CN111274658A - 一种基于虚拟接地控制及结构协同优化的控制方法 - Google Patents
一种基于虚拟接地控制及结构协同优化的控制方法 Download PDFInfo
- Publication number
- CN111274658A CN111274658A CN202010080660.0A CN202010080660A CN111274658A CN 111274658 A CN111274658 A CN 111274658A CN 202010080660 A CN202010080660 A CN 202010080660A CN 111274658 A CN111274658 A CN 111274658A
- Authority
- CN
- China
- Prior art keywords
- vibration
- isolation layer
- control
- vibration isolation
- optimization
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000014509 gene expression Effects 0.000 claims abstract description 45
- 238000002955 isolation Methods 0.000 claims abstract description 43
- 239000000758 substrate Substances 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 238000006073 displacement reaction Methods 0.000 claims description 24
- 241000251468 Actinopterygii Species 0.000 claims description 16
- 238000013016 damping Methods 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000002068 genetic effect Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 1
- 239000002245 particle Substances 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000002431 foraging effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Vibration Prevention Devices (AREA)
Abstract
本发明公开了一种基于虚拟接地控制及结构协同优化的控制方法,包括将整个设备系统拆分为多个单元设备系统,对单个单元设备系统进行分析;设备通过隔振层与基底相连,振动源通过基底将振动传送到隔振层上;用动力学方程表示单元设备系统模拟接地模型;采用智能优化算法分别对接地结构和隔振层的速度型阻抗表达式的系数进行优化,优化后分别得到含有具体数值的接地结构的速度型阻抗表达式和隔振层的速度型阻抗表达式,将接地结构下放到隔振层,并采用主动或半主动的控制方式使得控制结构模拟实现接地结构的效果;求得控制结构和隔振层的具体物理结构。本发明最大程度上减小了振动对设备的影响,提升了设备的工作稳定性,延长了机械元件的寿命。
Description
技术领域
本发明涉及机械结构与控制算法转化领域,特别是涉及一种基于虚拟接地控制及结构协同优化的控制方法。
背景技术
振动是指物体的全部或一部分沿直线或曲线做有一定时间规律或周期的往返颤动,是自然界普遍存在的现象。然而对大多数机械元件来说,振动会降低元件的精度,缩短元件的使用寿命,严重时会造成螺栓等固结件的松动,对操作人员带来危险,影响生产效率。因此,如何消除振动对元件的影响是大多数机械设备所要面对的问题。如果能够将需要隔振的物体悬挂在如天花板、天空等不受振动影响的稳定物体上,或固定在如地面之类的振动影响对其小到可以忽略不计的庞大物体上,将机械元件的振动转换到这些物体上,则可达到减小振动对机械设备影响的目的。这其中无论是将机械元件悬挂在天空中还是固定在地面上,从现实意义来说,都是将机械元件固定在大地上,以地球作为最大的吸振体弱化振动的影响。
