【摘 要】
:
在运载火箭重载化、大型化、经济化的发展态势下,火箭贮箱箱底等大型航天薄壁回转体制件的整体旋压加工技术成为了我国航天制造当前亟待攻克的难题。为抑制立式强力旋压过程中板坯边缘褶皱等失效问题的发生,本论文中为并联旋压机设计了一种压边高度及直径可调的随动压边装置。为了达到预期的压边工作效果,该随动压边装置的电液比例协同控制系统对持续未知扰动影响下的单液压缸位置控制精度、双缸同步控制精度、上下压边圈协同偏差
论文部分内容阅读
在运载火箭重载化、大型化、经济化的发展态势下,火箭贮箱箱底等大型航天薄壁回转体制件的整体旋压加工技术成为了我国航天制造当前亟待攻克的难题。为抑制立式强力旋压过程中板坯边缘褶皱等失效问题的发生,本论文中为并联旋压机设计了一种压边高度及直径可调的随动压边装置。为了达到预期的压边工作效果,该随动压边装置的电液比例协同控制系统对持续未知扰动影响下的单液压缸位置控制精度、双缸同步控制精度、上下压边圈协同偏差控制精度以及系统鲁棒性均有很高的要求。因此,研究并联旋压机随动压边装置及其电液比例协同控制系统对于航天制造技术以及控制技术而言都具有重要意义。本论文的主要研究内容有:阐述了本论文的研究背景及意义,对旋压成形技术、旋压质量控制方法、电液比例控制系统以及协同控制系统的发展进行了深入调研。依据大型立式并联旋压机整体结构以及旋压加工过程中的失效抑制要求,完成了随动压边装置的机械结构设计,并详细介绍了装置的具体工作原理,进一步完成了主要元器件选型、液压控制系统设计及电控系统方案设计。结合电液控制系统三个基本方程建立了阀控液压缸位置控制系统的状态空间表达式。通过对压边圈负载耦合进行理论分析,建立了单压边圈双缸位置同步控制系统的数学模型。随后在MATLAB/Simulink和Sim Hydraulics环境下搭建了双缸同步控制系统的仿真模型,并通过对比验证了两种模型的有效性。根据随动压边装置的协同控制要求,完成了在压边工作模式和非压边工作模式下该随动压边装置的协同控制方案初步设计。针对单压边圈双缸位置同步控制系统中系统非线性、内部参数变化、外界扰动等对系统控制精度及鲁棒性的影响,提出了一种基于非线性扰动观测器的自适应滑模同步控制算法。随后在Simulink环境下对该控制算法进行了仿真分析,并通过与常规PID-并行控制、常规滑模-并行控制、有扰动补偿的滑模-并行控制以及有扰动补偿的滑模-PD交叉耦合控制进行对比,验证了所提算法的优越性。为了提高上下压边圈协同位置偏差精度,设计了基于粒子群算法参数整定的单神经元PID位置偏差补偿器。随后在MATLAB/Simulink环境下对偏差补偿算法进行了仿真分析,通过与常规PID偏差补偿器以及未经过参数调整的单神经元PID偏差补偿器进行对比,验证了算法的有效性。之后结合本论文提出的两种控制算法搭建了随动压边装置整体协同控制系统模型并进行了仿真分析,结果表明所设计的整体协同控制器在系统受到持续外部扰动及内部参数不断变化的情况下,仍能很好地满足系统高精度位置控制及强鲁棒性要求。最后进行了随动压边装置样机的开发。完成了样机机械系统与电控系统的硬件搭建,在Lab VIEW环境下完成了控制系统软件开发,并在此基础上初步完成了样机调试工作,为后续并联旋压机的随动压边装置的运动控制及整体旋压加工实验打下了基础。
其他文献
三维数据有着广泛的应用,比如自动驾驶、机器人、游戏等。和一维信号与二维图像相比,三维数据往往缺乏规则的空间结构并且对旋转鲁棒性有着更高的要求。近年来许多研究这从以上两点出发设计了适合三维数据的深度学习方法,极大地提高了三维数据分析的性能。三维旋转是一种重要的三维数据表达形式,可以更直接地表达三维空间中的相对关系,例如人体骨架关节的旋转,物体在三维空间中的姿态等。相比于点云数据,三维旋转有着独特的群
通道剪枝在卷积神经网络加速中有着广泛的应用,但如今已经遇到了瓶颈,主要源于两处挑战:1)对冗余性准确而直观的测量;2)模型卷积层之间的依赖性使得冗余性动态变化,如何对此建模。为此,本文首先引入了dropout技术,其中包含一个dropout rate的参数,表达了在训练中丢弃通道的概率。考虑到传统dropout难以优化,本文推导出了高斯dropout,使得dropout rate可以在贝叶斯框架下
