CN113065212A - 一种基于鸟群算法的马达组合压力缓冲槽结构设计方法 - Google Patents

一种基于鸟群算法的马达组合压力缓冲槽结构设计方法 Download PDF

Info

Publication number
CN113065212A
CN113065212A CN202110380262.5A CN202110380262A CN113065212A CN 113065212 A CN113065212 A CN 113065212A CN 202110380262 A CN202110380262 A CN 202110380262A CN 113065212 A CN113065212 A CN 113065212A
Authority
CN
China
Prior art keywords
motor
combined pressure
pressure
groove
degrees
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.)
Pending
Application number
CN202110380262.5A
Other languages
English (en)
Inventor
王晓晶
白常胜
彭义文
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.)
Harbin University of Science and Technology
Original Assignee
Harbin University of Science and Technology
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 Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN202110380262.5A priority Critical patent/CN113065212A/zh
Publication of CN113065212A publication Critical patent/CN113065212A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Fluid Mechanics (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Hydraulic Motors (AREA)

Abstract

本发明是一种基于鸟群算法的马达配流盘组合压力缓冲槽结构的设计方法，它的主要步骤包括：步骤一：建立组合压力槽下连续回转电液伺服马达密封容腔数学模型；步骤二：确定适应度函数C(i)，运用鸟群优化算法对组合压力槽结构进行优化，得到组合压力槽的最优深度和深度角尺寸；步骤三：建立连续回转电液伺服马达组合压力槽下内流场模型；步骤四：马达内流场模型的网格划分；步骤五：利用FLUENT软件对组合压力槽下马达内流场模型的降压过程进行分析。通过该方法得到的最优组合压力缓冲槽结构，从而有效地缓解连续回转电液伺服马达换向时的压力冲击，对连续回转电液伺服马达的研制和发展具有十分重要的意义。

