课程文献中心 更多>>

关键词： 油气缓冲器   着陆动力学   差分进化算法   灵敏度分析   参数优化   参数修正  

摘要： 支柱式起落架作为当前主流窄体民用客机的核心承载部件,在着陆过程中承担着吸收冲击、减轻结构载荷和保障人员安全等多重任务。围绕该类起落架的动力学建模、仿真分析与优化设计,当前仍面临若干关键问题: 在着陆动力学建模方面,部分研究依赖ADAMS等商用软件,虽具工程适用性,但建模过程封闭不透明,难以支撑理论体系构建;在仿真求解方面,ADAMS求解器的封闭性使其难以与用户自定义算法灵活集成,限制了高阶算法的部署;在灵敏度分析方面,面对高维参数空间和复杂响应,受限于计算资源,难以同时进行多个参数的灵敏度分析;在缓冲器优化设计方面,缺少适应复杂需求的优化算法,优化上限受制于软件平台能力;在参数修正方面,目前仍缺乏通用、高效的全自动修正方法,无法满足复杂工况下的模型快速校准需求。为解决上述问题,主要研究工作如下: 构建了刚性机体飞机对称着陆六自由度动力学模型。模型以物理机制清晰、结构可扩展为目标,对轮胎接地响应、缓冲器泄流过程与摩擦效应进行了细致建模,采用TRR64轮胎模型、泄流系数与油孔收缩比函数及Karnopp摩擦模型。该模型参数可控、结构清晰,为后续研究工作奠定了理论基础。 开发了基于四阶龙格库塔方法的着陆动力学仿真程序并整理了落震试验装置构成、实施流程和工况组成。程序可输出系统各关键作用力的全时域响应,适用于复杂动力学行为的分析与研究。仿真结果与试验数据吻合良好,验证了程序的准确性与可信度,具备良好的开放性与扩展性,为后续算法集成与优化设计提供了稳定高效的支撑平台。 开展了多参数灵敏度分析,得到定性结论:在垂向载荷峰值位于气峰附近的工况下,垂向载荷最大值与气体多变指数正相关,航向载荷最大值与结构阻尼正相关。降低气体多变指数、增大结构阻尼有助于减小载荷合力峰值。采用Sobol序列均匀采样以控制计算量,并结合概率密度估计图与散点图矩阵进行可视化分析。研究成果为着陆载荷设计提供了有益参考。 面向工程需求开发了新型缓冲器参数优化方法。结合工程经验对空气弹簧力曲线进行初步设计,确定缓冲器行程、气体初始填充体积和压强。构建多目标优化函数,采用差分进化算法对油针几何外形进行优化。结果表明:优化后的油针在降低载荷与提升缓冲器效率方面表现良好。研究成果为工程应用中的复杂需求优化提供了一定的解决方案,在灵活性与可扩展性方面表现出了较为明显的优势。 面向工程需求开发了新型缓冲器参数修正方法。结合工程经验,对气体多变指数、正行程油液阻尼力修正系数、支柱刚度修正系数和支柱结构阻尼等参数分别定义误差目标函数,并通过差分进化算法分步调节完成修正。结果表明:该算法在不同工况下均具备良好的修正效果,显著提升了模型校准效率,解决了工程中缓冲器参数全局修正繁琐费时的难题。 综上所述,本文以支柱式起落架飞机为研究对象,开展研究工作,取得的成果包括:刚性机体飞机对称着陆六自由度模型及仿真程序,新型缓冲器参数优化和修正方法。该成果对于解决支柱式起落架相关的若干工程问题,有一定参考价值,有助于提升我国民用飞机着陆系统的设计能力和工程效率。

