面向淺層月壤的柔性取樣器研究.pdf

1、在歷次行星探測(cè)中都需要進(jìn)行原位取樣分析，取樣器是攸關(guān)科學(xué)探測(cè)任務(wù)成敗的關(guān)鍵設(shè)備之一。我國(guó)“嫦娥”探月工程在“落”和“回”兩個(gè)階段都需要月球車原位取樣分析。但月面特殊的空間環(huán)境如微重力、超高溫差、高真空、高靜電、高輻射等制約著取樣器的設(shè)計(jì)，此外，取樣器設(shè)計(jì)還受制于科學(xué)載荷及功率的限制。本文主要面向淺層月壤原位定量取樣設(shè)計(jì)了一種小型柔性取樣器，通過(guò)特有的開(kāi)口圓柱形薄殼桿結(jié)構(gòu)實(shí)現(xiàn)柔性收縮和剛性展開(kāi)，解決了傳統(tǒng)取樣器重量大、體積大、功耗大的問(wèn)題

2、，同時(shí)開(kāi)展了頻率自適應(yīng)控制及原位辨識(shí)的研究來(lái)提高鉆進(jìn)效率、拓展取樣器功能。
　　 首先面向淺層月壤，設(shè)計(jì)了一種新穎的柔性小型取樣器，包括卷簧式可伸縮取樣臂及振動(dòng)式取樣頭。取樣器重量輕、功耗低、收縮體積小、展開(kāi)行程較大、鉆取和拋丟樣品效率高，并能夠原位、定量取樣。并對(duì)選用的取樣器電機(jī)進(jìn)行了計(jì)算分析。然后通過(guò)理論分析和ANSYS工具研究了取樣器的靜力學(xué)和動(dòng)力學(xué)特性。靜力學(xué)分析給出了取樣臂半徑與厚度的約束條件，以及取樣臂最大下推力與各

3、參數(shù)之間的關(guān)系，并通過(guò)ANSYS有限元分析來(lái)研究取樣臂幾何參數(shù)對(duì)最大推力的影響，給出了最大推力的數(shù)學(xué)估計(jì)公式。然后進(jìn)行動(dòng)力學(xué)分析研究取樣器的振動(dòng)特性以及振動(dòng)對(duì)固定端的影響，建立和分析了“取樣頭—月壤”共振破碎的線性和非線性系統(tǒng)，并通過(guò)ANSYS進(jìn)行取樣頭和取樣器的振動(dòng)有限元分析，為振動(dòng)頻率自適應(yīng)控制及基于振動(dòng)信號(hào)的原位辨識(shí)提供了理論基礎(chǔ)。最后根據(jù)力學(xué)分析結(jié)果對(duì)取樣臂參數(shù)進(jìn)行了優(yōu)化。
　　 基于TMS320F2812和LabWin

4、dows/CVI軟件平臺(tái)設(shè)計(jì)了取樣器的測(cè)控系統(tǒng)，實(shí)現(xiàn)對(duì)伸縮電機(jī)電流信號(hào)、取樣臂位移信號(hào)、取樣電機(jī)電流信號(hào)、取樣頭兩維正交振動(dòng)信號(hào)、取樣勺位置信號(hào)的采集以及伸縮電機(jī)、取樣電機(jī)的控制，并通過(guò)交流調(diào)制恒流驅(qū)動(dòng)實(shí)現(xiàn)振子的振動(dòng)頻率調(diào)制?；贚abWindows/CVI軟件平臺(tái)設(shè)計(jì)的上位機(jī)測(cè)控軟件通過(guò)ActiveX技術(shù)調(diào)用Matlab和Excel來(lái)實(shí)現(xiàn)控制算法與信號(hào)處理算法以及數(shù)據(jù)的存儲(chǔ)與查詢。
　　 為了提高取樣器的鉆進(jìn)效率，提出了基于動(dòng)

5、態(tài)參數(shù)辨識(shí)的窄帶掃頻模糊自適應(yīng)控制算法，先通過(guò)滑動(dòng)最小二乘法進(jìn)行“取樣頭—月壤”共振頻率模型參數(shù)辨識(shí)，再通過(guò)模糊控制器實(shí)現(xiàn)掃頻帶寬的自適應(yīng)控制。其次，為了適應(yīng)“取樣頭—月壤”振動(dòng)系統(tǒng)的非線性和不確定性，構(gòu)建了基于神經(jīng)網(wǎng)動(dòng)態(tài)預(yù)測(cè)的共振頻率神經(jīng)模糊自適應(yīng)控制系統(tǒng)。先對(duì)比研究了LMBP、RBF以及GRNN神經(jīng)網(wǎng)的共振頻率動(dòng)態(tài)預(yù)測(cè)性能，并設(shè)計(jì)了基于頻率預(yù)測(cè)誤差、振幅及振幅變化為輸入，掃頻帶寬為輸出的神經(jīng)模糊自適應(yīng)控制系統(tǒng)。最后并通過(guò)仿真驗(yàn)證了算

6、法的有效性。
　　 為了拓展取樣器的功能，提出了基于振動(dòng)信號(hào)的原位辨識(shí)方法。首先通過(guò)時(shí)域信息熵、經(jīng)典功率譜（周期圖法、Welch法）、現(xiàn)代功率譜（基于AR模型的Burg法、MUSIC法）進(jìn)行振動(dòng)信號(hào)特征提取，再通過(guò)支持向量機(jī)(SVM)和改進(jìn)K近鄰分類器進(jìn)行分類，實(shí)現(xiàn)“取樣頭—巖石”接觸辨識(shí)和“取樣頭—不同密度被取樣物”的原位辨識(shí)。比較研究表明通過(guò)Welch功率譜進(jìn)行特征提取，再通過(guò)SVM進(jìn)行分類辨識(shí)效果最佳。最后提出并驗(yàn)證了通過(guò)