XÂY DỰNG ATLAS TRUYỀN ĐỘNG TOÀN DẢI CHO KHỚP CARDAN  TRÊN CƠ SỞ HỌC MÁY VÀ ỨNG DỤNG THUẬN – NGHỊCH CỦA NÓ

Phạm Thành Long; Nguyễn Thị Vân Anh

doi:10.34238/tnu-jst.14483

XÂY DỰNG ATLAS TRUYỀN ĐỘNG TOÀN DẢI CHO KHỚP CARDAN TRÊN CƠ SỞ HỌC MÁY VÀ ỨNG DỤNG THUẬN – NGHỊCH CỦA NÓ

Thông tin bài báo

Ngày nhận bài: 09/01/26 Ngày hoàn thiện: 27/02/26 Ngày đăng: 27/02/26

Các tác giả

1. Phạm Thành Long , Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên
2. Nguyễn Thị Vân Anh, Trường Trung học phổ thông Lê Hồng Phong, Thái Nguyên

Tóm tắt

Khớp Cardan là chi tiết máy khá quen thuộc với truyền động kỹ thuật, do tiếp xúc mặt nên nó cho khả năng tải tốt và giá thành rẻ so với các phương án truyền động đổi hướng không gian bằng khớp cao như bánh răng côn xoắn. Tuy nhiên đặc trưng của khớp Cardan là dao động vận tốc đầu ra dẫn đến thay đổi công suất truyền dẫn. Thuộc tính này một mặt đòi hỏi phải giới hạn góc chuyển hướng (c,d) theo độ sóng đầu ra cho trước ở bài toán thuận, mặt khác cần khuếch đại nó để có dao động động năng cực đại khi ứng dụng trong các máy trộn, nghiền với trục quay thẳng đứng. Bài báo này trình bày phương pháp mô hình hoá dao động vận tốc từ đó huấn luyện hàm học máy mô tả độ sóng vận tốc trên trục ra, mô tả sóng động năng tương ứng trên trục ra. Các kết quả kiểm chứng thực nghiệm cũng như định hướng ứng dụng trên cơ sở xây dựng được các Atlas sóng vận tốc và sóng động năng vào hai bài toán có bản chất ngược nhau là ổn định dao động vận tốc và khuếch đại dao động động năng. Kết quả nghiên cứu ngoài việc ứng dụng trong thiết kế các truyền động đẳng tốc bằng khớp thấp trong không gian theo hướng ổn định vận tốc đầu ra còn ứng dụng theo hướng ngược lại, nghĩa là tăng góc lệch truyền động để khuếch đại dao động động năng trên các máy trộn.

Từ khóa

Khớp Cardan; Sóng vận tốc; Động năng; Chuyển hướng; Góc lệch

Toàn văn:

PDF

Tài liệu tham khảo

[1] J. Ali, G. Shaver, and A. Bajaj, "A set-valued impact law approach for modeling and analysis of rigid contact universal joint with clearance," arXiv:2506.17183, June 20, 2025, doi: 10.48550/arXiv.2506.17183.

[2] X. Xiu, D. Chang, Y. Ju, and L. Zheng, “An analysis of the kinematics and dynamics performance of a new type of three-pronged sliding universal coupling,” Applied Sciences, vol. 14, no. 9, 2024, doi. 10.3390/app14093749.

[3] T. Liu, Y. Liu, P. Liu, and X. Du, “Method of dynamic modeling and robust optimization for chain transmission mechanism with time-varying load uncertainty,” Machines, vol. 13, no. 2, 2025, Art. no. 166, doi: 10.3390/machines13020166.

[4] M. J. Thomas, M. L. Joy, and A. P. Sudheer, “Kinematic and Dynamic Analysis of a 3-PRUS Spatial Parallel Manipulator,” Chinese Journal of Mechanical Engineering, vol. 33, no. 1, Feb. 2020, Art. no. 13, doi: 10.1186/s10033-020-0433-8.

[5] J. Tian, Y. Wang, Z. Liu, and H. Zhang, “Mechanism design and human–machine coupling analysis for a lumbar rehabilitation robot,” Front. Bioeng. Biotechnol., vol. 13, 2025, Art. no. 1678755, doi: 10.3389/fbioe.2025.1678755.

[6] D. Bestle and S. Hajipour, “Design of a tracking controller based on machine learning,” Int. J. Mech. Syst. Dyn., vol. 5, no. 2, pp. 201–211, 2025, doi: 10.1002/msd2.70006.

[7] S. Hajipour and D. Bestle, “Surrogate-Based Robust Tracking Controller for a Lambda Robot,” Applied Mathematics and Mechanics – PAMM, vol. 25, no. 3 (Special Issue: 95th GAMM), 2025, Art. no. e70017, doi:10.1002/pamm.70017.

[8] M. Pikuliński, P. Malczyk, and R. Aarts, “Data-driven inverse dynamics modeling using neural-networks and regression-based techniques,” Multibody Syst. Dyn., vol. 63, pp. 341–366, 2025, doi: 10.1007/s11044-024-10024-2.

[9] L. Breiman, “Random forests,” Mach. Learn., vol. 45, no. 1, pp. 5–32, Oct. 2001, doi: 10.1023/A:1010933404324.

[10] W. Deng, F. Ardiani, K. T. P. Nguyen, M. Benoussaad, and K. Medjaher, “Physics-informed machine learning model for inverse dynamics in robotic manipulators,” Applied Soft Computing, vol. 163, 2024, doi: 10.1016/j.asoc.2024.111877.

[11] G. S. Ghule et al., “Investigation of conventional and ultrasonic vibration-assisted turning of hardened steel using a coated carbide tool,” Frontiers in Mechanical Engineering, vol. 10, 2024, doi: 10.3389/fmech.2024.1391315.

[12] M. S. El-Asfoury et al., “AI-Based Prediction of Ultrasonic Vibration-Assisted Milling Performance,” Sensors, vol. 24, no. 17, 2024, doi: 10.3390/s24175509.

DOI: https://doi.org/10.34238/tnu-jst.14483

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