Description

一种基于鸟群算法的马达组合压力缓冲槽结构设计方法
技术领域
本发明涉及电液伺服马达旋转过程中产生的压力冲击领域，具体公开了一种基于鸟群算法的马达组合压力缓冲槽结构设计方法。
背景技术
连续回转电液伺服马达转动过程中叶片在高低压腔间不断切换，势必会引起压力冲击，从而对马达叶片造成磨损，甚至对马达的低速性能产生影响。为了降低连续回转电液伺服马达在工作时产生的压力冲击，目前最常用的方法是在马达配流盘上设置缓冲槽，缓冲槽的形状有孔型、半圆形和T型等。由于三角槽节流面积的大小与流量倒灌和压力冲击有关，为了更好的降低压力冲击，本发明公开了一种基于鸟群算法的马达组合压力缓冲槽结构设计方法，运用鸟群算法，对组合压力缓冲槽结构的深度和深度角进行了优化。
发明内容
本发明所要解决的技术问题是为了降低压力冲击对连续回转电液伺服马达低速性能的影响，设计了一种U型槽前端加三角槽结构的组合压力缓冲槽结构，并用鸟群算法确定其深度和深度角的最优结构尺寸。
为了实现上述目的，本发明的技术方案如下。
步骤一：建立连续回转电液伺服马达密封容腔数学模型。
步骤二：确定鸟群所在位置C(i)，运用鸟群优化算法对组合压力槽结构进行优化，得到组合压力槽的最优深度和深度角尺寸；
(1)建立组合压力槽下连续回转电液伺服马达密封容腔的数学模型，得到连续回转电液伺服马达的压力梯度，将组合压力槽的深度和深度角值作为判定值C(i1)C(i2)，马达在降压过程中的压力梯度作为目标函数；(2)在连续回转电液何服马达降压过程中，把马达叶片旋转角度、组合压力缓冲槽的深度和深度角尺寸为约束条件；(3)以连续回转电液伺服马达在长半径圆弧区域降压过程中的压力梯度为判定函数，初始化鸟群优化算法的各基本参数，如鸟群的总数、鸟类的粒子维度、最大的迭代次数、鸟类的飞行频率、觅食概率等参数，运用鸟群优化算法对马达配流盘组合压力槽进行优化。
步骤三：组合压力槽下马达内流场模型的建立与网格划分；
步骤四：利用FLUENT软件对组合压力槽下马达内流场模型的降压过程进行分析；(1)选择32#抗磨液压油；(2)指定进出口压力为6.5MPa、3.5MPa；(3)选k-ε湍流模型；(4)运用FLUENT软件进行计算，得到连续回转电液伺服马达叶片旋转角度为0°、0.4°、0.8°、1.2°、1.6°、2°、2.4°、2.8°以及3.2°时三角槽和组合压力槽下的计算结果；(5)通过计算结果得到压力变化曲线和压力梯度变化曲线。
与现有技术相比，本发明具有如下有益效果。
本发明设计了一种U型槽前端加三角槽的组合压力槽结构，并用鸟群优化算法对配流盘组合压力槽结构尺寸进行优化，从而得到最佳的组合压力槽结构，本发明的优点是降低马达叶片在高低压腔切换时的压力冲击，保证其压力过渡平稳，对连续回转电液伺服马达的研制具有十分重要的意义。
附图说明
图1是马达密封容腔结构图。
图2是三角槽结构示意图。
图3是U型槽结构示意图。
图4是组合压力缓冲槽结构图。
图5是目标函数优化曲线图。
图6是组合压力槽深度和深度角优化曲线。
图7是三角槽结构下马达内流场模型。
图8是组合压力槽结构下马达内流场模型。
图9是三角槽结构下马达内流场网格模型。
图10是组合压力槽结构下马达内流场网格模型。
图11是三角槽结构下马达密封容腔降压过程压力云图。
图12是组合槽结构下马达密封容腔降压过程压力云图。
图13是压力变化曲线。
图14是压力梯度变化曲线。
具体实施方式：
下面结合附图和实施例对本发明作进一步详细的描述，以便更好地理解本发明。
实施例
本发明公开了一种基于鸟群算法的马达组合压力缓冲槽结构设计方法，具体步骤如下：
步骤一：分别建立三角槽、U型槽和组合压力槽下连续回转电液伺服马达密封容腔的数学模型，以连续回转电液伺服马达配油盘、叶片一、叶片二、转子和定子内曲线组成的密封容腔为研究对象，如图1所示。假设密封容腔初始体积为V，密封容腔内油液体积变化为
Figure BDA0003012655040000021
马达密封容腔内的压力变化可用以下公式计算：
Figure BDA0003012655040000031
压力公式推导表达式为：
Figure BDA0003012655040000032
密封容腔内油液压力梯度如下公式表达：
Figure BDA0003012655040000033
其中：ω为马达的转速(°/s)；θ为马达的转子转角(°)；V为马达的密封腔初始体积(m3)；β∈为油液的弹性模量(MPa)；dp为密封容腔油液压力微分；dv为密封容腔油液体积微分；经三角槽流入或流出连续回转电液伺服马达密封容腔的体积变化可根据节流小孔的流量公式得到：
Figure BDA0003012655040000034
其中：Cq为流量系数；ΔP为马达进出口压差(Pa)；A为回油腔的节流面积；ρ为液压油的密度(kg/m3)；
组合压力槽是将三角槽和U型槽进行组合，即在U型槽前端加上三角槽，如图4所示。三角缓冲槽结构简单，可以看作成一个加工后形成的三棱椎体。三角槽的结构主要由平面角和深度角两个参数控制。其中面Δabd与连续回转电液伺服马达的配油盘工作平面重合，叶片在转过三角槽的过程中，任意截面Δefg为等边三角形，则定义Δefg的面积为三角槽的过流面积。U型槽可以看成半圆柱段和等截面积段两部分组成，通过其宽度和深度确定结构大小，将U型槽的过流面积分为半圆柱段和等面积段两部分计算。组合压力槽结构比单一缓冲槽复杂，需划分不同的阶段建立其理论模型，需分别三角槽和U型槽的过流面积。
