柔性多体系统中间隙铰接副的磨损预测

通过集成磨损计算与柔性多体动力学,对柔性系统中间隙铰接副部位的磨损进行了预测.基于绝对节点坐标方法（ANCF）建立了柔性部件的多体动力学模型,引入连续接触力模型计算间隙铰接副部分的接触力,并采用Archard磨损模型的迭代磨损计算程序预测磨损.为了得到在不同接触情况下的磨损系数,本文中采用了径向基神经网络处理试验数据.通过对含柔性连杆的曲柄滑块机构进行仿真计算,发现当考虑部件的柔性时,得到的间隙处的冲击力大幅降低,且预测的磨损量也略有降低,这种区别会随着仿真时间的增加而变得更加明显.     

应用Winkler弹性基础模型的间隙铰接副磨损预测

间隙铰接副磨损与机构动力学之间存在交互耦合作用.通过Winkler弹性基础模型既可表达铰接副共形接触反力用于构建多体力学方程,又可得到界面接触压力分布用于磨损计算,从而可获得较Hertz理论对共形接触问题更好的计算准确度,且避免有限元方法计算接触压力分布导致的计算耗时性.以曲柄滑块机构为例的分析和实验结果表明:虽然有限元方法可得到更高的磨损预测精度,但Winkler模型对微间隙铰接副磨损预测具有可接受的精度和更好的计算效率,从而可为含间隙铰接副机械系统摩擦学设计提供简便的算法.     

机构运动副间隙被动控制研究

将阶跃函数与牛顿二状态相结合 ,考虑曲柄非匀速运转 ,对含间隙平面连杆机构的副间分离与碰撞过程建立了动力学统一模型 ,利用该模型 ,引入粘弹性阻尼被动控制技术 ,通过算例分析了被动控制的效果。分析结果表明 ,在不改变机构基本参数的情况下将粘弹性材料引入到机构的间隙铰接处大大降低碰撞时引起的冲击效应 ,提高了机构运转的的稳定性 ,同时为含间隙机构控制领域的研究提供了新思路     

基于灰色BP神经网络的陀螺电机状态预测

陀螺电机状态直接影响惯导系统的精度和可靠性,对其进行预测是惯导系统性能评估和寿命预测的重要途径。利用灰色理论的建模预测方法对随机性较大的数据预测精度不高;BP神经网络模型的预测方法具有良好的非线性和自学习能力,但训练效率不高且训练效果受样本数影响较大,网络容易限于局部最小值。针对陀螺电机状态特征参数的特点,本文提出一种基于灰色BP神经网络的混合模型。该模型利用BP神经网络对灰色模型误差进行建模,模型输出返回灰色模型进行输入修正。利用灰色理论、BP神经网络以及混合模型对状态特征参数进行建模和预测,结果表明,混合模型的预测误差比灰色模型减小了约2／3,比神经网络减小了约1／3,证明了该模型的有效性。     

基于神经网络的机械磨损故障光谱定位诊断法

在分析常用光谱定位诊断方法的基础上提出了基于神经网络的光谱定位诊断法；将机械摩擦副材质的元素含量作为神经网络输入，将材质所对应的部件作为神经网络输出，建立了相应的神经网络训练样本；通过整理训练样本和训练神经网络，利用神经网络超强的非线性映射能力和容错性实现了磨损故障部位诊断；通过算例分析验证了所提出的诊断方法的可行性和准确性．结果表明，所建立的方法简洁有效，并具有很高的诊断精度．     

基于Matlab和BP神经网络的爆破振动预测系统

爆破振动预测是一个复杂的非线性问题,可应用非线性功能强大的BP神经网络技术来解决,但由于其数值计算量大、可操作性不强等特点,在实际工程中应用困难。为了解决该问题,本文中将Matlab程序的强大计算能力与VB的友好界面相结合,利用ActiveX自动化技术和BP神经网络算法,开发得到爆破振速峰值预测系统。该预测系统可根据各工程实际情况选取影响爆破振动的主要因素作为输入参数,以预测爆破振速峰值。通过在北京市昌平线暗挖区间隧道工程中的应用表明：该预测系统在实际工程中使用方便,操作简单,预测精度高,人机交互界面友好。

