基于人工智能的初级扭矩静液压传动系统运行策略优化
信号处理
2020-04-01 v2 人工智能
机器人学
摘要
2018年提出了一种用于静液压移动机械的初级扭矩控制新概念。该概念通过反馈系统改变液压泵的角度来控制闭式回路中的压力，以基于反馈系统达到期望压力。得益于该概念，预期可获得一系列优势。然而，在Y循环工况下，由于缺乏能量回收能力，初级扭矩控制的轮式装载机在效率上表现劣于次级控制的土方机械。为此，我们采用深度学习算法来改善机械的能量再生性能。本文首先进行潜力分析以展示利用再生过程带来的益处，随后提出一系列结合CNN、RNN和DNN的CRDNN，用于精确检测Y循环。与现有算法相比，带有双向LSTM的CRDNN具有最佳精度，而带有LSTM的CRDNN性能相当但训练参数大幅减少。基于包含119个卡车装载循环的数据集，我们最佳的神经网络显示出98.2%的测试精度。因此，即便采用简单的再生过程，若使用初级扭矩概念，我们的算法在Y循环过程中可将移动机械的整体效率提升高达9%。
引用
@article{arxiv.2003.10011,
title = {Optimization of Operation Strategy for Primary Torque based hydrostatic Drivetrain using Artificial Intelligence},
author = {Yusheng Xiang and Marcus Geimer},
journal= {arXiv preprint arXiv:2003.10011},
year = {2020}
}
备注
9 pages, 23 figures