根据三角槽的结构示意图2，计算后的三角缓冲槽过流面积A1可以以下公式表示：
Figure BDA0003012655040000035
式中：γ1为三角槽的平面角(°)；γ2为三角槽的深度角(°)；r为马达配流窗口的前缘半径(mm)；θ为马达叶片在三角槽上转过的角度(°)。
由三角缓冲槽流入或流出马达密封容腔的体积变化为：
Figure BDA0003012655040000041
在马达工作时，其密封容腔的油液体积可表示为：
Figure BDA0003012655040000042
式中：R1为定子大圆弧半径(mm)；R2为马达转子半径(mm)；z为马达叶片个数；b为叶片厚度(mm)。
可以得到三角缓冲槽结构下马达密封容腔内的压力梯度方程：
Figure BDA0003012655040000043
根据U型槽的结构示意图3，计算后的U型槽过流面积A2可以以下公式表示：
Figure BDA0003012655040000044
同理，经过U型槽流入或流出马达密封容腔体积的体积变化可根据节流小孔的流量公式得到：
Figure BDA0003012655040000045
可得U型槽结构下马达密封腔内压力梯度方程：
Figure BDA0003012655040000046
其中：r为马达配油窗口的前缘半径(mm)；b为U型槽的宽度(mm)；L为U型槽的深度(mm)；α为叶片在半圆柱上转过的角度(°)；θ为叶片旋转过半圆柱段的角度。
组合压力槽作为两种缓冲槽的组合，面积应与两种缓冲槽保持一致，且三角槽和U型槽的占比为2:3,通过三角槽和U型槽的大小占比，能够计算出叶片分别转过三角槽和U型槽阶段所需的角度。
根据式(5)和(9)，可以得到组合压力槽下的过流面积，其表达式为：
Figure BDA0003012655040000051
液压油通过组合压力槽流入或流出马达密封容腔的体积变化，可根据节流小孔的流量公式(4)得到，其表达式可如下为：
Figure BDA0003012655040000052
根据式(4)、(12)和(13)，可以得到组合压力槽结构下马达密封腔的压力梯度方程:
Figure BDA0003012655040000053
步骤二：确定鸟群所在位置C(i)，运用鸟群优化算法对组合压力槽结构进行优化，得到组合压力槽的最优深度和深度角尺寸，主要分为以下几个步骤：
(1)将组合压力槽的深度和深度角尺寸作为鸟群所在位置Ci1和Ci2，马达在降压过程中的压力梯度方程作为目标函数(FitFunc)，得到鸟群所在位置的适应度值F(x)为:
Figure BDA0003012655040000061
(2)在连续回转电液何服马达降压过程中,把马达叶片旋转角度、组合压力缓冲槽的深度和深度角尺寸为约束条件；叶片从0°转动3°即可实现降压，因此马达叶片旋转角度为：0°＜θ＜3°，深度尺寸区间约束为1.45<L<1.65，深度角尺寸区间约束6.5°＜γ2＜9.5°；(3)以连续回转电液伺服马达在长半径圆弧区域降压过程中的压力梯度为判定函数，初始化鸟群的总数设置为10，空间维度为1维，迭代次数为600次，鸟群飞行频率为8，认知系数C和社会进化系数S都为1，参数a1、a2也设置为1。代入相关参数，运用Matlab对目标函数进行优化，得到目标函数优化曲线和组合压力槽深度和深度角优化曲线，如图5和图6所示；当鸟群优化算法迭代到第53步时，目标函数开始收敛，收敛于-1.2741，当组合压力槽宽度为2mm，平面角为8°时，深度角为9.41°和深度为1.532时降压效果最优。
步骤三：建立三角槽和组合压力槽下马达内流场模型的建立与网格划分；
为了研究组合压力槽对连续回转电液伺服马达换向时压力冲击的影响，不考虑马达泄漏；为了分析马达在短半径区域升压过程中的压力变化情况，以叶片与回油腔相切的位置开始，马达叶片旋转角度0.4°为间隔，运用UG软件建立马达两相邻叶片从0°、0.4°、0.8°、1.2°、1.6°、2°、2.4°、2.8°以及3.2°九个位置时马达密封容腔内流场三维模型，如图7和图8所示；本发明选择Workbench中的MESH网格划分对模型进行网格划分，在马达密封容腔内流场模型中，马达叶片顶端和定子表面接触部分的间隙较小以及三角槽尖角处部分尺寸较小，为了保证精确的数值计算结果，对该部分区域进行网格细化处理。由于篇幅有限，只展示0°时三角槽和组合压力槽下的网格模型，如图9和图10所示。
步骤四：利用FLUENT软件对组合压力槽下马达内流场模型的降压过程进行仿真分析，具体以下几个过程：
(1)选择32#抗磨液压油；(2)指定进出口压力为6.5MPa、3.5MPa，(3)选择k-ε湍流模型；(4)运用FLUENT软件进行计算，得到连续回转电液伺服马达叶片旋转角度为0°、0.4°、0.8°、1.2°、1.6°、2°、2.4°、2.8°以及3.2°时三角槽和组合压力槽下的计算结果；(5)通过仿真分析得到马达密封容腔在降压过程中的压力云图，由于篇幅有限，只展示0°时三角槽和组合压力槽下的压力云图，如图11和12所示；(6)通过计算结果得到压力变化曲线和压力梯度变化曲线，如图13和14所示。

