基于轮壤相互作用模型的星壤力学参数反演研究

发布时间：2020-03-27 21:22

【摘要】：月球、火星等星球表面大部分覆盖有松软的星壤,由于对星壤力学了解过少,星球车行驶时,车轮会出现陷入星壤、打滑和牵引力不足等状况,为了提高星球车的通过性能,增加星球车工作寿命,本文建立刚性轮轮壤相互作用模型,结合单轮土槽试验,应用GA-BP算法和径向基神经网络分别预测星壤的剪切和承压力学参数,实现对在轨星球车周边星壤的力学特性参数的实时预测,为星球车规划路径、风险评估和通过性控制提供参考和依据。在分析经典轮壤相互作用模型基础上,对轮下应力分布进行优化,同时考虑轮刺对轮壤模型的影响,建立了简化的轮壤模型和考虑滑转沉陷的轮壤模型。(1)应用MATLAB仿真分析了轮上载荷、驱动扭矩和挂钩牵引力的变化规律。(2)通过试验测试了JLU-2b模拟月壤和JLU Mars 2模拟火星壤的力学参数。(3)通过单轮土槽试验获得轮壤相互作用产生的轮上载荷、驱动扭矩、挂钩牵引力和滑转率等。(4)模型和试验对比分析可知,简化的轮壤模型能够很好的预测带轮刺刚性轮在松软星壤上的通过性能。以上四部分验证了建立的两种轮壤模型的可靠性,并且简化的轮壤模型可靠性更高。建立的轮壤模型能够给后续的反演算法提供大量的数据对满足算法的训练要求。采用GA-BP算法对建立的轮壤模型中星壤的剪切参数进行辨识,输入数据为单轮土槽试验获取的驱动轮扭矩(T)、轮上载荷(W)、滑转率(s),输出数据为星壤的内摩擦角(j)和剪切变形模量(K)。共有315组数据用于训练GA-BP算法。反演结果表明,GA-BP算法预测得到的j的均值是32.20°,K的均值是1.74cm,与试验值的相对误差分别是5.3%和1.7%。BP网络作为GA-BP算法的对照组,预测得到的j的均值是36.35°,K的均值是1.71 cm,与试验值的相对误差分别是18.87%和3.39%。因此GA-BP算法能够更准确、有效地在线辨识星壤剪切参数。采用径向基神经网络(RBF)对星壤的承压参数进行辨识,输入数据为驱动轮扭矩(T)、轮上载荷(W)、滑转率(s),输出数据为组合变形模量(K_s)和变形指数(n)。共有288组数据用于训练RBF算法,将39组单轮土槽试验数据输入训练后的算法中,对模拟月壤的K_s和n进行辨识,试验结果表明,K_s的结果为0.7 N/cm~2,最大相对误差为11.1%;n的结果是0.916,最大相对误差为8.3%。对挂钩牵引力(DP)进行预测,预测DP结果稳定,并且相对试验值偏差小,在低滑转率三种轮上载荷下的相对误差分别为15.88%,15.05%,13.03%。因此RBF神经网络方法可以用来预测星壤承压参数,并估计DP值,指导星球车运行。
【图文】：

地貌图,月球,火星,地貌

（a）月球地貌（b）火星地貌图 1. 1 月球和火星地貌月球和火星表面严峻的条件和环境，，特别是松软的星壤，使得星球探测车在星球表面行驶时出现打滑，陷入沙地等不得前进的状况。同时由于地球与月球、

贯入仪,月壤,月球车,月度

图 1. 2 Apollo15 和 16 号搭载贯入仪（SRP） Lunokhod 月球车搭载贯入仪（PROP）测试获得表层月度[39]，PROP 如图 1. 3 所示，其能够同时测量月壤的承压
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S152

【相似文献】