共查询到16条相似文献,搜索用时 296 毫秒
1.
2.
爆破振动速度是爆破设计需要考虑的的重要因素之一,然而在爆破振动速度预测中,BP神经网络超参数的确定依赖经验公式且具有主观性。为克服这种局限性,并提高振动速度预测精度,采用超参数优化算法TPE对BP神经网络进行超参数优选。以最大段起爆炸药量、炮孔深度、水平距离、垂直距离和炸药单耗参数作为输入量,建立了隐含层数量神经元数量为31个的BP神经网络(TPE-BP)预测模型,该模型的爆破振动速度平均预测误差为2.35%,最大误差为6.29%,与基于经验公式确定超参数的BP神经网络模型和传统的BP神经网络模型相比较,平均预测误差分别降低了23.26个百分点和4.24个百分点,说明参数网络优化后TPE-BP预测模型能更好地拟合振动数据,其预测结果更接近真实值,可为爆破参数设计提供参考依据,从而有效地控制爆破振动。 相似文献
3.
为研究轧机垂直振动系统过程中辊缝间摩擦及张力对冷轧机非线性振动特性的影响, 在考虑辊缝摩擦及张力作用的基础上建立了四自由度非线性垂直振动模型。采用时滞反馈控制与多尺度法结合求解系统主共振幅频特性方程, 运用奇点稳定性理论对系统稳定性进行分析。仿真分析了辊缝摩擦及张力对振动幅值的影响, 结果表明辊缝摩擦和张力对轧机垂直振动有很大影响, 并且通过适当调节时滞参数可以消除振动系统的跳跃现象。由稳定性分析得到了辊缝摩擦和张力对系统稳定性影响关系及出现各种不同奇点的条件。 相似文献
4.
5.
为提高铝热连轧轧制力预报精度, 满足现场生产需求, 采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本, 在遗传算法的初始化和变异机制中引入混沌序列, 同时选择最优保存机制、动态调整交叉率和变异率等方法, 提出了改进的遗传算法, 并将其与改进的BP算法相结合, 对多层前馈神经网络权值阈值进行优化, 避免学习中陷入局部最小, 使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内, 该预测精度明显优于传统数学模型, 实现了铝热连轧轧制力的高精度预测。 相似文献
6.
7.
矿山环境中爆破振动信号含有大量的高频噪声,其严重影响了爆破振动信号真实性。本文针对爆破信号中含有大量高频噪声这一现象,以云南某露天矿爆破振动数据为研究对象,提出了基于自适应WOA-VMD-MPE爆破振动信号降噪方法开展爆破振动信号降噪研究。将3个矿山爆破振动信号进行WOA优化算法处理,得出VMD算法参数中最佳组合K、a,带入VMD算法分解,将MPE值大于0.6的IMF成分去除,以达到降噪效果。研究结果表明:振动波形经过WOA-VMD算法优化后信噪比均为最高,分别为15.23、25.51、27.2,其均方根误差最小,分别为8.51、8.73、5.91。WOA-VMD算法相较EEMD、CEEMD算法在信噪比方面平均增加56%、44%、均方根误差平均减少46%、42%,其降噪效果均优于EEMD、CEEMD算法,能够较好地去除高频噪声,保留原始爆破振动波形信息,验证了其算法的普适性。 相似文献
8.
9.
提出利用超高速机床主轴前后两转切削振动轨迹的相位差 ψ来预报切削颤振的新方法 ,并且提出了利用等工件转角间隔采样 ,通过计算工件前后两转切削振动信号的互功率谱密度函数 ,精确确定相位差 ψ的算法。通过理论分析 ,提出了超高速机床颤振预报方法的可能性 ,可望在实际中推广应用 相似文献
10.
11.
12.
针对高线精轧机设备故障的特点,建立了精轧机在线监测系统。采集精轧机滚动轴承的振动信号,对振动信号采用时域、频域多角度分析,时域趋势图可以判断轴承的突发性故障,频域分析可以判断故障的性质及故障部位。有效地提高了滚动轴承故障诊断的准确率。 相似文献
13.
14.
应用SolidWorks软件建立了压下减速器壳体的实体模型,在Simulation环境下对其进行了模态分析,得到前6阶固有频率及振型。结果表明该壳体在工作过程中不会产生共振,但各阶振动的振幅较大。为此对压下减速器壳体进行了结构动力修改,与改进前相比较,各阶最大振幅下降明显,说明结构改进措施合理,可有效抑制压下减速器壳体的振动,改善压下减速器的动态特性。 相似文献
15.