对半圆形、单三角形、三角半圆形和双半圆形节流槽阀口的流量系数进行了研究。基于阀口的流量压差特性试验,在已实现程序化计算阀口通流面积的基础上,获得了上述4种节流槽阀口的流量系数及其变化规律,对节流槽滑阀的设计及其流量精确预测具有重要实用价值。

挖掘机器人伺服系统存在高度非线性、参数不确定和未建模动态等诸多不利因素,提出了一种结合径向基函数(RBF)神经网络的非线性滑模控制器,以提高控制精度和鲁棒性。首先,建立了单联伺服系统的数学模型;其次,采用RBF神经网络对系统的不利因素进行逼近,提出积分滑模面进一步减小稳态误差,同时减少对伺服系统参数的依赖,在此基础上,设计了基于RBF神经网络的滑模控制器(SMC-RBF),利用Lyapunov理论证明了系统的渐近稳定性;最后,通过不同的参考信号和整平实验验证了控制器的优越性。仿真结果表明,SMC-RBF控制器响应快,跟踪精度高且鲁棒性强,与PID控制器相比正弦轨迹跟踪精度提高了46%。整平实验结果表明,铲斗末端轨迹跟踪精度提高了52%。

对半圆形、单三角形、三角半圆形和双半圆形节流槽阀口的流量系数进行了研究。基于阀口的流量压差特性试验在已实现程序化计算阀口通流面积的基础上获得了上述4种节流槽阀口的流量系数及其变化规律对节流槽滑阀的设计及其流量精确预测具有重要实用价值。