for assessing dam safety. The accurate material parameters of a high arch dam and its foundation are critical for monitoring vibration safety. Accordingly, a dynamic material parameter inversion framework for an arch dam is developed based on modal parameters and deep learning. Firstly, an determined-order stochastic subspace identification method with adaptive variational modal decomposition is proposed based on the prototype vibration signal obtained under the discharge excitation, which can effectively identify the modal parameters. Secondly, the sensitivity of the dynamic elastic modulus (DEM) in different regions to the modal parameters of the arch dam was analysed using the orthogonal test method and variance analysis method, and it was utilised to ascertain the DEM to be inverted. Finally, a Bayesian optimised multi-output long short-term memory neural network is used to establish a nonlinear mapping relationship between the DEM and the modal parameters as an alternative to finite element calculations, and the identified modal parameters are employed as network inputs to inverse the actual DEM of each zoning. An engineering example shows that the proposed DEM inversion method for high arch dams is effective and accurate, providing a good basis for the vibration safety analysis of arch dams. This study overcomes the limitations of difficult to effectively extract modal parameters of arch dams under discharge excitation, and advances the application of deep learning technology in hydraulic engineering by combining modal parameters.     

弹性支撑下风电机组传动系统结构动力分析

考虑水平轴风力发电机组齿轮箱弹性支撑的柔性连接特性,基于集中质量思想和拉格朗日方法,建立风力发电机传动系统多体动力学模型,研究了齿轮箱弹性支撑对传动系统结构动力学特性的影响.利用动力学模型和模态分析方法,得到了由弹性支撑耦合到系统后的模态频率,并获取了在该模态激励下的模态动能分布.采用变参数方法进行传动系统模态对齿轮箱弹性支撑刚度变化的敏感性分析,利用模态叠加法进行齿轮箱体的动响应分析.数值求解结果和分析表明,考虑齿轮箱弹性支撑的传动系统某阶固有频率即为弹性支撑下齿轮箱体振动主模态;弹性支撑线刚度对传动系统低频率固有模态存在一定影响;齿轮箱体振动分析时应考虑1阶和2阶的低频模态较为合理.本研究工作对传动链系统方案可靠性设计和抑制传动链振动的加阻控制提供了一定理论基础.     

复模态分析超临界轴向运动梁横向非线性振动

近似解析研究了简支边界条件下超临界轴向运动梁横向非线性自由振动的固有频率和模态函数.采用复模态方法处理控制方程,一个积分偏微分方程.将Galerkin截断思想用于近似处理线性化方程,一个含空间依赖系数的常微分方程.给出了不同截断项数对固有频率的影响.基于8项截断,讨论了系统参数对模态函数的影响.     

快速独立分量分析法识别结构模态参数研究

采用快速独立分量分析(FastICA)算法,快速、准确地识别结构模态参数.该算法以模态响应之间的独立性为依据构建出目标函数,并以此目标函数为基准采用ICA算法对结构输出信号进行分离,而得到结构振型向量.进而通过单模态识别技术-希尔伯特(Hilbert)变换,识别出结构的频率和阻尼比.最后通过白噪声激励下六层框架结构的模态参数识别,验证了快速独立分量分析算法识别结构模态参数的可行性和鲁棒性.     

微陀螺模态特性的参数化分析方法

模态分析是微陀螺结构设计的重要环节,针对一种采用L形截面悬臂梁支撑的微陀螺结构,提出了参数化的模态分析方法.建立了微陀螺的参数化模型,以VC作为封装ANSYS的APDL命令流的工具,开发了微陀螺参数化的模态分析模块.利用该模块研究了微陀螺模态频率随主要结构尺寸变化的规律,发现对模态频率影响较大的是硅结构的厚度和支撑梁的...     

火箭结构系统纵向模态自动辨识方法

针对工程中需要从火箭结构系统的整体模态中识别纵向模态,根据模态有效质量理论,提出了一种识别火箭结构系统纵向模态的自动辨识方法.以具有集中质量系统的振动特性作为算例,通过有限元软件,建立了具有集中质量系统的梁模型,利用自动辨识的方法,自动辨识出系统的纵向模态,并与应用模态分析法所计算的系统模态信息相比较,这种自动辨识方法不仅能准确的辨识出振动系统的纵向模态,而且还具有自动高效的识别特点.为准确快速建立液体火箭POGO振动系统的动力学模型等工程系统的模型提供理论依据.     

基于CAE的模态综合法误差分析

为研究用模态综合法进行发动机舱前端模型NVH分析时的误差,用整体计算法和模态综合法分别进行截止频率为100,200,300,1 000,2 000和3 000 Hz的模态计算,并基于模态计算结果进行原点传递函数计算.结果表明:考虑静态补偿的模态综合法计算误差小于不考虑静态补偿的计算误差;子系统模态计算截止频率大于2倍原点传递函数频率时,模态综合法计算误差小于10%;当传递函数频率是截止频率的1/3时,误差可以降低到5%。     

基于运动放大的振动结构的模态识别

快速准确地获取结构的振动信息是确定结构模态参数的关键。随着计算机视觉和高速相机技术的发展,视觉测量振动逐渐受到人们的重视。对一种可检测结构微小运动的计算机视觉技术进行了研究,并将最新的实时运动放大算法用于振动结构的模态识别。此算法可在不提取位移的情况下直接展示振动结构的模态特征。为了验证提出方法的可行性,以悬臂梁为例搭建了加速度计和高速相机的模态识别实验系统,并依据理论模态对其实验数据进行模态置信准则(MAC)检验。分析实验结果表明：提出的方法可以识别振动结构的模态参数。     

基于模态动能法的行星变速箱测点优化

由于某型行星变速箱结构较为复杂,故障检测和状态监测时振动传感器的安装位置往往凭经验确定,为使传感器安装位置更科学、更合理,利用模态动能法对行星变速箱测点进行选择。针对变速箱箱体结构建立了三维模型,利用ANSYS软件进行了有限元仿真分析,得到各阶模态、固有频率和振型,导出低阶振型并利用模态动能法计算箱体表面的模态动能值,初选箱体表面六个测点,从中选取四个模态动能值最大的作为最终测点。设计试验方案,获取了箱体表面六个初选测点的振动信号,计算得到各测点实测信号的均方根、均值三个指标对测点的敏感度进行评价,试验验证了测点选择的科学性,为变速箱状态监测打下基础。