基于RBF神经网络的谐波传动自适应反演控制研究

由于自身结构上的特点,谐波传动系统存在柔性变形、摩擦和外界不确定干扰等非线性因素。传统控制器大多对系统进行了一定程度的简化,或未考虑非线性外界扰动,导致所设计的控制器性能达不到预期效果。为了提高系统精度,建立了考虑系统非线性刚度和非线性摩擦的谐波传动系统动力学模型;基于试验数据,采用最小二乘法对模型进行参数辨识;采用径向基函数(Radial Basis Function,RBF)神经网络在线逼近系统非线性摩擦和外界不确定干扰力矩,并提出了一种基于RBF神经网络的自适应反演控制器;利用Lyapunov稳定性理论,证明了其闭环系统的收敛性。仿真结果表明,与普通Back-stepping控制相比,在受到外界未知干扰后,所提出的RBF神经网络自适应反演控制能有效地逼近系统非线性摩擦和外界未知干扰,其跟踪误差峰-峰值能迅速稳定到0.00082 rad;而Back-stepping控制对外界未知干扰比较敏感,其跟踪误差峰-峰值增大至0.0123 rad左右。所提出的RBF神经网络自适应反演控制能抑制参数动态变化和外界干扰对系统传动精度的影响,提高系统的传动精度。

谐波驱动系统Back-stepping滑模控制研究

针对谐波传动系统动力学模型中存在的柔性变形、摩擦和运动误差等非线性因素。为了提高系统的传动精度,针对系统非线性刚度和静态误差因素进行了建模,并提出了一种Back-stepping滑模控制方法。利用Lyapunov稳定性理论,证明了闭环系统的误差是一致有界的。仿真结果表明,与PID控制相比,采用Back-stepping滑模控制,系统传动误差曲线峰峰值减小66.63%;负载端角速率误差曲线峰峰值减小77.35%。Back-stepping滑模控制能有效地补偿系统传动误差,抑制其负载端的速度波动,提高了系统的传动精度。

谐波齿轮传动非线性动力学建模及仿真研究

由于结构的特殊性,迟滞刚度和动态摩擦属于谐波齿轮传动的固有属性。传统模型将刚度考虑为定刚度或分段刚度模型,摩擦考虑为静态摩擦模型,这样的简化会导致谐波齿轮传动的动态分析精度下降。为了提高谐波齿轮传动的动态分析精度和传动性能,考虑非线性迟滞刚度和动态摩擦现象,提出了一种基于记忆特性迟滞刚度和LuGre动态摩擦的谐波齿轮传动动力学模型,建立了相应仿真模型,讨论了谐波齿轮参数对系统输出的影响。结果表明,“刚度迟滞现象”导致系统输出值减小,传动效率降低;传动刚度系数越大,系统越稳定;阻尼转矩系数越大,传动效率越低。

基于遗传特性的谐波齿轮传动迟滞刚度模型及其参数辨识研究

迟滞刚度是谐波齿轮传动的固有属性。传统谐波齿轮传动动力学建模时,是将刚度考虑为定刚度或分段定刚度,这样的简化会导致动力学模型精度降低。考虑谐波传动刚度的非线性迟滞特性,提出了一种基于遗传特性的新型谐波齿轮传动迟滞刚度模型,其特点是传动刚度的大小与系统所经历过的状态有关。基于实验数据,利用粒子群算法进行了模型参数辨识。以某型号谐波减速器为实验对象,进行了加载/卸载性能测试。拟合结果表明,所建立的非线性迟滞刚度模型与实验数据高度吻合,相比传统模型,精度大大提高。

逆流而上 技术为先

数字化车间是以减少劳动力成本为原始出发点，提高设备的自动化程度，让机械加工过程尽可能地减少对操作工人的依赖。随着自动化技术的不断进步，数字化车间的功能越来越强大，自动化程度也越来越高，无人车间理念已经实现。高效的数字化车间必然离不开自动化设备，而要实现设备的自动化，作为核心零部件的减速器十分关键，这也是其价值体现。

回火温度对柔性齿轮钢40CrNiMo组织及力学性能的影响

通过预处理(固溶处理)、等温淬火以及不同温度回火等处理方法,利用光学显微镜、扫描电镜、洛氏硬度计、拉伸试验机、冲击试验机等设备研究了奥氏体化温度对40CrNiMo钢奥氏体晶粒长大速度以及硬度的影响,探索了回火温度对贝氏体/马氏体多相钢微观组织和力学性能的影响。结果显示,预处理期间,奥氏体晶粒随奥氏体化温度的升高首先缓慢增长然后快速长大,然而硬度保持在56 HRC左右。250~500℃回火时,大量细小的碳化物析出,微观组织仍然保持原来的板条状,试验钢的强度、硬度降低,塑韧性呈现先降低后升高的趋势;400℃回火试样伸长率最低,冲击吸收能量最小,表明400℃回火时出现回火脆性;回火温度升高到600℃,基体组织发生再结晶,转变为回火索氏体,此时强、硬度最低,冲击吸收能量高达147 J。