期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化 被引量:2
1
作者 纪华伟 刘毛娜 胡小平 《中国机械工程》 EI CAS CSCD 北大核心 2015年第4期508-512,共5页
为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出... 为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。 展开更多
关键词 磁控形状记忆合金驱动 磁滞非线性 BP神经网络 遗传算法
在线阅读 下载PDF
一种改进的形状记忆合金驱动器自适应控制算法的初步研究
2
作者 罗洪艳 陈义安 +2 位作者 高翾 刘宁 廖彦剑 《材料导报》 EI CAS CSCD 北大核心 2012年第8期142-146,共5页
针对形状记忆合金驱动器的非线性迟滞特性,提出了一种改进的自适应控制算法。该算法以MKP逆模型为前馈补偿器,通过选择性自适应律调整模型参数,从而实现动态磁滞补偿,以达到实时准确控制。采用仿真实验对其性能进行了初步验证。结果表明... 针对形状记忆合金驱动器的非线性迟滞特性,提出了一种改进的自适应控制算法。该算法以MKP逆模型为前馈补偿器,通过选择性自适应律调整模型参数,从而实现动态磁滞补偿,以达到实时准确控制。采用仿真实验对其性能进行了初步验证。结果表明,该算法具有收敛速度快、运算负荷小、抗噪能力强等优点,适合于实时控制应用。 展开更多
关键词 形状记忆合金驱动 磁滞算子理论 自适应控制 计算机仿真
在线阅读 下载PDF
用于柔性机械手的形状记忆合金驱动器滑模控制研究
3
作者 杨凯 辜承林 +1 位作者 史铁林 马志云 《中国机械工程》 EI CAS CSCD 北大核心 2004年第20期1794-1797,共4页
提出了一种新型结构形式的形状记忆合金驱动器———内嵌式形状记忆合金驱动器。该驱动器将U形回复形状记忆合金丝嵌入弹性硅胶棒内 ,通过温控方式实现驱动器的往复可逆弯曲运动 ,对外稳定输出力和位移。研究了驱动器运行机理 ,探讨了... 提出了一种新型结构形式的形状记忆合金驱动器———内嵌式形状记忆合金驱动器。该驱动器将U形回复形状记忆合金丝嵌入弹性硅胶棒内 ,通过温控方式实现驱动器的往复可逆弯曲运动 ,对外稳定输出力和位移。研究了驱动器运行机理 ,探讨了基于形状记忆合金电阻反馈的变结构滑模控制策略 。 展开更多
关键词 形状记忆合金 内嵌式形状记忆合金驱动 滑模控制 机械手
在线阅读 下载PDF
形状记忆合金驱动的曲柄滑块机构多目标优化设计 被引量:4
4
作者 唐元贵 张艾群 《机械设计与制造》 北大核心 2011年第6期49-51,共3页
提出了一种应用于水下机器人方向舵、滑块为原动件的曲柄滑块传动机构,形状记忆合金差动驱动是该机构的突出特点。分析了形状记忆合金差动驱动的曲柄滑块机构运动机理,基于形状记忆合金驱动器的变形能力和力学性能,采用多目标优化设计... 提出了一种应用于水下机器人方向舵、滑块为原动件的曲柄滑块传动机构,形状记忆合金差动驱动是该机构的突出特点。分析了形状记忆合金差动驱动的曲柄滑块机构运动机理,基于形状记忆合金驱动器的变形能力和力学性能,采用多目标优化设计理论和算法,对形状记忆合金差动驱动的滑块行程和作用在滑块上的初始驱动力进行了综合优化,得到了曲柄滑块机构的结构优化参数,同时为形状记忆合金差动驱动器的性能参数设计提供了理论依据和设计准则。虚拟样机仿真试验验证了机构良好的驱动和传动性能。 展开更多
关键词 水下机器人方向舵 形状记忆合金差动驱动 曲柄滑块机构 多目标优化
在线阅读 下载PDF
复合加热下形状记忆合金微驱动器的响应性能研究
5
作者 黄亦康 曹云 +2 位作者 王阔 聂伟荣 席占稳 《兵器材料科学与工程》 北大核心 2025年第5期144-148,176,共6页
针对形状记忆合金微驱动器在直接电加热方式下响应缓慢,无法满足武器系统应用的需求,利用碳纳米管薄膜质量轻、厚度小,加热瞬时响应的优势,提出了1种基于碳纳米管薄膜外部加热和直接电加热复合的方法,开展了复合加热下形状记忆合金微驱... 针对形状记忆合金微驱动器在直接电加热方式下响应缓慢,无法满足武器系统应用的需求,利用碳纳米管薄膜质量轻、厚度小,加热瞬时响应的优势,提出了1种基于碳纳米管薄膜外部加热和直接电加热复合的方法,开展了复合加热下形状记忆合金微驱动器的响应性能研究。介绍了复合加热原理、形状记忆合金微驱动器的结构特点和工作原理,并结合仿真分析,设计了3种加热膜结构及其复合加热方案。搭建了形状记忆合金驱动过程动态测试平台,开展了不同加热条件下微驱动器的响应性能试验,分析了温度、电流、功率等因素对响应性能的影响。结果表明:复合加热下微驱动器的响应性能均有不同程度的提升;相同加热条件下不同加热膜结构对响应性能的提升存在显著差异;加热膜温度为330℃时响应性能提升最大,响应时间减少了29.4%。 展开更多
