摘要：机械系统中,铰接处接触力受铰间间隙量大小、运动副各部件的材料属性、运动过程中的接触状态等因素的影响,表现出很强的非线性。传统的间隙铰摩擦理论模型主要关注对摩擦现象描述的普适性,而难以精确地描述摩擦过程中摩擦力的非线性特征。基于物理样机试验获得的数据,使用深度学习方法建立了间隙铰非线性接触力神经网络模型,通过摩擦试验生成接触摩擦力数据集,结合旋转铰间隙接触碰撞力混合模型生成接触碰撞力数据集,对模型进行训练和测试,得到了旋转间隙铰的神经网络动力学模型。在此基础上,结合拉格朗日方程对含间隙铰的曲柄滑块机构进行建模,建立了“多刚体系统-间隙铰-多刚体系统”的动力学模型,通过仿真分析得到系统关键参数的动力学响应,并与物理试验结果进行了对比,验证了基于深度学习方法获得的间隙铰模型的正确性,为深度学习方法在非线性系统动力学建模方向上的应用提供了一个可行的思路。

摘要：为了满足舵机传动系统中铰链小间隙、大力载和大接触区域的特点,建立了一种适用于大面积接触碰撞过程且考虑非线性变刚度系数和轴承轴向尺寸的法向接触力模型。通过在不同间隙尺寸、恢复因数、初始碰撞速度和轴承轴向尺寸等各种工况下的仿真分析,验证模型的适用范围。进一步通过ADAMS软件中用户自定义子程序接口,将该接触力模型通过编译、链接嵌入舵机传动系统的动力学模型中,仿真结果表明:多个间隙铰下的系统动态响应并非单个间隙下响应的简单叠加,其相互耦合作用加剧了系统的振荡及非线性特性。该研究为含间隙铰飞行器的结构优化及控制策略设计提供理论参考。