排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
针对现有掘进机截割头载荷特性研究方法采用单一影响因素不能全面反映截割头载荷及其波动变化规律的问题,通过分析截割头瞬时载荷,确定了纵轴式掘进机在水平截割工况下截割头载荷的主要影响因素有截割岩石特性、截割头掏槽深度、截割头吃刀深度、截割头转速和截割臂摆速。针对某纵轴式掘进机水平截割工况,采用Matlab对影响截割头载荷的多种因素进行仿真分析,得到了各向载荷及其波动随各因素的变化规律:截割头载荷随着岩壁普氏系数的增大而增加,其中横向阻力增加尤为明显,横向阻力波动程度高于其他方向载荷,且随着岩壁普氏系数的增大呈减小趋势;随着截割头掏槽深度的增加,截割头各向载荷近似呈线性增加,其中升力增加幅度最大,各向载荷波动则随着截割头掏槽深度的增大而减小;随着吃刀深度的增加,截割头载荷总体呈增大趋势,载荷波动程度则随之减小;在截割头转速一定的情况下,截割头载荷均随着截割臂摆速的增加而增大,在同一摆速下,截割头载荷随着截割头转速的减小而增大,横向阻力波动明显高于升力和推进阻力波动,横向阻力和推进阻力波动按截割头载荷规律变化,升力波动则与之相反。截割头载荷波动变化规律与截割头载荷变化规律不尽一致,有时甚至相互冲突。因此,掘进机作业过程中应合理选择截割头掏槽深度、吃刀深度等操作参数和截割头转速、截割臂摆速等运动参数,使各参数相互匹配,以减小掘进机振动,延长使用寿命。 相似文献
4.
针对掘进机动载荷识别难度大的问题,提出了基于奇异值分解的掘进机振动信号特征量提取方法。对采集的振动信号进行小波包分解,重构底层各频带节点系数,进而构造时频矩阵;对该矩阵进行奇异值分解,并基于Fisher判据,利用基于散度矩阵的类可分性准则,选择对不同截割岩壁硬度较为敏感的奇异值作为振动信号的特征量,并利用散度矩阵准则值来解决无法定量衡量各阶奇异值对截割硬度敏感程度的问题。与小波包频带能量法提取的特征向量进行比较,结果表明,对于掘进机水平截割、垂直截割和纵向钻进3种工况下的振动信号,基于奇异值分解法提取的特征向量都具有更好的类可分性。 相似文献
5.
针对煤矿井下掘进机截割岩壁硬度识别难度大的问题,利用其悬臂振动信号、升降油缸和回转油缸压力信号、截割电机电流信号,提出了一种基于多源数据融合的截割岩壁硬度识别方法。该方法首先对各类信号进行小波包分解,单支重构各频带信号并组建时频矩阵,通过奇异值分解得到包含时频信息的若干特征奇异值,以构造特征向量;再利用LDA算法实现数据特征级融合,得到类可分性更好的低维特征。为解决概率神经网络(PNN)平滑参数无法确定和网络结构复杂的问题,提出了基于差分进化算法(DE)和QR分解的PNN优化方法,并通过优化PNN对低维特征进行硬度识别。实验结果表明:所提出的特征量提取和模式识别方法是有效的,与目前常用的其它模式识别算法相比,优化PNN在掘进机三种工况下均有更高的硬度识别准确率。 相似文献
6.
1