CN111191344A - 一种运动副摩擦参数的识别方法 - Google Patents

一种运动副摩擦参数的识别方法 Download PDF

Info

Publication number
CN111191344A
CN111191344A CN201911253710.4A CN201911253710A CN111191344A CN 111191344 A CN111191344 A CN 111191344A CN 201911253710 A CN201911253710 A CN 201911253710A CN 111191344 A CN111191344 A CN 111191344A
Authority
CN
China
Prior art keywords
friction
friction parameter
parameter
identification
actually
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911253710.4A
Other languages
English (en)
Other versions
CN111191344B (zh
Inventor
国兆普
刘胜
杨晖
曹学斌
满延进
朱守梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Power Machinery Institute
Original Assignee
Beijing Power Machinery Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Power Machinery Institute filed Critical Beijing Power Machinery Institute
Priority to CN201911253710.4A priority Critical patent/CN111191344B/zh
Publication of CN111191344A publication Critical patent/CN111191344A/zh
Application granted granted Critical
Publication of CN111191344B publication Critical patent/CN111191344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种运动副摩擦参数的识别方法，通过初始区间设置、生成随机输入样本、计算并统计输出样本最优值、生成新的输入区间等步骤最终得到摩擦参数的识别结果，本发明有效解决了摩擦参数辨识结果陷入局部最优解的难题，通过本发明方法辨识出的摩擦参数与实际参数一致性较高。

