基于Ritz法和ANSYS的振动筛裂纹梁的损伤识别

将基于功率平衡原理的Ritz级数法应用到损伤梁计算中,计算出简支梁损伤前后的固有频率和振型,并与有限元软件ANSYS对裂纹简支梁分析出的固有频率和振型进行对比,结果表明2种计算方法得到的固有频率和振型基本吻合,各阶固有频率和振型变化趋势基本吻合,最后通过实验对理论计算结果进行了验证。     

基于试验模态分析的整体振动筛动力学参数研究

应用试验模态分析技术,采用一点激振,多点拾振的测试方法,对大型整体实验振动筛进行了实测,并利用时域最小二乘复指数参数估计方法,获得了振动筛固有频率、阻尼比和主振型,并对每一阶主振型进行了详细分析,得出了初步结论,为振动筛动力学设计和动力学修改提供了参考。     

裂纹梁的有限元分析

用Ansys软件建立了裂纹梁的有限元模型,计算了不同位置、不同深度的裂纹对梁模态参数的影响。结果表明裂缝深度对梁固有频率的影响要远大于裂缝位置对梁固有频率的影响;裂缝对梁固有频率的影响,阶数越小影响越大,阶数越大影响越小;裂缝对低阶振型的影响不如对高阶振型的影响显著。     

基于ANSYS的球磨机回转体模态分析

以Ф3.8m×13m双滑履球磨机为研究对象,利用有限元分析软件ANSYS对其回转体进行模态分析,得到了磨机回转体的前10阶固有频率和振型,并由此确定了回转体易发生疲劳破坏的部位,最后通过结构改进使其动态性能得到了改善。     

裂纹参数对花岗岩模态频率的影响

花岗岩的固有频率受岩石内部各种裂纹参数的影响,为掌握两者之间的相互作用关系,采用ANSYS/Work Bench建立花岗岩三维物理模型,通过ANSYS/Modal对花岗岩进行模态频率分析.结果表明,岩石内部裂纹的产生,降低了岩石强度和固有频率,降低幅度大小与岩石内部裂纹走向、裂纹尺寸和裂纹数量有关.     

基于ANSYS的选煤厂主厂房模态分析

以新汶矿业集团有限责任公司赵官矿选煤厂主厂房为研究对象,运用有限元分析软件AN-SYS对其创建有限元模型和进行模态分析,计算出了主厂房的前6阶固有频率和模态振型,并确定了其振动特性。模态分析结果表明:主厂房前6阶固有频率在1.725 2～5.133 2 Hz之间,远小于振动筛的工作频率15 Hz,所以在振动筛正常工作时主厂房不存在共振现象;随着主厂房前6阶固有频率的增大,主厂房的振型也越来越复杂,当变形达到一定程度时,主厂房将遭到损坏。主厂房的模态分析结果为该厂的振动分析提供了理论依据,同时,也为进一步的谐响应分析和结构优化提供了参考数据。     

矿用轴流通风机叶片模态分析

以矿用轴流通风机叶片为研究对象,建立了叶片的三维有限元模型。经过模态分析,得出了叶片在静止时以及流场中旋转时的前6阶固有频率和模态振型。结果表明:叶片在流场中旋转时模态频率较静止时有提高,模态振型不变。计算结果为轴流通风机进一步的动力学分析提供了参考。     

矿用振动筛中驱动轴的模态特性分析

为了避免矿用振动筛在工作过程中发生共振以及造成筛体的损伤,对振动筛的驱动轴进行模态分析,获得了驱动轴的固有频率和模态振型。经过分析研究,表明该驱动轴的动态特性良好,能避免驱动轴驱动振动筛产生的振动频率与工频发生共振,同时为分析振动筛的损伤提供了理论依据。     

基于ANSYS的6300柴油机曲轴的模态分析

通过三维建模软件Pro/E建立6300柴油机曲轴的简化模型,再将其导入到有限元软件ANSYS,然后运用Block lanczos法对曲轴进行模态分析,得到曲轴的前9阶固有频率与振型,为曲轴的优化设计和动态响应奠定基础。     