关键词： 空泡动力学   高速摄影   开尔文冲量   角形边界   射流  

摘要： 空化现象广泛存在于流体机械中,其通常是由机械内部流体流速增大造成的局部压力骤变导致的。在泵、阀门和动力管道等部件的弯角区域,空化现象尤其容易产生。空泡的溃灭过程极为剧烈,伴随产生的高速射流能量释放可能导致局部材料损坏,甚至引发结构破坏。 本文基于开尔文冲量理论和高速摄影技术,围绕劣角与优角壁面附近空泡溃灭特性及射流行为展开研究,对理解空化效应对流体机械设备性能的影响及其防护技术开发具有重要意义。本文主要工作与结论如下: (1)空泡位于劣角壁面的对称位置:劣角壁面对称区域的空泡溃灭射流呈现四种典型形态:宽射流、三角射流、细长射流和无明显射流。随着壁面角度和无量纲距离增大,空泡形心位移与速度逐渐减小,第一振荡周期缩短。同时,空泡等效半径、开尔文冲量强度、Bjerknes力和射流速度均随壁面角度与无量纲距离的增大呈递减趋势。 (2)空泡位于劣角壁面非对称位置:空泡射流方向由指向壁面夹角转变为直接指向壁面。随着空泡位置角增大,第一振荡周期逐渐缩短,壁面影响减弱,开尔文冲量强度、射流速度和Bjerknes力均呈下降趋势。实验观测的射流方向与理论预测结果高度吻合。 (3)空泡位于优角壁面对称位置:通过高速摄影实验揭示了优角壁面对称位置空泡溃灭的四种典型形态:蘑菇形、橄榄形、水滴形和准球形。随着壁面角度和无量纲距离增大,空泡受壁面影响减弱,空泡溃灭颈部结构随之消失,空泡形心位移、速度及特征点位移差值逐渐减小。且无量纲距离增大时,空泡右特征点与上特征点的位移呈现先增大后减小的非线性变化规律。

关键词： 下肢外骨骼   能量代谢   肌肉激活   平衡   地面反作用力  

摘要： 目的:通过对比分析在未穿戴主动式下肢外骨骼（NO-EXO）、穿戴主动式下肢外骨骼未助力（EXO-OFF）和穿戴主动式下肢外骨骼助力（EXO-ON）的三种外骨骼条件下分别进行低速与正常速度步行时的能量代谢与肌肉激活差异,同时辅助对比平衡以及地面反作用力差异。综合评估主动式下肢外骨骼在步行中对能量代谢的影响与助力效果,为后期外骨骼改进及康复医学中的应用提供一定理论基础。 方法:本研究纳入受试者共计24名,进行三种外骨骼条件的前后对照实验。受试者在6min静息测试后分别采用0.5m/s与1.0m/s两种步行速度进行三种外骨骼条件下的6min的步行,在步行过程中同时采集能量代谢与肌肉激活数据。（1）采用Meta Lyzer?3B气体代谢分析仪收集受试者的摄氧量及呼吸交换率,公式转换后得到二氧化碳生成量,再通过计算获得能量代谢成本,同时使用心电系统采集受试者心率。（2）采用Noraxon DTS无线表面肌电采集受试者胫骨前肌（TA）、股直肌（RF）、腓肠肌外侧头（LG）与股二头肌外侧头（BF）的积分肌电（i EMG）与均方根振幅（RMS）。（3）采用Biodex?Balance System SD平衡系统采集受试者姿势稳定性、稳定极限（LOS）及运动单腿稳定性（ASL）。（4）采用Bertec Force Plates测力板采集受试者正常步行下的地面反作用力（Fx、Fy、Fz）。本研究使用SPSS 29.0对数据进行统计分析处理,使用Graph Pad Prism 10对结果进行图表绘制。 结果:（1）能量代谢结果:速度为0.5m/s时的EXO-OFF与EXO-ON较NO-EXO的心率显著性增加（p<0.05）,EXO-OFF较NO-EXO的摄氧量、二氧化碳生成量与能量代谢成本非常显著性增加（p<0.01）,EXO-ON较NO-EXO的摄氧量、二氧化碳生成量与能量代谢成本极其显著性增加（p<0.001）;速度为1.0m/s时的EXO-OFF与EXO-ON较NO-EXO的能量代谢结果均极其显著性增加（p<0.001）;速度为1.0m/s时三种外骨骼条件下的能量代谢结果与0.5m/s相比显著性增加（p<0.05）。（2）肌肉激活结果:速度为0.5m/s时的EXO-ON相比于EXO-OFF和NO-EXO的TA的i EMG和RMS极其显著性降低（p<0.001）,LG非常显著性降低（p<0.01）;EXO-OFF相比于NO-EXO的TA的i EMG和RMS非常显著性增加（p<0.01）。速度为1.0m/s时的EXO-ON相比于EXO-OFF的TA的i EMG与RMS极其显著性降低（p<0.001）,LG非常显著性降低（p<0.01）,BF的i EMG极其显著性降低（p<0.001）,RMS非常显著性降低（p<0.01）;EXO-ON相比于NO-EXO的TA的i EMG与RMS非常显著性降低（p<0.01）,LG显著性降低（p<0.05）;EXO-OFF相比于NO-EXO的TA的i EMG与RMS极其显著性增加（p<0.001）,LG的i EMG显著性增加（p<0.05）,BF的i EMG显著性增加（p<0.05）,RMS非常显著性增加（p<0.01）。速度1.0m/s与速度0.5m/s相比时NO-EXO的TA与LG的i EMG与RMS极其显著性增加（p<0.001）,RF显著性增加（p<0.05）,BF非常显著性增加（p<0.01）;EXO-OFF的TA、RF、LG与BF的i EMG与RMS极其显著性增加（p<0.001）;EXO-ON的TA、RF与LG的i EMG与RMS极其显著性增加（p<0.001）,BF显著性增加（p<0.05）。（3）平衡能力结果:姿势稳定性测试中的左右稳定指数显著性下降（p<0.05）;LOS的总体、前、左和后右的得分显著性增加（p<0.05）,前右的得分非常显著性增加（p<0.01）;ASL左腿为支撑腿时的总体与左右稳定指数显著性下降（p<0.05）。（4）地面反作用力结果:EXO-OFF与EXO-ON条件下的左侧与右侧腿分别经过测力板的地面反作用力垂直方向分力（Fz）较NO-EXO极其显著性增加（p<0.001）。 结论:（1）以低速与正常速度行走时穿戴外骨骼会使能量代谢增加;在三种外骨骼条件下,能量代谢随行走速度增加而增加。（2）以低速行走时穿戴外骨骼助力会使胫骨前肌与腓肠肌外侧头激活降低;以正常速度行走时穿戴外骨骼助力会使胫骨前肌、腓肠肌外侧头与股二头肌外侧头激活降低;在三种外骨骼条件下,胫骨前肌、股直肌、腓肠肌外侧头与股二头肌外侧头激活程度随速度增加而增加。（3）穿戴外骨骼会增加人体平衡能力,尤其是左右方向的平衡能力。（4）穿戴外骨骼会增加垂直方向的地面反作用力,对前后方向与左右方向的地面反作用力无明

