基于敏感性定向修正的拨穗机寿命影响程度分析方法

1.本发明涉及拨穗机寿命影响程度分析方法，特别涉及基于敏感性定向修正的拨穗机寿命影响程度分析方法。


背景技术：

2.拨穗机作为农业育种领域的重要装备，随着农业现代化的发展趋势，水稻协助育种技术也在不断创新，拨穗机运用次数也逐步提高，其运行安全与作业质量愈发受到重视。目前未考虑到拨穗机作业环境复杂多样，外界因素与拨穗机自身作业参数对拨穗机作业质量及可靠性的影响。准确评估各变量对拨穗机结构寿命的影响，辨识影响拨穗机可靠性的关键因素，对提高拨穗机作业质量及可靠性具有重要价值。


技术实现要素：

3.发明目的：本发明目的是提供一种基于敏感性定向修正的拨穗机寿命影响程度分析方法，该方法检测精度高。
4.技术方案：本发明提供一种基于敏感性定向修正的拨穗机寿命影响程度分析方法包括如下步骤：
5.s1拨穗机寿命影响因素的确定：
6.根据拨穗机的工作原理，其主要包括驱动小车、电动伸缩杆、摆杆装置和摆动绳等结构，据此确定影响拨穗机寿命的三个主要工作参数，分别是参数x1：驱动小车前进速度v，参数x2：摆杆装置转动速度ω和参数x3：电动伸缩杆的伸缩量δl，这里选取不同前进速度水平，对其进行标号为i，vi为第i个水平的前进速度，i＝1，2，...，n，n为前进速度的水平总数；选取不同转动速度水平，对其进行标号为j，ωj为第j个水平的摆杆转动速度，j＝1，2，...，m，m为摆杆转动速度的水平总数；选取不同电动伸缩杆的伸缩量水平，对其进行标号为s，δls为第s个水平的电动伸缩杆的伸缩量，s＝1，2，...，p，p为电动伸缩杆伸缩量的水平总数。同时考虑外界环境因素的影响，这里定义了参数x4：拨穗机所受风速大小k，这里选取不同风速的水平，对其进行标号为r，kr为第r个水平的风速，r＝1，2，...，d，d为风速的水平总数。
7.s2基于均匀试验的拨穗机孪生工况设计：
8.根据上述s1步骤中确定得到的四种参数(驱动小车前进速度v、摆杆装置转动速度ω、电动伸缩杆的伸缩量δl及拨穗机所受风速大小k)，确定不同影响因素的样本点数量与取值范围，并据此建立均匀试验表，得到了多种不同的工况试验组，对其进行标号为h，h＝1，2，...，q，q为均匀试验的总次数。
9.s3拨穗机结构寿命计算：
10.根据上述s2步骤中确定的多种不同的工况试验组，将拨穗机的结构模型导入到adams多体动力学仿真软件中，根据均匀试验表中不同工况试验组的参数，依次对其进行施加约束和定义不同机构的驱动函数，仿真求解后提取摆动绳上所受载荷的大小，记为fh，fh为摆动绳在第h次试验中所提取载荷的大小，h＝1，2，...，q，q为均匀试验的总次数。
11.其次，将拨穗机简化模型导入到abaqus有限元软件中进行结构静力学分析，通过自动划分方式进行该简化模型的网格划分工作，在前处理中进行边界约束和所提载荷fh的施加，仿真求解后分别得到均匀试验表中每组工况对应的最大应力。最后将该拨穗机的有限元分析模型导入到fe-safe疲劳分析软件中，并设置由上述动力学仿真计算得到的载荷谱，经过软件求解得到该拨穗机每组工况所对应的寿命，记为lh，h＝1，2，...，q，q为均匀试验的总次数。
12.s4定向服务模型的建立：
13.根据s2步骤中确定的不同试验组合的参数情况，结合s3步骤中仿真求解出其每组工况所对应的寿命，对不同工况下所对应的寿命lh进行定向服务模型的拟合，并估计更新相关参数，提高模型精度，获得每组工况下所对应的寿命lh所对应的定向服务模型。
[0014][0015]
其中，y为不同工况下所对应的寿命lh的响应值；为第h组工况下该拨穗机寿命影响因素的采样数据值，h＝1，2，...，q，q为均匀试验的总次数；f(
·
)为回归项，表示与y之间的函数关系；α(x)为零均值的高斯随机项，其任意两点xe和x
t
的随机项的协方差为
[0016]
cov[α(xe)，α(x
t
)]＝σ2r(xe，x
t
，θ)
[0017]
其中，cov[α(xe)，α(x
t
)]为任意两点xe和x
t
的随机项的协方差；xe和x
t
分别为两个不同影响因素的采样数据值，e≠t∈(1，2，3，4)；σ2为为样本随机项的均方；r(xe，x
t
，θ)为xe和x
t
之间具有参数向量θ的高斯相关函数，可表示为
[0018][0019]
其中，r(xe，x
t
，θ)为xe和x
t
之间具有参数向量θ的高斯相关函数；和分别为两个影响因素在第h组工况下的采样数据值，e≠t∈(1，2，3，4)，h＝1，2，...，q，q为均匀试验的总次数；θh为第h组工况下的参数向量。
[0020]
s5基于敏感性定向修正的拨穗机寿命影响程度的确定：
[0021]
根据上述s4步骤中拟合得到的定向服务模型，求解得到该拨穗机不同寿命影响因素的各阶灵敏度指标值。
[0022][0023]
其中，λ
t
为影响因素x
t
的一阶灵敏度系数，λ
et
