碧波液压网 欢迎你,游客。 登录 注册

低耦合度PRPaR-2CPR并联机器人机构设计与运动学分析

作者: 夏蓉花 刘艳梨 来源:机床与液压 日期: 2024-12-17 人气:106
低耦合度PRPaR-2CPR并联机器人机构设计与运动学分析
提出一种支链含平行四边形结构的新型PRPaR-2CPR并联机器人机构,机构由1条PRPaR支链和2条CPR支链构成,具有结构简单、耦合度低、刚度高特点。基于方位特征(POC)方程的并联机构拓扑设计理论和方法,对自由度和运动性质进行分析计算,利用杆长约束条件建立运动学方程,计算得到逆解表达式,同时得到正解数值解。另外,根据雅克比矩阵分析出奇位性存在条件,通过位置逆解表达式,运用极限边界搜索法分别得到工作空间和运动灵巧度性能图谱,绘制相应性能图谱加以分析,期望在有限的操作空间范围内获得更好的运动灵活性性能。以任务工作空间内的全局灵巧度作为优化目标,选择遗传优化算法进行结构参数的优化设计。优化后的任务工作空间内灵巧度性能得到极大的改善,使此并联机构运动性能得到改善。

基于GA-BP神经网络的液压油缸激光熔覆层性能预测

作者: 宫成 马晓燕 曹海青 夏护国 焦阳 师玉璞 来源:上海金属 日期: 2021-11-08 人气:154
基于GA-BP神经网络的液压油缸激光熔覆层性能预测
激光熔覆再制造是实现绿色开采的重要环节。实现激光熔覆材料组分对熔覆层性能影响的预测可以减少材料设计过程中的试错成本,提高研发效率。针对矿用液压油缸激光熔覆材料,通过灰色关联度分析法,筛选出Fe基激光熔覆材料中对熔覆层性能影响较大的组分,建立3层反向传递(back propagation,BP)神经网络模型进行训练和预测;利用遗传优化算法对BP神经网络初始权值和阈值进行优化,并将优化后的遗传算法-反向传递(genetic algorithms-backpropagation,GA-BP)神经网络模型与BP神经网络模型的预测结果进行对比。结果表明:遗传优化算法可以大幅度提高BP神经网络模型的预测精度,在少量训练样本条件下,模型输出的预测值与实际值接近,预测误差从5.60%~710.37%降低至2.04%~18.43%,证明了GA-BP神经网络用于液压油缸激光熔覆层性能预测的可行性。
    共1页/2条