关键词： 交互-迁移双层网络   SIS传染病模型   李雅普诺夫稳定性   物理信息神经网络   时变参数辨识   SID隔室模型  

摘要： 传染病动力学研究是理解传染病传播规律、制定科学防控策略以及预测疫情发展趋势的重要工具,其在公共卫生领域具有不可替代的作用。随着复杂网络学科的兴起,该学科与传染病动力学地结合为传统研究注入了新的活力,显著拓展了研究视角和方法论。本文围绕复杂网络种群结构下传染病动力学行为及数据驱动传染病动力学参数辨识两大核心问题展开深入探讨。首先,针对种群迁移行为对疾病传播的多维度影响,创新性地构建了交互-迁移双层网络模型:上层网络通过迁移矩阵刻画个体在不同地理节点间的移动路径,而下层网络基于邻接矩阵刻画种群接触传播模式。其次,针对现实世界中空间资源限制对移动行为影响的问题,本文通过引入空置节点表征移动过程中的空间资源约束。通过融合李雅普诺夫稳定性理论和马尔可夫链等理论分析方法,本文严格证明了系统收敛至无病平衡点的代数条件与结构条件,揭示了空置节点比例对传播阈值的提升机制。数值仿真表明,在包含5个节点的非连通交互网络中,当迁移矩阵为双随机不可约矩阵时,种群系统在感染率与恢复率之比大于传统阈值的条件下仍能全局收敛至无病平衡,其传播阈值较传统模型提升约23%。 针对COVID-19疫情的高死亡率与重复感染特性,本文进一步构建了一种新型易感-感染-死亡(SID)隔室模型。与传统模型不同,SID模型引入死亡状态的同时允许个体被重复感染。通过对描述SID模型动力学的常微分方程组进行定量分析,本文推导了内部平衡点的存在性及其稳定性条件。因此,这一模型为缺乏持久免疫的致死性传染病提供了新的理论框架。与此同时,针对模型参数辨识问题,传统方法在处理非线性系统时往往面临适用性不足和高计算复杂度的问题—尤其是在数据驱动方法中,缺乏物理约束易导致模型过拟合或结果失真。为此,本文提出了基于分段加权(Segmentation-Weighting)的物理信息神经网络(PINN)算法。该算法通过以下步骤优化参数估计:首先,采用固定分段策略,将疫情数据划分为多个时间窗口,以捕捉感染率的时变动态;其次,引入双权重因子,平衡数据项与物理约束项的数量级差异,避免因尺度不一致导致的优化偏差;最后,通过分阶段训练策略,逐步优化网络参数,提升收敛性能和计算效率。基于上海和科威特两地210天COVID-19疫情数据的实验结果显示,该算法将参数辨识精度提升了12.3%。进一步进行对比实验发现,基于SID模型的参数辨识误差相较于基于SIS模型的结果减少了9.1%,表明模型对现实数据的拟合能力显著增强。

