针对高速电主轴动态模型中耦合电压的非线性变化对主轴动态性能所产生的影响,通过对比前馈控制和内模控制(Internal model control,IMC)的电压解耦机理,指出IMC能够避免前馈控制时电压解耦效果依赖主轴模型参数与实际参数相匹配的不足,...针对高速电主轴动态模型中耦合电压的非线性变化对主轴动态性能所产生的影响,通过对比前馈控制和内模控制(Internal model control,IMC)的电压解耦机理,指出IMC能够避免前馈控制时电压解耦效果依赖主轴模型参数与实际参数相匹配的不足,并利用170MD15Y20油雾润滑型电主轴和Matlab/Simulink软件分别对两种控制方法进行试验和仿真分析。结果表明,主轴的耦合电压主要受频率和转矩电流变化的影响,改变磁链子系统和转矩子系统的给定电压、以及耦合回路中无功功率在输入功率中的比例,不仅可以对主轴的功率因素、输出转矩、抗扰动能力和动态速度跟随精度等特性参数产生影响,而且使主轴的转矩脉动程度、带负载能力和转差率等随耦合电压的大小成反比例变化。因此可以根据包含上述特征信息的机械特性曲线、功率因素曲线和恒转矩曲线的变化趋势,准确判断高速电主轴的解耦效果,并预测主轴在该控制方式下的动态性能。展开更多
文摘针对高速电主轴动态模型中耦合电压的非线性变化对主轴动态性能所产生的影响,通过对比前馈控制和内模控制(Internal model control,IMC)的电压解耦机理,指出IMC能够避免前馈控制时电压解耦效果依赖主轴模型参数与实际参数相匹配的不足,并利用170MD15Y20油雾润滑型电主轴和Matlab/Simulink软件分别对两种控制方法进行试验和仿真分析。结果表明,主轴的耦合电压主要受频率和转矩电流变化的影响,改变磁链子系统和转矩子系统的给定电压、以及耦合回路中无功功率在输入功率中的比例,不仅可以对主轴的功率因素、输出转矩、抗扰动能力和动态速度跟随精度等特性参数产生影响,而且使主轴的转矩脉动程度、带负载能力和转差率等随耦合电压的大小成反比例变化。因此可以根据包含上述特征信息的机械特性曲线、功率因素曲线和恒转矩曲线的变化趋势,准确判断高速电主轴的解耦效果,并预测主轴在该控制方式下的动态性能。
文摘为了更合理地动态预测桥梁耦合极值应力,将历史监测极值应力数据视为多阶模态响应耦合的多分量信号,并结合Hilbert信号分解以及Hilbert平方解调技术(Hilbert Square Demodulation,HSD)在多分量信号解调方面的优势,提出了预测桥梁极值应力的贝叶斯Hilbert动态线性模型(Bayesian Hilbert Dynamic Linear Model,BHDLM)。利用Hilbert信号分解技术实现对监测极值应力的解耦,并基于HSD建立了各阶应力响应的Hilbert动态线性模型(Hilbert Dynamic Linear Model,HDLM);结合贝叶斯方法以及单分量极值应力对HDLM进行概率递推,实现了对单分量桥梁极值应力的动态预测,进而可得桥梁耦合极值应力的动态预测;利用在役桥梁的监测数据对本文所提模型的有效性进行了验证。结果表明:利用解耦得到的单分量极值应力数据建立的HDLM过程简单,并能很好地反映出监测数据的周期性、随机性等特点。结合贝叶斯方法,可以有效地对桥梁极值应力进行动态预测。
