612 工程科学学报，第39卷，第4期 计.建立其准确的动力学模型，对于推断机械臂在运 臂的重力矩，减小驱动电机的负载：弹药传输机械臂设 行过程中动态特性的变化情况，进而根据动态特性的 置有角位移传感器和角速度传感器（测速电机），用于 变化提出改进设计建议乃至实现故障诊断和预测，都 提供机械臂相对于起落部分的角度及角速度信号，使 具有重要的意义.弹药传输机械臂是一个复杂且多参 机械臂转至正确位置.根据弹药传输机械臂的拓扑结 数的机电液一体化系统，关键参数的确定是建模过程 构，在动力学仿真软件RecurDyn中建立了机械臂的动 中的一个核心问题.然而，弹药传输机械臂中的若干 力学模型，小平衡机液压回路模型则利用Simulink中 关键参数是不可测或难以测量的，只能通过辨识的方 的SimHydraulics模块建立. 法来获取. 托弹盘 测速电机 对于弹药传输机械臂而言，由于很难求出其可测 电机 响应量至待辨识参数的解析表达式，因此无法利用传 统的基于算法的辨识方法来对其未知参数进行辨识， 而以神经网络为代表的机器学习方法可以根据已知的 样本估计数据之间的依赖关系，从而对未知的数据进 行预测和判断，往往能方便的解决该类问题.如徐东 辉等回采取混沌径向基(RBF)神经网络结合Matlab 仿真的方法对油膜模型参数进行辨识，以提高动态参 数的辨识精度，进而得出了不同工况下的油膜动态特 征：Kayacan等四利用2类模糊神经网络实现了非线性 小平衡机 动态系统的参数辨识：Ugalde等提出了一种改进的 图1弹药传输机械臂 神经网络算法，有效的降低了运算的成本，并成功的将 Fig.I Structure of the shell transfer arm 其应用于柔性机械臂的参数辨识中. 但是，在利用神经网络对弹药参数机械臂的参数 1.2 控制系统建模 进行辨识时，需要包含待辨识参数和可测响应曲线特 机械臂由两个并联的串励电机驱动，其运动过程 征参数的样本进行训练.真实的实验能够获得高质量 如图2(a)所示.AB为支臂的转动范围，若支臂按需求 的样本，但对于弹药传输机械臂而言，大量真实的实验 从C点转动到D点，则整个运动过程可分为两段：在 不仅耗费大量的人力物力，且对于系统的内在参数，也 CE段，只需控制电机的转动方向，给电机施加额定电 很难进行人为的设定，而通过虚拟仿真的方法获取样 压，使电机全速运动以带动支臂快速向D点运动：当 本则比较容易实现.因此，本文为实现对弹药传输机 支臂转动到E点，系统变成一个完全的闭环位置系 械臂的参数辨识，建立了机械臂的虚拟样机，将其作为 统，把支臂准确定位在D点，其运动速度曲线如图2 样本数据的来源，通过对待辨识参数的抽样和仿真实 (b)所示 验，获得相应的样本数据：考虑到样本数据的连续性和 (a) 运动方向 平滑性，利用函数型数据分析(FDA)和函数型主成分 D 分析(FPCA)对样本数据进行特征提取，将提取的特征 起点 定位点 和待辨识参数作为训练样本进行极限学习机的 (ELM)的训练：同时，为提高极限学习机的辨识精度 和泛化能力，利用粒子群算法(PSO)对极限学习机的 输入层与隐含层的连接权值和隐含层节点的阈值进行 优化.最后分别利用仿真数据和实验数据对弹药传输 时间 机械臂的参数进行辨识，以验证此方法的可行性和有 图2机械臂运动过程.()运动及定位过程：(b)速度曲线 效性. Fig.2 Arm motion procedure:(a)motion and location procedure; (b)angular velocity of the arm 1 弹药传输机械臂建模与仿真 1.1虚拟样机建模 根据上述分析，在Simulink中建立电机、驱动和控 弹药传输机械臂的结构如图1所示，其中支臂安 制信号的模型，作为弹药传输机械臂的控制模块 装在火炮右耳轴上，可绕耳轴转动：托弹盘用于承载弹 1.3待辨识参数的选择与抽样仿真 丸：减速箱由两级直齿轮传动和一级蜗轮蜗杆传动组 根据1.1节~1.2节的分析，最终建立的弹药传 成：小平衡机由平衡油缸和蓄能器组成，用于平衡机械 输机械臂的联合仿真模型如图3所示，包括以下三个工程科学学报，第 39 卷，第 4 期 计． 