履带车辆负重轮多维力传感器设计与分析

《履带车辆负重轮多维力传感器设计与分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、履带车辆负重轮多维力传感器的设计与分析摘要履带车辆行驶时，负重轮（履带车辆的行走部件）承担着支撑车体、保证车身沿特定方向运动的作用。车轮运动时，会与地面形成一种运动关系，如果能够研究出一种方法，测量履带车辆行走过程中，地面对负重轮的作用力，对于履带车辆的优化设计、履带车辆动态性能测试及履带车辆的道路谱数据采集等，有着重要的研究价值。但是，由于负重轮处于运动中，而且测量信号相互耦合，因此，使得适时的、动态的测量地面对负重轮的作用力的难度增加。也正因为如此，国内外众多学者都在研究这一难题。对于如何在动态条件下测量负重轮受地面在三维坐标系下的各维载荷来说，选取合适的测量点是传感

2、器设计的关键，影响着传感器测量的精确性，然而，信号的解耦也是传感器设计的难点之一。作为动载荷识别方法中的一种，BP网络已广泛应用于载荷识别、信号处理等领域。由于其突出的非线性问题解决能力，近些年来常常被用于结构载荷识别及耦合分析中。本文首先阐述了本课题在国内外的研究现状，明确了测量点的选取是负重轮力测量传感器的关键。结合负重轮的结构特点，行驶环境，采用有限元分析软件，对负重轮的受力、传感器弹性体布片的基本思想做了详细介绍,并对设计的传感器进行标定试验，并将标定结果进行处理，最后将基于神经网络的动载荷识别技术应用到传感器的静态解耦分析中，实现传感器输出信号的完全解耦。关键词

3、：负重轮，车轮力传感器，有限元分析，载荷识别，传感器解耦DesignandAnalysisofLoadWheelForceTransducerforTrackedVehicleAbstractsTheloadwheelasatrackedvehiclecomponents,playanimportantroleofincarrying、supportingthebody,andensurethatthebodyrollingonthecrawler.Themovementofvehicleisasaresultofforceeffectmadebythegroundand

4、thewheels,soitisofgreatsignificancetomeasurethewheelforceinmulti-directionforresearchingandestimatingthedynamicperformanceofthevehicleandroadprofilecollecting.However,duetothewheelinarotatingmovement,themeasuredsignalwiththestrongcouplingandnonlineartime-varying,itisdifficulttomeasurement

5、stakenduringrotationtofacetheforcesofthewheels.Therefore,thewheelmulti-dimensionalforcemeasurementtechniquehasbeenoneoftheissues.manyscholarsathomeandabroadtostudy.Inordertomeasuretheloadwheelindrivingconditionsunderdynamicloadofeachdimension(Suchasthelateralforce,verticalforce,longitudin

6、alforce,torque,etc.),Sensorsstraingaugemeasuringpointselectiondirectlyinfluencestheprecisionandsensitivityofsensor,Multi-dimensionalforcecorrespondingtovariablesheetcouplingeffectandstraingaugebridge,therefore,measuringpointselectionisthekeyofaccelerometer.Therefore,theselectionofmeasurem

7、entpointsisthekeytothedesignofthesensor.Dynamicloadidentificationtechniquescanindirectlymeasurethedynamicloadincaseofthedynamicresponseofthestructureandthestructureofthedynamiccharacteristicsofreversedynamicload.BPneuralnetworkhasbeenwidelyusedasadynamicloadidentifi