弹跳机器人动力学分析

弹跳机器人可以跃过数倍于自身尺寸的障碍物或沟渠,对地形有较强的适应力。但是相对于已经实用化的其他类型机器人,弹跳机器人目前还处于研究阶段。本文把驱动机构和弹跳机构一起加以考虑,综合各种阻尼的影响,构建了两类弹跳机器人模型。然后采用二阶拉格朗日方程,对其进行相应的动力学分析和比较,求出模型的动力学标准状态方程和弹跳高度的计算公式;并通过计算机模拟结果和试验结果的对比说明了分析的正确性。本文的分析结果同时适用于连续型和间隙型弹跳机器人的动力学分析。     

贝叶斯回归支持向量机的软测量建模方法

提出了一种基于贝叶斯证据框架的回归型支持向量机的参数选择和软测量建模方法。证据框架的第1层推理用来解释支持向量机的训练。证据框架的第2和第3层推理用于自动调整正则化参数和核参数并使其接近最优值。然后,将这种基于贝叶斯证据框架的回归型支持向量机用于估计聚丙烯腈生产过程的质量指标。仿真结果表明了该方法的有效性。     

新型切向磁钢混合励磁同步电机结构与原理

混合励磁电机兼具永磁电机高效率和电励磁电机励磁可调的优点。文中提出两种全新的具有轴向磁分路的混合励磁电机:两端轴向磁分路和单端轴向磁分路混合励磁同步电机。它们都是在切向磁钢永磁同步电机的基础上,将转子极靴沿轴向延伸,利用附加气隙及导磁桥形成轴向磁分路。阐述了两种新型电机的结构及原理,分析了两种电机的磁路特点,并给出其等效磁路。对比研究表明:单端轴向磁分路混合励磁电机轴向磁路短,电励磁效率高,是一种性能优越的混合励磁电机结构拓扑。     

数控机床切削颤振抑制方法研究

研究了通过调节数控机床伺服参数，控制极限切削宽度来抑制切削颤振的新方法。文中建立了包括机械系统、伺服系统及切削颤振环节的数控机床切削系统模型。该模型全面反映了各环节间的相互影响。通过仿真分析了切削系统的稳定性，并通过实验描绘了极限切削宽度与伺服系统参数的关系曲线，为数控强力切削过程中抑制颤振提供了可靠依据。仿真和实验结果表明，数控机床伺服参数与极限切削宽度具有映射关系，文中所述方法实用、可靠。     

PC机与数控机床CNC系统通讯

介绍通用微型机与数控机床ＣＮＣ系统之间通讯的具体实现方法，完成数控加工程序的直接输入／输出。实践表明该方法具有理想的应用效果。     

稀土永磁同步伺服电动机的控制与参数设计

首先从永磁同步伺服电动机运行状态基本数学模型着手，导出了最大电磁功率Ｐ（ｅｍ）和最大电磁转矩Ｔ（ｅｍ）与电机参数Ｒ，Ｘｄ，Ｘｑ的关系式，通过分析得到了Ｘｑ对Ｘｄ的合理比值范围。据此作者提出了一种不对称转子磁路结构的新型永磁同步电动机，然后借用有限元法分析计算，给出了该机永磁磁场的分布和交、直轴电枢反应电感Ｌ（ａｑ），Ｌ（ａｄ）与转子结构参数相关的曲线。为便于分析和优化设计，最后导出了该机的等效磁路，其计算结果与样机实测数据接近，为永磁同步伺服电动机与伺服放大器相匹配及机电一体化的研究、设计提供了依据。     

切向结构永磁同步电机辅助磁极的优化

为了减少切向结构永磁同步电机转轴侧永磁体的漏磁，提高气隙磁密，在切向结构永磁同步电机中合理引入辅助永磁体。辅助永磁体相对于切向永磁体的位置有3种．其中以模型b，c较为合理，永磁材料用量适中，对气隙磁通的贡献大。随着辅助磁极永磁体厚度的增加，气隙磁密增加，当永磁体厚度增加到一定值时气隙磁密开始减小（模型b）或几乎恒定（模型c），即辅助永磁体存在一个合理的厚度，该厚度与电机的极对数有关。     

新型的速度自适应观测器在直接转矩控制系统中的应用

实现高性能直接转矩控制系统的重要环节是准确地观测异步电机的定子磁链。文中将一种新型的速度自适应磁链闭环观测器，应用于直接转矩控制系统中，取代了传统的积分器，理论证明该系统是超稳定系统。仿真与实验表明，该方案电机磁链观测精度高，电机参数鲁棒性好，同时基于磁链观测器所设计的速度自适应辨识方案准确性好，收敛速度好，使系统在较低转速下仍能保持优良的性能。本系统针对1．1kW异步电机，采用数字信号处理器DSP（TMS320C32）进行了数字化实现，实时控制 软件是采用C语言和汇编语言混合编程实现的。     

SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.