关键词 形状记忆合金驱动 碳纳米管薄膜 复合加热 响应性能
在线阅读 下载PDF
新型磁驱动形状记忆合金研究进展 被引量:2
6
作者 袁比飞 《材料工程》 EI CAS CSCD 北大核心 2007年第2期62-66,共5页
磁驱动形状记忆合金是一种新型功能材料,由于兼具大的输出应变和高响应频率等综合特性,成为智能材料领域的研究热点之一。本研究首先总结了Ni-Mn-Ga合金在相变和磁致应变性能方面的特点,然后着重介绍了Co-Ni-Ga和Ni-Fe-Ga两类新型磁驱... 磁驱动形状记忆合金是一种新型功能材料,由于兼具大的输出应变和高响应频率等综合特性,成为智能材料领域的研究热点之一。本研究首先总结了Ni-Mn-Ga合金在相变和磁致应变性能方面的特点,然后着重介绍了Co-Ni-Ga和Ni-Fe-Ga两类新型磁驱动记忆合金在结构、相变、形状记忆效应、磁性能等方面的研究进展,并对其中存在的问题进行了讨论。 展开更多
关键词 驱动形状记忆合金 Ni-Mn—Ga Co-Ni—Ga Ni-Fe-Ga
在线阅读 下载PDF
直流磁控溅射Ni_(49.54)Mn_(29.59)Ga_(20.87)磁驱动记忆合金薄膜的XPS研究
7
作者 高来勖 刘超 +3 位作者 高智勇 安旭 蔡伟 赵连城 《功能材料》 EI CAS CSCD 北大核心 2007年第1期50-52,共3页
采用直流磁控溅射技术沉积了Ni49.54Mn29.59Ga20.87磁驱动形状记忆合金薄膜。XRD结果表明,Ni49.54Mn29.59Ga20.87薄膜室温下为5层调制型结构马氏体。X射线光电子能谱(XPS)分析表明,放置于空气中2个月的沉积态薄膜表面吸附少量氧和碳杂... 采用直流磁控溅射技术沉积了Ni49.54Mn29.59Ga20.87磁驱动形状记忆合金薄膜。XRD结果表明,Ni49.54Mn29.59Ga20.87薄膜室温下为5层调制型结构马氏体。X射线光电子能谱(XPS)分析表明,放置于空气中2个月的沉积态薄膜表面吸附少量氧和碳杂质。随Ar+刻蚀深度的增加,表面C杂质易被剥蚀掉,而部分氧杂质以MnO状态存在;Ni、Mn、Ga元素含量由薄膜表面向内层逐渐增加,化学价由正价向零价转变。 展开更多
关键词 NI-MN-GA 驱动形状记忆合金 薄膜 溅射
在线阅读 下载PDF
自复位SMA丝驱动的连续体孔探弯曲机构设计
8
作者 王宜耀 芦吉云 +1 位作者 崔胜明 左洪福 《振动.测试与诊断》 EI CSCD 北大核心 2024年第6期1062-1067,1242,共7页
针对孔探仪探头自适应弯曲的需求,设计了一种由形状记忆合金(shape memory alloy,简称SMA)人工肌肉丝驱动的自复位弯曲机构。首先,搭建了SMA丝的性能测试平台,对不同电流激励下直径为0.8 mm的SMA丝的基本性能进行了测试;其次,设计了4段... 针对孔探仪探头自适应弯曲的需求,设计了一种由形状记忆合金(shape memory alloy,简称SMA)人工肌肉丝驱动的自复位弯曲机构。首先,搭建了SMA丝的性能测试平台,对不同电流激励下直径为0.8 mm的SMA丝的基本性能进行了测试;其次,设计了4段弯曲机构,建立其运动学模型,计算并试验测试了1根SMA丝通电激励下各关节的弯曲角度;最后,分别对单根及2根SMA丝通电,测试对比了机构整体弯曲角度,并利用光纤3D形状传感系统实现了此类机构的形态重构。结果表明:当电流在2.1~3.3 A变化时,SMA丝的收缩率由2.01%增大到4.54%,增加了2.26倍,在3.3 A电流下SMA丝的恢复应力为200 N;各关节弯曲角度的试验结果与理论值吻合较好;2根SMA丝通电下的机构整体弯曲角度最大可达114°,远大于单根丝的65°,具有良好的实用性。 展开更多
关键词 孔探仪 自复位弯曲机构 动力学分析 形状记忆合金驱动
在线阅读 下载PDF
微型仿尺蠖软体机器人的设计与实验 被引量:12
9
作者 胡俊峰 林茂虎 王文慧 《传感器与微系统》 CSCD 北大核心 2021年第8期106-109,共4页
