机车二系弹簧载荷均匀性分配调整的混合建模方法

针对机车二系弹簧载荷均匀性分配调整的建模问题,提出综合运用机理建模和神经网络建模的混合建模方法。该方法在刚性车体假定下采用经典力学和数学方法建立机车车体-二系弹簧系统的机理模型,作为调簧主规律模型;用人工神经网络方法建立BP网络误差补偿模型来弥补机理模型的建模误差;二者并联组成混合模型,其输出为机理模型和BP网络模型输出的叠加。研究结果表明:混合建模方法用于二系调簧的多维连续空间系统建模,可大幅提高模型精度;实际调簧过程中使用混合模型可进一步提高调簧精度和效率,使载荷分布最大误差较机理模型减少8%～15%,平均调簧时间缩短25%以上。     

基于二系载荷调整的机车轮轴重量优化分配方法研究

本文结合"车体称重调簧试验台"的研制开发工作,对基于二系载荷调整的轮轴重优化分配试验系统的可行性和适用范围进行研究,以机车车体——转向架作为研究对象,选用经典力学方法建立了相应的模型来求解二系弹簧加垫高度和机车轮(轴)重分配之间的关系,从理论上研究了车体二系支承载荷分配对于轮(轴)重分配的影响规律,利用SUMT-Newton算法对加垫量进行寻优运算。仿真计算结果表明,车体与转向架装配后的轴重偏差大部分情况下都可以通过二系加垫调整得以减小,说明了基于二系载荷调整的机车轮轴重量优化分配算法的有效性。     

精密车削中心热误差鲁棒建模与实时补偿

为了减小数控机床的热误差.提高数控机床的加工精度,使用BP神经网络和遗传算法相结合的方法建立了热误差模型,并基于所建模型开发了数控机床热误差实时补偿系统.基于对数控机床热动态过程的分析,利用4个关键温度点,建立BP神经网络热误差模型.用遗传算法优化BP神经网络连接权值和阈值,提高了模型的预测精度和收敛时间.试验结果表明:对精密车削中心进行实时补偿后,加工误差从32 μm降低到大约8 μm,明显提高了数控机床的加工精度.     

机车车辆二系弹簧载荷分配优化的改进遗传算法

为解决现有轨道机车车辆二系弹簧载荷优化调整算法在加垫控制性能上的欠缺,避免冗余计算,在构建轨道机车车辆二系支承结构几何模型和二系弹簧载荷分布调整优化模型基础上,提出一种改进遗传算法。该算法针对标准遗传算法求解时存在的加垫位置过多、加垫总量过大的问题,结合二系弹簧载荷增减载系数矩阵的特点,引入加垫位置约束条件改进个体编码方式;针对标准遗传算法在迭代后期存在无为冗余计算的问题,引入车体无张力状态判别条件改进算法优化准则,对提出的改进遗传算法进行实验验证。研究结果表明:所提出的算法因为引入加垫位置约束条件和无张力状态判别条件,在减小搜索可行域的同时有效避免了冗余计算,在获得相同求解精度时,求解效率和加垫控制特性均优于未改进的遗传算法,效率提高35.50%,加垫总量减少28.44%。     

实时混合试验鲁棒时滞补偿方法的数值研究

为解决实时混合试验系统中时变时滞严重影响试验稳定性和精度的问题,以基于混合灵敏度的H∞鲁棒控制方法设计反馈控制器,使试验系统具有稳定的动态特性;以多项式外插进一步消除时滞,并将其应用于线性Benchmark问题.为充分探讨所提方法性能,采用线性和非线性加载系统模型,开展了物理子结构为线性和非线性的虚拟实时混合试验研究.结果显示:作动器的实测位移均与期望位移几乎完全重合;与已有方法的对比显示,采用鲁棒时滞补偿的实时混合试验具有更小的误差;而对非线性物理子结构,试验系统的均方根误差和峰值误差均在0.6％～1.5％之间,且均方根误差大于10％和峰值误差大于6％的概率远小于0.05.研究结果表明,鲁棒时滞补偿方法可大幅提高实时混合试验的模拟精度,并具有较强的鲁棒性.     

