基于改进BP神经网络的液压支架前连杆疲劳寿命预测

为了解决液压支架前连杆疲劳寿命难以直接估算且预测成本较高的问题,采用鲸鱼优化算法(WOA)优化BP神经网络模型进行液压支架前连杆疲劳寿命估算,建立液压支架前连杆5个主要参数与疲劳寿命的非线性映射关系。首先在ANSYS的Fatigue模块中输入液压支架前连杠的5个主要参数,获取30组疲劳寿命仿真结果。然后从30组数据中随机选取25组数据作为优化后BP神经网络的训练集,剩余5组数据作为测试集。预测结果表明,WOA-BP神经网络模型预测精度较高,最大相对误差仅5.19%。     

基于LM-BP神经网络的液压支架顶梁疲劳寿命预测及应用

本文提出基于LM-BP神经网络进行液压支架顶梁疲劳寿命预测方法,选取主筋板厚度、柱窝上方中心处横板厚度、两侧横板厚度、导向套筒孔半径、顶板厚度作为输入参量,将样本的液压支架顶梁疲劳寿命作为输出量,在进行训练时采用LM算法对BP神经网络进行改进,得到基于LM的BP神经网络模型,利用该模型进行液压支架顶梁疲劳寿命预测。研究结果表明:基于LM的BP神经网络模型的计算结果与测试样本拟合精度较高,具有广泛的应用前景。     

基于DT-LSTM的矿山液压支架顶梁疲劳寿命预测

液压支架是矿井综采和综放开采智能工作面的关键支护与放煤设备.针对井下环境存在设备健康评估与故障维护困难、难以对液压支架疲劳寿命进行预测等问题,基于数字 孪 生 技 术 和 长 短 时 记 忆 (Long ShortＧTerm Memory,LSTM)循环神经网络,提出了矿山液压支架顶梁疲劳监测与寿命预测方法.该方法根据矿山液压支架顶梁的结构与工作原理,首先利用有限元法建立液压支架系统仿真模型并采用 ANSYS有限元分析获得液压支架顶梁状态参数与疲劳寿命值的相关数据集;然后利用 ANSYSTwinBuilder构建高置信度的数字孪生验证模型,并根据矿山液压支架顶梁的屈服强度和本构关系等真实的边界条件,进一步验证与优化有限元分析模型;再通过 LSTM 神经网络对训练集进行训练并利用测试集进行测试,以确定液压支架顶梁寿命的预测模型,从而实现对矿山液压支架顶梁疲劳寿命的准确预测,试验验证结果表明,与其他预测方法相比,基于 LSTM神经网络的预测方法性能最优,预测值相比仿真值平均误差仅为１．８％,为液压支架顶梁疲劳寿命预测与管理提供了新思路.     

液压支架掩护梁结构优化及疲劳寿命预测

针对传统的液压支架设计具有耗时、耗材、成本高等缺陷,提出一种利用ANSYS和BP神经网络相结合对掩护梁进行轻量化和寿命预测的设计方法。首先应用ANSYS软件参数化语言APDL对ZY18000-25-45型液压支架掩护梁进行建模;再应用ANSYS/OPT模块对掩护梁进行尺寸优化分析,使其在满足液压支架设计准则的前提下,对掩护梁进行轻量化设计,并对原有掩护梁模型进行改造,整体质量减少了6.9%;最后利用遗传算法改进BP神经网络对优化后的掩护梁建立神经网络模型,对掩护梁的疲劳寿命进行预测。结果表明,掩护梁平均寿命为17228次,优化后的掩护梁满足可靠性要求。     

充填液压支架后顶梁综合优化设计

为提高充填液压支架后顶梁的疲劳寿命并降低制造成本,采用拓扑分析方法分析后顶梁的应力传递路径及可去除材料分布。根据拓扑分析结果,重新设计了后顶梁结构并建立其参数化三维模型,利用ANSYS Workbench软件对后顶梁进行多目标优化设计,分析优化后的后顶梁的质量、最大应力及疲劳寿命。结果显示,优化后的后顶梁空载内侧应力和满载外侧应力分别减少了5.8%和14.3%,疲劳寿命提高了11.63%,整体质量减轻了2.03%。优化后的后顶梁具有优越的静态性能及疲劳性。     

