气动肌肉力-位移迟滞特性实验与建模

搭建了气动肌肉收缩力测试实验台,通过分析不同压力、行程、收缩速率及频率下气动肌肉收缩力与位移的关系曲线,得出气动肌肉的力-位移迟滞现象具有非对称性、非局部记忆性、大压力弱相关性和准率不相关性。针对常见Prandtl-Ishlinskii（PI）类模型难以准确描述气动肌肉力-位移迟滞曲线的问题,对通用PI迟滞模型的dead-zone算子进行方向上的修正,建立气动肌肉修正PI+Dead-zone迟滞模型,利用最小二乘法进行参数辨识,并与经典PI模型、经典Bouc-Wen（BW）模型、PI+Polynomial模型、Wang-Wen模型、BW+Polynomial模型进行精度对比分析。结果表明,PI类模型性能显著优于BW类模型,且修正PI+Dead-zone模型精度最高,各行程下绝对平均误差不超过1N、均方差不超过1.5N,能无差别处理气动肌肉力-位移迟滞曲线非对称性问题。小行程工况下,气动肌肉经典PI模型也具有一定的描述其力-位移迟滞现象的能力,且其模型参数相对较少。     

基于Prandtl-Ishlinskii模型的气动肌肉迟滞特性动态建模与控制方法

现有迟滞模型由于采用离线参数辨识方法,难以表征气动肌肉迟滞的时变性和负载相关性,极易产生较大的建模误差。为了精确表征气动肌肉的迟滞特性,利用Prandtl-Ishlinskii(PI)模型描述气动肌肉的位移-气压迟滞特性,并采用带遗忘因子的递推最小二乘法在线辨识PI模型参数。在此基础上,结合PI逆模型设计了一种带有前馈在线补偿的复合控制方法用于气动肌肉的运动控制。同时搭建相应的实验装置进行了气动肌肉迟滞建模和运动控制实验。实验结果表明,采用在线参数辨识方法后的PI模型能有效描述气动肌肉迟滞的负载相关性,且极大地降低了负载变化带来的控制误差。     

气动肌肉肘关节MPI迟滞模型与补偿控制

针对气动肌肉驱动的四连杆肘关节输入气压与输出角度间的迟滞进行分析。建立肘关节迟滞的PrandtlIshlinskii(PI)模型,采用Levenberg-Marquardt方法辨识模型参数;选择改进Play算子合适的包络函数,设计一种可描述非对称迟滞现象的改进PI(Modified PI,MPI)模型,相较于传统PI模型(Classical PI,CPI),MPI模型对非对称迟滞曲线拟合度更高。基于MPI模型,设计前馈积分逆补偿器,并与PID组成积分逆补偿控制器(MPI-I-I-PID);完成了MPI-I-I-PID、PID与基于CPI模型的积分逆补偿PID控制器(CPI-I-I-PID)的位置控制仿真。仿真结果表明,MPI-I-I-PID可以减小跟踪误差,提高跟踪精度。在不同负载下进行了控制实验,实验结果表明,随着负载增加,补偿效果减弱,为此在补偿器中加入分段PID,MPI-I-I-pPID可减小抖动幅度,降低肘关节跟踪误差,提高位置控制精度和稳定性,验证了迟滞补偿器的有效性。     

基于ANSYS的拖拉机液压气动系统结构设计和仿真

由于重型拖拉机的吨位和自动化程度较高,其动力和刹车系统使用了较多的气动液压装置。液压缸是液压气动传动系统的核心部件,其结构较为复杂,要求强度和硬度、稳定性和使用寿命等较高。但是,液压缸体的设计和结构分析较为复杂,为了提高设计效率、降低设计成本,将ANSYS有限元分析软件和Pro/E建模软件应用到了拖拉机气动液压缸的结构分析过程中。根据拖拉机气动柱塞液压缸的基本结构,利用Pro/E软件对液压缸缸体进行了三维建模,并运用ANSYS对液压缸工作在最大气压下进行了有限元分析,得出了缸体在固有频率为1阶和2阶时的应变分布,为液压缸体的结构优化提供了重要的数据参考。     

基于改进力导向模型的生态节点布局优化

在西北干旱半干旱生态脆弱区,构建生态网络可以连接破碎的生境斑块,提高景观之间的连通性。而生态节点的布局优化能够降低能量损耗,增加稳定性,对维持区域生态环境安全稳定具有重要意义。以生态脆弱区典型县域磴口县为研究区,在现有生态网络基础上,改进了HV算法的力导向(force-directed)模型,通过优化生态节点的布局对生态网络进行优化。研究结果表明,在磴口县选取的局部研究区内,与HV算法相比,改进force-directed模型优化的生态节点布局覆盖率达到90.79%,提升了4.08个百分点;平均聚类系数升高至0.071,是未改进HV算法的1.4倍;分布均匀度降低至2.629,比未改进HV算法降低了0.629。通过模型优化使得网络结构清晰、生态节点布局均匀,节点覆盖率更高,表明优化后生态网络结构更为稳定。     