对固定不动的机械设备来说,固定在大地上减振是易于实现的,然而对大多数移动机械设备,如飞机,轮船,火车等,将机械元件一直固定在地面上是不现实的,所以需要通过机械结构和控制算法来协同实现。当前,运用在机械部件中的控制算法,大多数都以固定的结构为基准,优化结构参数从而实现控制目标,或以电机为直接驱动装置,通过优化电机输出力实现机械元件的所需力。在这两种实现方式中,电机作为直接驱动装置的方法又因其较高的成本而成为了第二选择。基于结构并优化结构参数的控制方法虽然有着低成本高性能的优势,但这样的选择常常无法保证作为基础的结构是能够让控制算法充分发挥其效能的最优结构,从而导致控制算法对隔振效果的提升有一定的局限性。
在机电相似性理论基础下,惯性的思想被提出,并在弹簧元件、阻尼元件的基础上提出了惯性元件,使得机电网络能够严格对应起来,同时,许多基于电网络的研究方法得以被运用在机械网络的研究上。为机械结构的研究提供了更多的可能。无论是当前基于结构并优化结构参数的控制方法还是基于控制算法优化结构,都无法使得控制参数和结构在同一优化目标下同时为最优选择,这局限了机械设备性能的提升,也使得隔振研究陷入瓶颈。
发明内容
针对现有技术中存在不足,本发明提供了一种基于虚拟接地控制及结构协同优化的控制方法,在接地隔振这一广泛控制概念下,在同一优化目标下,从优选择弹簧、阻尼、惯性单个或多个元件的组合控制方法,并优化机械结构,实现从控制算法到机械结构的协同优化,选出一种最适控制方法和结构,从而达到真正的控制最优。
本发明是通过以下技术手段实现上述技术目的的。
一种基于虚拟接地控制及结构协同优化的控制方法,包括以下步骤:
步骤1:在不影响分析结果的前提下,将整个设备系统拆分为多个单元设备系统,对单个单元设备系统进行分析;
步骤2:假设单元设备系统通过接地结构固定于地面,接地结构由弹簧、阻尼、惯容器三元件构成;设备通过隔振层与基底相连,振动源通过基底将振动传送到隔振层上;
所述步骤2中的接地结构的速度型阻抗表达式Y(s)表示为其中i=1,2,…,表示第i个机械元件,F为函数符号,cki为第i个接地结构的阻尼系数,kki为第i个接地结构的弹簧刚度,qki为第i个接地结构的惯性元件的系数,s为复变数,s=σ+jω,σ表示复变数s的实部,ω表示复变数s的虚部,j为虚数单位。
步骤3:用动力学方程表示单元设备系统模拟接地模型;
步骤4:以设备在垂直振动方向上的振动行程对基底位移的传递函数GI(s),以及设备在垂直振动方向上的振动加速度对基底位移的传递函数GII(s)为优化目标,采用智能优化算法分别对接地结构和隔振层的速度型阻抗表达式的系数进行优化,当且时,停止优化,其中m表示接地结构的阶数,n表示隔振层的阶数,m、n均为正整数,且m≤M,n≤N,M为接地结构所允许的最大阶数,N为隔振层所允许的最大阶数;
所述步骤4中的智能优化算法可采用改进鱼群算法。
以改进鱼群算法为例,其步骤如下:
(1)鱼群初始化
鱼群中每条人工鱼为给定范围内随机产生的一组实数,设鱼群的大小为N,待优化的参数为αj,取值范围为0<αj<1,产生一个1行N列的初始鱼群,每列数值表示一条人工鱼的参数αj;
(2)觅食行为
假设人工鱼群的当前状态为Xp,随机选取感知范围内的一个状态Xq,X表示人工鱼个体的状态位置,在求解极大值问题中,如果第p条人工鱼所在位置的食物浓度小于第q条人工鱼所在位置的食物浓度Yp<Yq,其中Y表示人工鱼当前所在位置的食物浓度,则向该方向前进一步:
(3)聚群行为
假设人工鱼的当前状态Xp,探索当前领域内满足||Xq-Xp||<Visual的伙伴数目nf和中心位置Xc,其中Visual表示人工鱼的感知距离,假如δ表示拥挤度,则表明在当前领域内,中心位置有较多食物且不太拥挤,则朝中心位置的方向前进一步,反之,再次进行觅食行为。
(4)追尾行为
假设人工鱼当前状态Xp,探索当前领域内满足||Xq-Xp||<Visual的伙伴数目nf,这些伙伴中Yp为最大的伙伴Xp,若满足则表明Xq的状态有较高的食物浓度且周围环境不太拥挤,则朝Xp的方向进一步,反之,重复执行觅食行为。
(5)随机行为
在视野范围内随机选取一个状态,朝着该方向移动,此过程可认为是觅食过程的一个缺省行为,即:
Xp|next=Xp+rand()·Visual
步骤5:优化后分别得到含有具体数值的接地结构的速度型阻抗表达式Y′(s)和隔振层的速度型阻抗表达式T′(s),判断Y′(s)、T′(s)是否满足约束条件,若满足,则继续步骤6;若不满足约束条件,则返回步骤4,继续优化Y(s)、T(s)的系数,直到满足该约束条件;
