基于有限元分析的开关磁阻电动机气隙研究

分别用有限元法和实验测量方法对一台三相24/16极结构的开关磁阻电动机进行了静态特性分析,结果表明2种方法下样机的电感特性、磁链特性基本相符,验证了开关磁阻电动机有限元模型及计算方法的可靠性和准确性。在该模型基础上,采用有限元法进一步对样机定转子气隙,对其矩角特性的影响做了模拟分析,总结了样机静态转矩与气隙大小的关系,探讨了在不同电流和不同定转子材料下,最大静转矩对气隙的敏感程度,为开关磁阻电动机的结构参数优化和生产工艺开发提供了参考。     

高精度的动态加载系统建模与控制算法试验研究

为设计全程静态精度小于0.05%FS、动态精度小于1%FS的动态力加载装置,文中在缺乏匹配的压力型电液伺服阀的情况下,采用流量型电液伺服阀设计了动态加载装置的液压系统,并对高精度动态加载的控制算法进行了试验研究。试验结果表明：采用传统PID控制加载力,其静态精度可达0.041%FS,动态精度可达2.5%FS,均超过动态加载装置的控制要求;采用自适应PID控制加载力,其静态精度可达0.039%FS,施力中间阶段的加载力动态精度可达1%FS,但在施力初始阶段和施力结束阶段,加载力动态精度高达8%FS,考虑加载力在施力过程中呈现阶段性特点,提出采用分段自适应PID控制算法,经动态加载力试验论证,分段自适应PID算法能够有效解决加载力动态精度超差问题,加载力的静态精度可以控制在0.018%FS,动态控制精度可以控制在1%FS,完全满足高精度动态加载装置的控制要求。     

RBF网络在PUMA560机器人运动学逆解中的应用

介绍了RBF网络及RBF网络基函数中心选取的重要性,将进化优选算法用于网络中心的选取.并利用D-H方法对PUMA560机器人进行研究,将正运动学推导结果作为训练样本.采用6个相同的12输入、单输出的RBF网络,实现PUMA560机器人运动学逆解计算,利用该方法大大减少了传统方法中的公式推导.计算结果表明,用RBF网络解决机器人运动学逆解问题精度高,收敛速度快.     

垂直上升矩形流道内气液两相流流型图的数值模拟

两相流流型在分析换热、流动不稳定性以及临界热流密度方面具有基础性作用.本文基于VOF(Volume of Fluid)多相流模型,对垂直上升矩形流道内气液两相流动进行数值模拟,表观气速0.1～110 m/s,表观液速0.1～3.2 m/s.得到了流道内气液两相流的主要流型:泡状流、弹状流、搅混流和环状流,分析了流道内截面含气率分布与流型的对应关系,以及截面含气率与气液两相流容积含气率的关系;分析了各种流型下的压降分布特性,并绘制了基于气液表观动能通量的不同流量下气液两相流的流型图,直观的表示出各种流型的分布区域及各流型间的流型转换边界,与已发表文献的实验结果对比符合较好.     

高仿真直线一级倒立摆模型设计

给出了直线一级倒立摆的带有阻力效应的非线性数学模型,推导了直线一级倒立摆摆杆在摆动过程中所受到的介质阻力和摩擦力的计算公式,并利用MATLAB的S函数建立了直线一级倒立摆的高仿真模型。通过设置仿真模型的相关参数,可使仿真倒立摆与真实倒立摆的工作状态非常接近。     

窄流道内弹状流和液膜特性的数值模拟

基于流体体积函数( VOF)模型,对矩形窄流道中不同液相流速下泰勒气泡及周围流场特性进行分析.结果表明,无量纲气泡速度随毛细力数(Ca)变化关系与垂直方形流道实验结果符合较好.壁面切应力在气泡长度方向上不断变大,直到进入尾流区,产生强烈的无规则变化.随着液体质量流速的增大,泰勒气泡变得更尖锐,液膜厚度变厚,但壁面切应力...     

基于运动控制器的数控转塔冲床控制系统设计

数控转塔冲床集机、电、液、气一体化,是在板材上进行冲孔加工、浅拉伸成形的压力加工设备,广泛应用于多种板材加工行业。根据任务要求进行数控系统的总体方案设计,将其分为操作面板功能设计与按键与旋钮的编码电路设计、NC代码解释与运动控制程序设计、运动仿真3大模块。第一个模块主要是面板的设计、按键的摆放、机床功能状态设计、编码电路等;第二个模块主要是刀具轨迹生成、刀具适配、程序开发等;最后一个模块主要用来检验数控冲床代码的正确性和可靠性。     

41Cr4钢高温加工过程流变应力模型建立

为了获得高温加工过程中41Cr4钢的动态再结晶体积百分数、真应力、真应变以及稳态应力和稳态应变,在不同变形温度、变形量和变形速度条件下,在GLEEBLE 3500试验机上完成了物理模拟试验.实验结果表明:变形刚开始时位错密度增大较快,因此应力迅速增大,产生加工硬化过程,随着应变的累积,动态回复的发生导致应力增加速度减慢,当应变进一步增大到超过临界应变时,动态再结晶软化导致流变应力降低.在此基础上建立41Cr4钢的流变应力模型时,考虑了加工硬化、动态再结晶以及动态回复对流变应力的影响,给出了与实验值比较接近的41Cr4钢的流变应力模型.     

Reactive fuzzy controller design by Q-learning for mobile robot navigation

In this paper a learning mechanism for reactive fuzzy controller design of a mobile robot navigating in unknown environments is proposed. The fuzzy logical controller is constructed based on the kinematics model of a real robot. The approach to learning the fuzzy rule base by relatively simple and less computational Q-learning is described in detail. After analyzing the credit assignment problem caused by the rules collision, a remedy is presented. Furthermore, time-varying parameters are used to increase the learning speed. Simulation results prove the mechanism can learn fuzzy navigation rules successfully only using scalar reinforcement signal and the rule base learned is proved to be correct and feasible on real robot platforms.