排序方式: 共有26条查询结果,搜索用时 15 毫秒
21.
超磁致伸缩执行器在高频下工作时,能量损失不仅包括磁滞损失、Terfenol-D棒涡流损失,还包括Terfenol-D棒附加涡流损失。该文考虑到执行器的惯性、阻尼、Terfenol-D棒涡流损失及附加涡流损失,建立了超磁致伸缩执行器的动态模型。其磁滞特性由Berqvist和Engdahl磁滞模型来描述,材料非线性由输入到模型静态实验数据体现。模型求解使用有限差分方法,在Matlab/Simulink中建立相应模型仿真结构框图。对执行器不同工作频率情况进行模型的仿真计算,并与实验结果对比,发现模型与实验吻合较好。表明所建立动态模型能较好地描述执行器输出位移与驱动电流之间的关系。该模型对优化设计超磁致伸缩执行器有指导意义。 相似文献
22.
23.
24.
提出了超磁致伸缩材料(Giant Magnetostrictive Material,GMM)执行器的电-磁-机三场耦合分步有限元模型。此模型采用分步方法来建立,首先计算线圈的磁场,然后计算GMM中磁-机耦合场。通过COMSOL Multiphysics 3.4软件中的三个模块来实现所建模型。最后运用此有限元模型对GMM智能构件进行性能分析,得到的仿真结果与实验结果吻合,说明提出的有限元模型有利于GMM应用设计。 相似文献
25.
用神经网络结构实现超磁致伸缩智能构件滑模控制 总被引:7,自引:4,他引:3
提出了一种利用超磁致伸缩材料(GMM)智能构件精密加工活塞异形孔的方法.采用一种神经网络前馈复合离散滑模变结构控制策略,实现GMM智能构件的精密位移控制,消除了GMM智能构件迟滞非线性的影响.将智能构件的输出位移及其变化率作为小脑模型神经网络(CMAC)输入,构件的输入电流作为网络输出,利用CMAC在线自学习能力建立GMM智能构件的迟滞逆模型;通过离散滑模变结构控制器来消除神经网络的建模近似误差以及外界干扰.仿真结果表明,此控制策略能在线建立智能构件的迟滞逆模型,消除迟滞非线性的影响,控制误差降低到1.5%以内,可实现智能构件的精密位移控制. 相似文献
26.