超静定网梁模态数值模拟及试验分析

以GSKCWS3675超静定网梁激振结构大型振动筛中超静定网梁结构为研究对象,利用有限元软件建立其有限元模型,通过数值模拟得到固有频率和固有振型,确定原点导纳位置;应用变时基采样的锤击法对其进行试验模态分析,得到了网梁结构的动力学参数。对比2次所得结果,验证了有限元分析过程中施加边界条件的合理性和试验模态分析的可靠性。并通过对各振型的分析,为进一步结构动态设计和优化提供理论依据。     

基于灰色神经网络预测青东矿10煤层底板破坏深度

传统的预测底板破坏深度方法主要有力学及数理统计、定性比较分析等,然而这些方法的预测值往往达不到预期的效果或与实际值差距较大。通过对比检验样本的预测误差可得出基于灰色理论的神经网络预测模型的精度高于BP神经网络的预测结果。故此次选用灰色理论与神经网络相结合的方法建立模型预测青东矿104采区10煤底板破坏深度,预测结果为16.86m。     

神经网络PID在温度控制中的应用

提出了一种基于BP神经网络的PID控制器方法,充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。采用3层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。实验结果表明,该控制器具有响应速度快、精度高和良好的鲁棒性。     

基于BP神经网络的直接转矩控制

提出一种基于神经网络智能控制的直接转矩控制系统,神经网络控制是智能控制一个重要的分支,它能够处理非线性、不确定性等问题,具有强大的学习能力。利用神经网络控制代替传统直接转矩控制中的矢量优化选择表,神经网络控制能够迅速、准确地选择逆变器的开关状态。仿真结果表明,基于神经网络控制的直接转矩控制系统能够改善系统非动态、稳态性能。     

基于人工神经网络的水力旋流器选型及优化

为了实现对水力旋流器的全面设计,建立了3层BP神经网络模型,该模型可根据分离粒度、生产能力、底流质量浓度等值,选择合适的水力旋流器。经10组数据测试,选型误差为:底流口直径10.43%,溢流口直径7.51%,插入深度17.86%,入料压力20.24%,选型精度高于传统方法。该模型既可用于设备选型,也可用于优化旋流器参数。选择合适的水力旋流器分级加重质,制备得到的粗、细两产品分别满足湿法、干法对加重质要求,对我国选煤业发展有重大意义。     

基于神经网络的磨料水射流切割工艺参数智能选择

磨料水射流切割中影响切割深度的因素很多,各工艺参数的选择和合理搭配对切割效果有很大影响,并且难以用精确的数学模型来描述。建立了基于BP神经网络的磨料水射流切割工艺参数智能选择模型,该模型可以映射出切割深度与切割工艺参数之间的关系,并通过多次学习训练达到了较高的精度和较快的收敛速度。     

基于BP神经网络的双能X射线透射的 金属识别算法

双能X射线透射识别技术可识别物质种类,是一种能用于废金属回收的新方法。在废金属识别算法中,目前的曲线拟合识别算法只能在物质厚度较小时能较好的拟合,识别准确性和厚度范围不能满足废金属分选要求,并且不能解决X射线源扇形效应的影响。针对现有算法的不足,基于 曲线提出 识别特征,提高了识别的厚度范围;提出将物料位置作为识别特征,解决了扇形效应;结合 特征和位置特征提出基于BP神经网络算法的废金属分类模型。通过铜和铝物料实验对比,结果表明识别准确率从81.4%提高到了94%。     

基于BP神经网络电路故障诊断系统研究

从几个方面介绍了存在于模拟电路中的故障类型。通过阐述BP神经网络的模式识别特点,提出了应用BP神经网络来解决电路故障诊断问题,并且分别应用BP算法和几种改进的BP算法进行结果比较。     

基于BP神经网络的地表沉降预测模型

简述了人工神经网络的基本原理,通过实例建立了时间序列BP网络模型,并利用已有观测数据对网络进行了训练和测试,经过与实测值进行对比回归分析,证明了该网络的有效性和精确性,可作为一种预测方法对地表沉降做出预测。     

基于粗糙集-神经网络系统的采煤机故障诊断

利用粗糙集理论对原始数据进行约简,构建优化的粗糙集—神经网络智能系统。该系统能够提高采煤机故障诊断准确性和效率,有良好的应用前景。