所述步骤5中的约束条件为:当复变数s的虚部等于0时,即Im(s)=0时,Im[Y′(s)]=0且Im[T′(s)]=0;且当复变数s的实部大于等于0时,即Re(s)≥0时,Re[Y′(s)]≥0且Re[T′(s)]≥0;其中,Im为复数中的虚数部位简称,Re为复数中的实数部位简称。
步骤6:将接地结构下放到隔振层,并采用控制结构模拟实现接地结构的效果,确保控制结构产生的作用力与接地结构产生的作用力一致;
步骤7:根据串并联结构的速度型阻抗表达式的基本定律,通过带有具体数值的速度型阻抗表达反推求解得到控制结构和隔振层各元件之间的连接关系,从而得到控制结构和隔振层的具体物理结构。
本发明的有益效果在于:
1.一种基于虚拟接地控制及结构协同优化的控制方法实现了设备系统的虚拟接地,最大程度上减小了振动对设备的影响,提升了设备的工作稳定性,延长了机械元件的寿命。
2.采用控制结构实现模拟接地的方法使得设备无需真正固定于地面,拓展了应有领域,使得该控制方法不仅可以应用在非移动设备上,也可应用在实时移动设备上,实现最优隔振效果。
3.一种基于虚拟接地控制及结构协同优化的控制方法突破了原有“先结构后优化”的模式,在优化参数的同时优化结构,使得最终优化获得的结构与参数同时最优,也最为协同。
附图说明
图1为整个设备系统模拟接地控制模型
图2为单元设备系统接地模型
图3(a)为Y′(s)降阶后的结构框图,图3(b)为T′(s)降阶后的结构框图
图4为单元设备系统模拟接地控制模型
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1所示,整个设备系统由许多个如图2所示的单元设备系统组合而成的,在分析整个设备系统时,在不影响分析结果的前提下,可将整个设备拆分为多个单元设备系统进行分析。
如图2所示,假设单元设备系统通过接地结构固定于地面,接地结构由弹簧、阻尼、惯性三元件构成;设备通过隔振层与基底相连,振动源通过基底将振动传送到隔振层上。接地结构的速度型阻抗表达式Y(s)可用弹簧元件、阻尼元件、惯性元件综合表示,其速度型阻抗表达式可表示为:其中i=1,2,…,表示第i个机械元件,F为函数符号,cki为第i个接地结构的阻尼系数,kki为第i个接地结构的弹簧刚度,qki为第i个接地结构的惯性元件的系数,s为复变数,s=σ+jω,σ表示复变数s的实部,ω表示复变数s的虚部,j为虚数单位。同样的,隔振层的速度型阻抗表达式为:其中kgi表示隔振层的第i个弹簧刚度,cgi隔振层的第i个阻尼系数,qgi隔振层的第i个惯性元件的系数。
可根据结构的速度型阻抗表达式s的最高阶数定义结构的阶数,假设接地结构为m阶结构,隔振层是n阶结构,其中m、n均为正整数,且m≤M,n≤N,M为接地结构所允许的最大阶数,N为隔振层所允许的最大阶数,则接地结构的速度型阻抗表达式Y(s)可表示为:
隔振层的速度型阻抗表达式T(s)可表示为:
单元设备系统模拟接地模型的动力学方程可表示为:
其中ms为设备的质量,z0表示基底位移,即为振动输入信号,z1表示隔振层位移,z2表示设备位移,则隔振层位移z1=z2-z0。
单元设备系统接地时,设备在垂直振动方向上的振动行程对基底位移,即振动输入信号的传递函数GI(s)为:
单元设备系统模拟接地时,设备在垂直振动方向上的振动加速度对基底位移,即振动输入信号的传递函数GII(s)为:
GI(s)、GII(s)的值越接近于0,设备受到振动的影响越小。
以GI(s)、GII(s)为优化目标,可选择鱼群算法、遗传算法、神经网络等智能优化算法,对Y(s)、T(s)速度型阻抗表达式的系数β、α、λ、τ进行优化,当且时,停止优化,将β、α、λ、τ、m、n的数值代回Y(s)和T(s),则接地结构的速度型阻抗表达式可通过优化后的参数具体表示为速度型阻抗表达式Y′(s),则隔振层的速度型阻抗表达式可通过优化后的参数具体表示为速度型阻抗表达式T′(s)。
判断速度型阻抗表达式Y′(s)、T′(s)是否满足约束条件:(1)当复变数s的虚部等于0时,即Im(s)=0时,Im[Y′(s)]=0且Im[T′(s)]=0;(2)当复变数s的实部大于等于0时,即Re(s)≥0时,Re[Y′(s)]≥0且Re[T′(s)]≥0。Im为复数中的虚数部位简称,Re为复数中的实数部位简称。若Y′(s)、T′(s)能够满足上述2个约束条件,则继续下一步,若不满足约束条件,则返回上述优化步骤,继续优化Y(s)、T(s)的系数,直到满足该判断条件。
