【技术实现步骤摘要】
本专利技术涉及机械工程，尤其涉及一种电动叉车的运动学建模方法及系统。
技术介绍
1、电动叉车是一种使用电动驱动系统而非内燃机驱动的工业车辆，用于搬运和堆垛物料。它们通常在仓储、制造和物流环境中使用，以提高效率、减少污染和噪音。电动叉车的运动学建模方法是一种用于描述和控制电动叉车的位置、速度和姿态的数学方法，它可以用于优化叉车的性能、安全性和效率。电动叉车在运动学建模时，电机输出扭矩与叉车速度响应存在严重的非线性，很难用简单的模型描述。
技术实现思路
1、基于此，本专利技术有必要提供一种电动叉车的运动学建模方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种电动叉车的运动学建模方法，包括以下步骤：
3、步骤s1：采集电动叉车电机实时的输出扭矩、速度、电流以及电压参数，从而得到电机参数数据；
4、步骤s2：根据电机参数数据对电机输出扭矩的速度响应进行神经网络模型模拟，从而得到电机响应模型；
5、步骤s3：利用视觉传感器实时捕捉叉车作业时的结构信息以及外部环境信息，从而得到叉车视觉图像数据；通过多体动力学根据叉车视觉图像数据对叉车进行质量分布分析，从而得到实时的叉车质量分布数据；
6、步骤s4：根据叉车结构中电机与轮胎之间的减速传动比例关系、叉车质量分布数据以及电机响应模型对电机输入与叉车运动参数进行运动关系分析，从而得到叉车运动关系数据；
7、步骤s5：根据叉车运动关系数据建立叉车运动数学模型，根据叉
8、本专利技术通过采集电机实时参数数据，可以获取电机在不同工况下的性能表现。这些参数数据对于了解电机的工作状态、负载特性以及电机的动态响应非常重要。这些数据可以用于进一步分析、建模和控制电动叉车的运动性能。通过对电机参数数据进行神经网络模型模拟，可以建立电机的响应模型。这个模型可以用来预测电机输出扭矩随着速度变化的关系。电机响应模型可以帮助我们更好地理解电机的动态特性，进而用于优化电机控制策略和提高叉车的运动性能。通过视觉传感器捕捉叉车作业时的结构信息和外部环境信息，可以获取叉车的视觉图像数据。利用多体动力学分析和叉车视觉图像数据，可以进行叉车的质量分布分析。这样可以获得实时的叉车质量分布数据，对于叉车的动力学建模和运动控制提供了重要的信息。通过分析叉车结构中电机与轮胎之间的减速传动比例关系、叉车质量分布数据以及电机响应模型，可以建立电机输入与叉车运动参数之间的运动关系。通过推导关系规则，可以得到叉车运动关系数据，这些数据可以用于建立叉车的运动模型和运动控制算法，进一步优化叉车的运动性能。根据叉车运动关系数据，可以建立叉车的运动数学模型，其中包括叉车的位置、速度、加速度等运动参数。利用这个数学模型，可以对叉车的运动状态进行预测和估计，从而实现对叉车的精确操控。这有助于提高叉车的运动稳定性、操作性和安全性，同时也为叉车的自动化控制和路径规划提供重要的支持。通过采集电机参数数据和建立电机响应模型，可以优化电机控制策略，提高叉车的动态性能和能效。通过视觉图像数据和质量分布分析，可以更好地理解叉车的结构和环境，为叉车的动力学建模和运动控制提供重要信息。通过建立叉车运动规则或数学模型，实现叉车运动状态的预测，可以提高叉车的操控精度和安全性。综合应用这些步骤，可以使叉车在各种工况下实现更加精确、高效和可靠的操控，提高叉车的自动化水平和工作效率。本专利技术在电动叉车运动学建模时，充分梳理电机输出扭矩与叉车速度响应的关系，并通过建立精确的叉车运动数学模型描述电机输出扭矩与叉车速度响应的关系。
9、优选地，步骤s1包括以下步骤：
10、步骤s11：根据传感器、信号调理电路、数据采集卡设计并安装，从而得到电机参数采集系统；
11、步骤s12：根据电机参数采集系统对电机在不同工况下的输出扭矩、速度、电流和电压信息进行实时采集，从而得到电机参数原始数据；
12、步骤s13：对电机参数原始数据进行傅立叶分解，分离出电机参数在时间域和频域中的主要特征，从而得到电机参数频域特征数据；
13、步骤s14：对电机参数频域特征数据进行高频噪声去除，并进行数据校准，从而得到电机参数数据。
