排序方式: 共有15条查询结果,搜索用时 31 毫秒
1.
2.
为提高小型油气运输管道内壁结垢的清理效率,设计一种能在300~450 mm直径管道中工作的模块化履带管道清洁机器人。针对具体情况确定管道机器人的整体结构设计,使得机器人能够通过不同的组装形式适应不同工作环境,并介绍了机器人的工作原理;对可柔性变径的履带式行走机构及机器人的管径适应性进行力学分析,同时分析机器人在管道中的几何约束运动和运动情况,并在ADAMS中分析机器人在管道中的通过性。结果表明:管道机器人的设计合理,相关变径几何约束以及运动约束条件正确,机器人能够在设定管径范围内的直管与L形弯管中正常行走。 相似文献
3.
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
4.
为了研究钢筋、玄武岩增强复合材料(BFRP)包裹层数及预损伤对BFRP约束钢筋混凝土(RC)圆柱轴压力学性能的影响,对22个直径242mm、高726mm的混凝土圆柱(包括20个RC圆柱以及2个素混凝土圆柱)开展轴压试验。试验结果表明:纵筋对BFRP约束RC圆柱的极限强度有较明显贡献,箍筋对BFRP约束RC圆柱极限强度和极限应变均有较明显贡献;BFRP约束可有效改善损伤RC圆柱的极限强度和极限应变,但无法恢复RC圆柱因损伤而降低的初始刚度;损伤会降低BFRP约束RC圆柱的极限强度和初始刚度,且降低的程度随着损伤水平的增加而增加。最后,提出了BFRP约束损伤RC圆柱强度模型及极限应变模型,模型预测值与试验值吻合较好。 相似文献
5.
在精密机械式压力表的制造及检定自动化工业中,机械臂操作末端的设计需要避免对仪表造成损伤的风险.考虑到柔顺手指对接触物体产生形状自适应的特性,基于TPU塑性材料设计了一种面向机械式压力表抓取操作的柔性操作末端,其能自动对抓取的仪表形成边缘包络,满足抓取可靠性的同时,也能通过材料的塑性变形抵消抓取过程中可能产生的过度抓取力.有限元分析的结果表明,使用TPU塑性材料设计的柔性操作末端在结构优化后能对抓取目标物形成最好的包络效果,并且在达到抓取要求的最大塑性变形时,能保持关键的柔顺关节不发生崩裂. 相似文献
6.
巷道顶板离层方式及主要影响因素 总被引:1,自引:0,他引:1
顶板离层过程的研究涉及离层时间、位置、大小及离层的扩展等。分析了离层产生的方式和各参数之间的关系,归纳了影响顶板离层的主要因素。通过对高水平应力条件下采区准备巷道复合顶板的离层过程和机理进行研究,得出了相关结论。 相似文献
7.
8.
固体废弃物膏体充填料浆质量的神经网络研究 总被引:3,自引:0,他引:3
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
9.
膏体充填工作面顶板及地表沉陷过程数值模拟 总被引:3,自引:0,他引:3
为了掌握膏体充填工作面上覆岩层的移动规律及地表沉陷情况,对比与垮落法的不同,基于充填采矿对未来煤矿开采的重要性,文章以某矿村庄下膏体充填开采研究为背景,采用FLAC软件进行数值模拟.模拟分步开挖、分步充填、膏体强度逐步增强的开采、充填过程,与实际作业过程一致.得出了开采过程中工作面顶板与地表的动态下沉和沉陷控制效果曲线图,并与垮落法对比,总结出充填工作面顶板和地表的沉陷规律.研究结果表明:膏体充填工作面最大下沉系数仅为0.11,膏体充填能有效控制上覆岩层移动,显著降低地表沉陷;充填早期顶板下沉量占最终下沉量的大部分,缩短顶板暴露时间及膏体凝固时间、加强膏体凝固前的顶板支护、提高充填作业质量是控制地表下沉的关键. 相似文献
10.
富氧底吹铜熔炼炉喷枪是整个熔炼炉中最重要的部件,并且造价高,易损坏,工作环境恶劣复杂,对其进行准确的寿命预测比较困难。提出了一种基于IPSO-BP神经网络的寿命预测模型,粒子群优化算法解决了BP神经网络容易陷入局部极小值和训练速度慢的问题,优化的粒子群算法优化了惯性权重和学习因子,进一步加快了训练速度和搜索速度,提高了BP神经网络跳出局部极小值的能力。以工作环境中容易对喷枪寿命造成影响的因素作为输入,喷枪寿命作为输出,通过实际生产采集的数据做验证,并与BP神经网络和PSO-BP神经网络预测模型作对比。结果表明,本文构建的寿命预测模型预测效果比BP神经网络和PSO-BP神经网络的预测更加准确,精度更高,该预测模型为富氧底吹铜熔炼的喷枪寿命预测提供了一种方法借鉴。 相似文献