[發明專利]基于泛回歸神經網絡的軟管等效體積彈性模量計算方法

在審

• 申請號: 202111160187.8
• 申請日: 2021-09-30
• 公開（公告）號: CN113987920A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 王彬;馬騰飛
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;F15B19/00;G06F119/14
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 韓天宇

本發明公開了一種基于泛回歸神經網絡的軟管等效體積彈性模量計算方法,采用軟管連接的雙缸裝置測試軟管膨脹，獲得各個壓力區間下活塞位移與其對應的測試軟管的容腔壓力；處理原始數據獲得測試軟管的壓力變化率及其對應的容積變化率；將篩選后的數據以壓力區間、測試軟管的壓力變化率作輸入層，以測試軟管的容積變化率作輸出層，對泛回歸神經網絡進行訓練、測試，建立軟管模型。本發明能夠描述全工況范圍的軟管變形，提高控制精度，與采用集中參數法的建立的模型相比，能夠更好的描述軟管在實際工作時的變化，尤其是較高壓力和軟管彈性系數下降的工況下，對容積變化的辨識更符合實際。

技術領域

本發明涉及液壓輔件技術領域，尤其涉及一種基于泛回歸神經網絡的軟管等效體積彈性模量計算方法。

背景技術

液壓元件間常用軟管連接，實現柔性裝拆且可吸收一定的壓力振蕩。在遠距細長連接或高輸出力作動器精密控制等場合，軟管變形對其控制有重要影響，有必要建立軟管模型。傳統集中參數法采用一組固定參數建立的軟管模型難以描述全工況范圍的容腔變化，尤其在較高壓力下，軟管達到一定的膨脹量，其彈性系數下降，彈性變形能力減弱，在同樣壓力變化下，軟管容腔變化明顯減小，嚴重影響基于模型的系統控制性能。因此需要找到一種有效的軟管建模方法實現全工況范圍的軟管容腔變化的預測，可為軟管容腔壓縮損失進行精確補償，提高系統控制精度。本專利正是基于此目的公開的一種基于泛回歸神經網絡的軟管等效體積彈性模量計算方法。

發明內容

本發明所要解決的技術問題是針對背景技術中所涉及到的缺陷，提供一種基于泛回歸神經網絡的軟管等效體積彈性模量計算方法。

本發明為解決上述技術問題采用以下技術方案：

基于泛回歸神經網絡的軟管等效體積彈性模量計算方法，包括以下步驟：

步驟1)，對雙缸裝置進行測試，獲取原始數據；

所述雙缸裝置包含固定活塞缸、移動活塞缸、測試軟管、功能軟管，其中，固定活塞缸的缸體和活塞桿均固定，移動活塞缸的缸體固定、活塞桿能夠自由滑動；固定活塞缸、移動活塞缸中的無桿腔通過測試軟管密閉聯通，固定活塞缸、移動活塞缸中的有桿腔通過功能軟管密閉聯通；所述測試軟管內設有壓力傳感器；所述移動活塞缸的活塞桿上設有測量其位移的位移傳感器；進行測試時，對移動活塞缸的活塞桿加載負載，測得測試軟管內不同壓力值對應的移動活塞缸活塞桿的位移量；

所述原始數據包含N組測試軟管內壓力值及其對應的移動活塞缸活塞桿的位移量，N為預設的閾值；

步驟2)，將測試軟管的壓力值范圍劃分為若干壓力區間，對原始數據進行處理，得到測試軟管在各個壓力區間下的壓力變化率及其對應容積變化率；

步驟3)，篩選掉重復數據，以壓力區間、壓力變化率作為輸入層，容積變化率作為輸出層，并按預設的比例閾值隨機劃分訓練組與測試組，對泛回歸神經網絡進行訓練、測試，建立軟管模型；

步驟4)，需要進行軟管等效體積彈性模量計算時：

步驟4.1)，獲得待計算軟管當前的壓力數據，并根據其壓力數據計算出當前軟管的壓力區間、壓力變化率；

步驟4.2)，將當前軟管的壓力區間、壓力變化率輸入軟管模型，得到待計算軟管的容積變化率；

步驟4.3)，根據待計算軟管的容積變化率，計算出其等效體積彈性模量。

作為本發明基于泛回歸神經網絡的軟管等效體積彈性模量計算方法進一步的優化方案，所述步驟1)雙缸裝置的動力學平衡方程為：