液压支架整机静强度试验及等效应力分析

以ZY6800/08/18D型液压支架为研究对象状,考虑顶梁扭转、顶梁偏载、底座扭转、底座对角、底座两侧对称加载等五种工况,采用应变花测试三向应力对液压支架进行了两次静强度试验,第1次试验采用25个测点,第2次在第1次试验基础上,去除了应力较小的测点,并在应力梯度变化较大的区域增加了辅助测点,共计39个测点。两次测试结果表明两次测定的相同点应力分布趋势基本一致;底座对角工况应力最大,危险位置出现在底座测点;底座两侧对称加载工况误差较大。该试验研究结果可为后续静强度仿真模型修正提供支持。     

采煤机行走轮轴疲劳试验和仿真研究

以某型采煤机行走部的行走轮轴为研究对象,对该轴进行拉力工况疲劳试验,采用有限元仿真分析对标单个加载循环的应力结果,结果误差在8%;采用基于Ncode软件的疲劳仿真分析对标试验结果,结果较为接近,验证了有限元仿真模型和疲劳仿真模型的准确性。对行走轮轴结构进行优化以提高强度和寿命,采用有限元和疲劳分析对优化后结构进行了预测,应力大幅减小,寿命提高显著。     

基于改进的胶囊网络的行星齿轮箱故障诊断方法

行星齿轮箱是大型机械装备的核心传动环节,其内部关键零部件故障发生的部位与形式多样,威胁机械装备的安全服役.针对其不同部件的多类故障诊断问题,提出一种基于改进的胶囊网络(enhanced capsule ntwork, ECN)的“端到端”智能故障诊断方法. ECN充分发挥了卷积神经网络对故障特征的深度提取能力,同时具备胶囊结构矢量化挖掘特征空间信息的特点,可利用动态路由机制计算胶囊层之间的相关度,从而实现对故障特征的精准归类.此外,建立的间隔损失函数与输入数据不断优化模型参数,实现了对故障的智能诊断.对太阳轮、行星轮以及多类部件故障数据混合的情况分别开展分析,实验结果表明, ECN相比传统卷积神经网络和胶囊网络均表现出更强的故障诊断能力.