以并联机构为研究对象,针对求解正运动学时神经网络法易陷入局部最优及Newton-Raphson法对迭代初值敏感的问题,提出了一种融合PSO-BPNN(Back propagation neural network,BPNN)和Newton-Raphson法的正运动学通用求解算法。建立了并联机构逆运动学方程,得到驱动杆值,以此为训练样本,利用粒子群算法(Particle swarm optimization,PSO)优化BPNN(PSO-BPNN)模型获得位置正解,再以PSO-BPNN的正解值作为Newton-Raphson法的迭代初值对并联机构正运动学问题进行求解。为验证算法的有效性和通用性,给出了3-PCR、3-PPR两种并联机构的算例仿真。结果表明,由于迭代初值选取与目标值相差较大,导致Newton-Raphson法无法收敛;相比于PSO-BPNN算法,PSO-BPNN和Newton-Raphson法相结合得到的绝对误差最少降低了99.68%和99.96%,迭代次数更少;该方法既克服了神经网络法局部收敛性差的缺点,又避免了初值选取对Newton-Raphson法...

管内流体压力波传递速度是分析研究液压系统稳定性和动态品质的基础物理参数。从传输管路波动方程出发,推导三传感器测量原理,引入Foster等价剪切系数模型,对液压管路中各种影响因子进行高精度估计,采用Newton-Raphson迭代法减小数据处理误差,精确计算压力波传递速度。基于理论推导,搭建液压管路压力波传递速度在线测量试验平台,用MATLAB软件编程,实现了液压系统多种工况下压力波传递速度的精准测量与计算。试验结果表明:系统在典型的工作压力20 bar、50 bar、75 bar和100 bar下,压力波传递速度大约分别为1320 m/s、1338 m/s、1363 m/s、1380 m/s,所测结果在置信水平为95%的波速区间内误差在±1%范围内;管路压力波传递速度大小随工作压力的升高而增大,并依据试验结果给出了二者之间的函数关系;精确计算压力波传递速度需考虑管路材料对系统柔性的影响。试验...