神东矿区液压支架顶梁的静态特性分析

根据液压支架使用工作现场采集的数据,分析某型号液压支架顶梁的受力情况,并利用UG建立液压支架顶梁的三维模型,导入ANSYS中进行分析计算,得到液压支架顶梁的应力云图与变形位移图。为以后液压支架结构件设计及结构件结构优化提供理论依据。     

基于有限元法液压支架的疲劳寿命分析

根据ZY6000/25/50型两柱掩护式液压支架运行工况,对其进行有限元分析和动力学仿真分析,获得其应力分布和力-时间载荷历程。把静态应力与力-时间载荷历程相结合,计算出顶梁的动态应力,利用材料的疲劳寿命S-N曲线,对液压支架顶梁进行疲劳寿命分析,获得了其疲劳寿命分布云图和有关数据,为液压支架的研制和改进提供了参考。     

两柱掩护式液压支架虚拟疲劳寿命分析研究

为了研究两柱掩护式液压支架疲劳寿命,选取ZY8700/17/32两柱掩护式液压支架,在计算机虚拟环境中建立三维模型,依据MT 312-2000《液压支架通用技术条件》对顶梁两端集中载荷工况下液压支架进行有限元仿真分析和动力学仿真分析。获得其应力分布和力—时间载荷历程,利用液压支架材料的疲劳寿命S-N曲线,对其进行疲劳寿命分析,获得疲劳寿命分布云图和相关数据,与液压支架的设计寿命对比,探索液压支架虚拟压架试验方法的正确性和有效性,为两柱掩护式液压支架的研制和改进提供参考。     

ZF4000/17.5/28HL型液压支架顶梁可靠性优化设计

以低位放顶煤ZF4000/17.5/28HL型液压支架顶梁为例,对顶梁进行了整体强度分析以及基于疲劳寿命可靠性的结构优化。优化后,其最低疲劳寿命约增大14.3%,最大等效应力增大约1.15%,支架总质量约减小2.44%。其优化效果均较为合理,提高了液压支架顶梁的安全系数,保证了其可靠性,减小了顶梁质量,节约了成本。     

基于进化神经网络的液压支架密封圈老化寿命的预测研究

密封圈是液压支架关键零部件之一,性能的稳定性直接影响液压支架的安全使用,液压支架密封圈的老化寿命是评价液压支架密封性的重要指标。通过进化神经网络算法对液压支架密封圈老化寿命试验数据进行学习训练,建立液压支架密封圈老化寿命预测模型,通过检测样本检验了预测模型的精度,证明了所建立的模型有较好的预测能力。     

虚拟疲劳分析技术在液压支架设计中的应用

对液压支架顶梁开展虚拟疲劳寿命预测研究,通过对液压支架进行虚拟疲劳强度试验及寿命预估,不但可以对现行液压支架进行剩余寿命评估,而且能有效地指导新型液压支架的开发,提高国内液压支架的设计水平,具有十分重要的理论意义和实用价值。     

基于遗传算法与BP神经网络的支架跟机自动化研究

针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作。组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线。通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模型具有更快的训练速度和更高的预测准确率。相比较于单一的BP神经网络模型和GA模型,GA-BP组合模型可以很大程度地提高液压支架跟机过程中的推移精度,从而更好地适应综采工作面的环境和设备变化。基于对模型稳定性的分析,绘制组合网络的适应度曲线,种群在第5次迭代后趋于收敛,在第5次到第15次迭代的适应度值就已基本达到稳定,在迭代第15次后种群已达到最优参数集且恒定不变。采用上述方案的液压支架电液控制系统能够自主感知设备各项运动参数的变化,实现支架自身的静态调整和动态演化,可为综采工作面无人化建设提供技术支撑。     

基于Matlab的超静定液压支架顶梁结构参数优化设计

使用Matlab优化工具箱,对超静定液压支架顶梁受扭转载荷作用下危险截面结构参数进行优化。通过改变顶梁截面各极限参数,得到多组优化设计方案,为选择顶梁结构参数提供了参考依据。     

