双电机刚性驱动的标定转速匹配

定量分析了型号、规格相同,标定转速不同的2台电机,刚性驱动一工作机构时电机的载荷分配,并给出了电机标定转速匹配的计算方法。

人口增长对投资规模的刚性驱动

投资规模屡屡膨胀,除政策原因外,人口增长是经济系统内部对投资规模驱动的深层原因。人口增长过快促进社会消费增加,驱动投资内部引致投资规模的扩大;人口增长过快带来另一方面的问题是就业压力增大,就业需求又驱动投资的增长.所以。

刚性驱动双动斜楔在侧围模具开发中的应用

介绍了汽车车身的发展趁势及侧围模具顶梁处的侧成形工艺,针对侧围模具顶梁处的强度及表面质量要求,提出了3种驱动斜楔机构的应用,重点提出了新型刚性驱动双动斜楔机构在汽车侧围模具开发中的实际应用,可以满足高速生产需要,不受环境影响,可保证模具本体强度,提高侧围表面质量。

电驱动刚性机器人的鲁棒神经网络复合控制

采用逐步逆向的设计思想 ,提出一种新的电驱动刚性机器人轨迹跟踪的鲁棒神经网络复合控制策略 ,该策略不仅能有效地消除模型不确定性的影响 ,而且可避免复杂的求导运算以及对关节角加速度可测的要求。给出了控制器的具体组成和神经网络连接权的在线学习算法 ,理论表明该算法能保证跟踪误差及神经网络连接权估计最终一致有界 。

小型拖拉机刚性防滑驱动轮的制作

刚性防滑驱动轮俗称防滑铁轮。目前，在我国南方某些地区的农村中正流行着一种趋势，即把小型拖拉机(手扶拖拉机和小四轮拖拉机)的驱动轮由充气橡胶胎轮换成防滑铁轮。不仅在水田作业时更换，在旱地作业时也更换；不仅在湿度较大的旱地里作业时更换，在普通的旱地里作业时也更换。

驱动桥桥壳垂直弯曲刚性试验不确定度计算方法

首先根据标准QC/T533-1999试验方法及QC/T534-1999评价指标,试验样件要求重复测量三次8种负荷工况下,驱动桥桥壳的变形量,以满载轴荷时的每米轮距的最大变形量作为合格与否的评价指标。在确定数学模型后,其不确定度来源初步估计有测量的重复性引入的不确定度、百分表的标准不确定度、设备载荷传感器的不确定度间接引起的位移不确定度。通过分项计算再合成后,从结果可以得出,经过标定校准的设备及测量仪器引入的不确定度几乎可以忽略,不确定度的大部分因素主要还是由人员重复测量引入。

一种电驱动机械手鲁棒控制方法

运用Backstepping设计方法,对电驱动刚性机械手轨迹跟踪控制问题提出了一种鲁棒控制方案,并用非线性系统LYAPUNOV数学理论进行了稳定性分析,得到轨迹跟踪误差渐近稳定等结果。

一种电驱动机械手的神经网络控制方法

利用FLNN神经网络的逼近学习功能,对电驱动刚性机器人操作手轨迹跟踪控制问题提出了一种神经网络控制方法;用非线性系统LYAPUNOV数学理论进行了稳定性分析;理论证明结合计算机数值仿真验证了所提出的控制方法是可行和有效的。

液压机床爬行故障的原因分析及排除方法

造成液压机床爬行故障的原因很复杂 ,液压爬行故障又具有很强的隐蔽性 ,所以一直是机床维修的一大难点。本文从液压机床爬行的机理、驱动刚性差引起的爬行、摩擦阻力变化引起的爬行等方面分析了液压机床产生爬行故障的原因及排除故障的方法。

一种基于神经网络的机器人轨迹跟踪控制方法

对电驱动刚性机器人操作手轨迹跟踪控制问题进行了系统研究.利用径向基函数(RBF)神经网络的逼近学习功能,提出了一类神经网络控制策略.并用非线性系统LYAPUNOV数学理论进行了稳定性分析.所提出的控制方案力求保证控制系统具有较强的稳定性和鲁棒性,得到了机器人操作手轨迹跟踪误差的渐近稳定性.在进行严格理论证明的同时,结合计算机数值仿真实验验证所提出的控制方法是可行和有效的.

液压机床爬行现象的综合分析

从传动系统的整体入手，分析可能造成系统压力变化和运行阻力变化的个别环节，从而解决液压机床爬行的问题。

基于神经网络的具有不确定性因素的RLED机器人鲁棒控制

对具有不确定性因素的电机驱动刚性机械臂控制 ,提出了一种基于神经网络的鲁棒控制器 .控制器的设计采用Backstepping法 ,神经网络用于识别系统中一些包含不确定因素的复杂的非线性项 ,并且使系统的在线学习成为可能 .给出的网络权值演化算法可保证系统的跟踪误差和网络权值的一致终值有界 (UUB) .

RLED机器人神经网络在线辨识及控制器设计

对考虑模型误差和外界干扰信号等不确定性因素在内的电驱动刚性机器人系统,运用神经网络和基于Lyapunov函数的逆向递推法提出一类自适应跟踪控制器.神经网络用于辨识机器人系统中包括电流一阶导数在内的复杂非线性项和不确定性因素;而基于Lyapunov函数的逆向递推法则保证了控制系统的鲁棒稳定性和干扰抑制性能.通过系统稳定性分析可以得到控制器参数的选取原则,以进一步提高控制系统品质.数值仿真结果表明所设计的控制器具有良好的鲁棒性和跟踪精度.