【摘 要】
：
插补算法在整个数控系统中起着至关重要的作用,在使用面向过程的C语言编写插补算法的过程中缺乏直观性,不能很好观察算法的效果.针对该问题,设计开发了一套基于Simulink与C很合编程的插补算法仿真平台,对插补算法的S型加减速进行了实验仿真,实验结果表明插补算法速度规划和单周期位置插补均符合S型加减速规律,该平台利用Simulink适应面广、结构和流程清晰、贴近实际、灵活等优点,既能使用户减少进行算法仿真的代码书写量,又能在Simulink当中很直观地观察算法的效果.
【机 构】
：
华中科技大学 机械科学与工程学院,武汉 430074
论文部分内容阅读
插补算法在整个数控系统中起着至关重要的作用,在使用面向过程的C语言编写插补算法的过程中缺乏直观性,不能很好观察算法的效果.针对该问题,设计开发了一套基于Simulink与C很合编程的插补算法仿真平台,对插补算法的S型加减速进行了实验仿真,实验结果表明插补算法速度规划和单周期位置插补均符合S型加减速规律,该平台利用Simulink适应面广、结构和流程清晰、贴近实际、灵活等优点,既能使用户减少进行算法仿真的代码书写量,又能在Simulink当中很直观地观察算法的效果.
其他文献
基于Bernoulli-Euler方程从理论上推导了末端加载力的初始弯曲柔性梁末端轨迹和转角.结合实例给出理论计算结果,并和ANSYS软件仿真的结果进行对比,来验证理论模型的正确性.基于直梁3R伪刚体模型建立了末端受力作用的初始弯曲柔性梁的3R伪刚体模型.理论结算结果与初始弯曲柔性梁的3R伪刚体模型、1R伪刚体模型的轨迹结果等进行对比,并给出相对误差,来验证这两种伪刚体模型是否可以有效地模拟初始弯曲柔性梁的末端轨迹和转角以及3R伪刚体模型的优越性,为初始弯曲柔性梁在柔顺机构等中的应用打下了坚实的基础.
针对电传飞控系统舵面电液伺服作动器采用主-主工作模式带来的力纷争振荡,导致舵面疲劳,影响飞行安全的问题,提出了一种基于压力和位置双重反馈补偿的力纷争均衡控制方法.该方法通过对舵面两端的两个作动器收缩腔和伸出腔压差的比较生成压力补偿值;采用比例积分控制器,根据两个作动器之间的压力差与舵面扭转变形的比例关系将压力转化成位置进行补偿;利用积分控制对高比例增益出现的振荡和超调进行修正,消除稳态误差.再通过舵面两端的两个作动器位置传感器测得的实际位置进行比较,生成位置修正值,用来均衡两侧作动器的位置差,减少舵面两个
为克服多尺度模糊熵(MFE)在刻画齿轮故障信息时存在的不足,对其进行改进,提出增强多尺度模糊熵(EMFE)的概念,并由此提出基于EMFE的齿轮故障诊断新方法.相比于MFE,EMFE的序列粗粒化过程不存在信息泄露,并且能够保证熵值计算的稳定性,能够更为准确的对信号包含的信息进行刻画.齿轮故障诊断实例结果表明,以EMFE作为故障特征输入支持向量机(SVM)中进行故障诊断,可以有效提高故障诊断的精度.
设计了 一种新型抗拉压平面折展铰链T-LEJ(Tension Lamina Emergent Joint),命名为对称倒“几”字形抗拉压平面折展铰链(Symmetrical Inverted“几”shaped Tension Lamina Emergent Joint),简称对称倒“几”字形T-LEJ铰链.设计了铰链的结构,采用弹簧等效法,推导了铰链的弯曲等效刚度与拉压等效刚度计算式.设计了铰链实例进行理论计算同时进行有限元仿真,二者之间的误差在3％-6％之间,验证了所得等效刚度计算式的正确性.对具有相同
针对多尺度散布熵(MDE)在对滚动轴承故障信号进行特征提取时会出现信号信息严重损失的问题,提出了时移多尺度散布熵(TMDE)的概念,并由此提出基于TMED和支持向量机(SVM)的滚动轴承故障诊断方法.首先,通过仿真信号对TMDE和MDE进行了对比分析,结果表明,TMDE得到的熵值更稳定且对数据长度依赖小.其次,将所提方法应用到滚动轴承的故障诊断实例中,结果表明,TMDE获得了比MDE更高的滚动轴承不同类型和不同程度故障的诊断精度.
针对滚动轴承故障智能诊断问题,提出一种基于时序模型和可拓学的滚动轴承故障诊断方法.利用时序模型中的AR(Autoregressive Model)模型对轴承振动信号进行特征提取,以AR模型的自回归参数和残差方差作为特征向量,再利用Fisher比对AR模型的特征向量进行选择,将最终所形成的特征向量作为可拓物元模型的特征参数,以此特征参数来建立轴承不同健康状态下物元模型的经典域和所有状态下物元模型的节域.将待测数据输入到已建立的滚动轴承不同健康状态对应的物元模型之中,通过关联函数来计算待测数据与滚动轴承不同健
针对岸桥机构减速箱振动信号局部扰动特征学习问题的复杂性,提出一种新型故障诊断模型.首先利用整体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)变换对振动信号进行瞬态时频分析,获取典型参数的边际谱等特征,形成深度学习的特征向量.在此基础上,提出一种基于深度收缩自编码网络-模糊支持向量机的起重机械故障状态识别模型,并与深度稀疏自编码网络-模糊支持向量机模型等其它模型进行比较.实验结果显示,针对起重机械故障状态识别问题,所建立的新深度学习模型有很好的识别能力,
为了解决航空发动机液压管路系统中管路故障诊断困难的问题,提出了一种基于深度置信网络(Deep Belief Networks,DBN)的航空液压管路智能故障诊断方法.首先,将采集的液压管路振动数据进行处理,提取出时频域特征参数,其次,将时频域特征参数作为输入样本,输入到深度置信网络模型中,利用深度置信网络模型进行液压管路故障的识别;最后,将本方法应用于航空液压管路模拟故障实验数据中,同时将本文方法与BPNN和SVM等方法进行对比分析,结果表明:本方法对液压管路故障的总体准确率达到99.27％,平均AUC值
针对TBM液压推进机构机械动力最优控制的振动力学建模问题,研究了 TBM液压推进缸振动力学建模方法.考虑到其缸体、活塞及液压油的柔性,并利用拉氏动力学方法建立了其三自由度集中参数振动力学模型,运用有限元法验证了模型的有效性.利用动、静态缩聚法对所述模型的自由度进行了缩聚,并对缩聚模型与原模型的动力学特性进行了比较,结果表明:缩聚前后的模型在各推进位置的1阶固有频率最大误差值为1.37 Hz,幅频特性曲线的趋势基本吻合,验证了缩聚模型的有效性.所建立的推进缸振动力学缩聚模型,为推进机构的整机振动力学建模提供
作为影响数控机床精度稳定性的关键因素,电主轴末端热误差不仅由主轴轴承、电机生成热量引起,更与加工环境温度不稳定性密切相关.为在机床加工状态下并行抑制上述热干扰因素以保证主轴精度稳定性,构建了一种面向电主轴单元热误差的半闭环主动控制方法,该方法基于模糊神经网络-PID主动控制策略对电主轴单元内置循环液供液温度进行动态调整,以实现电主轴单元结构温度稳定性控制与热误差半闭环主动抑制.通过试验证明:该方法可以在22℃～18℃温度缓降工作环境中,将电主轴单元结构温升幅度控制在±0.5℃以内;并且相比于传统循环冷却控