| 应用神经网络和粒子群算法的振动式分选机参数优化研究 |
| |
| 引用本文： | 金磊,杨金堂,周泽,田万智,王烨堃.应用神经网络和粒子群算法的振动式分选机参数优化研究[J].机械科学与技术(西安),2019,38(6):855-862. |
| |
| 作者姓名： | 金磊 杨金堂 周泽 田万智 王烨堃 |
| |
| 作者单位： | 武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081 |
| |
| 基金项目： | 湖北省技术创新专项重大项目;湖北省科技支撑计划项目 |
| |
| 摘 要： | 针对废旧铅酸蓄电池回收预处理工艺中极群分离问题设计了振动式分选机,并应用椭圆基神经网络近似模型和粒子群算法研究了振动式分选机参数优化问题。首先,以降低质量、降低应力和提高第3阶固有频率为目标,利用灵敏度分析获得影响程度最高的结构参数;其次,采用具有最高拟合度的椭圆基神经网络构建试验设计样本的最佳近似模型,并采用优化效果更佳的粒子群算法进行数值优化;最后,对优化前后的结构进行可靠性分析。结果表明:优化后结构质量降低了9.7%,最大等效应力降低了36.7%,第3阶固有频率提高了12.9%,结构可靠度提高了5.9%。
|
| 关 键 词： | 振动式分选机 灵敏度分析 神经网络 粒子群算法 可靠性分析 |
Parameter Optimization of Vibratory Sorter using Neural Network and Particle Swarm Optimization |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
