一种电动变量泵初步设计的建模与仿真方法
June 1st, 2022
开发了一种专门支持电动变量泵（EVDP）初步设计的仿真模型，并通过实验进行了部分验证。控制性能、寿命、可靠性等都可以使用所提出的模型进行评估，该模型涵盖了EVDP初步设计任务下的主要性能要求。
静电静液压活化器支持重型系统的电气化。为了实现更低的能耗，我们的方法集中于优化、电动变量泵的系统利用率。我们的建模和仿真方法支持初步设计。
我们的电动变量泵，它应该选择完整的性能预测，自动参数生成和设计鲁棒性。首先对参数进行分类，以设计电动变量泵或EVDP。将独立参数（表示每个元件）指定给活动类别，并将从活动参数派生的参数指定给从动类别。
然后使用经验函数将计算的参数指定为经验类别。要开发估计模型，请使用缩放定律从活动参数估计泵和电机驱动参数。使用零部件目录，根据活动参数估计齿轮箱和滚珠丝杠的从动参数。
通过经验函数评估泵、齿轮箱和滚珠丝杠效率，并估计使用热力学理论中的经验函数开发的热网络模型的热阻。在MATLAB中构建EVDP的权重模型，方法是将每个组件的权重相加，然后在系统仿真平台中对EVDP进行动态集总参数建模。接下来，通过为EVDP设置热网络，在系统仿真平台中对EVDP进行热建模。
对于寿命和可靠性建模，请使用滚珠的疲劳寿命和柱塞泵单元的磨损寿命作为其寿命。使用等式对滚珠丝杠和柱塞泵单元的使用寿命进行建模。假设滚珠丝杠和泵的可靠性与其使用寿命相对应，为0.90，并将可靠性定义为在第50， 000个工作小时计算得出。
然后用等式对滚珠丝杠和柱塞泵单元的可靠性进行建模。通过将每个节点的所有方程放在一起以形成每个节点的模型块，继续组装模型。然后总结每个节点的输入和输出变量。
定义整个 EVDP 模型的输入和输出，并执行所有节点的因果关系分析。必要时添加其他节点，以确保所有节点都是因果链接的。然后连接所有节点，形成EVDP的整体模型。
形成 EVDP 模型后，使用 EVDP 原型和测试台验证建模方法。为此，请将 EVDP 安装在由加载部件和控制部件组成的测试台上。然后将三个EVDP端口连接到装载部分的液压回路，将EVDP电缆连接到控制部分。
通过按下面板上的启动按钮并启动辅助液压动力来进行原型测试。使用面板上的按钮停用模式阀后，在用户界面的文本框中将扫描频率位移命令设置为EVDP。记录EVDP位移响应，并推导出其幅度和相位特性。
为了分析实验结果，将EVDP原型的活动参数设置为先前构建的模型。该模型将自动生成其他所需的仿真参数。将环境温度和初始 EVDP 温度设置为 40 摄氏度，并在与 EVDP 原型测试相同的条件下运行仿真模型，以记录仿真结果。
为了检查模型的准确性，请在一个图中绘制每个条件组的实验和仿真结果。要执行 EVDP 设计的仿真分析，请单击参数模式选项卡并选择 TFFD31 选项来设置动态和热模型。然后转到简单流体特性数据选项卡的文件名以导入油属性文件。
在参数模式下，使用 THGCV01 或 THGCV02 模块。要按照手稿中所述设置环境温度，请将活动参数输入到参数估计模型中。然后单击编辑器选项卡下的运行按钮以运行用于生成所有仿真参数的脚本。
在 MATLAB 中，使用编辑器选项卡下的运行按钮运行用于计算权重的脚本，并使用仿真参数激活动态和热模型。模拟结果将由脚本自动获得。使用编辑器选项卡下的运行按钮，运行脚本以根据保存的仿真结果计算 EVDP 生存期和可靠性性能。
进入系统仿真平台的仿真模式，查看结果。然后从这些时域仿真结果中推导出其他 EVDP 性能结果。要设置仿真参数，请检查参数模式。
然后使用编辑器选项卡下的运行按钮运行用于激活动态和热模型的脚本。稍后，按仿真模式选项卡以检查灵敏度和不确定性分析。不同EDVP器件的温度动态如图所示。
具有代表性的分析说明了整个占空比下的EVDP效率。在满载条件下，EVDP的总效率达到80%左右，之后EVDP的绝对损耗下降，效率下降。扫描频率响应检查了EVDP的动态性能。
在EVDP的预期性能中，预测了0.09度误差的良好控制精度，而泵的使用寿命和可靠性则最差。构建出建议的模型后，可以开发完整的初步设计方法。该方法可以增强电动变量泵及其相关静电活化剂的适用性。
该方法解决了设计阶段的常见挑战，例如参数确定性和多学科仿真。这导致用于静电活化剂的泵的更可靠，更初步的设计。
View the full transcript and gain access to thousands of scientific videos
概述
本文介绍了电变位泵（EVDP）初步设计的仿真模型。该模型评估了控制性能、寿命和可靠性，提供了关于EVDP设计主要性能要求的见解。
关键研究组成部分
科学领域
- 工程
- 流体动力学
- 控制系统
背景
- 电液静压动力器对于重型系统的电气化至关重要。
- 优化是减少这些系统能耗的关键。
- EVDP在提高系统效率方面发挥着重要作用。
- 理解参数分类对于有效设计至关重要。
研究目的
- 开发EVDP设计的仿真模型。
- 评估性能预测和设计稳健性。
- 优化EVDP在重型应用中的使用。
使用的方法
- 用于EVDP设计的建模和仿真技术。
- 将设计参数分类为主动和驱动类别。
- 自动生成参数以提高设计精度。
- 通过实验方法对模型进行部分验证。
主要结果
- 仿真模型有效预测了EVDP性能。
- 评估了控制性能和可靠性指标。
- 通过参数优化展示了设计的稳健性。
- 实验结果部分验证了模型的预测。
结论
- 开发的模型支持EVDP的初步设计。
- 它提供了评估关键性能要求的框架。
- 未来的工作可以提高模型的准确性和适用性。
常见问题
Executive Industry Relevance
Simulation-driven preliminary design of electro-variable displacement pumps (EVDPs) addresses critical challenges in electrifying high-power industrial systems, where predictive confidence and robust parameterization are essential. This modeling approach enables early-stage evaluation of system-level performance, reliability, and thermal management, supporting risk-adjusted decisions in R&D portfolios. Integrating multidisciplinary simulation ensures that EVDP designs meet demanding operational requirements before physical prototyping, optimizing resource allocation and reducing late-stage design failures.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Supports hypothesis-driven evaluation of actuator performance under variable operational scenarios.
