高速切削加工参数选择不合理会导致切削振动,切削过程中振动引起的不稳定切削会产生一系列不良的影响,切削振动的预测将有助于优化高速切削加工过程,提高切削加工表面质量和加工效率。概述了高速切削加工过程中颤振产生的机理与类型,并分析了切削颤振的影响因素;对切削加工过程稳定性预测进行了报道,重点论述了切削稳定性的影响因素;对切削振动辨识与预测方面的研究成果进行了总结。指出了切削加工过程振动预测技术的未来发展趋势。

热膜式空气质量流量传感器响应速度较快，测量范围宽，可靠性高，广泛应用于发动机空燃比的测量。但是，这种传感器的动态非线性问题影响了进气量测量的精度。采用基于多幅值阶跃信号的Hammerstein模型和两步辨识方法描述了传感器的特性。通过动态标定实验，得到不同幅值的阶跃输入、输出数据。根据幅值，用最小二乘拟合方法确定非线性系数，由输入数据和非线性系数得到静态非线性环节的输出。根据输出数据，运用线性自回归方法得到动态线性环节的传递函数。这样就建立起块联形式的动态非线性模型，有利于传感器动态非线性的校正。建模结果表明，动态非线性模型比线性模型可更准确地描述传感器的特性。

本文分析了在１ｇ条件下在分度头上标定加速度计时影响标定精度的因素，论述了提高加速度计标定精度的方法。

研究以增大导弹落角为目标的过重力补偿比例导引律及其工程应用。将重力补偿信号作为加速度补偿指令引入线性比例导引回路,从而建立了仿真数学模型,分析了重力补偿系数、比例导引系数等参数对制导系统性能的影响,并根据遥测数据给出实际系统的过重力补偿系数、比例导引系数的辨识结果从而验证了理论设计结果,得到过重力补偿比例导引律的一般设计方法。

针对某型高速叉车底盘与车身匹配分析的虚拟样机,为确保其仿真分析的置信度,依托整车平顺性测试结果,采用最优化技术辨识车身转动惯量并用于虚拟样机的修正。具体地,一方面,由整车平顺性测试结果中获得其前、后悬架系统悬挂质量部分的固有频率,即偏频。另一方面,将车身转动惯量视为参数化变量,建立参数化的车身振动分析之理论模型。进而,基于理论模型计算而再次得到前、后悬架系统偏频,并优化车身转动惯量的参数化取值,最终使悬架偏频的理论计算结果与相应的测试结果趋于吻合,此时的车身转动惯量取值即为最终的辨识结果,由此大大提高了这一建模所需关键性基础数据的精确性。而相关的整车动态测试结果则验证了所提方法的有效性。

磁流变减振器的输入输出具有很强的非线性关系,通常在进行结构分析时,需要对结构进行简化或线性化处理,因此理论上计算的十分准确的控制量,在实际中并不能达到满意的控制效果。该文采用BP神经网络对所设计的减振器进行正模型和逆模型辩识,避免了对结构进行理论建模的复杂性与不精确性,达到了很好的辨识效果。

获得螺栓结合部的静态迟滞行为并开展刚度、阻尼辨识,对于螺栓结合部设计以及装配工艺制定十分重要.利用三维有限元模型预测螺栓结合部迟滞特性,并给出了螺栓联接接触参数的设置方法.针对获得的迟滞曲线,采用最小二乘多项式拟合推导确定了结合部刚度及阻尼参数的辨识公式.以一个简单的螺栓搭接梁为对象进行了实例研究,试验证明了该搭接梁有限元模型及获得的迟滞曲线的合理性,利用获得的迟滞曲线辨识了该螺栓结合部的时变刚度、平均刚度和损耗因子等参数.研究表明随着预紧力的增加,螺栓结合部的刚度增加而损耗因子(阻尼参数)减小.

针对强耦合、高度非线性的机器人辨识问题,提出一种基于特征向量选择(FVS)的多输出支持向量机(MSVM)方法。该方法由核技术对映射至特征空间的输入数据,按照几何上的考虑提取相关的数据向量,形成特征空间的一个基底,所选择的数据向量定义为特征子空间。将数据投影至该子空间上,基于MSVM方法建立辨识模型,MSVM方法保持了在ε不敏感损失函数下具有紧凑与稀疏解的优点。为验证FVS-MSVM方法的有效性,将其应用于液压驱动机器人的油压辨识、PUMA560工业机器人逆向运动学辨识、SARCOS仿生机器人逆向动力学建模中。在同等条件下,将FVS-MSVM方法与SVM、KPCA-MSVM及FVS-线性回归(LR)等方法进行比较。实验结果表明,FVS-MSVM方法不仅能够减小计算复杂度,而且具有很好的建模与辨识精度,模型的推广性好。

本文指出可把摩擦力引起的死区非线性视为正比于单位速度向量的反馈,并建立了有巨大摩擦力的电炉电极控制液压伺服系统的方框图及传递函数,以脉冲响应法对之进行了辨识。辨识结果与实际一致。

根据液压AGC系统的构成建立了轧机液压AGC系统的动态模型使用基于参数的辨识算法对液压AGC的部分参数进行离线辨识利用MATRIXx仿真软件对模型进行仿真通过与实验结果对比验证了模型的准确性.