Description

一种运动副摩擦参数的识别方法
技术领域
本发明属于摩擦参数辨识的技术领域，具体涉及一种运动副摩擦参数的识别方法。
背景技术
随着航空航天技术的飞速发展，高效率、高可靠性、低成本逐渐成为可调进排气系统机构设计的发展趋势。虚拟样机技术结合计算机技术的高速发展，在很大程度上加快了这一趋势。然而，由于可调进排气系统调节板所处的高温、高压、高分离量等复杂工作环境，使得机构运动过程中摩擦现象极为复杂，存在预滑动、摩擦滞后、动静摩擦转换等非线性现象；尤其是可调板与固定板之间的气体泄漏量要求苛刻，由此导致摩擦力/力矩往往很大，且在一定范围内波动。诸多复杂因素的存在，使得考虑摩擦现象的虚拟样机仿真结果与试验数据相比总存在较大差异，虚拟样机仿真对实际机构的模拟精度到底有多高的问题，仍无法回答。因此，为提高可调进排气系统控制精度与稳定度，需对可调进排气系统调节机构中的摩擦参数进行精确的辨识。
光学精密工程期刊文献“2011-19-11基于LuGre模型实现精密伺服转台摩擦参数辨识及补偿”提出了一种基于LuGre模型的转台摩擦参数辨识和补偿方法。该方法首先分析转台在自由减速过程中的速度过零现象，采用遗传算法你和减速曲线从而获得转台摩擦参数和转动惯量；然后利用仿真实验验证辨识方法，得到可用于摩擦补偿的摩擦参数。中国惯性技术学报期刊文献“2013-21-6航空遥感惯性稳定平台摩擦参数辨识”针对影响航空遥感三轴惯性稳定平台控制精度的非线性摩擦，提出了一种基于LuGre模型的摩擦参数辨识方法。在分析系统正弦响应曲线的基础上，建立了适于惯性稳定平台的LuGre摩擦模型，提出了两步辨识及动态参数优化的摩擦参数辨识方法。
然而上述两种方法分别采用“先静态、后动态”、“先线性、后非线性”的两步辨识方法，此类方法实验量大、辨识过程复杂，存在求取高度非线性一阶微分摩擦模型参数最优解时易陷入局部最优等局限性。
发明内容
有鉴于此，本发明提供了一种运动副摩擦参数的识别方法，能够减小辨识结果陷入局部最优的概率，获得全局最优解。
实现本发明的技术方案如下：
一种运动副摩擦参数的识别方法，在设定的取值区间内随机生成多个摩擦参数，分别利用各摩擦参数得到对应的动力学响应分析量，选取最接近实测响应量的动力学响应分析量所对应的摩擦参数，在该摩擦参数所在的半径为p的数值范围内继续寻找最接近实测响应量的动力学响应分析量所对应的摩擦参数，直至动力学响应分析量与实测响应量之差小于设定值，输出当前的摩擦参数，完成摩擦参数识别。
进一步地，本发明具体包括以下步骤：
步骤一、构建摩擦参数优化问题模型：
Figure BDA0002309728930000021
其中，x为摩擦参数，fi(x)为所研究对象的动力学响应分析量，fi m为与fi(x)对应的实测响应值，n为设定值；
步骤二、设定初始区间上限Δxinitial，生成s个随机输入样本
Figure BDA0002309728930000022
Figure BDA0002309728930000023
步骤三、将输入样本
Figure BDA0002309728930000031
带入目标函数J(x)，得到输出样本
Figure BDA0002309728930000032
步骤四、判断s个输出样本中的最优值
Figure BDA0002309728930000033
是否小于设定的误差ε，若
Figure BDA0002309728930000034
输出最优值对应的输入样本
Figure BDA0002309728930000035
即为摩擦参数的识别结果；若
Figure BDA0002309728930000036
则根据
Figure BDA0002309728930000037
所对应的输入样本
Figure BDA0002309728930000038
生成随机输入样本
Figure BDA0002309728930000039
Figure BDA00023097289300000310
α为(0,1)内的实数；
步骤五、重复步骤三—步骤四的操作，直至获得摩擦参数的识别结果。
进一步地，α∈(0.2,0.3)。
有益效果：
1、与现有的技术方案相比，本发明提出的一种运动副摩擦参数的识别方法，无需求解优化目标函数与优化变量之间的灵敏度矩阵，有效解决了摩擦参数辨识结果陷入局部最优解的难题，通过本发明方法辨识出的摩擦参数与实际参数一致性较高。
2、本发明系数α的值取在0.2～0.3之间，能够在保证计算精度的情况下，使得计算结果较快收敛。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明针对非线性摩擦参数辨识结果易陷入局部最优等问题，提供了一种运动副摩擦参数的识别方法，通过初始区间设置、生成随机输入样本、计算并统计输出样本最优值、生成新的采样区间等过程识别出摩擦参数。如图1所示，本发明的具体实施过程如下：
步骤一、摩擦参数识别问题往往归结为如下的优化问题：
Figure BDA0002309728930000041
式中，x为摩擦参数，fi(x)为所研究对象的机构动力学响应分析量，fi m为与fi(x)相对应的实测响应值，i＝1,2,...,n，n为根据实际所研究问题所设定的值。
通过优化算法对上述目标函数寻优，即可得到摩擦参数的识别结果。传统的基于梯度优化算法在很大程度上仅能得到局部最优解，得不到全局最优解。
步骤二、设定初始区间上限Δxinitial，生成s个随机输入样本
Figure BDA0002309728930000042
Figure BDA0002309728930000043
步骤三、将输入样本
Figure BDA0002309728930000044
带入目标函数J(x)，得到输出样本
Figure BDA0002309728930000045
步骤四、判断s个输出样本中的最优值
Figure BDA0002309728930000046
是否小于设定的误差ε，若
Figure BDA0002309728930000047
输出最优值对应的输入样本
Figure BDA0002309728930000048
即为摩擦参数的识别结果；若
Figure BDA0002309728930000049
则根据
Figure BDA00023097289300000410
所对应的输入样本
Figure BDA00023097289300000411
生成随机输入样本
Figure BDA00023097289300000412
Figure BDA00023097289300000413
α为(0,1)内的实数；需在优化算法程序开始之前事先定义，主要用于控制收敛速度。一般来讲，系数α的值越大，随机输入样本的变化范围越广，迭代次数减少，但精度可能略有降低；反之，则迭代次数增加，但精度会有所提高，本实施例将系数α的值取在0.2～0.3之间。
步骤五、若未得到摩擦参数的识别结果，则重复步骤三-步骤四的操作，直至获得摩擦参数的识别结果。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种运动副摩擦参数的识别方法，其特征在于，在设定的取值区间内随机生成多个摩擦参数，分别利用各摩擦参数得到对应的动力学响应分析量，选取最接近实测响应量的动力学响应分析量所对应的摩擦参数，在该摩擦参数所在的半径为p的数值范围内继续寻找最接近实测响应量的动力学响应分析量所对应的摩擦参数，直至动力学响应分析量与实测响应量之差小于设定值，输出当前的摩擦参数，完成摩擦参数识别。
2.如权利要求1所述的一种运动副摩擦参数的识别方法，其特征在于，具体包括以下步骤：
步骤一、构建摩擦参数优化问题模型：
Figure FDA0002309728920000011
其中，x为摩擦参数，fi(x)为所研究对象的动力学响应分析量，fi m为与fi(x)对应的实测响应值，n为设定值；
步骤二、设定初始区间上限Δxinitial，生成s个随机输入样本
Figure FDA0002309728920000012
j＝1,2,...,s；
步骤三、将输入样本
Figure FDA0002309728920000013
带入目标函数J(x)，得到输出样本
Figure FDA0002309728920000014
步骤四、判断s个输出样本中的最优值
Figure FDA0002309728920000015
是否小于设定的误差ε，若
Figure FDA0002309728920000016
输出最优值对应的输入样本
Figure FDA0002309728920000017
即为摩擦参数的识别结果；若
Figure FDA0002309728920000018
则根据
Figure FDA0002309728920000019
所对应的输入样本
Figure FDA00023097289200000110
生成随机输入样本
Figure FDA00023097289200000111
Figure FDA00023097289200000112
α为(0,1)内的实数；
步骤五、重复步骤三—步骤四的操作，直至获得摩擦参数的识别结果。
3.如权利要求2所述的一种运动副摩擦参数的识别方法，其特征在于，α∈(0.2,0.3)。
CN201911253710.4A 2019-12-09 2019-12-09 一种运动副摩擦参数的识别方法 Active CN111191344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911253710.4A CN111191344B (zh) 2019-12-09 2019-12-09 一种运动副摩擦参数的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911253710.4A CN111191344B (zh) 2019-12-09 2019-12-09 一种运动副摩擦参数的识别方法

