[发明专利]一种基于实测悬点位移的曲柄运动规律仿真模型

权利要求书

1.一种基于实测悬点位移的曲柄运动规律仿真模型，其特征在于，其包括以下步骤：

步骤1、对抽油机曲柄摇杆换向机构的运动规律进行分析，得到悬点理论位移与曲柄转角之间的对应关系x_t(θ)的函数表达式：

x_t(θ)＝(ψ_max-ψ)*A

式中，x_t(θ)为悬点理论位移；ψ为游梁后臂相对于基杆的夹角；ψ_max为游梁后臂和基杆之间的最大夹角；A为游梁前臂长度，单位为m；

步骤2、在曲柄匀速转动角速度ω₀的基础上，增加一个K阶傅里叶级数，确定曲柄实际转动角速度ω(t)的函数表达式：

其中

式中,ω(t)为曲柄实际转动角速度，单位为rad/s；ω₀为曲柄匀速转动角速度，单位为rad/s；K为傅里叶级数截断级数；t为时间差分，单位为s；a_i为待求傅里叶系数；b_i为待求傅里叶系数；n为悬点实测冲次，单位为min^-1；

之后，根据曲柄实际转动角速度，确定曲柄瞬时转角的函数表达式：

步骤3、将步骤2中的曲柄转角θ(t)代入步骤1中x_t(θ)的函数表达式，得到的x_t(t)是综合傅里叶系数的函数，假设悬点位移的时间为t₁，t₂，…，t_N，悬点理论位移为x_t(t_i)，简化为x_ti；悬点实测位移为x_m(t_i)，简化为x_mi；基于最小二乘法原理，将悬点理论位移x_ti与悬点实测位移x_mi的误差平方和最小作为优化目标函数，确定曲柄实际转动角速度优化目标函数表达式：

式中，F为曲柄实际转动角速度优化目标函数，求得的值即为曲柄实际转动角速度ω(t)；a₁、a₂、…、a_K、b₁、b₂、…b_K均为傅里叶系数；N为时间节点个数；x_ti为悬点理论位移，单位为m；x_mi为悬点实测位移，单位为m；

步骤4、以F(a₁,a₂,…,a_K,b₁,b₂,…,b_K)为目标函数，应用优化算法求解傅里叶系数a₁、a₂、…、a_K和b₁、b₂、…b_K，并将傅里叶系数a₁、a₂、…、a_K和b₁、b₂、…b_K代入步骤3中的曲柄实际转动角速度优化目标函数，求出曲柄实际转动角速度ω(t)；

基于优化算法的步骤包括如下子步骤：

步骤41、确定学习因子c₁和c₂、粒子群体个数M；

步骤42、由logistic回归分析映射产生M个粒子x_i及其速度v_i，其中i＝1,…,N,最后形成初始粒子群体P₀；

步骤43、生产免疫记忆粒子：计算当前粒子群体P中粒子的适应值并判断算法是否满足结束条件，如果满足则结束并输出结果，否则继续运行；

步骤44、更新局部和全局最优解，并根据下面公式更新粒子位置和速度；

x_i,j(t+1)＝x_i,j(t)+v_i,j(t+1),j＝1…d

v_i,j(t+1)＝w·v_i,j(t)+c₁r₁[p_i,j-x_i,j(t)]+c₂r₂[p_g,j-x_i,j(t)]

式中，w是惯性权重；c₁、c₂是学习因子；r₁、r₂是[0,1]的随机数；t为搜索过程中的迭代次数；j是空间维度；p_i,j表示为第t次迭代时第i个粒子在j维中的最优位置；p_g,j表示为第t次迭代时群体在j维中的最优位置；

步骤45、由logistic映射产生N个新的粒子；

步骤46、基于浓度的粒子选择：用群体中相似抗体百分比计算生产N+M个新粒子(抗体)的概率，依照概率大小选择N个粒子(抗体)形成粒子(抗体)群P,然后转入步骤43。