建立其准确的动力学模型，对于推断机械臂在运 行过程中动态特性的变化情况，进而根据动态特性的 变化提出改进设计建议乃至实现故障诊断和预测，都 具有重要的意义． 弹药传输机械臂是一个复杂且多参 数的机电液一体化系统，关键参数的确定是建模过程 中的一个核心问题． 然而，弹药传输机械臂中的若干 关键参数是不可测或难以测量的，只能通过辨识的方 法来获取． 对于弹药传输机械臂而言，由于很难求出其可测 响应量至待辨识参数的解析表达式，因此无法利用传 统的基于算法的辨识方法来对其未知参数进行辨识， 而以神经网络为代表的机器学习方法可以根据已知的 样本估计数据之间的依赖关系，从而对未知的数据进 行预测和判断，往往能方便的解决该类问题． 如徐东 辉等［2］采取混沌径向基( ＲBF) 神经网络结合 Matlab 仿真的方法对油膜模型参数进行辨识，以提高动态参 数的辨识精度，进而得出了不同工况下的油膜动态特 征; Kayacan 等［3］利用 2 类模糊神经网络实现了非线性 动态系统的参数辨识; Ugalde 等［4］提出了一种改进的 神经网络算法，有效的降低了运算的成本，并成功的将 其应用于柔性机械臂的参数辨识中． 但是，在利用神经网络对弹药参数机械臂的参数 进行辨识时，需要包含待辨识参数和可测响应曲线特 征参数的样本进行训练． 真实的实验能够获得高质量 的样本，但对于弹药传输机械臂而言，大量真实的实验 不仅耗费大量的人力物力，且对于系统的内在参数，也 很难进行人为的设定，而通过虚拟仿真的方法获取样 本则比较容易实现． 因此，本文为实现对弹药传输机 械臂的参数辨识，建立了机械臂的虚拟样机，将其作为 样本数据的来源，通过对待辨识参数的抽样和仿真实 验，获得相应的样本数据; 考虑到样本数据的连续性和 平滑性，利用函数型数据分析( FDA) 和函数型主成分 分析( FPCA) 对样本数据进行特征提取，将提取的特征 和待 辨 识 参 数 作 为 训 练 样 本 进 行 极 限 学 习 机 的 ( ELM) 的训练; 同时，为提高极限学习机的辨识精度 和泛化能力，利用粒子群算法( PSO) 对极限学习机的 输入层与隐含层的连接权值和隐含层节点的阈值进行 优化． 最后分别利用仿真数据和实验数据对弹药传输 机械臂的参数进行辨识，以验证此方法的可行性和有 效性． 1 弹药传输机械臂建模与仿真 1. 1 虚拟样机建模 弹药传输机械臂的结构如图 1 所示，其中支臂安 装在火炮右耳轴上，可绕耳轴转动; 托弹盘用于承载弹 丸; 减速箱由两级直齿轮传动和一级蜗轮蜗杆传动组 成; 小平衡机由平衡油缸和蓄能器组成，用于平衡机械 臂的重力矩，减小驱动电机的负载; 弹药传输机械臂设 置有角位移传感器和角速度传感器( 测速电机) ，用于 提供机械臂相对于起落部分的角度及角速度信号，使 机械臂转至正确位置． 根据弹药传输机械臂的拓扑结 构，在动力学仿真软件 ＲecurDyn 中建立了机械臂的动 力学模型，小平衡机液压回路模型则利用 Simulink 中 的 SimHydraulics 模块建立． 图 1 弹药传输机械臂 Fig． 1 Structure of the shell transfer arm 1. 2 控制系统建模 机械臂由两个并联的串励电机驱动，其运动过程 如图 2( a) 所示． AB 为支臂的转动范围，若支臂按需求 从 C 点转动到 D 点，则整个运动过程可分为两段: 在 CE 段，只需控制电机的转动方向，给电机施加额定电 压，使电机全速运动以带动支臂快速向 D 点运动; 当 支臂转动到 E 点，系统变成一个完全的闭环位置系 统，把支臂准确定位在 D 点，其运动速度曲线如图 2 ( b) 所示． 图 2 机械臂运动过程． ( a) 运动及定位过程; ( b) 速度曲线 Fig． 2 Arm motion procedure: ( a) motion and location procedure; ( b) angular velocity of the arm 根据上述分析，在 Simulink 中建立电机、驱动和控 制信号的模型，作为弹药传输机械臂的控制模块． 1. 3 待辨识参数的选择与抽样仿真 根据 1. 1 节 ～ 1. 2 节的分析，最终建立的弹药传 输机械臂的联合仿真模型如图 3 所示，包括以下三个 · 216 ·