14、本专利技术通过设计和安装电机参数采集系统，可以实现对电机运行过程中的相关参数进行实时监测和采集。这个系统可以提供准确、可靠的电机参数数据，为后续的分析、故障诊断和性能优化提供基础。通过电机参数采集系统对电机的输出扭矩、速度、电流和电压等信息进行实时采集，可以获取电机在不同工况下的实际运行数据。这些电机参数原始数据可以提供详细的运行状态信息，为电机性能分析、故障诊断和效率评估提供依据。通过对电机参数原始数据进行傅立叶分解，可以将数据分解为不同频率的成分，从而获得电机参数在频域中的特征。电机参数频域特征数据可以提供有关电机振动、谐波等特征的信息，有助于故障检测、振动分析和系统优化。通过对电机参数频域特征数据进行高频噪声去除和数据校准，可以消除由于传感器噪声或采集误差引入的干扰，提高数据的准确性和可靠性。得到的电机参数数据可以反映电机的真实运行特性，为电机状态评估、性能监测和控制策略优化提供准确的输入。综上所述，以上步骤包括获取准确的电机参数数据、实时监测电机运行状况、分析电机在时间域和频域中的特征，以及提高数据的准确性和可靠性。这些效果有助于电机性能评估、故障诊断、系统优化和控制策略改进，提高电机的可靠性、效率和寿命。
15、优选地，步骤s2包括以下步骤：
16、步骤s21：利用数字信号处理技术对电机参数数据进行滤波处理，从而得到电机特征参数数据；
17、步骤s22：通过神经网络特征映射技术根据电机特征参数数据建立电机参数模型，从而得到电机参数映射模型；
18、步骤s23：对电机参数映射模型进行迭代训练优化，从而得到优化后的电机参数神经网络模型；
19、步骤s24：根据电机参数神经网络模型对电机输出扭矩的速度响应进行动态仿真模拟，从而得到速度响应模拟数据；
20、步骤s25：根据速度响应模拟数据对电机参数神经网络模型进行反向传播调参，从而得到电机响应模型。
21、本专利技术数字信号处理技术可以用于对电机参数数据进行滤波处理，以去除噪声和干扰，提取出电机的特征参数。滤波处理可以采用不同的滤波器类型和方法，如低通滤波器、中值滤波器、卡尔曼滤波器等，根据实际需求选择合适的滤波方法。滤波处理的主要效果是降低信号中的高频成分和噪声，使得电机参数数据更加平滑和稳定。这有助于提高参数数据的准确性和可靠性，为后续的分析和建模提供更好的基础。神经网络特征映射技术可以利用电机的特征参数数据来建立电机参数模型。神经网络是一种模仿人脑神经系统的计算模型，通过学习输入和输出之间的关系来建立模型。在这个步骤中，电机的特征参数数据被用作神经网络的输入，而电机的真实参数数据作为输出。通过大量的训练数据和适当的网络本文档来自技高网...
【技术保护点】
1.一种电动叉车的运动学建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电动叉车的运动学建模方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的电动叉车的运动学建模方法，其特征在于，步骤S2包括以下步骤：
4.根据权利要求3所述的电动叉车的运动学建模方法，其特征在于，步骤S3包括以下步骤：
5.根据权利要求4所述的电动叉车的运动学建模方法，其特征在于，步骤S35包括以下步骤：
6.根据权利要求5所述的电动叉车的运动学建模方法，其特征在于，步骤S355包括以下步骤：
7.根据权利要求6所述的电动叉车的运动学建模方法，其特征在于，步骤S4包括以下步骤：
8.根据权利要求7所述的电动叉车的运动学建模方法，其特征在于，步骤S43包括以下步骤：
9.根据权利要求8所述的电动叉车的运动学建模方法，其特征在于，步骤S433所述的悬挂影响分析公式如下所示：
10.一种电动叉车的运动学建模系统，其特征在于，用于执行如权利要求1所述的电动叉车的运动学建模方法，所述电
...【技术特征摘要】
1.一种电动叉车的运动学建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电动叉车的运动学建模方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的电动叉车的运动学建模方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的电动叉车的运动学建模方法，其特征在于，步骤s3包括以下步骤：
5.根据权利要求4所述的电动叉车的运动学建模方法，其特征在于，步骤s35包括以下步骤：
6.根据权利要求5所述的电动叉车的运动学建模...
【专利技术属性】
技术研发人员：蒋林，
申请(专利权)人：青岛青叉机械制造有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。