基于神经网络的平面五杆可调机构的动力学分析

应用BP神经网络对平面可调五杆机构逆动力学模型进行了辨识,将整个动力学模型系统分为3个子系统,即广义质量矩阵、向心力及哥氏力作用的矩阵、重力矩阵,分别采用BP神经网络系统对这3个子系统进行学习,求解得到平面可调五杆机构的驱动力矩。

基于神经网络的平面五杆可调机构的动力学解析模型

应用Kane动力学方法对平面可调五杆机构进行了动力学分析,建立了平面五杆机构的动力学解析模型。并研究了构件几何参数和物理特性对广义驱动力矩的影响规律。在此基础上,应用BP神经网络对可调五杆机构逆动力学模型进行了辨识,将整个动力学模型系统分为3个子系统,分别采用BP神经网络系统对广义质量矩阵、向心力哥氏力矩阵和重力矩阵进行学习,求解得到可调平面五杆机构的逆动力学模型问题。

杆长和惯性参数可变的平面可调五杆机构的动力学解析模型

可调机构模型的建立是研究可调机构控制问题的前提。基于运动分析、凯恩动力学方程和数字-符号方法,首次建立了杆长和惯性参数可变的平面可调五杆机构的动力学解析模型。将动力学模型的推导问题转化为特定条件下运用运动学和动力学计算公式求解机构驱动力矩的问题。将广义坐标以及杆长和惯性参数作为符号量,导出了模型矩阵元素的数字-符号表达式。研制的软件可以应用于研究广义坐标、杆长和构件的惯性参数对驱动力矩的影响。在计算机上离线生成了机构的动力学模型,大大减少了在线计算量。给出的机构动力学仿真实例证明了此方法的有效性。

基于并行计算的平面可调五杆机构动力学解析模型与仿真

基于凯恩动力学方程、数字-符号方法和并行计算建立了杆长和惯性参数可变平面可调五杆机构的动力学解析模型,并对驱动构件质量和杆长对驱动力/力矩的影响进行了仿真分析。将动力学模型的推导问题转化为特定条件下运用运动学和动力学计算公式求解机构驱动力矩的问题,并将广义坐标以及驱动构件杆长和惯性参数作为符号量,导出了模型矩阵元素数字-符号表达式。

基于BP网络的平面四杆可调机构轨迹综合

提出了一种基于BP网络的多轨迹平面四杆可调机构综合的方法。轨迹综合机构是指能使连杆上某点沿着某一给定轨迹运动的平面连杆机构综合。文中讨论了任务数目,未知变量和方程组数目之间的关系。该方法避免了繁琐的符号推导,减少了工作量。将理想结果和实际结果比较,表明利用该方法进行可调机构的轨迹综合具有较高的精度。

基于并行计算的平面可调七杆机构动力学解析模型研究

基于运动学分析、凯恩动力学方程及数字-符号法,提出采用并行计算建立平面可调七杆机构动力学解析模型的方法,并研究了构件杆长及惯性参数变化对驱动力/力矩的影响。利用封闭矢量法对平面可调七杆机构进行运动学分析,得到各构件的速度和加速度表达式;将独立广义坐标、杆长及惯性参数作为符号量,其余参数处理为数值量,导出动力学解析模型的数字-符号表达式,并构造了解析模型的并行算法。由于动力学模型及实时代码优化是离线建立的,并且采用并行计算结构,减少了在线计算时间,从而为实时控制打下了基础。给出的仿真实例证明了此方法的有效性。

基于模糊优化的可调平面五杆机构多任务轨迹综合

针对可调平面五杆机构多任务轨迹综合问题,提出一种基于模糊集理论的机构轨迹优化综合方法。以机构实际实现轨迹与给定轨迹任务的位置误差最小为目标函数,建立可调平面五杆机构多任务轨迹优化综合模型,并采用模糊优化方法进行优化。在确定机构变量的约束条件时考虑了各设计变量、约束条件的模糊性,因此综合结果更加客观合理,并给出数字实例。

基于模糊集理论的多杆机构轨迹优化综合

根据平面五杆机构综合所存在的不足,提出了在设计中考虑各设计变量、约束条件的模糊性的优化方案,使从动件在原动件的一定条件运动下能够按既定规律运动,以两自由度五杆机构综合为例,建立目标函数、并给出了优化方法和结果分析。