基于MSMA逆效应的传感器结构优化与实验研究

来源 :沈阳理工大学 | 被引量 : 0次 | 上传用户:lovezjx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
磁控形状记忆合金(MSMA)是一种发现较晚的新型材料,基于磁控形状记忆合金变形率高、响应快等特点,本文研究是在材料逆特性的基础上,主要是对传感器的结构进行优化设计,运用ANSYS电磁仿真软件进行验证,最后通过搭建实验系统,在不同的输入条件下分析输出的感应电压波形。主要研究内容如下:对MSMA材料特性进行阐述,在此基础上根据MSMA传感器的工作原理、法拉第电磁感应定律以及磁路欧姆定律的相关知识,得到MSMA传感器的感应电压的数学模型,为参数辨识提供了理论基础。对MSMA传感器的磁路结构进行优化设计。主要包括励磁方式、永磁体型号及尺寸、聚磁头角度、气隙长度等部分。通过优化设计降低了传感器的励磁功率,利用ANSYS有限元软件对所设计的模型进行计算分析,结果表明,优化后的传感器在励磁线圈匝数减少21%情况下可以在气隙中达到与优化前相同的磁感应强度。在数学模型的基础上,依据最小二乘原理建立目标函数,利用调整参数以及规则项对其进行改进,基于LDW-PSO算法求解模型系数,将计算结果与一般的粒子群算法进行比较,充分说明了LDW-PSO算法求解速率更快,同时也验证了改进目标函数方法的可行性。搭建传感器的实验系统。针对激振力幅值大小和频率、偏置磁场,研究传感器输出感应电压的变化规律。在相同的环境温度、实验装置条件下,分别对优化前后的传感器系统进行实验研究,得到优化后的感应电压峰-峰值增大了33%,验证了传感器结构优化的准确性。
其他文献
学位
学位
学位
学位
学位
学位
随着计算机视觉领域的发展,学者们对目标跟踪的研究也越来越关注,尤其是多目标跟踪。多目标跟踪在自动驾驶、交通管理等多方面有着广泛的应用。现阶段的多目标跟踪研究有不错成果,但是在目标遮挡、交互或者感兴趣目标众多等复杂环境情况下,多目标跟踪算法的应用和速度就会受到制约。因此,本文采用基于检测策略的多目标跟踪算法进行研究,实现高效、准确的跟踪任务。主要研究内容如下:(1)研究Faster RCNN和YOL
随着信息技术的快速发展和硬件成本日益下降,传感器技术得到快速发展,已经在军事安防、农业、工业、智能交通等多个领域有着广泛的应用。多传感器网络相对于单一传感器具有种类多、适应性强、容错率高等优点,因此它适用于更多的场景同时也具有更重大的研究意义,近年来已逐渐成为热门的研究方向。而在多传感器网络的软件开发方面,目前大多数都处于理论仿真阶段,缺少实际的硬件环境约束。本文针对现有的多传感器网络硬件体系,设
无人水下航行器(UUV)是一种无驾驶员的类潜艇机器人装置,用于水下任务,如搜救、测量、监视、检查、维修和维护。水下航行器运行期间,其运动轨迹会呈现高度非线性。此外,航行器动力性能还会随着周围环境的变化和外部干扰(如风速和海流)而发生显著变化。这些因素都使得我们难以对水下航行器空间运动进行准确建模。模糊控制具有很强的鲁棒性,能够适应流体动力学的不确定性。不仅可以对多种线性系统进行控制,在非线性系统控
随着手机等移动端图像获取设备的不断升级与普及,图像数据逐渐成为人们日常获取信息的最主要来源。但是随着图像数据规模的日渐庞大,冗余信息也逐渐的充斥在人们的身边,导致人们搜索有用信息的难度越来越大,所以针对的图像的识别与自动分类具有越来越重要的意义。随着近些年来深度学习在图像分类中的应用越来越深入,越来越多优秀的基于深度卷积神经网络的图像分类结构取得了令人瞩目的成果,但是基于深度学习的图像分类方法,对