为二阶灵敏度系数，e≠t∈(1，2，3，4)；为该模型的4阶偏方差；v为总方差，等于各阶偏方差之和。
[0024]
有益效果：本发明方法通过确定拨穗机结构寿命的影响因素，利用均匀试验进行工况设计，通过动力学、静力学及寿命仿真软件确定不同工况下拨穗机的寿命的大小，通过建立定向服务模型修正原有的敏度模型，通过修正后的敏度模型进而确定出不同因素的影响程度，分析准确度高。
附图说明
[0025]
图1为本发明提供的基于敏感性定向修正的拨穗机寿命影响程度分析方法流程框图。
具体实施方式
[0026]
如图1所示，本实施例的基于敏感性定向修正的拨穗机寿命影响程度分析方法，该方法包括以下步骤：
[0027]
s1.拨穗机寿命影响因素的确定：
[0028]
根据拨穗机的工作原理，其主要包括驱动小车、电动伸缩杆、摆杆装置和摆动绳等结构，据此确定影响拨穗机寿命的三个主要工作参数，分别是参数x1：驱动小车前进速度v，参数x2：摆杆装置转动速度ω和参数x3：电动伸缩杆的伸缩量δl，这里选取不同前进速度水平，对其进行标号为i，vi为第i个水平的前进速度，i＝1，2，...，n，n为前进速度的水平总数；选取不同转动速度水平，对其进行标号为j，ωj为第j个水平的摆杆转动速度，j＝1，2，...，m，m为摆杆转动速度的水平总数；选取不同电动伸缩杆的伸缩量水平，对其进行标号为s，δls为第s个水平的电动伸缩杆的伸缩量，s＝1，2，...，p，p为电动伸缩杆伸缩量的水平总数。同时考虑外界环境因素的影响，这里定义了参数x4：拨穗机所受风速大小k，这里选取不同风速的水平，对其进行标号为r，kr为第r个水平的风速，r＝1，2，...，d，d为风速的水平总数。
[0029]
s2.基于均匀试验的拨穗机孪生工况设计：
[0030]
根据上述s1步骤中确定得到的四种参数(驱动小车前进速度v、摆杆装置转动速度ω、电动伸缩杆的伸缩量δl及拨穗机所受风速大小k)，确定不同影响因素的样本点数量与取值范围，并据此建立均匀试验表，得到了多种不同的工况试验组，对其进行标号为h，h＝1，2，...，q，q为均匀试验的总次数。
[0031]
s3.拨穗机结构寿命计算：
[0032]
根据上述s2步骤中确定的多种不同的工况试验组，将拨穗机的结构模型导入到adams多体动力学仿真软件中，根据均匀试验表中不同工况试验组的参数，依次对其进行施加约束和定义不同机构的驱动函数，仿真求解后提取摆动绳上所受载荷的大小，记为fh，fh为摆动绳在第h次试验中所提取载荷的大小，h＝1，2，...，q，q为均匀试验的总次数。
[0033]
其次，将拨穗机简化模型导入到abaqus有限元软件中进行结构静力学分析，通过自动划分方式进行该简化模型的网格划分工作，在前处理中进行边界约束和所提载荷fh的施加，仿真求解后分别得到均匀试验表中每组工况对应的最大应力。最后将该拨穗机的有限元分析模型导入到fe-safe疲劳分析软件中，并设置由上述动力学仿真计算得到的载荷谱，经过软件求解得到该拨穗机每组工况所对应的寿命，记为lh，h＝1，2，...，q，q为均匀试验的总次数。
[0034]
s4.定向服务模型的建立：
[0035]
根据s2步骤中确定的不同试验组合的参数情况，结合s3步骤中仿真求解出其每组工况所对应的寿命，对不同工况下所对应的寿命lh进行定向服务模型的拟合，并估计更新相关参数，提高模型精度，获得每组工况下所对应的寿命lh所对应的定向服务模型。
[0036][0037]
其中，y为不同工况下所对应的寿命lh的响应值；为第h组工况下该拨穗机寿命影响因素的采样数据值，h＝1，2，...，q，q为均匀试验的总次数；f(
·
)为回归项，表示与y之间的函数关系；α(x)为零均值的高斯随机项，其任意两点xe和x
t
的随机项的协方差为
[0038]
cov[α(xe)，α(x
t
)]＝σ2r(xe，x
t
，θ)
[0039]
其中，cov[α(xe)，α(x
t
)]为任意两点xe和x
t
的随机项的协方差；xe和x
t
分别为两个不同影响因素的采样数据值，e≠t∈(1，2，3，4)；σ2为为样本随机项的均方；r(xe，x
t
，θ)为xe和x
t
之间具有参数向量θ的高斯相关函数，可表示为
[0040][0041]
其中，r(xe，x
t
，θ)为xe和x
t
之间具有参数向量θ的高斯相关函数；和分别为两个影响因素在第h组工况下的采样数据值，e≠t∈(1，2，3，4)，h＝1，2，...，q，q为均匀试验的总次数；θh为第h组工况下的参数向量。
[0042]
s5.基于敏感性定向修正的拨穗机寿命影响程度的确定：
[0043]
根据上述s4步骤中拟合得到的定向服务模型，求解得到该拨穗机不同寿命影响因素的各阶灵敏度指标值。
[0044][0045]
其中，λ
t
为影响因素x
t
的一阶灵敏度系数，λ
et
为二阶灵敏度系数，e≠t∈(1，2，3，4)；为该模型的4阶偏方差；v为总方差，等于各阶偏方差之和。