Publications (2)

Publication Number Publication Date
CN111191344A true CN111191344A (zh) 2020-05-22
CN111191344B CN111191344B (zh) 2023-09-15

Family

ID=70707683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911253710.4A Active CN111191344B (zh) 2019-12-09 2019-12-09 一种运动副摩擦参数的识别方法

Country Status (1)

Country Link
CN (1) CN111191344B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226068A (zh) * 2008-02-01 2008-07-23 西安电子科技大学 动态摩擦参数测试系统及测试方法
CN103344243A (zh) * 2013-07-02 2013-10-09 北京航空航天大学 一种航空遥感惯性稳定平台摩擦参数辨识方法
US20130325263A1 (en) * 2012-06-01 2013-12-05 Steering Solutions Ip Holding Corporation Average friction learning and average friction change estimation
CN106426174A (zh) * 2016-11-05 2017-02-22 上海大学 一种基于力矩观测和摩擦辨识的机器人接触力检测方法
CN110531707A (zh) * 2019-09-16 2019-12-03 无锡信捷电气股份有限公司 Scara机器人的摩擦模型改进以及动力学参数辨识方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226068A (zh) * 2008-02-01 2008-07-23 西安电子科技大学 动态摩擦参数测试系统及测试方法
US20130325263A1 (en) * 2012-06-01 2013-12-05 Steering Solutions Ip Holding Corporation Average friction learning and average friction change estimation
CN103344243A (zh) * 2013-07-02 2013-10-09 北京航空航天大学 一种航空遥感惯性稳定平台摩擦参数辨识方法
CN106426174A (zh) * 2016-11-05 2017-02-22 上海大学 一种基于力矩观测和摩擦辨识的机器人接触力检测方法
CN110531707A (zh) * 2019-09-16 2019-12-03 无锡信捷电气股份有限公司 Scara机器人的摩擦模型改进以及动力学参数辨识方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘柏希 等: "基于区间分析的LuGre摩擦模型参数辨识方法", 《中国机械工程》 *

Also Published As

Publication number Publication date
CN111191344B (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
US20220341306A1 (en) Automatic history matching system and method for an oil reservoir based on transfer learning
CN105444923A (zh) 基于遗传算法优化最小二乘支持向量机的机械式温度仪表误差预测方法
CN106649919A (zh) 燃煤电站锅炉飞灰含碳量预测模型构建方法及系统
CN101814160A (zh) 一种基于特征聚类的rbf神经网络建模方法
CN107315853B (zh) 一种碳化硅陶瓷常压固相烧结过程的数值模拟方法
CN115293069B (zh) 一种用于飞行器外流场仿真控制参数智能优化的系统
GB2427046A (en) Predicting telemetry data using coupled fluid mechanics and finite element analysis models
CN106529161B (zh) 一种基于火电机组运行数据确定升降负荷速率的方法
CN109063404A (zh) 一种空气静压止推轴承刚度的动态预测方法
CN117189713A (zh) 基于数字孪生驱动的液压系统故障诊断方法
CN114254460A (zh) 基于图卷积神经网络的透平机械气动鲁棒性优化方法
CN116994999A (zh) 一种超洁净环境的机械臂吸力调节方法及系统
Siragusa et al. Numerical simulation of experimental tests performed on ZAO® non-evaporable-getter pump designed for neutral beam injector applications
Gao et al. New tool wear estimation method of the milling process based on multisensor blind source separation
CN113591417A (zh) 一种应用于高精度间断迦辽金流体仿真的粘性项处理方法
CN114741922A (zh) 一种基于Attention机制的透平叶片蠕变-疲劳寿命预测方法
CN114036834A (zh) 燃煤锅炉结焦预测方法、装置和终端设备
CN111191344A (zh) 一种运动副摩擦参数的识别方法
CN107061032B (zh) 一种发动机运行状态的预测方法及预测系统
CN117688721A (zh) 一种海上漂浮式平台动态运动辨识方法及装置
CN110728072B (zh) 一种确定数字反应堆计算流体力学分析网格尺寸的方法
CN115758911B (zh) 融合点云残差网络和考虑滑移的流场和压力场预测方法
CN117090831A (zh) 具有孪生应用层的液压系统故障诊断框架
Sun et al. Research on balancing method of single-stage rotor blade mass moment based on pointer network
Xianjiang et al. Research on intelligent diagnosis of oil pumping well based on optimized BP neural network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant