香洲博学之审问之的路灯车出租公司

    香洲博学之审问之的路灯车出租公司  136 0000 1358   路灯车出租, 香洲路灯车出租, 香洲路灯车出租公司,  任何情况下保证路灯车升降的直线性而不至于跑偏，是对路灯车升降液压系统的最基本要求。路灯车采用分泵供油方式，因此在路灯车做单升降动作时，前、后两个主泵分别向左、右两个升降马达供油，此时便要求供给左、右两个升降马达的供油量相等来保证路灯车行驶的直线性;当升降与其它动作复合时，由于负载的变化致使左、右两个升降马达的供油量很难保证相等，从而很难达到路灯车行驶的直线性，但是在多路阀中集成直线升降阀便能有效解决此种问题，保证路灯车无论在何种工况下都能直线升降而不会出现跑偏现。升降液压系统仿真分析在典型工况下，通过路灯车软件对路灯车升降液压系统进行仿真分析，分析直线升降阀结构特性对升降液压系统的影响。

    单升降时系统仿真分析: 单升降时升降液压系统。当升降换向阀工作在右位时，把左、右两个行驶马达的压力设置为10MPa为例，对升降液压系统的特性进行研究。把直线升降阀的先导压力始终设置为0，供油方式为分泵供油;同时把左、右两个换向阀左端的先导压力设置为0，而右端的先导压力则如图2所示。进行路灯车仿真后，可得到左、右两个行驶马达的压力－流量曲线;P1、P2两个主泵的压力－流量曲线。左、右两个升降马达在负载相同的情况下，由P1、P2两个主泵单独供给的流量基本相等;   在负载相同时两个主泵的出口压力和流量也基本相等，这样就保证了路灯车升降的直线性。但在换向阀换向时会产生较大的压力冲击，这严重影响液压元件的使用寿命和液压系统的可靠性。为了进一步分析系统负载与主泵输出压力、流量的关系，根据仿真模型可得到P1泵－左升降马达压力、流量仿真曲线和P2泵－右升降马达压力、流量仿真。 在忽略系统压力损失和元件泄漏的情况下，对比系统的压力峰值出现在0.4s时，而流经升降马达的流量是在0.2s之后才开始，到0.6s时达到最大。在0.2～0.6s这段时间里，泵却总是以90L/min的流量输出油液，同时阀芯移动切断中位回油通道，而此时流向升降马达的流道尚未打开，造成困油区，使泵输出的油液无法回油，而导致系统出现压力峰值。为了找出影响压力峰值的主要因素，现分别改变阀杆复位弹簧刚度和阀杆过流口的直径后进行仿真分析。其中，阀杆复位弹簧刚度值，阀杆过流口直径。http://www.foshanludengchechuzu.com/

    路灯车出租, 香洲路灯车出租, 香洲路灯车出租公司, 对复位弹簧的刚度进行设置后运行仿真模型，可得到的负载压力变化曲线。同样根据表2设置好阀杆的过流口直径后运行仿真模型，可得到的负载压力变化曲线。可知，改变复位弹簧刚度并不影响压力峰值的大小，而是影响压力峰值出现的时间，复位弹簧刚度越小出现压力峰值的时间就越早，反之越晚。可知，改变阀杆过流口直径对压力峰值出现的时间没影响，而是影响压力峰值的大小;阀杆过流口直径越小压力峰值就越大，反之越小。1.2复合动作时系统仿真分析复合动作时升降液压系统仿真模型与单升降时相同。当升降换向阀工作在右位时，把左、右两个行驶马达的负载压力设置为6MPa为例，对升降液压系统的特性进行研究。而换向阀的先导压力与单升降时一致。通过路灯车仿真可得到左、右两个升降马达的压力－流量曲线。当路灯车做升降－回转复合动作时，转变为P1泵向除了升降马达之外的工作装置供油，而P2泵只向左、右两个升降马达供油，这就能保证了左、右两升降马达在负载相同的情况下流过的油液相等，从而保证了路灯车升降的直线性。在负载同为6MPa情况下，左升降马达流过的流量为38L/min，而右升降马达流过的流量为50L/min，这是由于路灯车在进行复合动作时，P1泵还有一小部分油液会流向左升降马达，而在仿真中为了简化仿真模型便理想的认为P1泵的输出油液全部的供给了除左、右两个升降马达之外的工作装置，而没有油液流经左升降马达。考虑到这一部分被忽略的油液后，流过左升降马达的油液为48L/min，与右升降马达的流量基本相等，这就保证了路灯车在进行复合动作时路灯车升降的直线性。为更好地分析直线升降阀结构参数对阀出口压力流量的影响，现改变直线升降阀复位弹簧的刚度和预紧力。阀出口压力受复位弹簧刚度和预紧力的影响，弹簧刚度、预紧力越小，换向阀换向时压力峰值也就越大;反之越小。当弹簧刚度小于临界值133N/mm时，其峰值不再增大。弹簧的预紧力越小，换向时压力响应速度也就越快;反之越慢。复位弹簧的刚度和预紧力对阀出口的流量大小基本上没影响，但是对其换向时的流量响应却有较大的影响，弹簧刚度和预紧力越小，流量响应越快;反之越慢。为验证前文仿真模型的正确性，文中将对升降液压系统的负载压力－流量特性曲线和直线升降阀换向时阀出口的压力－流量响应曲线进行试验分析。(1)负载压力－流量特性试验。以左升降马达的压力－流量特性为研究对象，在试验台上对其进行操作，可得左升降马达的压力－流量特性曲线。这种网络综合了梯度下降法和牛顿方法的优点。LM算法结合这两种算法的优点，提高了收敛速度，加强了泛化能力、逼近能力和全局寻优的能力。LM算法是为了训练中等规模的前馈神经网络而提出的最快速的算法。在一定程度上克服了标准BP神经网络收敛速度慢和容易陷入局部最小点等问题。BP神经网络建立方法简单，因此在实际应用中得到了广泛的应用。系统仿真结果表明:通过在网络外部拟合系统的输出，对本质非线性电液位置伺服系统进行辨识，调节网络内部的权值获得的神经网络辨识模型可信性好;辨识的收敛速度只与神经网络本身及其采用的算法有关。http://www.foshanludengchechuzu.com/