关键词： 蔡氏电路   储备池计算   参数重构   倍周期分岔图  

摘要： 蔡氏电路因其丰富的动力学行为,如倍周期分岔、混沌现象及初值敏感性等,在非线性科学研究和工程应用中具有重要价值。然而在蔡氏电路的实验教学过程中,受限于测量设备的分辨率和数据获取能力,完整记录电路系统所有状态变量的难度较大,使得动力学行为的精确描述变得困难。并且由于测量精度、数据噪声以及部分观测变量的缺失,蔡氏电路的理论模型无法与实验数据匹配,导致实验结果难以准确复现。因此,如何在有限实验数据条件下有效重构系统的动力学特征,准确刻画系统的非线性行为,成为蔡氏物理实验教学中的关键问题。针对这一问题,本文先后采用数值计算与机器学习的方法,对蔡氏电路的动力学行为进行重构,旨在提高蔡氏电路实验数据的利用率,并增强动力学重构方法在实验数据不完备情况下的适用性和准确性。 本文第一部分采用数值计算方法对蔡氏电路的动力学特征进行了重构。基于蔡氏电路的理论方程,利用最小二乘法(Least Squares Method,LSM)对系统动力学参数进行拟合,并通过计算相对误差评估重构精度。在数据完整的情况下,该方法能够较准确地恢复系统的分岔结构和吸引子形态,说明最小二乘法在理想数据条件下具备较高的准确性与可行性。但在实验数据缺失的情况下,尤其是电感电流测量不可得时,最小二乘法的重构精度显著下降,部分参数估计出现较大误差,导致分岔点位置发生偏移,周期窗口的结构性特征无法准确刻画。这一现象表明,传统数值方法在实验数据不完备的情况下存在一定的适用性局限,需要引入更为灵活的建模策略,以提高系统动力学行为的重构精度。 为克服实验数据缺失导致的重构精度下降问题,本文第二部分采用机器学习方法对蔡氏电路的动力学特征进行了重构。结合储备池计算(Reservoir Computing,RC)方法,本文采用了一种参数感知储备池计算(Parameter-Aware Reservoir Computing,PARC)框架,以提升模型在实验数据缺失情况下的预测能力。PARC方法通过在储备池计算的输入层额外引入参数通道,使得模型能够同时学习系统状态变量与电阻等电路参数之间的关系,从而在数据缺失、参数不确定及实验噪声干扰的情况下,仍然能够利用少量数据有效推断未知状态下的吸引子形态,并重构系统的分岔图,表现出更强的鲁棒性和泛化能力。特别是在电感电流数据不可得的情况下,PARC方法仍能准确捕捉系统的周期窗口结构及分岔点位置,实现对实验系统更精细的动力学描述。这一方法不依赖于严格的理论方程,通过学习实验数据中的动力学模式,实现对系统行为的有效预测,从而在实验数据有限且部分观测变量缺失的条件下,依然能够获得较高精度的动力学重构结果。 本文采用数值计算与机器学习方法,利用少量数据对蔡氏电路系统的相图与分岔结构等动力学特征进行重构,克服实验数据缺失带来的精度下降问题,建立实际实验与理论模型的联系,为非线性物理实验教学提供辅助工具,增强学生对动力学行为的理解。