Claims (4)

1.一种基于鸟群算法的马达组合压力缓冲槽结构的设计方法，组合压力缓冲槽其特征在于在U型槽前端加三角槽，运用鸟群优化算法对连续回转电液伺服马达组合压力缓冲槽结构进行优化，包括以下步骤：
步骤一：建立组合压力槽下连续回转电液伺服马达密封容腔数学模型；
步骤二：确定鸟群所在位置C(i)，运用鸟群优化算法对组合压力槽结构进行优化，得到组合压力槽的最优深度和深度角尺寸；
步骤三：三角槽和组合压力槽下马达内流场模型的建立与网格划分；
步骤四：利用FLUENT软件对三角槽和组合压力槽下马达内流场模型的降压过程进行分析。
2.根据权利要求1所述的一种基于鸟群优化算法的连续回转电液伺服马达组合压力槽结构设计，其特征对于组合压力槽结构下的马达内流场进行数值计算，主要分为以下几个过程：
a)选择32#抗磨液压油；b)指定进出口压力为6.5MPa、3.5MPa；c)选择湍流模型；d)运用FLUENT软件进行计算，得到连续回转电液伺服马达叶片旋转角度为0°、0.4°、0.8°、1.2°、1.6°、2°、2.4°、2.8°以及3.2°时三角槽和组合压力槽下的计算结果；e)通过计算结果得到压力变化曲线和压力梯度变化曲线。
3.根据权利要求1所述的一种基于鸟群算法的马达配流盘组合压力槽结构的设计方法，其特征是确定鸟群所在位置C(i)，运用鸟群算法对马达配流盘结构进行优化，主要分为以下几点：
a)建立组合压力槽下连续回转电液伺服马达密封容腔的数学模型，得到连续回转电液伺服马达的压力梯度，将组合压力槽的深度和深度角值作为判定值C(i1)C(i2)，马达在降压过程中的压力梯度作为目标函数；
b)在连续回转电液何服马达降压过程中,把马达叶片旋转角度、组合压力缓冲槽的深度和深度角尺寸为约束条件；
c)以连续回转电液伺服马达在长半径圆弧区域降压过程中的压力梯度为判定函数，初始化鸟群优化算法的各基本参数，如鸟群的总数、鸟类的粒子维度、最大的迭代次数、鸟类的飞行频率、觅食概率等参数，运用鸟群优化算法对马达配流盘组合压力槽进行优化。
4.根据权利要求2所述的一种基于鸟群算法的马达预压缩容腔结构设计方法,其特征运用FLUENT对连续回转电液伺服马达在升压和降压过程的研究方法一致，所以本文只对降压过程进行研究。
CN202110380262.5A 2021-04-09 2021-04-09 一种基于鸟群算法的马达组合压力缓冲槽结构设计方法 Pending CN113065212A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110380262.5A CN113065212A (zh) 2021-04-09 2021-04-09 一种基于鸟群算法的马达组合压力缓冲槽结构设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110380262.5A CN113065212A (zh) 2021-04-09 2021-04-09 一种基于鸟群算法的马达组合压力缓冲槽结构设计方法

