基于轮地作用参数和PLSDA方法的月壤力学性能评估

《基于轮地作用参数和PLSDA方法的月壤力学性能评估》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、航空学报ActaAeronauticaetAstronauticaSinicaNov．252015VoI．36No．113751．3758ISSN1000．6893CN11-1929／Vhttp：Hhkxb．buaa．edu．cnhkxb@buaa．edu．cnDOI：10．7527／$1000—6893．2014．0364基于轮地作用参数和PLSDA方法的月壤力学性能评估薛龙1’2，邹猛1’*，李建桥1，党兆龙3，黄晗1，陈百超31．吉林大学工程仿生教育部重点实验室，长春1300222．华东交通大学机电工程学院，南昌3300453．中国空间技术研究院北京

2、空间飞行器总体设计部，北京100094摘要：为评估在轨月球车周边环境月壤力学性能，以月球车辙信息、轮上载荷和滑转率作为基本参数，提出了16个二元及三元标识量，结合偏最小二乘判别方法(PLSDA)建立评估月壤力学状态模型。根据容重对模拟月壤力学状态进行分级，分别为松软状态、自然状态和紧实状态。应用轮壤相互作用试验台共采集247组试验数据，每种模拟月壤状态的试验数据按照2：1比例随机划分为校正集样本和预测集样本，最终校正集和预测集样本个数分别为166和81个。考虑到原始数据值相差大和所提出部分标识量包含冗余信息的特点，因此在建立PLSDA模型时，应用均值中心化

3、预处理方法对原始数据进行数据预处理，并优选10个标识量建立识别月壤力学状态的PLSDA模型，对应的校正集的准确率和预测集的准确率分别为90．96％和90．12％。结果表明，应用PLSDA方法并结合月球车的车辙信息、轮上载荷和滑转率以及优选标识量所建立的评估月壤力学状态判别模型，其计算快速准确，可用于月球车在轨评估车轮前方月壤的力学特性和通过性能评估。关键词：地面力学；月球车；PLSDA；滑转率；沉陷量中图分类号：V474．3文献标识码：A文章编号：1000—6893(2015)11—3751—08原位测试月面月球车周围月壤力学性能，可为通过性能评估、路径规

4、划和地面模拟提供关键参数和依据。前苏联探月时对在轨月球车通过性的判断是基于带锥的十字板测头采集的数据，可快速有效地测量月面的承载能力和剪切强度‘川。美国则通过圆锥贯人阻力判断月面通过性的方法，即在月球车上安置土壤硬度计，用于在轨测量月面的圆锥指数，据此判断车辆是否可以安全通过该区域口]。随着新一轮月面探测和火星探测的展开睁5

5、，在轨星壤测试和分析技术由原来使用专门的设备，转变为在不增加轮式探测器结构和质量的前提下，利用轮式探视器与星壤接触部件的力学反馈，测试探视探测器周围月壤的力学性能参数。美国地质调查局门洛帕克实验室和加利福尼亚应用力学实验室合作，通过火

6、星探测器车轮旋转剪切土壤，测试轮上载荷以及剪切强度，根据库仑定律对火星土壤的内聚力c和内摩擦角妒进行收稿日期：2014-11-06；退修日期：2014-12—12；录用日期：2014—12．25；网络出版时间：2015．01．0714：19网络出版地址：www．cnki．net／kcms／detail／S1000．6893．2014．0364．html基金项目：国家自然科学基金(51375199)；中国空间技术研究院总体部资助项目(2012M520676)；吉林大学国防预研基金(JDXJY20130207)；工程仿生教育部重点实验室开放基金(K201406

7、)*通讯作者．Tel．：0431-85095760E-mail：zoumeng@jlu．edu．cn鳓壤格武：XueL，ZouM．LiJQ．eta1．Mechanicalperformanceestimationoflunarsoilusingwheel-soilinteractionparameterandPLSDA￡J]．ActaAeronauticaetAstronauticaSinica，2015．36(11)：3751-3758．薛龙．邹猛．李建桥．等．基f轮地作用参数和PLS．DA方法的月壤力学性能评估!JI航空学报．2015．36(I{)：3

8、751．3758．航空学报NOV．252015VoI．36No．11估测，进而判定该区域巡视探测器的通过性，该方法已成功应用于火星探测计划E6-11]。但是该方法需要较长时间的延时，不利于轮式探视器自主运行。麻省理工大学Iagnemma等口23提出了一种非参数化估测巡视探测器通过性的方法，在不同的模拟月壤力学状态且滑转率一定的情况下，以沉陷量与车轮半径比值和扭矩与车轮半径及其轮上载荷比值作为坐标轴，将挂钩牵引力作为评定通过性好坏的指标，通过仿真验证了该方法的实用性。加拿大Carleton大学Cross等[13]以滑转率、车轮扭矩和轮上载荷作为神经网络模型的

9、输入参数，内聚力和内摩擦角作为神经网络模型的输出参数在线测试土壤力