接地结构所允许的最大阶数M与隔振层所允许的最大阶数N可根据设备工作环境、结构设计、结构所允许的最大元件数量、安装空间等实际工程运用情况来决定。虽然结构的速度型阻抗表达式的阶数越高,隔振性能越好,但随着阶数的升高,与之对应的机械结构也会随之变得复杂,用于实现结构的元件数量也随之增长。为了确保结构的可实施性和结构的合理性,将结构的速度型阻抗表达式的阶数控制在3以下,因此单元设备系统接地模型在m=3且n=3时的情况最复杂。
当m=3且n=3时,A、B、C、D、E、F、G均为及优化后的接地结构的具体的速度型阻抗表达式的系数,A’、B’、C’、D’、E’、F’、G’均为及优化后的隔振层结构的具体的速度型阻抗表达式的系数,为了易于通过速度型阻抗表达式求解元件结构,分别对Y′(s)、T′(s)采用以下降阶步骤:
(1)分别串联或并联地提取出一个阻尼,Y′(s)中串联的阻尼系数记作cuy,Y′(s)中并联的阻尼系数记作cby;T′(s)中串联的阻尼系数记作cut,T′(s)中并联的阻尼系数记作cbt;其中cby=0或cuy为无穷大,cbt=0或cut为无穷大。
(2)并联地提取出一个惯性元件,Y′(s)中并联的惯性元件的系数记作quy;T′(s)中并联的惯性元件的系数记作qut。
通过上述步骤分别得到Y′(s)、T′(s)降阶后的结构框图,分别如图3(a)(b)所示。
其中,速度型阻抗表达式Y1(s)、T1(s)均为双二次型速度型阻抗表达式,它们的标准速度型阻抗表达式分别为:
其中Ay,By,Cy,Dy,Ey,F’y是Y1(s)的系数,且它们与quy,cby,cuy满足以下条件:
A=quycuyDy;B=cuy(quyEy+cbyDy+Ay);
C=cuy(quyFy+cbyEy+By);D=cuy(cbyFy+Cy);
1=quyDy;E=cuyDy+quyEy+cbyDy+Ay;
F=cuyEy+quyFy+cbyEy+By;G=cuyFy+cbyFy+Cy;
At,Bt,Ct,Dt,Et,Ft是T1(s)的系数,且它们与qut,cbt,cut满足以下条件:
A′=qutcutDt;B′=cut(qutEt+cbtDt+At);
C′=cut(qutFt+cbtEt+Bt);D′=cut(cbtFt+Ct);
1=qutDt;E′=cutDt+qutEt+cbtDt+At;
F′=cutEt+qutFt+cbtEt+Bt;G′=cutFt+cbtFt+Ct;
求解得到quy,cby,cuy,qut,cbt,cut以及各系数Ay,By,Cy,Dy,Ey,F’y,At,Bt,Ct,Dt,Et,Ft的数值,将这些数值带回表达式Y1(s)、T1(s)、Y″(s)、T″(s),从而得到带有具体数值的速度型阻抗表达式Y″(s)、T″(s),分别记为表达式Y″′(s)、T″′(s)。
将接地结构下放到隔振层,并采用控制结构模拟实现如图4所示的接地结构的效果,采用主动或半主动的控制方式使得控制结构产生的作用力与接地结构产生的作用力一致,则控制结构的速度型阻抗表达式K(s)与Y′(s)之间满足:
根据串并联结构的速度型阻抗表达式的基本定律,即若弹簧元件、阻尼元件、惯性元件,用c表示阻尼的系数,k表示弹簧的系数,m表示惯性元件的系数,若三元件并联,则三元件并联结构的速度型阻抗表达式Ybing可表示为:若三元件串联,则三元件串联结构的速度型阻抗表达式Ychuan可表示为:可通过带有具体数值的速度型阻抗表达式K(s)、T″′(s)反推求解得到控制结构和隔振层各元件之间的连接关系,从而得到控制结构和隔振层的具体物理结构。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种基于虚拟接地控制及结构协同优化的控制方法其特征在于,包括以下步骤:
步骤1:在不影响分析结果的前提下,将整个设备系统拆分为多个单元设备系统,对单个单元设备系统进行后续分析;
步骤2:假设单元设备系统通过接地结构固定于地面,接地结构由弹簧、阻尼、惯容器三元件构成;设备通过隔振层与基底相连,振动源通过基底将振动传送到隔振层上;
步骤3:用动力学方程表示单元设备系统模拟接地模型;
步骤4:以设备在垂直振动方向上的振动行程对基底位移的传递函数GI(s),以及设备在垂直振动方向上的振动加速度对基底位移的传递函数GII(s)为优化目标,采用智能优化算法分别对接地结构和隔振层的速度型阻抗表达式的系数进行优化,当且时,停止优化其中,GI-m表示设备在垂直振动方向上的振动行程对基底位移传递函数GI(s)的m阶优化传递函数,GII-n表示设备在垂直振动方向上的振动加速度对基底位移传递函数GII(s)的n阶优化传递函数,即接地结构的阶数为m,隔振层的阶数为n,m、n均为正整数,且m≤M,n≤N,M为接地结构所允许的最大阶数,N为隔振层所允许的最大阶数;
