共查询到19条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
5.
为解决多绳摩擦提升机有效提升载荷的间接识别问题,提出了一种基于振动信号分析处理的特征提取方法。该方法以主轴装置轴承处水平振动信号为对象,利用改进的经验模式分解(EMD)方法将振动信号分解为若干有效固有模态函数(IMFs),改善了经典EMD方法模态混叠与端点效应现象,选取各阶IMF的能量、方差贡献率与能量矩作为特征值,探讨了特征值与提升机有效载荷之间的内在联系。结果表明,该方法中分析信号的获取不改变提升机主轴系统结构,不影响提升机正常运行,易于实现长期在线监测,便于大量基础数据的采集,为提升载荷定量识别积累了样本数据。所选取的3个特征值从大小、权重及分布的角度较好地反映了提升载荷特征信息。 相似文献
6.
为探讨塔式矿井提升机围包角对摩擦轮应力的影响,以JKM-4X4Ⅲ井塔式摩擦提升机(国标参数)为实例,建立对应的提升机主轴装置有限元模型。由于钢丝绳在筒壳上的作用力符合欧拉分布规律,得到摩擦轮所受外力转化施加到主轴装置有限元模型,并定义合理的约束条件;借助于ABAQUS大型分析软件,对不同围包角工况下的模型进行应力计算,得到了提升机摩擦轮不同位置处循环疲劳应力值及摩擦轮循环疲劳应力随围包角变化的分布规律:围包角180°~190°时,应力值变化相对比较平缓;围包角195°时,应力变化梯度明显增大。研究结果为井塔式摩擦提升机主轴装置设计以及现场安装时围包角的选取提供了可靠的理论基础。 相似文献
7.
矿井提升机控制系统PID参数的优化对提高提升机的舒适和安全性能有重要作用。考虑到控制系统对提升机动态响应特性的影响,提出了一种改进的粒子群优化(PSO)算法对提升机控制系统参数进行优化,并在Simulink平台上进行了仿真分析。改进后的PSO算法可以随迭代次数自适应地调节惯性和学习因子,加快收敛,结果更精确。仿真结果表明,使用改进的PSO算法对提升机控制系统的参数进行优化后,系统在动态过渡过程中不会有过冲或振荡,响应更快,抵抗外界扰动因素的能力也更好,从而达到使系统具有高性能的要求。 相似文献
8.
9.
10.
11.
张庄铁矿主井提升系统使用多绳摩擦轮提升机,采用19 m3底卸式双箕斗提升方式,设计单井最大年提升能力为640万t。从2015年张庄矿生产系统重负荷试车以来,随着井下生产量逐渐加大,对主井提升系统提升能力提出了更高要求。为了发挥主井提升性能,降低主井作业率,提高运行效率,结合现阶段井下生产需求,通过多方面的研究探索,最终通过优化运行曲线实现了提升系统的最佳优化,为张庄铁矿稳定生产奠定了坚实基础,同时研究过程及成果对大型地下矿山主井提升能力系统优化具有一定的参考意义。 相似文献
12.
13.
14.
15.
16.
在矿井提升机异步电机的矢量控制技术中,对于采用PI控制的电流闭环控制方式,PI控制器的参数的优化尤为重要。利用一种混合粒子群(PSO)算法对异步电机速度控制器的参数进行优化,并与常规控制器参数以及标准粒子群算法优化后的速度控制器参数进行比较,实验结果表明,用混合粒子群算法优化的参数,可以提高系统的控制速度、动态性能,对矿井提升机异步电机矢量控制的研究具有一定的理论和现实意义。 相似文献
17.
粒子群算法在烧结矿配料优化中的应用 总被引:2,自引:0,他引:2
运用粒子群算法和MATLAB语言,编制钢铁烧结矿配料优化计算仿真程序并经实践检验。结果表明,计算机仿真计算符合实际生产工艺要求,数据直接应用于生产,提高各种烧结矿的综合利用率,降低成本10.32%。该算法为钢铁烧结矿配料问题的优化求解提供了新的思路和方法。 相似文献
18.
针对标准粒子群优化(PSO)算法存在早熟收敛,易陷入局部极值的缺陷,提出了一种利用混沌优化算法确定PSO算法参数的改进粒子群优化(MPSO)算法。为了提高径向基函数(RBF)神经网络的精度和性能,提出了一种基于改进粒子群优化(MPSO)算法的RBF网络学习算法。RBF网络隐层节点个数用对手受罚的竞争学习(RPCL)算法确定后,基函数的中心矢量、方差和网络权值用MPSO算法在全局空间动态确定。采用Iris分类问题做仿真实验,并与基于标准PSO算法的方法和单纯BP网络训练进行比较。实验结果表明,该算法性能优于所比较的2种算法,并且具有良好的收敛性和模式分类能力。 相似文献
19.
为了提高矿山低品位矿产资源的利用率, 确保生产过程中矿石质量的稳定性和均匀性, 建立了一种矿山多目标配矿优化模型, 并将标准遗传算法中的交叉和变异操作与标准粒子群算法融合, 提出求解该优化模型的混合粒子群算法。以国内某地下铝土矿为例, 分别运用混合粒子群优化算法、标准遗传算法和标准粒子群算法3种方法对建立的多目标配矿优化模型进行求解, 通过对比优化结果发现: 混合粒子群优化算法求解的各采区月出矿量完全满足矿山实际生产要求, 而标准遗传算法和标准粒子群算法求解结果存在误差, 分别达到9.92%和14.94%, 且易陷入局部最优值; 从迭代进化曲线可知, 混合粒子群优化算法收敛速度快, 稳定性和鲁棒性较高, 具有一定科学研究和实际应用价值。 相似文献