随着无线通信技术的发展,无线设备的数量也在急剧增加。第五代移动通信技术采用认知无线电技术和新的多址接入技术等方法来提升无线系统的频谱利用效率。然而,射频干扰攻击会对通信系统的可用性造成严重破坏。干扰器通过发射非法信号,可以阻止合法节点接入通信网络,也可以干扰进行中的通信,降低节点的通信速率。如何在新的通信环境下防御射频干扰攻击就成为了一个亟须解决的课题。以Q-learning为代表的强化学习算法具
为了应对近年来深度卷积神经网络(CNNs)对于计算和存储需求的快速增长,研究人员提出了多种方法来实现模型压缩与加速,其中包括低秩分解,网络剪枝,权重量化,神经网络结构搜索和知识蒸馏等。在上述方法中,基于网络剪枝的算法通常能够在易用性和压缩加速性能之间取得良好的折中,因此格外受研究人员青睐。尽管现有的网络剪枝算法在一些特定的深度学习任务上展现出了不俗的压缩加速性能,这些算法在更广泛的实际应用场景中或
目标物体的位姿识别和各种场景下的运动规划问题是非结构化环境下机器人作业的关键技术。一方面,现有位姿识别算法中,基于模板搜索匹配或者基于迭代的算法速度较慢,基于神经网络的算法往往模型体积较大,意味着更大的存储需求和计算量。而嵌入式的机器人系统往往存储和计算能力受限,但有实时性及精度需求。另一方面,机器人系统中往往存在多场景的运动规划问题,包括高维问题。因此,使用的运动规划算法需要便于泛化、适用于高维
工件装配是智能制造领域中不可缺少的组成部分,如今小批量与多样化的生产模式对装配工作的快速性、准确性以及灵活性均提出了更高的要求。与传统方式相比,基于协作机器人的智能化装配在保证产品质量的同时,能够最大限度地提高生产过程的柔性与效率。国内外对于智能装配技术的研究主要集中在工件的识别与定位问题上。本文以包含平面特征的无纹理工业零件为研究对象,以复杂背景下工件识别与高性能位姿估计为研究切入点,提出将堆叠
随着计算机算力的提升、存储技术的发展以及互联网的普及,机器学习模型越来越多地受到人们的关注。大量的研究成果已经在现实生活中为我们带来了便捷。作为一项数据驱动的技术,机器学习模型可以有效地挖掘海量数据背后潜在的关系。数据质量的好坏对模型最终的性能起到了根本的、决定性的作用。但是用来训练模型的数据有的直接从外部环境中搜集整理而来,比如直接来自互联网上的用户。这样就给攻击者提供了攻击机器学习模型训练数据
推进高校组织育人工作,是把牢高校意识形态主导权、培养德智体美劳全面发展的时代新人、强化高校基层组织的凝聚力和战斗力的必然要求。当前,高校基层组织在培育时代新人方面存在一些困境。如,政治功能发挥不充分,导致组织育人的政治引领力不强;工作理念不能因势而进,导致组织育人的有效性不足;各类组织不能形成育人合力,导致组织育人的联动性不够,等等。鉴于此,文章提出优化组织育人,要旗帜鲜明,积极发挥高校组织在时代
当工业机器人视觉系统用于工件表面三维测量任务时,为了获得较好的测量精度,不仅需要对机器人视觉系统进行标定,还需要对相机进行拍摄位置规划与定位控制,以获得足够多的工件表面关键特征信息。现有的工业机器人视觉测量方案中,相机的拍摄位置需要根据人为经验进行规划,而相机定位通过机器人控制器的开环控制实现。然而,该方案无法保证工件表面的关键特征位于相机视野内,会导致关键特征信息缺失,影响三维重建精度。针对以上
随着科技的发展和社会需求的改变,各类产品向个性化、质量优转化;工业生产模式向柔性化、智能化制造转变,在这样的时代背景下,部署简单、灵活易用的协作机器人逐渐成为机器人研发领域的热点。碰撞检测与拖动示教功能体现了协作机器人安全性与协作性的本质特点,成为实现人机自然交互的基本功能。无外部传感器人机交互所带来的低成本高效益,吸引着众多学者投身于无外部传感器的人机交互算法的研究中。为推动无外部传感器碰撞检测