步骤5:优化后分别得到含有具体数值的接地结构的速度型阻抗表达式Y′(s)和隔振层的速度型阻抗表达式T′(s),判断Y′(s)、T′(s)是否满足约束条件,若满足,则继续步骤6;若不满足约束条件,则返回步骤4,继续优化Y(s)、T(s)的系数,直到满足该约束条件;
步骤6:将接地结构下放到隔振层,并采用主动或半主动的控制方式使得控制结构模拟实现接地结构的效果,确保控制结构产生的作用力与接地结构产生的作用力一致;
步骤7:根据串并联结构的速度型阻抗表达式的基本定律,通过带有具体数值的速度型阻抗表达反推求解得到控制结构和隔振层各元件之间的连接关系,从而得到控制结构和隔振层的具体物理结构。
5.根据权利要求1所述的一种基于虚拟接地控制及结构协同优化的控制方法,其特征在于,所述步骤4中的智能优化算法可采用改进鱼群算法,或者遗传算法,或者神经网络,或者量子算法,或者粒子群算法,或者蚁群算法以及它们的混合算法。
6.根据权利要求1所述的一种基于虚拟接地控制及结构协同优化的控制方法,其特征在于,所述步骤5中的约束条件为:当复变数s的虚部等于0时,即Im(s)=0时,Im[Y′(s)]=0且Im[T′(s)]=0;且当复变数s的实部大于等于0时,即Re(s)≥0时,Re[Y′(s)]≥0且Re[T′(s)]≥0;其中,Im为复数中的虚数部位简称,Re为复数中的实数部位简称。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010080660.0A CN111274658B (zh) | 2020-02-05 | 2020-02-05 | 一种基于虚拟接地控制及结构协同优化的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010080660.0A CN111274658B (zh) | 2020-02-05 | 2020-02-05 | 一种基于虚拟接地控制及结构协同优化的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274658A true CN111274658A (zh) | 2020-06-12 |
CN111274658B CN111274658B (zh) | 2024-03-22 |
Family
ID=71001980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010080660.0A Active CN111274658B (zh) | 2020-02-05 | 2020-02-05 | 一种基于虚拟接地控制及结构协同优化的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274658B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105172510A (zh) * | 2015-09-30 | 2015-12-23 | 江苏大学 | 一种基于虚拟惯容的车辆悬架控制系统及控制方法 |
CN110001337A (zh) * | 2019-03-12 | 2019-07-12 | 江苏大学 | 一种基于add正实网络优化的车辆isd悬架二阶理想模型 |
-
2020
- 2020-02-05 CN CN202010080660.0A patent/CN111274658B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105172510A (zh) * | 2015-09-30 | 2015-12-23 | 江苏大学 | 一种基于虚拟惯容的车辆悬架控制系统及控制方法 |
CN110001337A (zh) * | 2019-03-12 | 2019-07-12 | 江苏大学 | 一种基于add正实网络优化的车辆isd悬架二阶理想模型 |
Non-Patent Citations (2)
Title |
---|
LIU CHANGNING等: "《general theory of skyhook control and its application to semi-active suspension control strategy design》", 《JOURNAL & MAGAZINE》, vol. 7, pages 101552 - 101560 * |