基于改进粒子群算法的机车二系弹簧载荷分配优化

针对机车二系弹簧载荷优化调整这一复杂的多变量优化问题,为进一步提高现有求解方法的优化效果和计算效率,将烟花算法融入粒子群算法,提出一种具有分层递阶结构的改进粒子群算法,算法为3层架构,其中,底层是基础层,为加入维变异算子的粒子群算法,是改进算法的基本框架;中间层是融合层,为引入烟花算法爆炸机制的粒子更新层,主要用于扩大算法搜索范围,提高全局搜索能力;顶层是扰动层,引入扰动因子,避免算法因陷入局部搜索而进行的大量无为冗余迭代,加快全局收敛速度。用典型测试函数对改进算法性能进行测试,并将其应用于机车二系弹簧载荷分配优化调整仿真实验。研究结果表明:改进算法与传统遗传算法、烟花算法和粒子群算法相比,全局搜索能力更强,鲁棒性更好,求解精度更高。     

压钩力下重载机车关键参数对其动力学性能的影响

采用某2(B0-B0)轴式机车动力学模型研究了纵向压钩力作用下,重载机车关键二系悬挂参数对机车运行动力学性能和车钩水平偏转行为的影响.动力学模型包括两节B0-B0机车和考虑缓冲器非线性迟滞特性、钩尾与前从板圆弧面间摩擦特性和钩尾扁销止挡特性的扁销钩缓装置.计算结果表明:机车二系横向止挡自由间隙和纵向间距、二系弹簧横向刚度对机车运行安全性指标有较大影响,随着二系横向止挡间隙和纵向间距的增大,当钩尾止挡不发挥作用时,机车轮轴横向力和车钩转角会逐渐增大,当钩尾止挡发挥作用后,钩尾止挡分担偏转力矩,机车轮轴横向力会逐渐减小;随着二系弹簧横向刚度的增大,机车自身稳钩能力增强,轮轴横向力和车钩转角逐渐减小.     

基于遗传神经网络的插铣铣削力建模与分析

本文首先对插铣铣削力进行了理论分析,并基于正交试验方法对铣削力进行了测量试验,然后利用遗传算法对BP神经网络的权值和阈值进行优化,建立了预测铣削力的遗传神经网络模型,最后将经过遗传算法优化的BP网络与未优化的进行对比分析.结果表明,经遗传算法优化后BP网络模型预测误差明显减小,网络的计算精度和收敛速度有了显著提高.     

数控机床热误差的混合预测模型及应用

基于机床热变形误差的产生机理及其表现形式的复杂性,综合时序分析方法建模和灰色系统理论建模的优点,研究了一种智能混合预测模型.将该模型应用于一台数控车削加工中心进行热误差趋势预测,以进行机床热误差补偿研究.结果表明,混合预测模型预测精度高于时序分析模型和灰色系统模型,其优异的预测性能可使数控机床进行实时补偿更加有效,从而大大提高机床热误差的补偿精度.     

车辆钢板弹簧悬架的有限元模型

基于钢板弹簧悬架的结构与工作特点,研究了钢板弹簧有限元模型应满足的4个基本条件,通过钢板弹簧的刚度试验测得钢板弹簧的刚度,依据此结果设置仿真试验中钢板弹簧的刚度参数.在上述基础上总结和提出了5种不同的钢板弹簧悬架简化模型,利用ANSYS中板壳单元建立了1个完整的载货车边梁式车架有限元模型,通过应用不同的钢板弹簧悬架模型进行只承受竖直载荷的弯曲工况和既承受竖直载荷又承受纵向载荷的制动工况的有限元分析,对比分析了5种模型的优缺点及对4个基本条件的满足情况.结果表明:方案3中等效弧形薄板模型可以有效模拟无副簧的钢板弹簧悬架,而有副簧的模型采用方案5比较适合,二者都能够满足各项基本要求.     

基于GRBF神经网络的多级煤气压缩系统建模

以某钢厂燃气、蒸汽联合循环发电机组煤气压缩系统为背景,建立以煤水分离器、离心式压缩机和冷却器为核心的多级煤气压缩系统机理模型.采用自适应遗传算法辨识机理模型中某些难以确定的重要参数.由于多级煤气压缩系统的影响因素较多,机理模型预测结果不精确.利用基于广义径向基函数的神经网络补偿机理模型的误差,建立GRBF神经网络和机理模型并联的多级煤气系统的混合模型.试验结果表明相比于机理模型,混合模型有更高的预测精度.     

基于Elman神经网络的振镜扫描系统误差校正技术研究

为了消除激光快速成型机中振镜扫描系统的非线性扫描误差，以提高系统的扫描精度，提出了运用神经网络校正激光振镜扫描系统误差的方法．通过对BP神经网络、径向基神经网络和Elman神经网络3种不同网络的对比分析，运用Elman神经网络训练有限个标定坐标点的误差补偿值，构造全视场误差补偿曲面，然后对视场坐标进行校正补偿．通过实例分析，测试件在z、y方向的尺寸均方根误差由原来的0．2296mm、0．2107mm分别减小到0．0232mm和0．0265mm．实验结果表明，采用Elman神经网络构造振镜扫描系统误差补偿曲面，对振镜扫描系统进行动态误差校正，可以显著提高快速成型机的扫描精度．     

提高预测精度的BP-ELman网络组合

为了消除BP网络模型的系统误差,本文提出用ELman对原有模型的预测结果进行多次校正以减小误差,并对股市收盘价数据进行了模型构造和预测,结果表明,BP-ELman组合神经网络不仅增强了网络的局部泛化能力,而且预测精度高于单一采用ELMAN网络或BP网络的精度.     

