忆阻迟滞模型与神经网络并联的谐波减速器混合迟滞建模研究

针对谐波减速器随负载变化所表现出的负载转矩与扭转角之间的迟滞特性,导致谐波减速器转换精度下降的问题,构建了忆阻迟滞模型与RBF神经网络并联的谐波减速器混合迟滞模型.将忆阻器模型改进成忆阻迟滞模型,用于描述谐波减速器迟滞输出的基本变化规律;借助具有非线性拟合能力的RBF神经网络对谐波减速器迟滞模型与忆阻迟滞模型之间的差值...     

工业机器人谐波减速器迟滞特性的神经网络建模

谐波减速器中柔性环节与传动的非线性摩擦,导致谐波传动出现了不可避免地影响传动精度的复杂迟滞特性,为了描述谐波减速器的迟滞特性,本文构建了一个结构简洁的神经网络迟滞混合模型。该模型由类迟滞特性预处理环节和动态RBF神经网络两部分组成:对输入信号进行类迟滞预处理,处理后的信号与输入信号之间具有类迟滞特性;充分利用动态RBF神经网络实现类迟滞到谐波减速器迟滞特性的高精度映射。根据本文搭建的实验平台,在不同实验条件下获得的数据进行建模验证,在不同频率输入信号、不同负载,实现相同建模精度下,神经网络迟滞混合模型的验证精度为0.449 6(MSE),远高于经典RBF神经网络模型的3.032 1(MSE)精度,证明了所构造的神经网络迟滞混合模型的有效性和适应性。     

磁悬浮控制力矩陀螺框架系统谐波减速器的迟滞建模

为了抑制双框架磁悬浮控制力矩陀螺(DGMSCMG)框架伺服系统中谐波减速器固有的迟滞特性对系统精度的影响,提出了一种基于Preisach模型的谐波减速器迟滞特性建模方法。首先,使用一阶回转曲线法采集谐波减速器的柔轮输出力矩与扭转角,获得建立谐波减速器迟滞模型的实验数据,其中谐波减速器柔轮的输出力矩是在不使用力矩传感器的条件下用系统动力学模型估计得到的;然后,使用Preisach模型对谐波减速器柔轮输出力矩与扭转角迟滞关系进行建模;最后,采用将模型离散化的数字型实现方法辨识模型中的权重函数,并给出模型的离散递归算法使模型利于简易化编程与进一步的在线控制。实验结果显示,谐波减速器的迟滞模型误差不超过0.005°,MSE值不超过(0.000 83%)°。结果显示了所述建模方法的正确性和实用性。     

谐波减速器寿命分布可靠性模型

模拟谐波减速器在空间环境作用下的作用过程,采集了多组应力下的加速寿命失效数据,建立了谐波减速器Wellbull寿命分布模型。从统计角度出发,采用概率纸检验法和范—蒙特福特检验法,验证了失效机理的一致性。采用巴特利特检验法和最好线性无偏估计法,验证了形状参数没有显著差异。结果表明采用Wellbull的可靠性模型能够较好的描述空间环境下的谐波减速器的寿命特征。     

谐波减速器输入轴迟滞曲线的特性研究

介绍了谐波减速器的扭转刚度与回差的测试装置,并对其进行实验研究。固定谐波减速器的输出轴,在输入轴施加单向渐变力矩并利用量角仪测量输入轴转动角度;对测量数据进行处理,拟合出输入轴迟滞曲线方程。通过多次测量实验验证,建立的迟滞曲线方程与多次实际测量的误差在3.8%以下;不同力矩值加载的结果显示,谐波齿轮的回差主要是由传动链间的间隙、柔轮的变形滞后、各零部件的制造和安装误差等造成的。     

混合Preisach迟滞模型及其性质研究

压电陶瓷执行器物理结构复杂,通过参数化方法辨识经典Preisach模型(CPM)描述其迟滞特性时,难以找到合适的Preisach函数,模型预测误差较大.为了提高建模精度,定义了均值迟滞模型作为CPM的补充,通过将均值迟滞模型与CPM加权叠加,得到混合Preisach模型(MPM),并将权值定义为迟滞度参数,用以描述模型的迟滞非线性强烈程度.证明了MPM具有类似于CPM的擦除特性和一致特性,给出了MPM的表示定理.最后结合神经网络方法完成了MPM的辨识过程.实验结果表明,MPM及其预测误差最大值较CPM降低了1.20 μm,同时MPM的两种特性也得到了验证.     

谐波齿轮减速器的设计研究

本文罗详细地讨论了谐波齿轮减速器的设计计算。在本文中首先阐述了谐波齿轮传动的主要特点，推广和应用渐开线齿廓的减速器的优点。其次，介绍了考虑到柔轮扭转变形的谐波齿轮减速器设计方法。最后论述了谐波齿轮传动的啮合参数优化设计和谐波齿轮传的结构尺寸优化设计。所以，本文对于谐波齿减速器的设计工作具有较重要的指导意义。     

封闭行星——谐波减速器的设计研究

详细阐述了封闭行星——谐波减速器的优点，按给定的传动比ｊｐ确定各轮的齿数和确定模数，以及判断其循环功率Ｐｙ。而且，应用了一种新的设计计算方法和一套简便易算的公式，计算了该封闭行星机构的传动比ｉ和各构件上的转矩以及传动效率。     

谐波减速器混合时变可靠性分析的单调函数法

由于数据匮乏与性能退化,谐波减速器的可靠性呈现出显著的概率-区间不确定性混合与时变特征.针对这一问题,提出一种混合时变可靠性分析的单调函数法.首先,基于应力-强度干涉理论构建谐波减速器的混合时变可靠性模型;其次,通过分析可靠性模型动态响应关于时间变量的单调性,以消去时间变量的影响;进一步结合偏导数判断可靠性模型响应关于区间变量的单调性,将概率-区间混合可靠性转换为概率静态可靠性,然后利用蒙特卡罗法求解谐波减速器的可靠度.结果表明:所提方法有效降低了计算复杂性,并准确反映出谐波减速器可靠性的动态变化过程.     

