两空间耦合下齿轮传动系统多稳态特性研究

通过将系统参数定义为参数变量, 构成参数空间,研究齿轮传动系统在参数空间和状态空间耦合下的非线性全局动力学特性,以及多参数、多初值和多稳态行为之间的关联特性.首先设计了一个两空间耦合下非线性系统多稳态行为的计算和辨识方法.其次,基于该方法并结合相图、Poincaré映射图、分岔图、最大Lyapunov指数、吸引域等,研究齿轮传动系统在不同参数平面上多稳态行为的存在区域和分布特性,以及多稳态行为在状态平面上的分布特性,揭示了参数平面和状态平面上系统可能隐藏的多稳态行为和分岔,并分析了多稳态行为的形成机理. 结果发现,两空间耦合下系统在参数平面上存在大量多稳态行为并呈"带状"分布, 状态平面上多稳态行为出现两种不同的侵蚀现象, 即内部侵蚀和边界侵蚀.分岔点或分岔曲线对初值的敏感性导致多稳态行为的出现.当齿侧间隙和误差波动在较小的范围内变化时,系统全局动力学特性受间隙和误差扰动的影响较小,受啮合频率的影响较大.两空间耦合下系统全局动力学特性变得丰富和复杂.      

基于粒子群优化支持向量机的太阳电池温度预测

建立通用而精确的太阳电池热模型对光伏系统的建模、输出功率与转换效率的损失分析至关重要. 基于复杂的太阳电池温度机理, 分别研究了太阳电池温度的稳态热模型(steady state thermal model, SSTM)和支持向量机(support vector machines, SVM) 方法建立的精确预测热模型. 首先, 基于空气温度、太阳辐射强度、风速3个最主要因素与太阳电池温度的近似线性关系, 在已有SSTM的基础上, 建立并校正了太阳电池的SSTM并采用差分进化算法提取模型的未知参数. 其次, 为提高SVM的模型预测精度, 采用粒子群优化(particle swarm optimization, PSO) 算法对SVM的核参数和惩罚因子进行动态寻优, 在确定输入/输出样本集并划分训练集和测试集的基础上, 建立了基于粒子群优化支持向量机(PSO-SVM)的太阳电池温度精确预测热模型. 最后, 搭建实验平台, 在实验操作过程中减弱空气湿度、太阳入射角和热迟滞效应等因素对太阳电池温度的耦合. 通过实验对比表明, 建立的预测热模型性能可靠、全面、简洁, 其参数寻优算法优于遗传算法和交叉校验法, 模型预测精度优于反向传播神经网络(back propagation neural network) 和SSTM.     

计及短周期误差的直齿轮副近周期运动及其辨识

齿轮副中的齿距偏差等短周期误差使系统出现复杂的周期运动, 影响齿轮传动的平稳性. 将该类复杂周期运动定义为近周期运动, 采用多时间尺度Poincaré映射截面对其进行辨识. 为研究齿轮副的近周期运动, 引入含齿距偏差的直齿轮副非线性动力学模型, 并计入齿侧间隙与时变重合度等参数. 采用变步长4阶Runge-Kutta法数值求解动力学方程, 由所提出的辨识方法分析不同参数影响下系统的近周期运动. 根据改进胞映射法计算系统的吸引域, 结合多初值分岔图、吸引域图与分岔树状图等研究了系统随扭矩与啮合频率变化的多稳态近周期运动. 研究结果表明, 齿轮副中的短周期误差导致系统的周期运动变复杂, 在微观时间尺度内, 系统的Poincaré映射点数呈现为点簇形式, 系统的点簇数与实际运动周期数为宏观时间尺度的Poincaré映射点数. 短周期误差导致系统在微观时间尺度内的吸引子数量增多, 使系统运动转迁过程变复杂. 合理的参数范围及初值范围可提高齿轮传动的平稳性. 该辨识与分析方法可为非线性系统中的近周期运动研究奠定理论基础.      

两空间耦合下齿轮传动系统多稳态特性研究

通过将系统参数定义为参数变量,构成参数空间,研究齿轮传动系统在参数空间和状态空间耦合下的非线性全局动力学特性,以及多参数、多初值和多稳态行为之间的关联特性.首先设计了一个两空间耦合下非线性系统多稳态行为的计算和辨识方法.其次,基于该方法并结合相图、Poincaré映射图、分岔图、最大Lyapunov指数、吸引域等,研究齿轮传动系统在不同参数平面上多稳态行为的存在区域和分布特性,以及多稳态行为在状态平面上的分布特性,揭示了参数平面和状态平面上系统可能隐藏的多稳态行为和分岔,并分析了多稳态行为的形成机理.结果发现,两空间耦合下系统在参数平面上存在大量多稳态行为并呈"带状"分布,状态平面上多稳态行为出现两种不同的侵蚀现象,即内部侵蚀和边界侵蚀.分岔点或分岔曲线对初值的敏感性导致多稳态行为的出现.当齿侧间隙和误差波动在较小的范围内变化时,系统全局动力学特性受间隙和误差扰动的影响较小,受啮合频率的影响较大.两空间耦合下系统全局动力学特性变得丰富和复杂.