     

基于BP神经网络的V9-Cr4-Mo3高速钢冷轧辊磨损模型

利用自制轧辊模拟磨损试验机测试了6种不同碳含量的V9Cr4Mo3高速钢轧辊的磨损性能,利用BP神经网络建立了磨损量与碳含量和磨损时间的非线性关系模型．结果表明：良好训练的BP网络模型可以有效预测不同碳含量的V9Cr4Mo3高速钢轧辊的磨损性能．结果表明：碳含量约为2．58％时,高速钢基体组织主要为高硬度和高韧性的板条马氏体,可以有效抵御轧制过程中的疲劳和显微切削,耐磨性最佳;当碳含量过低时,高速钢基体为低硬度的铁素体,显微切削为轧辊的主要磨损机制,而碳含量过高时,其基体主要为韧性较差的片状马氏体,轧辊以疲劳磨损为主,二者均导致轧辊耐磨性下降．     

柔性对多体系统中铰接副磨损的影响

通过集成柔性多体动力学与磨损计算程序,提出了一种用于对柔性多体系统中间隙铰接副部位的磨损进行了预测的方法.基于绝对节点坐标方法(ANCF)建立了柔性部件的多体动力学模型,引入Lankanrani和Nikravesh提出的连续接触力模型计算间隙铰接副部分的法向接触力,采用Lu Gre摩擦模型计算切向摩擦力,并利用基于Archard模型的迭代计算程序计算磨损.为了提高计算效率,引入了并行计算策略.最后,通过对一个含柔性连杆的曲柄滑块机构机构进行仿真计算,发现当考虑部件的柔性时,得到的间隙处的冲击力会大幅降低,预测的磨损量也随之降低,并且随着机构柔性的增强,这种效果更为明显.     

基于BP神经网络的风电机组钢混组合式塔架结构频率预测

风电机组塔架结构固有频率设计是风力发电结构体系设计的基础。针对风电机组新型钢混组合式塔架（“混塔”）结构固有频率传统理论计算和有限元法计算的不足,提出了基于BP神经网络算法进行频率预测的新方法。首先,利用有限元计算和分析,确定了训练模型的特征量和标签;然后,利用32个有限元计算样本,基于BP神经网络算法训练了可用于混塔结构频率分析的模型。经验证,该方法对混塔的一阶频率预测误差仅约为0.1%,具有很高的准确性;利用不同的样本集训练的模型也能快速准确预测混塔一阶频率,说明算法具有高度的稳定性;该方法还可用于预测混塔的多阶频率,结果仍显示出高度的准确性。此外,与基于有限元的频率计算相比,该方法具有突出的计算效率。整体上,本文提出的基于BP神经网络的混塔结构固有频率预测新方法,具有高度的可行性、精准性和高效性,可为风力发电机组塔架结构体系设计提供重要的指导。     

基于BP神经网络算法的断裂参数预测

采用BP神经网络算法预测断裂参数J和A2.将三点弯曲试件有限元数值实验结果作为神经网络的训练样本,经过训练得到拓扑结构为4-25-2的BP网络模型.建立了J-积分、约束参数A2这二者与裂纹尺寸、裂纹尖端附近三个应变值之间的非线性映射.结果表明:应用BP网络时,只要选取适当的传递函数、训练函数、隐含层数目、神经元个数、学习速率就可以得到较好的预测,满足应用要求.     

含双间隙连杆机构动力学仿真与实验

为考察含双间隙连杆机构的动力学行为,进行了仿真和实验研究。在仿真中,基于ADAMS软件建立了一个非线性接触力模型。同时,设计和建立了一个实验装置来对仿真结果进行验证。分别讨论了间隙尺寸、加载频率和加载力幅值对接触碰撞力的影响。结果表明,间隙的存在会影响传递力曲线,使机构产生明显的振动冲击,间隙大小和加载速度是影响机构动态响应的主要因素。实验结果证明了本文模型的正确性。     

Experimental verification of dynamic behavior for multi-link press mechanism with 2D revolute joint considering dry friction clearances and lubricated clearances

Nonlinear Dynamics - The existence of clearance joints seriously affect the kinematic accuracy and service life of precision mechanisms. So as to ensure the kinematic accuracy reliability of...     

