电涡流缓速器,混合模型,制动力矩,神经网络," /> 电涡流缓速器,混合模型,制动力矩,神经网络,"/> 基于混合模型的电涡流缓速器制动力矩特性分析
Please wait a minute...
J4  2006, Vol. 40 Issue (11): 1980-1984    
论文     
基于混合模型的电涡流缓速器制动力矩特性分析
王生发,顾新建,钱亚东,马军(浙江大学 现代制造工程研究所,浙江 杭州 310027)
 全文: PDF 
摘要:

针对电涡流缓速器制动力矩数学模型在高速时的计算力矩与实际输出力矩存在较大偏差的缺点,提出了一种基于数学模型和神经网络模型相结合的混合制动力矩模型,在电涡流缓速器低速时采用数学模型计算力矩,在高速时采用神经网络模型来逼近非线性输出力矩.分析了电涡流缓速器的输出制动力矩在低、高速时的特性,提出了数学模型与神经网络模型切换点的选择方法.通过实验对比了基于数学模型和基于混合模型的制动力矩曲线的逼近效果,结果表明混合模型更为有效.

关键词: 电涡流缓速器')" href="#">电涡流缓速器混合模型制动力矩神经网络    
出版日期: 2006-11-20
基金资助:

国家自然科学基金资助项目(60374057);浙江省科技攻关计划重点资助项目(021110514).

作者简介: 王生发(1975-),男,四川达州人,博士生,主要从事产品创新设计、知识工程等的研究.E-mail: wshfa@21cn.com
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
王生发
顾新建
钱亚东
马军

引用本文:

王生发 顾新建 钱亚东 马军. 基于混合模型的电涡流缓速器制动力矩特性分析[J]. J4, 2006, 40(11): 1980-1984.

WANG Sheng-Fa, GU Xin-Jian, JIAN E-Dong, MA Jun. . J4, 2006, 40(11): 1980-1984.

链接本文:

http://www.zjujournals.com/xueshu/eng/CN/        http://www.zjujournals.com/xueshu/eng/CN/Y2006/V40/I11/1980

[1] 郁杨天, 章青, 顾鑫. 近场动力学与有限单元法的混合模型与隐式求解格式[J]. 浙江大学学报(工学版), 2017, 51(7): 1324-1330.
[2] 徐程, 曲昭伟, 王殿海, 金盛. 混合自行车交通流速度分布模型[J]. 浙江大学学报(工学版), 2017, 51(7): 1331-1338.
[3] 赵学武, 冀俊忠, 姚垚. 基于免疫克隆选择算法搜索GMM的脑岛功能划分[J]. 浙江大学学报(工学版), 2017, 51(12): 2320-2331.
[4] 刘扬,张海萍,邓扬,李明. 考虑车辆超载的公路简支梁桥疲劳性能[J]. 浙江大学学报(工学版), 2015, 49(11): 2172-2178.
[5] 罗林, 苏宏业, 班岚. Dirichlet过程混合模型在非线性过程监控中的应用[J]. 浙江大学学报(工学版), 2015, 49(11): 2230-2236.
[6] 崔建涛, 厉小润, 赵辽英. 高光谱图像亚像元级地物端元提取方法[J]. J4, 2012, 46(10): 1857-1865.
[7] 单振宇, 杨莹春. 基于UBM降阶算法的高效说话人识别系统[J]. J4, 2009, 43(6): 978-982.
[8] 杨春节 童晟 孙长生 宋执环. 基于可靠度约束的混合预防性维修模型[J]. J4, 2008, 42(8): 1376-1379.
[9] 王晓萍 林桢 金鑫. 紫外扫描式水质COD测量技术与仪器研制[J]. J4, 2006, 40(11): 1951-1954.
[10] 冯晓露 朱江涛 杜劲松 岑可法. 神经网络技术在主蒸汽温度控制系统前馈中的应用[J]. J4, 2006, 40(10): 1833-1836.