关键词： 四旋翼无人机   未知动力学参数   性能约束   动态表面控制   自适应控制  

摘要： 四旋翼无人机凭借其体型小、灵活性高和便捷的操作特性,在电网巡检、军事侦查和电力设施维护等领域展现出广泛的应用潜力。随着控制技术的快速发展和飞行任务复杂度的不断提升,四旋翼无人机系统在控制精度和飞行稳定性方面面临着严峻的技术挑战。在现有研究基础上,基于动态表面控制方法和自适应控制方法,针对具有未知动力学参数、时变负载和未知外部扰动的四旋翼无人机系统,提出了一种性能约束跟踪控制策略。主要研究内容如下: 首先,介绍了四旋翼无人机系统的基本构造和飞行原理,基于牛顿-欧拉公式,并选取合适的坐标系,建立了四旋翼无人机系统的动力学模型。 其次,针对未知动力学参数、时变载荷和未知外部扰动的四旋翼无人机系统,设计了一种自适应性能约束跟踪控制方法。采用自适应控制方法对动力学参数、时变负载以及外部扰动的未知界进行估计,并与动态表面技术方法结合,通过一阶滤波器重构虚拟控制量,避免对虚拟控制输入的复杂求导运算。通过障碍Lyapunov函数与指数衰减项结合,确保跟踪误差最终一致有界稳定,且约束在预设的范围内。 接着,提出了一种基于稳态性能约束的指定时间跟踪控制方法。引入转换函数和误差变换策略,确保四旋翼无人机跟踪误差能够在指定时间内收敛至可调的非对称区间,使其稳态性能约束。基于Lyapunov理论证明了四旋翼无人机闭环系统的稳定性,仿真结果验证了所提出控制方法的有效性。 最后,针对存在执行器故障的四旋翼无人机系统,在系统模型参数和外部扰动未知的情况下,提出一种基于自适应稳态性能约束的跟踪容错控制方法。通过结合自适应控制与动态表面技术,解决了系统在执行器故障下阻力系数未知的问题,提高了系统的容错能力。引入转换函数和误差变换策略,确保了在执行器故障影响下,其跟踪误差在指定时间内收敛至可调的非对称区间。基于Lyapunov理论证明了所设计的控制方案的稳定性,利用仿真软件进行数值仿真,证明了其有效性。

关键词： 骨骼肌慢性无菌性炎症   按压手法   动力学   参数   优化   IL-17信号通路  

摘要： 背景: 随着生活方式改变、工作压力增加及人口老龄化加剧,骨骼肌慢性无菌性炎症(Chronic Noninfectious Inflammation,CNI)发病率逐年攀升,严重影响公众健康与生活质量。骨骼肌CNI病理机制复杂,现有治疗方法存在较多局限性。中医按压手法可有效缓解骨骼肌CNI的症状,但其动力学参数缺乏量化标准,作用机制尚未明晰,制约了临床推广。 目的: 1.量化按压手法抗炎核心动力学参数(压力、频率、操作时间、治疗频次),筛选治疗骨骼肌CNI的优化参数组合,推动按压手法治疗标准化。 2.系统解析按压手法抗炎效应机制,进一步明确其减轻炎症、缓解疼痛的分子基础,为临床推广提供理论依据。 方法: 1.采用SD大鼠建立骨骼肌CNI模型,通过压力测定仪模拟按压手法进行治疗,运用正交实验设计,基于压力、频率、操作时间和治疗频次等按压手法核心动力学参数,筛选出按压手法治疗骨骼肌CNI的优化参数组合。 2.采用按压手法优化的参数组合(简称按压手法)进行治疗,验证以上参数抗炎效果。 3.对scRNA-seq数据进行分析,筛选出骨骼肌CNI的关键分子(IL-17A)。 4.注射抗IL-17A抗体抑制IL-17信号通路(IL-17A/IL-17RA),初步验证按压手法是否通过抑制IL-17信号通路活性发挥抗炎作用。 5.注射过表达IL-17A重组腺相关病毒(AAV-IL17A)激活IL-17信号通路,反向验证按压手法可以通过调控IL-17信号通路发挥抗炎作用。 结果: 1.痛阈测定、HE染色、免疫组化染色、Masson染色和超声结果显示,按压手法明显提高了 SD大鼠的疼痛阈值,降低了 IL-1β、IL-6及TNF-α的水平,改善了胫前肌的超声回声强度、羽状角、血流信号、横截面积及纤维化程度。 2.正交实验结果表明,按压手法抗炎优化的核心动力学参数组合为压力3N、频率1.5Hz、操作15分钟、每日治疗1次,各参数对治疗效果的影响次序为:压力>频率>操作时间>治疗频次。 3.细胞间通讯与相关性分析、基因表达差异分析、AUCell评分、GO与KEGG富集分析发现,中性粒细胞和IL-17信号通路呈异常激活状态。 ***、免疫荧光染色和Western blot结果显示,抗IL-17A抗体干预降低了 IL-1β、IL-6、TNF-α和Mpo+中性粒细胞的表达,按压手法除了降低IL-1β、IL-6、TNF-α和Mpo+中性粒细胞的表达,还抑制了 CD68+巨噬细胞、IL-17A、IL-17RA、NF-κB p65、HSP90、MMP9 和 GM-CSF 的表达,而 AAV-IL17A 干预部分拮抗了按压手法对以上指标的抑制作用。 结论: 按压手法抗炎核心动力学参数优化组合为压力3N、频率1.5Hz、操作15分钟、每日治疗1次,该优化后的按压手法可通过调控IL-17信号通路,降低炎症水平、缓解疼痛、改善组织结构。

