集装罐安全阀弹簧优化设计研究

针对集装罐用安全阀使用特点,采用实验设计(DOE:Design of Experiments)的方法,对安全阀弹簧工作状况进行快速建模,并引用多任务优化方式(Multi-objective optimization)优化弹簧设计,使其缠绕圈内侧最大剪切应力及其重量都最小化。研究过程中,一个具有3个可变参数的参数化有限元弹簧模型被用于生成在预先设定好的弹簧形状范围内的任意弹簧形状。通过V-Optimal方法生成拥有30个输入点的DOE输入矩阵。通过分析计算获得两个三阶多项式回归模型,此模型能够充分反映剪切应力及弹簧重量的回归特性。此项研究表明,通过DOE和多任务优化方式能够快速的对安全阀弹簧进行设计和优化。     

基于AMESim的安全阀动态特性优化研究

在AMESim环境下建立了立柱用安全阀的仿真模型并进行仿真,得出了立柱在顶板快速下沉时,安全阀溢流时阀芯的运动曲线和阀口的压力及流量曲线。通过分析仿真结果可知适当增加弹簧的刚度,可减小阀芯的振荡,实现安全阀的动态特性优化。     

Study on optimization control method based on artificial neural network

Introduction A great number of goal optimization questions exist in such fields as electronic science, control sci-ence, computer science and management science. So-lution to these questions can be summed up as seeking the maximum or minimum value to a certain definite goal function with constraints. Effective algorithms have not been found for many questions. In solving problems the problems’ time complexity is exponen-tial, it is difficult to find an overall optimized solution in limited ti…     

基于改进灰色绝对关联度的弹簧高维多目标优化设计

提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用改进灰色绝对关联度将多目标优化问题转化为单目标优化问题。该方法能合理地处理优化设计中混合离散变量的取值问题,引入了等概率混沌移民算子对基本遗传算法进行了改进,并开发了混合离散变量优化的灰色复合遗传算法程序。弹簧优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强。     

环形缝隙阻尼高压安全阀的特性分析和数字仿真

在以环形缝隙阻尼高压安全阀的静、动态数学模型为课题的研究中,通过理论分析和试验验证,探明了导阀前腔产生压力脉动和附加流量的原因。对滑阀端部无弹簧和有弹簧两种阀型的静、动态特性作了分析对比,结果表明,前者的性能优于后者,从而为环形缝隙高压安全阀的应用提供了理论和实验依据。在论证过程中,探讨了阀的结构参数对其性能的影响,并以此对阀的设计作了改进,获得了良好的静、动态性能和使用效果。     

基于CFD的电液主控阀阀芯内部流场数值分析

以液压支架用的电液主控阀为研究对象,对其主阀芯进行了详细的流场模型建立,采用CFD方法对主阀芯内部流场进行了仿真分析,得到主阀芯内的流体压力、速度矢量与湍动能云图。发现主阀芯内的流场规律,为改进优化阀的性能提供了有利的依据。     

基于模糊神经网络的无毒提金控制系统研究

针对无毒提金工艺过程的特性,提出了基于遗传算法的模糊神经网络控制算法。采用了遗传算法离线全局优化和 BP算法在线局步调整相结合的方式优化模糊神经网络的参数,以及改进的Elman动态递归神经网络进行工艺系统辨识。仿真试验验证了该控制方案的优越性,对解决无毒提金工业过程中的控制问题具有重要意义。     

液压支架安全阀内部流场仿真与性能分析

煤矿液压支架立柱回路中的安全阀,是支架过载保护的关键元件。液体在安全阀内部流动状态直接影响其性能,其性能的优劣,又决定了液压支架的承载能力、移架速度和工作可靠性等。基于FAD500安全阀整体建立了较为详细的流道模型,通过CFD流场仿真方法,获得复杂形体腔内运动流体参数的数值解:压力、速度等分布,并对不同模型仿真结果进行对比分析,验证高压大流量安全阀流道设计的合理性。     

免疫RBF神经网络PID控制器在矿井输送机中的应用

针对如今复杂被控对象大滞后、非线性和时变性的特点,研究把人工免疫算法和RBF神经网络相结合对PID控制器进行参数寻优,应用到矿井输送机上。利用人工免疫算法,无需事先确定隐层结点个数,设计了一种动态的RBF神经网络,并且分析基于免疫算法的RBF神经网络的PID控制器的算法结构。通过仿真实验得知:研究设计的免疫RBF神经网络的PID控制器在抗干扰性、跟随性和鲁棒性方面都表现出了良好的控制效果,非常适合用于控制模型不确定的情况。     

基于人工神经网络的机床部件肋板位置动态优化方法

应用神经网络理论建立了机床部件的BP神经网络模型 ,并在此模型上进行肋板位置的优化计算 ,在实体结构上实现了设计变量的自动搜索寻优计算。这一方法弥补了过去在实体结构上只能进行方案式比较优化而所得结果有较大随机性的缺陷     

利用遗传算法优化的神经网络求解并联机构位置正解

位置正解是研究并联机构运动学的基本问题,采用遗传算法优化神经网络权值的方法对模型进行了求解。利用位置反解求得训练样本,然后训练网络,最后对其进行仿真。结果表明,此算法运算结果快、求解简单、精度高,具有发展潜力。     