Publications (1)

Publication Number Publication Date
CN113065212A true CN113065212A (zh) 2021-07-02

Family

ID=76566253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110380262.5A Pending CN113065212A (zh) 2021-04-09 2021-04-09 一种基于鸟群算法的马达组合压力缓冲槽结构设计方法

Country Status (1)

Country Link
CN (1) CN113065212A (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000297780A (ja) * 1999-04-15 2000-10-24 Sayama Seisakusho:Kk 揚水装置
CN101344067A (zh) * 2008-08-22 2009-01-14 哈尔滨工业大学 配油盘及使用该配油盘的连续回转电液伺服马达
US20110074163A1 (en) * 2009-09-29 2011-03-31 Mary Grace Soriano Timcang Cangrier-M87 machine or C-M87 a very powerful synchronized multi-lever perpetual motion machine designed for hydroelectric (hydraulic) power generation water recycling concept
CN103883510A (zh) * 2014-04-17 2014-06-25 哈尔滨工业大学 一种配流盘压力缓冲槽流量压力特性测试实验装置
KR101561074B1 (ko) * 2015-02-24 2015-10-16 박철민 진동식 항타기
CN105825016A (zh) * 2016-03-21 2016-08-03 哈尔滨理工大学 一种建立叶片式连续回转电液伺服马达内泄漏模型的方法
CN106292870A (zh) * 2016-07-31 2017-01-04 国网山东省电力公司日照供电公司 一种计算机硬件主板用收纳式接口
CN108716488A (zh) * 2018-05-28 2018-10-30 哈尔滨理工大学 一种新型叶片式连续回转电液伺服马达用配流盘
CN109304455A (zh) * 2018-11-30 2019-02-05 金华中呈新能源科技有限公司 一种熔融金属分配装置
CN209195698U (zh) * 2018-12-13 2019-08-02 南京威巍达液压泵科技有限公司 高压低噪音子母式叶片泵
CN110196991A (zh) * 2019-04-22 2019-09-03 哈尔滨理工大学 一种基于果蝇算法的马达预压缩容腔结构设计方法
CN111444590A (zh) * 2019-11-18 2020-07-24 哈尔滨理工大学 一种连续回转电液伺服马达压力缓冲结构的优化方法
CN111814409A (zh) * 2019-12-03 2020-10-23 哈尔滨理工大学 一种确定连续回转马达内泄漏影响因素的数值模拟方法
CN112021297A (zh) * 2020-09-10 2020-12-04 安徽蓝远企业管理咨询有限公司 一种机场用飞机起落轨道鸟群声波驱赶器

