大扭矩机器人悬臂产生的信号量较大,运用大数据分析技术能够对海量信号进行精准分析,以期解决悬臂关节震颤控制成功率较低的问题。为此,构建大扭矩机器人悬臂关节运动学模型,获取悬臂关节运动学分析结果;使用自适应滤波器获取机器人工作信号,应用数据挖掘技术获取机器人悬臂关节震颤特征;最后,使用线性傅里叶拟合方法优化机器人悬臂关节震颤控制算法,以实现机器人悬臂关节震颤控制。构建应用测试环节,测试结果表明:基于大数据分析的震颤控制技术抑制振动成功率较高,可有效地解决悬臂关节震颤问题。

液力变矩器受到内部流场影响很难选择正确参数,导致输出结果误差较大。针对该问题,提出采用电增压协同技术来分配或规划电动涡轮机的功率,以协调发动机独立工作时的抛物线负载和恒力矩负载,从而得到液力变矩器输出流量精确结果,即通过分配或规划电动涡轮机功率,使车辆发动机的动力性能最优。与普通增压技术的对比实验结果表明:采用电增压协同技术,变矩器输出流量与理想情况下数值最大误差仅为0.01 m3/s,输出结果准确,能够为汽车稳定、高效行