基于神经网络PID综掘巷道超前支架支撑力自适应控制

掘进扰动下,煤炭深部开采高地应力会导致深部围岩大范围塑性破坏和强烈动力失稳,且持续时间较长,存在安全隐患,严重威胁着掘进工作面煤矿工人的人身安全。近年来,国内外学者在深部围岩压力变化规律、围岩控制理论和超前支护等方面开展了许多研究,但仍存在许多亟待解决的问题。超前支架的支撑力自适应围岩压力变化可充分利用巷道围岩的自承载能力,避免巷道围岩出现破裂、碎裂等现象。介绍了一种自移式超前支架的结构,分析了该支架支撑力液压控制系统,建立了该控制系统的数学模型,研究了该系统在无控制算法、传统PID控制和神经网络PID控制等情况下的系统性能;根据旗山矿的地质条件建立了围岩-超前支架力学耦合模型,利用FLAC3D软件仿真拟合得到了巷道围岩压力变化曲线;并以此曲线为输入,模拟研究了在传统PID控制和神经PID控制两种算法时超前支架支撑力对巷道围岩压力变化的自适应变化规律。研究结果表明,与传统PID控制相比,采用神经网络PID控制算法后,支架支撑力控制系统调节时间约为2 s,缩短了16倍,超调量约为6%,动态性能得到了改善;自适应围岩压力跟踪误差为0.005 5,改善了6.8倍,证明了神经网络PID控制策略能够对支架支撑力进行控制且其控制效果比传统PID控制效果有较大优势。     

开滦深部工作面冲击地压监测与防治技术应用

为了能够实现开滦矿区深部冲击地压的有效监测与防治,本文在掌握开滦矿区发生冲击地压主控因素的基础上,通过总结开滦矿区在冲击地压防治过程中所积累的一些经验并参考国内外先进的冲击地压防治技术,构建了具有信息互馈和持续优化机制的全矿井-采区-工作面-局部的多级冲击地压监测和防治系统;基于开滦的实际地质构造和实际开采情况,提出了适用于开滦矿区深部煤层的冲击地压防治技术,包括优化开采设计和开采保护层的区域性技术措施,以及基于缺陷法原理的局部卸压措施和以改善局部应力环境的支护措施。     

多路阀用二级调压主溢流阀设计研究

通过对二级调压主溢流阀搭建AMEsim模型,分析了各影响因素对阀动态性能造成影响的原因;在上述理论支撑下优化了这些影响因素的参数,并对按此设计方法生产的产品进行了试验验证。结果证明了所得仿真结果的正确性及整个阀的设计生产过程的有效性。     

含自然风压通风网络的自动解算及应用

矿井自然风压作为矿井通风动力的重要组成部分,与通风系统和通风网络密切相关,随着煤矿产量和开采深度的增加,矿井自然风压对通风系统的作用会越来越大。为了快捷预测、计算和分析矿井自然风压及其对通风系统的影响,运用流体静力学、热力学,结合通风网络解算算法,得出了矿井自然风压实时计算算法。结合晋煤集团长平煤矿实际矿井,得出了不同温度、压强条件下,含有自然风压的实时通风网络解算结果。实例表明:该算法能够进行含自然风压通风网络的自动解算,能够快捷、实时计算得出含自然风压实时通风网络解算的结果,为确保通风系统稳定可靠运行提供技术支持。     

基于FLUENT的液压支架双极保护安全阀的仿真研究

以传统安全阀的设计方法为基础,设计了一种新型的液压支架双极保护安全阀,介绍了它的组成结构和工作原理。利用FLUENT软件并且结合C++对这种新型的安全阀进行流场模拟,得到了阀道的压力分布、速度分布和速度矢量分布图。最终证实了压力和速度在截流口处都很容易产生生气穴、气蚀现象,为大流量超高压安全阀的设计与性能分析提供了依据。     

基于粒子群优化RBF神经网络的液压钻机故障诊断

提出了一种基于粒子群优化径向基神经网络的液压钻机故障诊断方法。该方法使用虚拟仪器及LabVIEW软件对液压钻机的特征信号进行采集,利用粒子群优化算法对径向基神经网络的径向基中心值、宽度以及权值进行优化,实现了液压钻机的故障诊断。结果表明,基于粒子群优化径向基神经网络的液压钻机故障诊断方法在小样本情况下,诊断准确率高,实用性强。     

基于拟牛顿优化算法BP神经网络的瓦斯灾害预测模型

矿山瓦斯突出与爆炸事故的预测预报是当前我国煤矿安全生产中急待解决的问题之一。引入BP神经网络的拟牛顿(Newton)优化算法,在保留空间实体相关和多种分布并存的前提下,讨论了建立拟牛顿优化算法BP神经网络瓦斯灾害预测预报模型的数学模型设计、网络结构设计和程序设计3个部分,并以济宁二号井为实例进行了测试。结果表明:该模型稳定、快速、预测精度高,能够较好地模拟矿山瓦斯突出与爆炸事故特征,对瓦斯灾害作出较准确的预测。     

基于模糊神经网络的重介质悬浮液的密度和液位的控制

针对在重介质选煤过程中存在着时变、非线性和强耦合的控制环节,传统的控制策略并不能很好的对其进行控制的问题,采用了模糊神经网络控制算法,建立了重介质选煤过程的控制模型,该模型主要由模糊神经控制器控制主选分流执行阀和加介分流执行阀和清水阀来完成重介质选煤控制,对该控制策略进行工业试验,结果表明,对于重介质悬浮液密度和合格介质桶的液位的控制,采用模糊神经网络控制策略精度高,响应速度较快,可满足生产工艺的控制要求。     

基于模糊小波神经网络的永磁直线同步电机故障诊断

在分析永磁直线同步电机故障的基础上,采用小波基函数作为模糊隶属函数,将模糊控制与神经网络相结合,建立模糊小波神经网络模型,实现对永磁直线同步电机的故障诊断。针对BP算法的不足,使用混合学习算法训练网络,优化了网络参数。仿真结果表明该方法是很有效的。