- Enables mechanistic de-risking by quantifying reliability and lifetime metrics in silico.
- Facilitates predictive confidence in system integration for advanced automation platforms.
Screening & Assay Development
- Provides validated simulation outputs for standardizing actuator selection in automated workflows.
- Delivers quantitative predictions of thermal and dynamic behavior for reproducible system design.
- Enables scalable assessment of actuator suitability across diverse assay platforms.
Translational & Preclinical Research
- Aligns actuator performance modeling with translational system requirements for high-throughput environments.
- Ensures continuity from simulation-based design to preclinical automation deployment.
- Supports risk-adjusted advancement of new actuator technologies in bioprocessing pipelines.
Pipeline & Workflow Integration
The simulation-based EVDP design method integrates into the early discovery-to-preclinical continuum, enabling rapid iteration and robust system selection for automation infrastructure.
- Discovery Biology: Quantifies actuator reliability and performance to inform system-level hypothesis testing.
- Screening: Standardizes actuator evaluation for reproducible integration into automated screening platforms.
- Analytics: Provides quantitative outputs—such as efficiency, thermal response, and lifetime—for comparative analysis.
- Translational Research: Bridges simulation insights to preclinical automation requirements, supporting scalable deployment.
- Enterprise Reuse: Establishes a reusable modeling framework for future actuator and system design projects.
Operational & Enterprise Impact
- Scientific Value: Enhances predictive confidence and reduces mechanistic ambiguity in actuator selection.
- Operational Value: Drives standardization, reproducibility, and scalability in automation system design.
- Strategic Value: Informs go/no-go decisions and capital allocation by quantifying design robustness early.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of automation technologies.
Implementation Considerations
- Requires multidisciplinary expertise in mechatronics, simulation, and system modeling.
- Demands access to simulation platforms (e.g., MATLAB) and validated component data.
- Necessitates cross-team standardization of parameter definitions and modeling practices.
- Adaptation across actuator types and system scales may require additional empirical validation.
- Model accuracy is contingent on quality of input parameters and prototype verification.
Biopharma FAQs
Chapters in this video
0:05
Introduction
0:39
Selecting and Classifying the Electro-Variable Displacement Pump (EVDP) Design Parameters
1:13
Developing the Estimation Models of the Driven and Empirical Parameters
1:54
Building the System Simulation Model
3:39
Partial Model Verification
5:22
Simulation Analysis
7:21
Results: The EVDP Efficiency and Dynamic Performance
8:15
Conclusion