关键词： 代谢网络模型   基因调控网络   酶动力学参数   深度学习   生物信息学  

摘要： 随着生物信息学和代谢工程领域相关研究的快速发展,对细胞工厂的代谢网络进行构建和优化,逐渐成为提升目标产物合成效率的关键环节。作为构建代谢网络的基础,利用基因调控网络可以通过对代谢途径上的多个关键基因进行“多点调控”,从而实现细胞内代谢通量的动态调节,然而这种多基因的调控思维范式虽然弥补了单基因调控的简化性缺陷,却忽视了代谢网络中酶催化的复杂特性。作为代谢途径上基因的表达产物,酶和底物分子之间的动力学特性直接决定了细胞工厂内代谢通量的高低。因此,本文章针对重构细胞内的基因调控网络及预测酶和底物之间的动力学参数等问题进行了深入研究。主要成果如下: （1）针对基因调控网络重构效果不佳的问题,本文提出一种基于图表示学习的深度学习模型GRLGRN（Graph Representation-based Learning to Infer Gene Regulatory Networks）。该模型利用图变换层提取先验基因调控网络中的隐式连接,并结合基因表达谱矩阵和注意力机制获取基因的高质量表征。通过在42个基准数据集上训练和测试,GRLGRN相较于其它基准模型展现出了更高的重构精度。这一成果为准确挖掘出细胞体内的全局转录因子提供有效的帮助,为进一步提高代谢通量打下了坚实的基础。 （2）针对预测酶和代谢底物之间米氏常数的问题,本文提出了一种基于深度学习的预测模型DLERKm（Deep Learning method to Extract Enzymatic Reactions Information for Km Prediction）。该模型充分利用预训练模型的优势,通过迁移学习有效的捕获了酶促反应和酶序列中复杂的特征信息,并结合分子指纹对酶促反应中分子集合信息进行特异性的表征。将DLERKm和现有基准模型进行比较,证明了该模型能够提供更为精确的预测结果,并通过可解释性分析展示了考虑产物特征的必要性。 （3）针对预测酶周转数的问题,为弥补米氏常数仅反映酶和底物之间亲和力的缺陷,本文提出了一种基于酶促反应多模态特征的深度学习模型Mul ERKcat(Multimodal Features of Enzymatic Reactions for kcat Prediction)。该模型旨在将酶促反应SMILES序列、酶序列、分子图和分子集合等多模态特征来作为输入,并结合预训练模型、图神经网络和注意力机制等深度学习算法来预测酶周转数。通过对比实验和酶序列相似度分析,充分说明了Mul ERKcat相较于其它基准模型的预测优势。 本文提出的GRLGRN、DLERKm和Mul ERKcat等深度学习模型,有望在代谢网络和代谢途径优化及酶的动力学特性改进等方面提供了全新的视角,并为进一步构建稳定且高效的细胞工厂提供了有力的技术支撑。