LIU YANLING等: "《structural design and inertial impact analysis of vehicle ISD suspension》", 《IOP CONFERENCE SERIES:EARTH AND ENVIRONMENTAL SCIENCE》, vol. 252, pages 1 - 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN111274658B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | Agent-based traffic simulation and traffic signal timing optimization with GPU | |
CN109726045A (zh) | 用于块稀疏递归神经网络的系统和方法 | |
CN104899431B (zh) | 基于蚁群和粒子群集成的lssvm脉动风速预测方法 | |
CN108509827A (zh) | 视频流中异常内容的识别方法及视频流处理系统和方法 | |
Asadi et al. | A particle swarm optimization-based washout filter for improving simulator motion fidelity | |
CN102508431A (zh) | 一种海洋钻井平台动力定位系统推力分配方法 | |
KR20220058598A (ko) | 멀티-에이전트 시뮬레이션들 | |
CN106707764A (zh) | 基于多级切换的动车组制动过程rbf模型参考自适应控制方法 | |
CN116776208B (zh) | 地震波分类模型的训练方法、地震选波方法、设备及介质 | |
CN103258234A (zh) | 基于粒子群优化bp神经网络的惯容器力学性能预测方法 | |
KR101036570B1 (ko) | 다수 로봇의 이동 속도와 방향을 고려한 다수로봇의 대형 유지 및 제어 방법 | |
CN114037050B (zh) | 一种基于脉冲神经网络内在可塑性的机器人退化环境避障方法 | |
CN111274658A (zh) | 一种基于虚拟接地控制及结构协同优化的控制方法 | |
Tian et al. | A new network intrusion detection identification model research | |
CN109506763A (zh) | 一种基于教与学优化的矢量水听器稀疏布阵方法 | |
Lee et al. | Data-Driven Approaches for Thrust Prediction in Underwater Flapping Fin Propulsion Systems | |
Wang et al. | GPU based ordinal optimization for traffic signal coordination | |
Lin et al. | Multiple autonomous robots coordination and navigation | |
KR20220134627A (ko) | 하드웨어-최적화된 신경 아키텍처 검색 | |
CN107976907B (zh) | 一种非线性隔振系统吸引子迁移控制方法 | |
KR20230010746A (ko) | 상대 엔트로피 q-러닝을 사용한 액션 선택 시스템 트레이닝 | |
CN106677840B (zh) | 一种船舶主汽轮机预测优化控制方法 | |
Hao et al. | Flight Trajectory Prediction Using an Enhanced CNN-LSTM Network | |
Iwadate et al. | Evolving amphibian behavior in complex environment | |
CN113759921B (zh) | 可移动设备路径规划方法、装置与计算机可读存储介质 |
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 |