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.     

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%。     

液压支架疲劳寿命的预测研究

本文主要研究液压支架疲劳寿命的计算方法。首先对液压支架进行有限元分析,获得主体结构件的应力分布云图;然后应用雨流计数法求出重要部位的应力直方图;最后根据修正Miner准则编写液压支架疲劳寿命求解器,为实际的设计计算提供帮助。     

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。     

可旋转顶梁液压支架设计及应用

针对现阶段矿区环境复杂多变、煤层顶板常常出现不平整现象,设计了一种可旋转顶梁液压支架,通过旋转体将顶梁与掩护梁联接,实现顶梁的多方向旋转。经过实际应用,该支架能够适应煤层顶板的多方向倾斜,在煤层开采过程中具有较高的适应性和使用价值。     

液压支架型式与顶梁载荷调整

采用三角形载荷近似计算法则分析研究了目前公认的掩护式，支撑式和支撑掩护式三种液压支架的力学性能，指出这三种支架形式从力学结构上本是同一类型，并且在采场管理上存在不少总则 当用新型式支架去代替。     

液压支架顶梁焊接变形控制研究

液压支架在煤矿采掘中起着支撑工作面的作用,是开展煤矿机械化综采的重要设备之一。液压支架的制造工艺多以焊接为主,但是焊接过程中由于结构件受热不均等其他因素的影响,容易造成焊接变形,从而影响焊接质量,进而影响焊接支架的使用性能。其中,顶梁是液压支架中承力的关键部件,其焊接质量直接影响着焊接支架的使用性能,因此对液压支架顶梁焊接变形控制的研究能够有效地提高煤矿生产效率及其安全性。笔者将根据多年在霍州煤电鑫钜煤机研究所的工作经验,对液压支架顶梁焊接变形的原因进行分析,并进一步控制液压支架顶梁焊接变形的操作技巧及相关的工艺措施。     

滑移顶梁液压支架稳定性观测及控制

介绍了华亭县煤矿滑移支架放顶煤工作面支架稳定性的观测结果;找出了影响支架稳定性的主要因素;提出了改进措施。     

滑移顶梁液压支架的分类及改进意见

作者对近年来我国制造的滑移顶梁液压支架进行了分类,并叙述了其适用条件.     

安全性预测组合模型的神经网络方法及应用

煤矿安全的首要问题是对安全性指标进行合理的预测。本文指出了传统预测方法存在的不足，提出了应用神经网络建立时间序列的组合预测模型，并提高了预测精度。结果表明，用这种方法进行全安预测效果较好。     

可调向悬移顶梁液压支架的研究

在分析现有悬移顶梁液压支架的基础上,设计了一种可调向悬移顶梁液压支架。该支架可通过调向装置实现纠偏与调向,支架之间可通过联接块将基本悬移支架单元体联成整体,构成可调向悬移顶梁组合支架,极大地提高了支架的整体稳定性。     

ELM神经网络爆堆形态预测模型的研究及应用

以Moore-Penrose广义逆的定义和欧几里德空间内线性系统的最小二乘范数解原理为基础,运用Extreme Learning Machine(ELM) 神经网络--一种快速的前向神经网络学习算法,以Weibull函数的2个控制参数 α,β 以及松散系数 ξ 为输出层,提出了一种预测高台阶抛掷爆破爆堆形态的模型。该预测模型提高了爆堆形态预测的准确度,通过对黑岱沟露天煤矿爆堆形态的预测表明,ELM神经网络高台阶抛掷爆破爆堆形态预测模型的预测准确度高于同期使用BP神经网络预测的结果,更加接近于爆堆实际形态。     

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。     

排式顶梁端头液压支架组在煤矿支护中的应用研究

介绍了采煤工作面端头支护及巷道超前支护所用的支架形式特点,研究了既可以应用在采煤工作面端头支护和端头支架前方巷道超前支护,又可以在有端头支架的综采工作面独立用于巷道超前支护的排式顶梁端头液压支架组.该支护形式具有控制顶板能力强、运输安装方便快捷、支柱的选择范围大、支架宽度和长度灵活改变以及能够实现大行程方案设计等特点.     