传感器标定的神经网络杂交建模方法

传感器标定是工程测试中的一个重要环节,直接影响测试结果的精度及可靠性.当被测物理量与传感器输出信号间的关系包含复杂、未知的非线性特性时,传统的标定方法难以达到满意的精度.引入神经网络杂交建模的思想,提出传感器标定的神经网络杂交建模方法,阐明建模过程和步骤.分别以单输入单输出和多输入多输出传感器为例,进行杂交建模标定的仿真研究, 并对一个6维力传感器样机完成了神经网络杂交建模试验标定.仿真与试验结果表明,与传统的标定方法相比,神经网络杂交建模方法能够显著提高传感器的标定精度,同时比神经网络黑箱建模方法具有更小的网络规模和更快的收敛速度,且精度高,泛化推广能力强.     

基于灰色理论的压电陶瓷迟滞特性的神经网络建模研究

针对不光滑非单值对应的非线性压电陶瓷的迟滞特性,提出了采用灰色理论中的累加生成(AGO)方法,将压电陶瓷的非负多值对应的输入与输出特性的数据转换为单值对应的新数据,再通过神经网络建立压电陶瓷的迟滞特性模型。仿真实验结果表明,用该方法建立迟滞特性对象的模型是有效的。     

基于灵敏度分析方法的谐波减速器柔轮的疲劳强度研究

柔轮的结构参数是柔轮疲劳强度的主要影响因数。依据所建立的柔轮疲劳强度计算的数学模型,采用Latin超立方采样作为输入,对输出采用五点插值数值微分法,获得了柔轮各结构参数对疲劳强度系数的灵敏度。基于所获得的灵敏度结论,找出了柔轮各结构参数对疲劳强度系数的影响规律及敏感程度。该研究成果为谐波齿轮传动装置中柔轮的参数优化提供了重要的理论依据,同时也有助于其它机械传动装置的灵敏度研究。     

钢丝绳隔振系统的神经网络杂交建模

提出一种基于神经网络的杂交建模方法,并对某电子设备的钢丝绳隔振系统滞后恢复力进行建模研究。利用周期载荷试验数据,通过参数识别确定系统非线性滞后恢复力的骨架模型。采用神经网络对系统恢复力中难以参数建模的特性进行学习训练,从而得到系统恢复力的神经网络杂交模型。利用得到的杂交模型对隔振系统在周期载荷和宽频随机载荷下的响应进行预测分析与比较,结果显示杂交模型具有较好的预测精度。     

基于空载侧隙与周向啮合刚度的谐波减速器啮合力研究

谐波减速器啮合力分布对其承载能力、传动效率、传动精度以及使用寿命有着重要的影响.为了更准确地描述负载状态下柔轮与刚轮之间的啮合状况,提出了一种基于空载侧隙和周向啮合刚度的解析模型.利用几何法计算出装配状态下的空载侧隙;建立并分析了负载条件下柔轮力学模型,得到了周向啮合刚度矩阵.根据空载侧隙和周向啮合刚度矩阵,迭代求解得到不同负载条件下啮合力的分布.建立有限元模型验证了解析模型的准确性,结果基本吻合.     

基于Hopfield神经网络摆动活齿减速器模糊稳健优化设计

文章应用Hopfield神经网络稳健优化设计方法,建立了摆动活齿减速器优化设计数学模型。提出了优化设计方法。还对Hopfield神经网络方法进行优化计算,结果表明得到了减速器设计变量的稳健优化设计最佳组合。     

基于RBF神经网络的谐波驱动机构动态面控制

针对具有多变量和未知非线性的谐波驱动机构,建立其系统数学模型,定义系统误差,并逐步构造虚拟函数,利用RBF神经网络在线逼近谐波驱动机构中的非线性环节,最后建立系统自适应控制规律,设计基于RBF神经网络的动态面控制器。结合Lyapunov稳定性分析方法论证闭环系统的收敛性,通过理论分析并与常规PID的仿真结果进行比较。结果表明,所提出的神经网络动态面控制器实现了对谐波驱动机构的高性能跟踪控制,且具有很好的控制精度,有效地抑制未知非线性外界扰动对系统的影响。     

长光栅误差的神经网络建模分析

在不需要任何先验知识的情况下,无论误差分布形式如何,直接利用实验数据对光栅测量系统建立径向基函数(RBF)神经网络模型,仿真和实际应用表明该模型用于误差补偿能有效地提高测量系统的精度。     

串联灰色神经网络模型的研究

针对传统灰模型适应性和自学习能力差、中长期预测精度不理想的情况,在3种精度较好的灰模型的基础上引入BP神经网络,构建了串联灰色神经网络模型。仿真表明,这种灰色神经网络模型未出现预测残差和相对误差逐步增加的情况,预测精度明显好于灰模型,适合应用。