基于多目标遗传算法的Stewart平台运动学正解解算

Stewart平台的运动学解算是指对驱动杆杆长与动平台位姿的对应关系的求解。其运动学逆解只需根据空间坐标变换求得,而运动学正解需要对12个非线性方程进行解算。普通的数值解算方法迭代步数多,求解精度低。为解决Stewart平台运动学正解的解算问题,将pareto最优化理论引入遗传算法,提出一种基于多目标遗传算法(NSGA-Ⅱ)和最小二乘理论结合的算法。利用算法生成上平台姿态,利用反解解算出姿态对应的杆长,与已知杆长进行最小二乘拟合分析,当拟合度极高时认为此时的位姿即为运动学正解结果。此算法将上平台姿态的6个参数求解转化成多目标最优化问题,其只需迭代102次左右便能输出最优解,单次结果输出用时在1 min以内,且求解的均方根值误差不超过0. 1。是一种求解速度快、精度高的可行的运动学正解解算方法。     

3-PCR并联机构的振动响应特性分析

当车辆运行路况恶劣,驾驶员不仅要承受振动的影响,还要承受严重的瞬时冲击力。为避开人体水平、横向及垂直方向上的敏感频率带,以及降低振动强度。首先,因减振装置的动力学模型为多自由度、多参数耦合且非线性复杂系统,利用矩阵变换法解耦,对有阻尼系统进行模态分析;然后,对三维减振装置进行振动响应分析,在动平台X、Y、Z方向上分别施加瞬时冲击力对系统进行仿真分析。仿真结果表明：该减振平台具有良好的减振效果,由于3-PCR并联机构三条支链相互耦合的原因,低频振动会维持一段时间然后再趋于稳定。     

基于PSO-BPNN和Newton-Raphson法融合的并联机构正运动学解法

以并联机构为研究对象,针对求解正运动学时神经网络法易陷入局部最优及Newton-Raphson法对迭代初值敏感的问题,提出了一种融合PSO-BPNN(Back propagation neural network,BPNN)和Newton-Raphson法的正运动学通用求解算法.建立了并联机构逆运动学方程,得到驱动杆值,以此为训练样本,利用粒子群算法(Particle swarm optimization,PSO)优化BPNN(PSO-BPNN)模型获得位置正解,再以PSO-BPNN的正解值作为Newton-Raphson法的迭代初值对并联机构正运动学问题进行求解.为验证算法的有效性和通用性,给出了3-PCR、3-PPR两种并联机构的算例仿真.结果表明,由于迭代初值选取与目标值相差较大,导致Newton-Raphson法无法收敛;相比于PSO-BPNN算法,PSO-BPNN和Newton-Raphson法相结合得到的绝对误差最少降低了99.68％和99.96％,迭代次数更少;该方法既克服了神经网络法局部收敛性差的缺点,又避免了初值选取对Newton-Raphson法求解精度的影响,具有较好的通用性.     

3-PCR并联减振装置的动力学分析

为实现多维减振,本文采用3-PCR并联机构作为多维减振平台。并联机构动力学模型是多自由度、多参数耦合且高度非线性的复杂系统,首先,利用Lagrange法建立3-PCR并联减振装置的动力学方程;然后,利用Solidworks构建减振装置三维模型,并将模型导入ADAMS中建立虚拟样机模型;最后,利用ADAMS仿真软件对三维减振装置基体进行运动学和动力学仿真分析,得到驱动杆位移、速度、加速度曲线图和各连杆驱动平衡力图。仿真结果表明：3-PCR并联减振装置具有较好的运动稳定性,加速度在变化时也没有存在较大的冲击,便于控制。     

基于3-PCR并联机构汽车座椅减振装置的构型设计与工作空间分析

针对汽车驾驶员长期处于低频高强度全身振动的难题,提出以3-PCR并联机构作为汽车座椅减振装置的主体机构,其结构简单、工作空间大。首先,利用机构拓扑结构学理论对3-PCR并联机构进行自由度分析;然后,建立3-PCR并联机构的运动学模型,推导上下平台位姿之间的数学关系;最后,在Matlab软件中采用极限边界搜索法求解工作空间。     

柔性摩天轮结构抗风性能研究

以福建某摩天轮结构为研究对象，使用ANSYS对其进行抗风性能研究。首先，采用线性滤波法数值模拟脉动风速时程；然后，考虑在节点挡风面积的影响下，进行时域内风荷载的模拟；最后，分别在顺向风和横向风2种荷载工况下进行摩天轮结构的风振响应时程分析。研究结果表明：摩天轮结构的中上部对风较敏感；横向风对结构的影响均符合规范要求，且最大加速度为160 mm/s²，顺向风的加速度值波动较大，在个别时刻超过200 mm/s²，超出乘坐舒适度的要求，可考虑在轿厢连接处安装阻尼器来减少振动，也可考虑实施振动控制；在顺向风的影响下，加速度值在摩天轮结构5.3 m处到38.4 m增加较快，从38.4 m处到85.4 m增加比较缓慢，这也表现出柔性结构的特点。