基于遗传算法的摩擦模型参数辨识研究的中期报告.docx

基于遗传算法的摩擦模型参数辨识研究的中期报告 摘要： 本文研究了基于遗传算法的摩擦模型参数辨识方法。首先，构建了基于广义Maxwell模型的摩擦力模型，并且将其参数化。然后，设计了遗传算法，用于辨识摩擦力模型中的参数。最后，进行了仿真实验验证了该方法的有效性。 关键词：遗传算法；摩擦力模型；参数辨识；广义Maxwell模型 引言: 摩擦力模型在机械系统的建模中起着重要作用。目前，广义Maxwell模型是较为常用的摩擦力模型之一。但是，该模型包含的参数较多，且不同系统之间的参数也有所不同，因此需要进行参数辨识。遗传算法是一种广泛应用于参数辨识的优化算法，本文将其应用于广义Maxwell模型的参数辨识。通过对实验数据进行仿真验证，结果表明该方法能够有效提高模型的预测精度。 摩擦力模型及广义Maxwell模型 传统的摩擦力模型主要分为两类: Coulomb摩擦力模型和Viscous摩擦力模型。但是，这两种模型都存在一定的不足，如 Coulomb 模型无法描述滑动摩擦力，Viscous 模型无法描述压缩摩擦力。针对这些不足，更加通用的摩擦力模型是广义Maxwell模型。 广义Maxwell模型基于弹性力学的数学模型，由多个Kelvin元件串接而成。每个Kelvin元件包含弹簧和阻尼器。如图所示，对于一个Kelvin元件，其主要参量有阻尼系数b和弹性系数k。对于一个由k个Kelvin元件串接而成的广义Maxwell模型，其主要参数有k个阻尼系数和k个弹性系数，总共2k个参数。因此，对广义Maxwell模型进行辨识的难度较大。 遗传算法设计 遗传算法是一种基于自然进化原理的搜索算法，其优化目标可以描述成一个评估函数。一次遗传算法的流程主要包含了选择、杂交和变异操作，如图所示。其中选择操作根据评估函数的好坏，选择适应度较高的染色体。杂交操作则将选择出的染色体按照一定方式进行交配组合，产生新的染色体。变异操作是在杂交后的染色体基础上进行一定的变异操作，增加遗传多样性。经过多次迭代，最终求得最优解。本文的目标就是利用遗传算法求解摩擦力模型的最优参数。 仿真实验及结果分析 本文采用了MATLAB进行仿真实验。实验中，将广义Maxwell模型应用于一条模拟的带有摩擦力的红色杆上，通过载荷位移曲线进行数据采集。采集的结果如图所示，其中红色曲线为实际值，绿色曲线为摩擦力模型的拟合值。通过仿真实验，并且与实际值进行比对，发现该方法能够有效提高模型的预测精度。 结论 本文提出了基于遗传算法的摩擦模型参数辨识方法，并对广义Maxwell模型的参数进行了推导。通过仿真实验验证，结果表明该方法能够有效提高模型的预测精度。