根据尺蠖的运动规律设计了一种微型仿尺蠖软体机器人。利用形状记忆合金(SMA)弹簧模仿尺蠖肌肉对机器人实现驱动,通过周期性电流驱动机器人实现连续爬行运动。为了验证设计的微型仿尺蠖软体机器人的可行性,制作了机器人样机,通过运动实... 根据尺蠖的运动规律设计了一种微型仿尺蠖软体机器人。利用形状记忆合金(SMA)弹簧模仿尺蠖肌肉对机器人实现驱动,通过周期性电流驱动机器人实现连续爬行运动。为了验证设计的微型仿尺蠖软体机器人的可行性,制作了机器人样机,通过运动实验测试机器人在鼠标垫、木板、纸板上的最大爬行速度,以及爬行速度与驱动电流的频率和占空比之间的关系。实验结果表明:所设计的微型仿生软体机器人在电流的周期性驱动下,可以模仿尺蠖完成连续爬行运动,最大爬行速度可达3.5 mm/s,说明了所设计的微型仿尺蠖软体机器人的可行性,为微型仿生机器人的进一步研究提供了参考。 展开更多
关键词 微型仿生机器人 形状记忆合金(SMA)弹簧驱动 尺蠖运动
在线阅读 下载PDF
Hybrid control based on inverse Prandtl-Ishlinskii model for magnetic shape memory alloy actuator 被引量:2
10
作者 周淼磊 高巍 田彦涛 《Journal of Central South University》 SCIE EI CAS 2013年第5期1214-1220,共7页
The hysteresis characteristic is the major deficiency in the positioning control of magnetic shape memory alloy actuator. A Prandtl-Ishlinskii model was developed to characterize the hysteresis of magnetic shape memor... The hysteresis characteristic is the major deficiency in the positioning control of magnetic shape memory alloy actuator. A Prandtl-Ishlinskii model was developed to characterize the hysteresis of magnetic shape memory alloy actuator. Based on the proposed Prandtl-Ishlinskii model, the inverse Prandtl-Ishlinskii model was established as a feedforward controller to compensate the hysteresis of the magnetic shape memory alloy actuator. For further improving of the positioning precision of the magnetic shape memory alloy actuator, a hybrid control method with hysteresis nonlinear model in feedforward loop was proposed. The control method is separated into two parts: a feedforward loop with inverse Prandtl-Ishlinskii model and a feedback loop with neural network controller. To validate the validity of the proposed control method, a series of simulations and experiments were researched. The simulation and experimental results demonstrate that the maximum error rate of open loop controller based on inverse PI model is 1.72%, the maximum error rate of the hybrid controller based on inverse PI model is 1.37%. 展开更多
关键词 magnetic shape memory alloy HYSTERESIS hybrid control Prandtl-Ishlinskii model neural network
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部