液压支架换向阀的液动力计算方法及其应用

液动力计算模型是液压阀建模和特性分析的基础和前提,液压支架用换向阀流道复杂,其液动力的分析计算与常规液压阀不同,且这种复杂流道下的液动力大小不易通过试验测试得到,计算模型也无法得到较好的验证。为解决这个问题,建立了液压支架用换向阀的复杂流道模型,利用2个控制体将流道划分为两部分,采用理论计算与流场仿真的方法分别研究阀口处和阀芯折弯流道处的液动力,并根据流场分布特征对传统液动力计算公式进行修正,得到了相应的修正系数;而在液动力的验证方法上,不采用传统的直接测试法,而是分别将修正前和修正后的液动力计算公式/min的换向阀数学建模中,通过对比2种情况下换向阀动态特性的仿真结果与试验结果,间接验证液动力修正模型的准确性,避免了直接测试法在应对复杂流道问题时的不足。2种情况下的动态特性仿真与试验结果对比显示,采用修正后的模型进行仿真得到的动态特性与试验所得数据非常接近,而用未经修正的传统计算模型得到的仿真结果与试验结果存在较大的误差,此结果说明了液动力修正模型的准确性,同时验证了复杂流道液压阀的液动力计算方法与试验方法的合理性。本文在液动力的理论分析与试验验证两方面均有不同,并结合工程实际对所用方法进行了验证,提供了面对复杂流道液动力的解决办法。     

基于EMD分解和改进GWO-BP神经网络的滑坡位移预测

考虑到滑坡位移受多因素的影响,结合信号分解与智能算法,提出了一种时序分解-模型构建-模型训练的EMD-BP-TIGWO滑坡位移预测方法。首先,利用EMD方法将滑坡监测数据分解为多个IMF分量及一个残余量,将分解后的分量划分为周期项及趋势项位移;其次,构建BP-TIGWO模型,引入Tent映射及自适应权重,提高灰狼算法的收敛速度及全局搜索能力,并利用TIGWO算法优化BP神经网络的权值及阈值;利用Pearson相关系数对周期项滑坡位移与降雨量间的时滞期数进行分析,利用优化后的BP模型分别对周期及趋势项滑坡位移进行预测;最后,将各分量预测值进行叠加得到滑坡累计位移预测值,并对模型预测准确率进行评价。实验结果表明,EMD-BP-TIGWO模型在考虑降雨输入特征下,连续32 d预测的RMSE、MAE及R²分别为0.64、0.51及0.97,模型预测精度明显高于未考虑时滞的EMD-GWO-BP、EMD-GWO-BP、BP-TIGWO、BP模型的预测精度,可为预测滑坡的位移提供参考。     

整体顶梁机采组合液压支架的应用研究

为了提高矿井采煤机械化程度,通过调研及选型计算,最终确定选用ZH2600/22/32Z(Q)和ZH3200/22/32Z(Q)型整体顶梁机采组合液压支架作为采煤工作面的支护装备,提高了矿井安全保障程度。     

基于改进BP神经网络的煤体瓦斯渗透率预测模型

分析总结了煤体渗透率的3个主要影响因素--有效应力、温度和瓦斯压力,并结合煤体的力学特性建立了一个预测煤层瓦斯渗透率的BP神经网络模型。根据不同有效应力、不同温度和不同瓦斯压力条件下大量具有代表性的煤样渗透率数据来建立学习样本,并对该模型的精度进行了检验。该BP神经网络经过11 986次学习后精度满足要求,训练后BP神经网络模型所得预测结果的最大绝对误差为0.049×10-15 m2,最大相对误差为4.298%。根据所建立的BP神经网络模型得到的预测值与实测值吻合较好。     

轻型放顶煤液压支架配套平板车设计

介绍轻型放顶煤液压支架 (下文简称轻放支架 )配套平板车的设计过程及轻放支架在煤矿地面、井下的运输过程。