基于改进Stribeck摩擦模型的力反馈手柄力估计策略

传统力反馈手柄在实现与人交互过程中,依赖于力传感器测量操作力。而力传感器安装会大大增加操纵负担,造成力反馈手柄制造成本上升。为减轻使用者操纵负担并降低制造成本,本文基于二自由度力反馈手柄,提出了一种基于改进Stribeck摩擦模型的力反馈手柄力估计策略。通过建立的模型描述手柄动力学,采用改进Stribeck模型表征手柄动力学模型中非线性摩擦,并对传统Stribeck摩擦模型进行分析,对摩擦力在速度正负切换过零点时产生突变的问题进行改进,进而分析改进Stribeck摩擦模型。针对手柄系统特性,设计实验以辨识模型方程参数,通过最小二乘法对系统重力、摩擦参数进行曲线拟合,以确定相应参数。基于辨识得到的参数对手柄末端力进行估计。实验结果表明,估计的力与实际数据基本一致,验证了所提出的操纵力估计策略的准确性。     

基于神经网络非线性模型的线控转向系统控制

进行汽车线控转向系统动力学分析及控制算法研究,需考虑动力学模型的非线性。首先建立基于魔术公式轮胎模型的非线性二自由度整车模型,然后基于神经网络方法训练逼近映射汽车模型输入与输出的关系,最后采用模糊控制方法由车速、转向盘转角等得到转向传动比控制算法。结果表明,基于神经网络的非线性整车模型与样本数据较好吻合,满足研究需要。转向传动比模糊控制算法考虑了转向轻便性和稳定性,提高了汽车操纵稳定性。     

基于改进YOLO v5的宁夏草原蝗虫识别模型研究

针对草原蝗虫图像具有样本收集困难、目标较小和目标多尺度等技术难点,基于YOLO v5网络,提出了一种复杂背景下多尺度蝗虫目标检测识别模型YOLO v5-CB,用于宁夏草原常见蝗虫检测。改进模型YOLO v5-CB针对蝗虫原始样本量较少的问题,使用CycleGAN网络扩充蝗虫数据集;针对蝗虫图像中的小目标特征,使用ConvNeXt来保留小目标蝗虫的特征;为有效解决蝗虫图像尺度特征变换较大问题,在颈部特征融合使用Bi-FPN结构,来增强网络对多尺度目标的特征融合能力。实验结果表明,在对宁夏草原常见亚洲小车蝗、短星翅蝗、中华剑角蝗进行检测识别时,YOLO v5-CB的识别精度可达98.6%,平均精度均值达到96.8%,F1值为98%,与Faster R-CNN、YOLO v3、YOLO v4、YOLO v5模型相比,识别精度均有提高。将改进的蝗虫检测识别模型YOLO v5-CB与研发的分布式可扩展生态环境数据采集系统结合,构建了基于4G网络的Web端蝗虫识别平台,可对观测点的蝗虫图像进行长期实时检测。目前,该平台已在宁夏回族自治区盐池县大水坑、黄记场、麻黄山等地的草原生态环境数据获取中得到了应用,可对包括宁夏草原蝗虫信息在内的多种生态环境信息进行长期检测和跟踪,为虫情防治等提供决策依据。     

基于改进空气阀模型的输水系统支管放空过程分析

为了分析复杂管道系统支管上游阀门关闭所诱发的水力过渡过程现象,采用进气量由空气阀安装处逐步向下游推进的方法,建立改进的空气阀计算模型,并以某输水系统为例,分别采用2种空气阀模型开展相应的水锤计算.研究结果表明:采用经典空气阀计算模型时,受支管上游高程较大的影响,支管产生了“虚假”流量,导致仿真结果与工程实际偏离较大;而采用改进的空气阀计算模型时,支管流量逐步减小为0,汇流点主线上游流量逐步增大,下游流量逐步减小,过渡过程中主线各调压井水位有所下降,但并未出现漏空现象;各调压井水位及汇流点稳定压力与恒定流计算(主线流量为121.5 m³/s,支线流量为0)结果最大偏差仅0.16 m.计算结果证明了该改进空气阀计算模型的适用性,并为复杂输水系统的放空及充水过程研究提供了一种新的方法.     

基于J—A模型磁滞回线仿真及有效性研究

分析变压器、发电机等铣芯设备的暂态行为时,常用分段线性化的磁化曲线代替磁滞回线,但这种方法存在计算误差和震荡问题。分析J-A磁滞回线模型的基本原理,用等式变彤方法推导出逆J—A模型,分析其计算稳定性差的可能原因。根据已有参数,应用J—A模型对实际磁性材料的动态磁滞回线进行仿真分析,研究结果表明,涡流损耗对磁滞回线的影响较大。     

基于高速摄像系统和图像边缘检测的精密排种器设计

为了综合优化排种器的单粒率、双粒率、空穴率、平均间距、重播和漏播指数,设计了一种基于高速摄像和图像边缘检测的排种器,提高了播种机的播种精度。利用高速摄像系统和图像边缘检测技术获取种子堆积的图像反馈信息,采用PID自动化调节的方式,用链条对排种轮的驱动轴进行了有效的调节,从而达到了精密播种的目的。为了测试设计的排种器的有效性和可靠性,对其综合指标进行了测试。通过测试发现:使用高速摄像边缘提取系统的排种器比人工检测播种方法的单粒率、双粒率、空穴率的相对误差要低,平均间距控制平稳,并且有效地降低了重播指数和漏播指数。