基于遗传算法和BP神经网络岩爆预测

将BP神经网络与遗传算法相结合,使用遗传算法优化神经网络的权值和阈值,然后用BP算法训练网络,避免了单独使用BP神经网络训练时易于陷入局部极小值的问题,建立了一种新的岩爆预测模型。采集国内外具有代表性的一些岩爆案例作为BP训练样本,将样本数据经过多次迭代之后,达到指定误差停止训练,利用训练好的模型对某铜矿部分岩爆进行预测,预测结果与实际岩爆等级一致。     

低位放顶煤反四连杆过渡支架关键部件设计研究

针对正四连杆放顶煤过渡支架极易出现前后排立柱受力不均衡以及放顶煤过渡支架在冲击载荷的作用下易导致主要承载结构疲劳性失稳破坏的问题,以反四连杆放顶煤过渡支架的主体结构件顶梁和底座为研究对象,运用SolidWorks建立顶梁和底座的三维模型,利用ANSYS Workbench有限元软件对零部件进行疲劳寿命分析。基于对顶梁与底座的耐用性以及损伤图等数据的研究,获得了顶梁和底座的疲劳累计损伤最大值和易发生疲劳破坏的部位。研究结果表明,设计的顶梁和底座在载荷作用下变形量较小,顶梁和底座的疲劳累积损伤最大比值均小于1,满足过渡支架各部分结构设计寿命小于可用寿命的要求。     

基于因子分析与BP神经网络的煤体瓦斯渗透率预测

为提高煤体瓦斯渗透率预测准确性,使用因子分析法对BP神经网络模型进行优化、改进,提出一种改进的BP神经网络预测模型。根据煤体瓦斯渗透率相关主要影响因素实例数据,使用因子分析法对4个煤体瓦斯渗透率影响因素原始数据进行降维数据处理,优化得到2个公共因子;以2个公共因子代替原有4个煤体瓦斯渗透率影响因素作为BP神经网络模型输入层参数,建立改进的BP神经网络煤体瓦斯渗透率预测模型,进行实例数据检验改进BP模型预测效果。最终验证结果:20组训练样本预测值与实际值的相对平均误差为0. 63%,证明训练完成的改进BP神经网络模型具有良好的拟合效果;改进BP模型预测样本平均相对误差为3. 16%,传统BP模型预测样本平均相对误差为6. 37%,证明改进BP模型预测精确度优于传统BP模型。     

基于GA-BP网络的刮板机焊点疲劳寿命研究

建立组合遗传神经网络,并建立刮板机焊点疲劳寿命与各种影响因素之间的映射关系,通过该映射关系能大大降低对于类似研究刮板机焊点疲劳寿命的计算工作量。利用该网络模型对不同工艺参数下焊点的疲劳寿命进行预测,预测值和实验值比较表明,预测数据与实验数据吻合良好,验证了所提方法的优越性,为刮板机焊点的疲劳寿命研究提出一种新方法。     

基于Pro/E及ANSYS Workbench的液压支架顶梁的静力与疲劳分析

按照MT 312-2000《液压支架通用技术条件》的规定,利用Pro/E软件对顶梁进行建模和装配,使用ANSYS Workbench对3种不同的工况进行有限元分析,对此顶梁的3种工况进行比较得出较为恶劣的工况,使用疲劳分析工具箱对其进行疲劳寿命分析与安全系数分析,得出该工况下顶梁的寿命危险部位。对顶梁的设计提供指导方向和意见。     

基于ANSYS的液压支架仿真优化

对液压支架四连杆机构工作原理进行分析,简化四连杆机构,建立四连杆机构模型。研究基于ANSYS的仿真优化计算工作流程,建立液压支架三维模型,导入ANSYS对四连杆机构进行仿真,得到后连杆受力曲线图和顶梁前端运动轨迹。为了降低后连杆的受力,提高后连杆的稳定性,将液压支架的前、后连杆长度均减少30 mm,重新建立模型进行仿真。仿真结果显示,优化后后连杆的受力明显减小,而且顶梁前端的运动轨迹未超出允许值,由此可知优化后的液压支架性能更佳。     

基于遗传算法的超静定液压支架顶梁优化设计

利用Matlab遗传算法工具箱对ZM2560型超静定液压支架顶梁进行了优化设计,建立了顶梁优化设计的数学模型。在保证顶梁强度的条件下,减小了顶梁截面面积,减轻了顶梁重量。此方法同样适用于超静定液压支架其它部件的优化设计,为液压支架整体优化设计提供参考。