神经网络在复合绝缘子伞裙优化设计中的应用

针对复合绝缘子污闪问题,提出了神经网络近似模型和遗传算法相结合的优化设计方法。以染污绝缘子沿面最大场强作为优化目标,选取大、小伞直径和伞间距作为设计参数,建立染污绝缘子电场优化模型。利用优化拉丁方采样方法和ANSYS Maxwell获取训练样本,利用BP神经网络对样本集进行非线性拟合,建立神经网络近似模型。遗传算法在求解优化模型时,用BP神经网络对染污绝缘子沿面最大场强和爬电系数进行近似计算,最终得到最优解。结果表明:伞裙优化后,绝缘子沿面最大场强为3.69×104V/m,降低了9.78%。优化结果表明神经网络近似模型具有可行性,为绝缘子伞裙优化问题提供了一个新的思路。     

基于疲劳视角下的液压支架可靠性设计

针对液压支架服役周期短、可靠性低等缺陷,提出一种基于ANSYS与BP神经网络相互耦合的设计方法,基于可靠性灵敏度以重新分配设计参数并反求液压支架结构,结果表明:改进后的液压支架最大米塞斯应力为649.167MPa,满足材料的力学性能要求;设计后的支架平均寿命预估为34566次,预估的最大相对误差仅为4.3%,可靠度提高了12.1%,满足了可靠性要求。