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000297780A (ja) * 1999-04-15 2000-10-24 Sayama Seisakusho:Kk 揚水装置
CN101344067A (zh) * 2008-08-22 2009-01-14 哈尔滨工业大学 配油盘及使用该配油盘的连续回转电液伺服马达
US20110074163A1 (en) * 2009-09-29 2011-03-31 Mary Grace Soriano Timcang Cangrier-M87 machine or C-M87 a very powerful synchronized multi-lever perpetual motion machine designed for hydroelectric (hydraulic) power generation water recycling concept
CN103883510A (zh) * 2014-04-17 2014-06-25 哈尔滨工业大学 一种配流盘压力缓冲槽流量压力特性测试实验装置
KR101561074B1 (ko) * 2015-02-24 2015-10-16 박철민 진동식 항타기
CN105825016A (zh) * 2016-03-21 2016-08-03 哈尔滨理工大学 一种建立叶片式连续回转电液伺服马达内泄漏模型的方法
CN106292870A (zh) * 2016-07-31 2017-01-04 国网山东省电力公司日照供电公司 一种计算机硬件主板用收纳式接口
CN108716488A (zh) * 2018-05-28 2018-10-30 哈尔滨理工大学 一种新型叶片式连续回转电液伺服马达用配流盘
CN109304455A (zh) * 2018-11-30 2019-02-05 金华中呈新能源科技有限公司 一种熔融金属分配装置
CN209195698U (zh) * 2018-12-13 2019-08-02 南京威巍达液压泵科技有限公司 高压低噪音子母式叶片泵
CN110196991A (zh) * 2019-04-22 2019-09-03 哈尔滨理工大学 一种基于果蝇算法的马达预压缩容腔结构设计方法
CN111444590A (zh) * 2019-11-18 2020-07-24 哈尔滨理工大学 一种连续回转电液伺服马达压力缓冲结构的优化方法
CN111814409A (zh) * 2019-12-03 2020-10-23 哈尔滨理工大学 一种确定连续回转马达内泄漏影响因素的数值模拟方法
CN112021297A (zh) * 2020-09-10 2020-12-04 安徽蓝远企业管理咨询有限公司 一种机场用飞机起落轨道鸟群声波驱赶器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
沈志琦: "连续回转电液伺服马达压力冲击及内泄漏研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
陈帅: "叶片式连续回转电液伺服马达密封与换向冲击特性研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Similar Documents

Publication Publication Date Title
CN115374576B (zh) 用于压气机叶片与机匣处理一体化扩稳设计方法
CN110909422A (zh) 一种离心泵叶轮高效工况区范围的预测及优化方法
Bing et al. Multi-parameter optimization design, numerical simulation and performance test of mixed-flow pump impeller
CN109858078A (zh) 一种双叶片离心叶轮自寻优设计方法
CN105825016A (zh) 一种建立叶片式连续回转电液伺服马达内泄漏模型的方法
CN115095520B (zh) 抑制径向泄漏的罗茨真空泵转子、真空泵及其工作方法
Xie et al. Optimization of centrifugal pump cavitation performance based on CFD
CN105673558A (zh) 一种基于载荷法设计的离心通风机叶片
CN111814409A (zh) 一种确定连续回转马达内泄漏影响因素的数值模拟方法
CN111444590A (zh) 一种连续回转电液伺服马达压力缓冲结构的优化方法
CN113065212A (zh) 一种基于鸟群算法的马达组合压力缓冲槽结构设计方法
CN110196991A (zh) 一种基于果蝇算法的马达预压缩容腔结构设计方法
CN1828672A (zh) 一种基于六面体插值体细分的几何数据细分方法
KR100340699B1 (ko) 축류팬의 블레이드 설계방법 및 그에 의해 제조된 블레이드
CN113111453A (zh) 旋转叶片微织构减阻性能数值模拟简化方法
CN113221264B (zh) 海水淡化泵流道式导叶结构设计优化方法
CN110020503B (zh) 一种板式高速开关阀的数值模拟分析方法
CN114912225A (zh) 一种特形微织构缸套及其优化设计方法
CN111911423B (zh) 一种基于piv的离心泵叶轮极限外径测量及优化方法
Sun et al. Effect analysis of centrifugal pump parameters optimization design on performance
CN113297809B (zh) 一种离心泵叶轮口环间隙泄漏量的仿真估算方法
Wang et al. Pressure impact characteristic of vane type continuous rotary motor under different buffer structures
CN117077324B (zh) 基于叶片载荷和能量梯度理论联合约束的离心泵优化方法
Pei et al. Optimization of cavitation characteristics of axial flow submersible pump
CN208416934U (zh) 旋转式压缩机用气缸

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210702

WD01 Invention patent application deemed withdrawn after publication