CN107526886A - 月面实际行走过程中的月壤机械参数确定方法 - Google Patents

Abstract

本发明公开了一种月面实际行走过程中的月壤机械参数确定方法，通过压板沉陷试验、三轴剪切试验和履带板剪切试验，获得不同土壤的承压参数和剪切参数，再通过土槽仿真或土槽试验获取给定土壤参数下月球车车轮的行驶特性参数；3)以土壤参数作为输入数据集，车轮行驶参数为输出数据集，进行神经网络训练，确定神经网络传递函数、网络结构和权值，并在月球表面实际行走过程中，将月球车车载的用于测量车轮行驶特性参数的各传感器测得的相应参数数据输入神经网络，获得土壤参数。本发明可以通过非模型的方法，在车辆行走过程中实现土壤参数的确定，提高星球车就位土壤参数辨识水平。

Description

月面实际行走过程中的月壤机械参数确定方法

技术领域

本发明属于航天器地面试验技术领域，具体涉及一种月面实际行走过程中的月壤机械参数确定方法。

背景技术

月球/火星表面覆盖有星壤，并且遍布陨石坑、火山、沙丘和峡谷，这些地形极易造成巡视器打滑、沉陷甚至不能通过。目前已经有多辆星球车被送往月球和火星，其中不少车辆都面临在松软星球表面沉陷而导致通过性能变差，甚至无法行驶的问题，例如“勇气号”火星车因为陷入沙地，变为固定观测平台。因此如何有效地获取星壤的机械特性，评估巡视器在其上的通过性，是保证探测器安全性、决定探测器车轮动作、选择行驶路径急需掌握的技术之一。

目前，外星球土壤的机械特性参数可以通过采样返回分析和就位探测两种形式获得。采样返回分析是指在星球表面进行样品采集作业，将采集到的样品封装并运送回地球，利用专门的实验仪器在地球环境中对星壤样品进行研究和检测，以此获得相关的数据。比如20世纪的美、苏探月计划，均在月球采集了大量月壤样品，返回地球进行实验分析。就位探测的意义则更为深远，其主要原因有以下两点：首先月壤样品的力学特性不具备普遍性和共通性，仅以小范围内的样本来代替整体的测量数据是不准确的；而最重要的是在样品通过返回器运送回地球的过程中，会经历两次大的动力过载阶段，这就对月壤本身的物理化学特性产生了一定的影响，在此基础上测定的数据也是不准确的。

鉴于以上背景，在月面实际行走过程中实时地确定月壤机械参数成为月壤机械参数就位测量的必然需求。目前已有的方法主要是借鉴车辆地面力学的研究成果，假定轮下的应力分布为特定模型，将应力沿接触面积分就可以得到挂钩牵引力DP、垂直反力F_z和驱动扭矩T的值，车辆行走过程中实时测量车轮受力和力矩，进而反解出土壤参数。其一般步骤为：

1)法向应力计算：假定轮下法向应力的分布如图1所示，其数学描述如下：

其中θ_m为最大应力角，可表示为滑转率的函数：

θ_m＝(c₀+c₁s)θ_f (3)

这里c₀,c₁称为最大应力角常数，一般c₀≈0.4，0≤c₁≤0.3。s为滑转率，对于驱动轮而言，它定义为车轮平移速度和角速度的函数，可表示为：

其中ω为轮轴的驱动角速度，r为车轮半径，v为车轮实际行驶速度。

2)剪切应力计算：剪切应力τ(θ)可按下面的剪切应力-变形方程确定

其中c为土壤内聚力，为土壤内摩擦角，Kj为剪切变形模量，j为剪切位移，可表示为滑转率的函数

j＝r[(θ_f-θ)-(1-s)(sinθ_f-sinθ)] (6)

3)车轮受力积分：根据轮下应力分布，将应力沿接触面积分就可以得到挂钩牵引力DP、垂直反力F_z和驱动扭矩T的表达式：

4)土壤参数求解：通过数值积分方法简化方程(7)-(9)，得到3个方程组成的非线性方程组，利用牛顿迭代或最速下降等非线性方程组求解方法求解土壤参数，实现内摩擦角、沉陷模量和沉陷指数的计算。

上述方法中，由于土壤的应力分布形式较为复杂，导致无法通过显式方法求出土壤参数，为了能够进行显式求解，美国MIT的Lagnemma等推导了简化的轮地力学封闭解析模型，并将其应用于土壤内聚力和内摩擦角的在线计算，其步骤为：

