發(fā)布時間：2021-10-05 02:37

　　為提高旋轉(zhuǎn)式多臂機(jī)的運(yùn)動可靠性,對其旋轉(zhuǎn)變速機(jī)構(gòu)凸輪廓線進(jìn)行建模求解,并運(yùn)用粒子群算法進(jìn)行凸輪廓線重構(gòu)。首先,研究了旋轉(zhuǎn)變速機(jī)構(gòu)凸輪廓線數(shù)學(xué)模型構(gòu)建方法,確定綜框運(yùn)動特性的多項式表達(dá);其次,建立求解旋轉(zhuǎn)變速機(jī)構(gòu)凸輪廓線數(shù)學(xué)模型,獲得基于綜框運(yùn)動特性的凸輪廓線,并建立多臂機(jī)提綜機(jī)構(gòu)數(shù)字樣機(jī),進(jìn)行驗證分析;最后,運(yùn)用粒子群算法進(jìn)行凸輪廓線重構(gòu)方法研究,依據(jù)所構(gòu)建的凸輪廓線逆向分析系統(tǒng)重構(gòu)凸輪廓線。結(jié)果表明:提出的旋轉(zhuǎn)變速機(jī)構(gòu)凸輪廓線的數(shù)學(xué)求解方法,可基于粒子群算法進(jìn)行凸輪廓線重構(gòu),顯著提高凸輪廓線中心對稱度。 

【文章來源】：紡織學(xué)報. 2020,41(05)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

逆向求解獲得凸輪廓線

針對凸輪廓線優(yōu)化問題，粒子群算法[22-23]數(shù)學(xué)描述為:在由N個粒子組成的三維搜索空間中，第i個粒子的位置可表示為:xi=(xia,xib,xic)，運(yùn)動搜索到的最優(yōu)位置是Pi=(pia,pib,pic),xi(t)為第i個粒子在t時刻的位置，粒子速度vi=(via,vib,vic),vi(t)為第i個粒子在t時刻的速度，群體中全部粒子迄今搜索到的最優(yōu)位置為pg=(pga,pgb,pgc)，對于每一次迭代，其第d維按以下方程進(jìn)化:式中:t為當(dāng)前時刻;cp,cg為學(xué)習(xí)因子，為非負(fù)常數(shù)，用來調(diào)節(jié)粒子飛行的步長;r1和r2為屬于[0,1]的隨機(jī)數(shù)。

利用粒子群算法對凸輪廓線進(jìn)行重構(gòu)求解，并用編程工具對以上數(shù)學(xué)模型編程計算，取粒子群的規(guī)模為100[24]，設(shè)定最大迭代次數(shù)為5 000，依據(jù)經(jīng)驗值范圍[18-20]和粒子收斂速度試算后，確定學(xué)習(xí)因子cp=0.05和cg=0.1。當(dāng)?shù)螖?shù)超過1 800次后，最優(yōu)解停滯不動，獲得粒子收斂的群體行為在圖7中示出。圖7中黑色粒子為最優(yōu)粒子，示出了粒子初始分布情況、粒子經(jīng)500次、1 000次和5 000次迭代后收斂情況�？梢钥吹搅Ｗ邮諗壳闆r較好，同時得出修正系數(shù)與目標(biāo)函數(shù)結(jié)果如表2所示。

【參考文獻(xiàn)】：
期刊論文
[1]旋轉(zhuǎn)式多臂機(jī)提綜機(jī)構(gòu)動力學(xué)分析與優(yōu)化[J]. 金國光,魏曉勇,魏展,暢博彥,張旭陽.  紡織學(xué)報. 2018(09)
[2]電子多臂機(jī)旋轉(zhuǎn)變速機(jī)構(gòu)共軛凸輪再設(shè)計[J]. 張遠(yuǎn)華,茍向鋒,陳曉芳,王宗祿.  機(jī)械傳動. 2018(04)
[3]基于ADMAS的GT421型多臂機(jī)機(jī)構(gòu)動態(tài)仿真[J]. 沈毅,高大牛,劉春雷.  紡織學(xué)報. 2012(08)
[4]GT421型多臂機(jī)選綜共軛凸輪設(shè)計[J]. 高大牛,沈毅,劉春雷.  現(xiàn)代紡織技術(shù). 2012(01)
[5]粒子群優(yōu)化算法種群規(guī)模的選擇[J]. 張雯雰,王剛,朱朝暉,肖娟.  計算機(jī)系統(tǒng)應(yīng)用. 2010(05)
[6]回轉(zhuǎn)多臂機(jī)的設(shè)計與分析[J]. 祝章琛,董天義.  紡織學(xué)報. 1985(02)



本文編號：3418830