基于锡合金的水下机器人密封自修复系统设计

目的 解决水下机器人推进器密封系统在驱动电机轴高速旋转和高水压情况下,密封件易磨损失效导致发生漏水故障的问题。方法 利用余度设计思想,在原有密封结构的基础上,设计一种基于锡合金的水下机器人密封自修复系统,当原有密封结构失效漏水,密封自修复系统便控制限位锡合金块加热至融化,使锡合金块的限位作用消失,进而释放冗余密封圈,并通过拉簧的作用将冗余密封圈推至密封槽内,从而恢复推进器的密封功能。为验证设计的可靠性,又通过有限元软件ANSYS对密封自修复结构中影响密封性能的关键部件进行静力学分析。结果 关键部件的强度仿真结果均满足设计要求,在密封自修复实验装置箱体内注适量水,并施加2 MPa的水压保持一段时间,密封自修复系统成功启动,且其密封性能传感器未检测到其漏水。结论 密封自修复系统可在漏水的情况下顺利启动,并起到密封的作用,验证了设计的可行性。     

引信步进应力加速试验贮存寿命预测研究

目的 针对某机电引信加速寿命试验数据,采用传统统计分析方法存在计算量大、寿命预测精度难以保证的问题,开展与智能算法相结合的引信贮存寿命预测研究。方法 针对步进应力加速寿命试验数据,采用贝叶斯理论的环境因子法,对各级应力下的贮存时间进行折合计算。利用进化策略对粒子群算法进行改进,进而对所建立的BP神经网络预测模型的全局参数进行调整和优化,突破传统方法的局限。将折合后的试验时间、样本量、应力水平作为网络输入,失效数作为输出,来预测引信贮存寿命。结果 利用训练好的 BP神经网络预测引信在正常应力水平下的失效数,计算其贮存可靠度。在迭代402次后,模型找到最优解,且预测误差在1%以内。结论 步进应力加速寿命试验与智能算法相结合的方法计算过程简单,预测精度较高,可有效提高引信贮存寿命的预测精度。     

基于RBF神经网络的油气悬架平顺性研究

目的 提高整车的行驶性能,使车辆可以自主调节,以适应各种不同的路面,从而达到良好的缓冲效果。方法 以双气室油气弹簧为研究对象,对其组成和工作原理进行详细分析,推导出油气弹簧的阻尼力和刚度等非线性特性与车身位移的关系。根据RBF神经网络控制原理,设计RBF-PID控制器,依靠神经网络自学习性对PID参数动态整定,使整个车身振动衰减,快速达到稳定状态,并基于Matlab/Simulink平台建立仿真模型,在B级和C级不平路面输入的情况下,重点对轮胎动载荷、车身质心加速度以及油气悬挂动挠度等3项性能进行仿真和分析。结果 同普通PID控制相比,RBF-PID控制下,车身3项性能的RMS分别降低26%、54%、0.1%。结论 RBF-PID控制能够克服环境影响,实现油气弹簧特性的可靠控制,提高了车辆行驶的平顺性以及稳定性。