1)法向应力计算：将图1中的轮下法向应力分布简化为线性分布：

2)剪切应力计算：将剪切应力也简化为线性分布

3)土壤参数计算：根据法向应力和剪切应力的简化公式，代入公式(7)-(9)，利用最小二乘估计，建立土壤内聚力和内摩擦角的求解式：

其中

利用上述方法可以对土壤参数c和进行计算，但这些方法的前提土壤应力分布模型已知，这些土壤模型大部分是传统土壤地面力学中总结出来的，模型对月壤的适用性还有待验证，且需要部分土壤参数作为已知参数输入，进行c和的求解，因此，算法的地形适应性受到了很大的限制。

发明内容

为了解决上述技术问题，本发明的目的是提供一种月面实际行走过程中的月壤机械参数确定方法，用于星球车移动过程中的就位星壤机械特性探测，协助巡视器进行就位通过性评估和路径规划，保证探测器安全。

本发明提供的月面实际行走过程中的月壤机械参数确定方法，包括以下步骤：

1)通过压板沉陷试验、三轴剪切试验和履带板剪切试验，获得不同土壤的承压参数和剪切参数；2)通过土槽仿真或土槽试验获取给定土壤参数下月球车车轮的行驶特性参数；3)以土壤参数作为输入数据集，车轮行驶参数为输出数据集，代入选择的神经网络进行训练，确定神经网络传递函数、网络结构和权值；4)在月球表面实际行走过程中，月球车车轮行驶时，能够将月球车车载的用于测量车轮行驶特性参数的各传感器测得的相应参数数据输入神经网络，获得土壤参数输出。

其中，神经网络可以是误差反向传播网络(BP)、自组织竞争神经网络或DBN区分性深度网络；

其中，土壤机械参数主要包括承压参数和剪切参数：承压参数包括内聚力模量kc、摩擦力模量变形指数n；剪切参数包括内聚力c、内摩擦角水平剪切变形模量K；

其中，车轮行驶特性参数包括：车轮载荷W，驱动扭矩T，沉陷量Z，滑转率i；

其中，神经网络传递函数可以是阶跃函数、分段线性函数或S型函数。

本发明的月面实际行走过程中的月壤机械参数确定方法，无需提前假定轮下土壤应力分布模型，只需通过仿真和实际土槽试验，获取多组土壤参数和车轮受力的数据，利用神经网络等算法，以车轮受力数据为输入，土壤参数为输出，进行算法的训练，确定传递函数、网络结构(层数)和各层网络连接的权值。车轮行走时，通过实时测量的车轮受力，代入神经网络，得到土壤参数输出。

与现有的方法相比，本发明提出的月面实际行走过程中的月壤机械参数确定方法具有以下优点：

1)适用于月面实际行走过程中月壤机械参数的实时获取；

2)无需提前假定轮下土壤应力分布模型，方法适用于任何土壤，包括月壤；

3)无需将部分土壤参数作为已知参数输入，仅需车轮受力、车轮驱动扭矩、车轮沉陷量和滑转率等参数作为输入，就可以获得土壤的承压参数和剪切参数。

附图说明

图1为现有技术中巡视器车轮轮下法向应力分布模型；

图2为本发明方法中土壤履带板剪切试验获得水平剪切变形模量K的曲线图；

图3为本发明方法中BP神经网络结构示意图。

具体实施方式

以下结合附图对本发明作进一步详细说明，但这仅仅是示例性的，并不旨在对本发明的保护范围进行任何限制。

本发明的月面实际行走过程中的月壤机械参数确定方法，具体实施过程如下：

1.土壤参数获取

需要获取的土壤参数主要包括以下几类：

1)承压参数

承压参数包含内聚力模量kc，摩擦力模量变形指数n。承压参数通过压板沉陷试验获得。具体做法是分别用两块宽度为b1和b2的压板作用在土壤上，测量单位面积上的压力p和沉陷量z，然后将两组试验曲线绘制在对数坐标上，对两组曲线进行直线拟合，获得其斜率n1,n2和截距A1，A2。土壤承压参数可通过下式计算：