基于压力信号采集的输气管道混合模型的建立

为监测输气管道的运行状态,提出一种基于机理模型和神经网络模型的混合建模方法. 机理主模型是基于气体在管道中流动的连续性方程、运动方程和气体状态方程而建立的;神经网络模型用来补偿机理模型建模过程中的简化处理及因忽略某些动态参数变化带来的误差,提高了混合模型建模精度,为下一步进行气体管道的泄漏检测和定位奠定基础. 为避免流量计检测精度较低的缺点,实验中用高精度压力传感器取代流量计,统一采集压力信号,提高检测精度. 基于实验采集压力数据,将机理模型和混合模型输出的精度进行比较. 结果表明混合模型的精度得到了较大提高.      

磁流变半主动空气悬架混合天地棚控制策略研究

以磁流变减振器半主动空气悬架为研究对象,基于流体动力学理论建立空气弹簧数学模型,利用试验数据建立磁流变减振器多项式模型。考虑到空气弹簧刚度和磁流变减振器阻尼的非线性,将其以空气弹簧和磁流变减振器非线性力的形式引入到四分之一车辆动力学模型中;以汽车行驶平顺性,轮胎接地性和操纵稳定性的综合性能为控制目标,利用加权系数u引入混合天地棚控制策略,并分析了不同的u值对悬架各性能指标的影响,当u取0.8时,悬架综合性能最好,簧上质量加速度均方根值改善达23.2%,轮胎动载荷均方根值降低17.4%,悬架动行程略有改善。     

基于双折线模型更新的桥梁框架墩混合试验

为了研究地震作用下结构抗震性能与破坏机制,混合试验在经济、试验场地与设备方面具有较大优势,但是混合试验的数值子结构的恢复力模型在试验过程中均以初始模型进行计算,这无形中加大了试验的误差。为了减小试验误差,采用以最小二乘法为理论基础的算法,基于此算法对双折线模型进行恢复力模型更新,并对桥梁的框架墩进行模拟验证。结果表明:双折线模型更新混合试验较传统混合试验精度更佳,具有明显的优势。     

基于改进灰色模型的MEMS陀螺仪零偏温度补偿

微机电系统(micro-electro mechanical system,MEMS)陀螺仪的零点漂移是影响陀螺仪测量精度的主要因素.针对MEMS陀螺仪零点漂移随温度变化的非线性问题,以MEMS惯性传感器为试验对象,采用小波变换对MEMS陀螺静态实验零偏数据进行滤波,结合改进灰色预测模型估计零偏随温度变化趋势,获得基于小波变换和改进灰色预测的温度补偿模型.与常规补偿模型算法比较表明,基于小波变换和改进灰色预测的温度补偿模型均方根误差和平均绝对误差更小,MEMS陀螺仪零点漂移的均方根误差和平均绝对误差分别减少到0.025 0和0.018 0,验证了该补偿模型的可行性,对提高陀螺测量精度具有较好的理论意义和工程应用价值.     

动态载荷识别的小波正交算子变换法

在动态载荷识别动力学方程中引入离散正交小波 (即Haar小波正交基 ) ,从而得到了一种新的动态载荷识别方法小波正交算子变换法 .此方法对高阶模态信息能有效地提取 ,克服了傅立叶变换的缺点 ,从而提高了动态载荷的识别精度 .用一简单质量弹簧系统验证了本方法的正确性     

一种新数控系统温度误差补偿控制方法

针对车床加工具有多因素非线性,利用神经网络提出解决数控机床系统的温度误差补偿控制问题的办法。方法是在现有的数控系统内部嵌入一个神经网络的小型系统,利用主元分析进行温度误差补偿数据压缩及特征提取,通过应用粗集理论对温度误差属性进行约简,用一个BP（back propagation）神经网络进行补偿控制,在网络的训练过程中利用蚁群算法对BP网络参数进行全局搜索,实现网络快速收敛到全局最优值。试验仿真表明,此方法可有效提高系统补偿精度和实时性。     

基于微分进化的钢水温度预报混合模型

针对LF冶炼过程钢水温度预报问题对机理模型进行了分析.将基于微分进化的BP网络引入混合模型,以确定模型中难以准确获得的参数,建立了基于微分进化的钢水温度混合预报模型.模型通过适当时刻变异因子的随机选取和重复进行种群个体初始化的方法,对微分进化算法进行了改进,有效解决了BP网络训练的困难,避免了算法早熟.实验结果表明,混合模型具有较好的预测结果,基本满足了实际生产的需要.