关键词： 混联机器人   运动学建模   动力学建模   参数辨识  

摘要： 在当今工业领域,混联机器人作为先进智能设备的应用日益广泛,为确保混联机器人实现预设运动的准确性和良好的动态响应特性,对其精度、动态性能等指标提出了更高要求。基于此,本文以实验室研制的五轴混联机器人为研究对象,围绕运动学分析、动力学建模、动力学参数辨识仿真及动力学参数辨识实验等方面展开研究。 首先,对五轴混联机器人的结构进行分析,将其拆分为并联和串联两部分,分别求解运动学的正逆解,并在此基础上推导联动机器人的运动学逆解。接着,基于对五轴混联机器人位置、速度和角速度的分析,通过仿真分析验证相关结果。在动力学分析环节,对并联结构进行动力学分析时,将串联结构与动平台视为一个整体负载,对串联结构进行动力学分析时,将并联平台动平台处于中位姿态,进而构建动力学模型和动力学参数辨识矩阵,为后续的参数辨识实验奠定基础,最后,通过仿真实验对所建立的动力学模型进行验证。 其次,针对混联机器人动力学参数辨识问题开展系统研究,通过深入分析影响参数辨识精度的关键因素,包括加工装配误差和初始值设定误差等,设计基于实验辨识法的动力学参数实验方案。在实验过程中,将机器人系统拆解为并联结构与串联结构,分别进行激励信号优化,在此基础上,融合递推最小二乘法的实时参数更新优势与改进差分进化算法的全局寻优能力,构建混合辨识框架及算法。最后,通过MATLAB/Simulink仿真平台,设置多组对比实验,验证该算法在辨识精度和收敛速度方面相较于传统方法的显著优越性。 最后,完成五轴混联机器人硬件与软件控制系统的搭建,基于该系统,分别对并联结构和串联结构开展动力学参数辨识实验,将预设的激励轨迹离散化为控制指令,输入至下位机驱动机器人执行激励运动,同步实时采集各关节的运动数据。针对采集的多源数据,采用卡尔曼滤波算法进行降噪处理,抑制测量噪声干扰,将滤波后的数据输入融合改进差分进化法的递推最小二乘算法中,通过迭代计算实现动力学参数估计。最后,通过对比理论模型与实际测量数据,验证辨识所得动力学参数的准确性与有效性。

关键词： 太阳能帆板   运动副间隙   动力学   虚拟样机   不确定参数  

摘要： 太阳能帆板的在轨展开过程通常具有不可逆性,一旦发生展开失败或误差可能导致航天器能量供应不足,严重影响任务执行。由于运动副间隙的存在,太阳能帆板在展开与锁定过程中不再是理想的刚性连接,而是表现出显著的非线性特性。这种非理想连接会引发多种复杂现象,如多体碰撞、自由间隙振荡和接触刚度变化等,从而导致系统角位移、角速度及角加速度的波动影响帆板展开的最终锁定精度。本学位论文以太阳能可展帆板为研究对象,重点分析间隙对机构动力学响应的影响,研究结果对含间隙机构的设计及动力学响应预测具有重要指导价值。主要研究内容如下: 首先,构建动态切向摩擦力参数与时变刚度、阻尼系数及法向碰撞力模型之间的关系函数,基于Newton-Euler动力学建模方法,建立考虑间隙效应及改进碰撞力计算的动力学模型。基于有限长度理论提出了间隙模型,并通过无质量杆简化系统结构。综合考虑间隙、制造误差和装配偏差,采用正态分布随机函数模拟误差影响评估其对运动输出的作用。 其次,探讨在时变刚度与阻尼系数碰撞力模型条件下,间隙对太阳能帆板动力学的影响。针对不同间隙半径、驱动力矩、摩擦系数、材料参数及间隙数目分析帆板展开过程中的动力学特性。 然后,在Adams软件中建立虚拟样机,并设置间隙,研究运动副间隙的位置及数量对机构位移、速度的影响,分析间隙对机构运行精度的作用。将仿真结果与数值计算结果对比以验证建模方法的准确性。 最后,建立考虑不确定参数的含间隙太阳能帆板动力学方程,探讨不确定性因素对帆板展开动力学特性的影响。重点研究不同间隙半径、不同驱动力矩对不确定参数下内外帆板在展开过程中的位移、速度和加速度的作用规律。