基于主动学习神经网络的转向架构架疲劳可靠性分析

为了提高转向架构架疲劳可靠性分析的精度与效率,提出一种主动学习BR-BP神经网络模型与Monte Carlo法相结合的可靠性分析方法。该方法针对BP神经网络的缺陷,使用贝叶斯正则BR(Bayesian regularization)算法作为训练算法,以提高神经网络的拟合精度与收敛速度,并考虑可靠性分析的固有特点,构造了一种适用于BP神经网络的主动学习函数,用于指导最佳样本点的选择。提出的学习函数不仅保证了样本点分布在极限状态函数附近,还考虑了样本点的预测误差以及样本点分布对失效概率计算的影响。转向架构架可靠性分析结果表明,本文方法在提高拟合精度的同时兼顾了计算效率,验证了所提方法的优越性与可行性。     

The compliance contact model of cylindrical joints with clearances

This paper is concerned with the determination of the normal force-displacement (NFD) relation for the contact problem of cylindrical joints with clearance. A simple formulation for this contact problem is developed by modeling the pin as a rigid wedge and the elastic plate as a simple Winkler elastic foundation. The numerical results show that the normal displacement relation based on Hertz theory is only valid for the case of large clearance with a small normal load, and the NFD relation based on Persson theory is only effective in the case of very small clearance. The proposed approximate model in this paper gives better results than Hertz theory and Persson theory in a large range of clearances as seen from the comparison with the results of FEM. The project supported by the National Natural Science Foundation of (10272002; 60334030). The English text was polished by Keren Wang.     

优化BP神经网络的光纤陀螺温度漂移建模与补偿

光纤陀螺(FOG)温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。     

基于神经网络算法的建筑结构振动分散控制研究

针对地震作用下建筑结构振动分散控制问题,引入神经网络算法,研究结构振动分散神经网络控制策略,来解决分散控制中各子系统的耦合问题和神经网络算法的训练成本问题.利用径向基函数RBF(Radical Basis Function)神经网络模型并基于newrb函数构建了RBF神经网络控制器,对某20层Benchmark结构模型分别进行集中控制和多工况子系统划分分散控制的数值模拟分析,结果表明,提出的各子系统耦合的分散RBF神经网络振动控制策略考虑了子系统间的信息共享,可有效控制结构的振动响应,且子系统达到理想训练结果所需的训练次数与BP网络相比显著降低.     

矩形板结构损伤的分区域神经网络识别方法

通过引入LM优化算法,针对矩形薄板中对称结构的损伤识别问题,提 出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比 较高的问题,常会出现网络训练时收敛速度慢、网络预测精度低,并且当网络训练达到目标 误差时,输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题,利用选 取的组合输入参数,提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟 结果表明：提出的分区域识别方法对结构损伤的分区和预测是可行和有效的, 其预测精度要明显的高于只用单个网络的预测结果,并且预测子网络对损伤的位置和程度是 同步输出的,从而避免了传统分步识别理论中子网络过多的问题.     

Comparison and analysis of two Coulomb friction models on the dynamic behavior of slider-crank mechanism with a revolute clearance joint

The objective of this study is to investigate the effects of the Coulomb dry friction model versus the modified Coulomb friction model on the dynamic behavior of the slider-crank mechanism with a revolute clearance joint. The normal and tangential forces acting on the contact points between the journal and the bearing are described by using a Hertzian-based contact force model and the Coulomb friction models, respectively. The dynamic equations of the mechanism are derived based on the Lagrange equations of the first kind and the Baumgarte stabilization method. The frictional force is solved via the linear complementarity problem (LCP) algorithm and the trial-and-error algorithm. Finally, three numerical examples are given to show the influence of the two Coulomb friction models on the dynamic behavior of the mechanism. Numerical results show that due to the stick friction, the slider-crank mechanism may exhibit stick-slip motion and can balance at some special positions, while the mechanism with ideal joints cannot.