对于不同土壤的不同状态，可反复重复以上步骤获得其承压性能参数。

2)剪切参数

剪切参数包含内聚力c，内摩擦角和水平剪切变形模量K。其中内聚力c，内摩擦角通过三轴剪切试验获得，三轴剪切试验按照《土工试验方法标准》进行。

水平剪切变形模量K通过履带板剪切试验获得，如图2所示，根据试验结果，通过作图法得到K。

对于不同土壤的不同状态，可重复以上步骤获得其剪切性能参数。

2.车轮行走过程仿真和试验

1)车轮行走过程仿真

根据(1)中测量获得的土壤参数，在有限元仿真平台中建立土壤模型和车轮行走模型，通过仿真获得给定土壤参数下车轮的行走参数。

对于不同土壤的不同状态，可重复以上步骤获得车轮的行走参数。

2)车轮行走过程试验

车轮行走试验在土槽试验中进行，试验前人工对土壤进行整备获得期望的土壤参数，试验时通过驱动电机驱动车轮前行，车轮行走过程中通过传感器测量车轮行走参数。

对于不同土壤的不同状态，可重复以上步骤获得车轮的行走参数。

3.人工神经网络训练

这里以三层前向BP神经网络(如图3所示)为例来说明其训练过程，具体实施时并不仅仅限于BP神经网络。具体做法：

1)确定输入层神经元

输入层神经元个数为4，训练样本向量为(x1,x2,x3,x4)＝(车轮载荷W，驱动扭矩T，沉陷量Z，滑转率i)。

2)确定输出层神经元

输出层神经元个数为6，输出向量为(o1,o2,o3,o4,o5,o6)＝(内聚力模量kC，摩擦力模量变形指数n，内聚力c，内摩擦角水平剪切变形模量K)。

3)隐含层神经元个数确定

隐含层神经元数目可以通过下面几个公式来确定：

■n＝2n1+1，n1为输入神经元个数，n为隐含层神经元个数；

■n＝√(n1+m)+a，n1为输入神经元个数，n为隐含层神经元个数，m为输出神经元个数，a为[1,10]之间的常数；

■n＝log2n1，n1为输入神经元个数，n为隐含层神经元个数。

4)神经网络传递函数选取

神经网络的传递函数可以是如下所示的阶跃函数、分段线性函数或S型函数：

阶跃函数：

分段线性函数：

S型函数：

5)网络权值w赋初值

取(-1,1)之间的小随机数给网络权值w赋初值。

6)网络权值调整

对样本进行前向计算：

隐含层y_r＝f₁(net_r)，

输出层o_j＝f₂(net_j)，

计算输出与目标值间的误差：

权值调整：

对于输出层：对于隐含层：

7)重复步骤6)直到误差满足要求。

(4)土壤参数辨识

车轮行驶时，将车载各传感器获取的数据输入建立的神经网络，获得土壤参数输出。

尽管上文对本发明专利的具体实施方式给予了详细描述和说明，但是应该指明的是，我们可以依据本发明专利的构想对上述实施方式进行各种等效改变和修改，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，均应在本发明专利的保护范围之内。

Claims (6)

1.月面实际行走过程中的月壤机械参数确定方法，包括以下步骤：

1)通过压板沉陷试验、三轴剪切试验和履带板剪切试验，获得不同土壤的承压参数和剪切参数；2)通过土槽仿真或土槽试验获取给定土壤参数下月球车车轮的行驶特性参数；3)以土壤参数作为输入数据集，车轮行驶参数为输出数据集，代入选择的神经网络进行训练，确定神经网络传递函数、网络结构和权值；4)在月球表面实际行走过程中，月球车车轮行驶时，能够将月球车车载的用于测量车轮行驶特性参数的各传感器测得的相应参数数据输入神经网络，获得土壤参数输出。

2.如权利要求1所述的月壤机械参数确定方法，其中，神经网络是误差反向传播网络(BP)、自组织竞争神经网络或DBN区分性深度网络。

3.如权利要求1所述的月壤机械参数确定方法，其中，土壤机械参数主要包括承压参数和剪切参数。

4.如权利要求1所述的月壤机械参数确定方法，其中，承压参数包括内聚力模量kc、摩擦力模量变形指数n；剪切参数包括内聚力c、内摩擦角水平剪切变形模量K。

5.如权利要求1所述的月壤机械参数确定方法，其中，车轮行驶特性参数包括：车轮载荷W，驱动扭矩T，沉陷量Z，滑转率i。

6.如权利要求1所述的月壤机械参数确定方法，其中，神经网络传递函数是阶跃函数、分段线性函数或S型函数。