一种无接触旋转变压器的仿真技术研究

为解决无接触旋转变压器传统电磁设计方法难以保证精度的问题,提出了一种基于Maxwell和Matlab联合仿真旋转变压器性能的方法,模拟分析旋变在不同转角位置时绕组输出电压的正余弦变化过程,在原有旋变分析基础上耦合环变压降过程,实现引入环变后的旋转变压器输出信号正余弦性及电气精度仿真,从而可有效验证无接触旋转变压器整机的电气性能指标;最后通过多型号实物测试数据验证了该方法的合理性与有效性。

基于BP神经网络的全断面岩石隧道掘进机刀具系统故障预测研究

目的研究滚刀故障机理并实现对全断面岩石隧道掘进机(Tunnel Boring Machine,TBM)刀具系统的故障预测,分析滚刀故障对系统驱动端参数的影响,提高刀盘掘进效率。方法基于Adams软件建立驱动系统动力学模型并进行仿真分析;提出并建立具有5-12-5形式网络结构的TBM刀具系统故障预测BP神经网络模型;利用MATLAB软件对不同磨损程度的滚刀状态预测进行建模仿真;采用GA-BP算法对该模型实现优化。结果滚刀磨损加剧后,刀盘推力平均增加2.3%,驱动扭矩平均增加8.4%,刀盘转速减小12.2%,掘进速度平均下降4.7%;应用GA-BP算法的神经网络诊断模型的诊断误差曲线相对平稳,模型训练的均方误差为0.00034216。结论驱动设备参数与滚刀故障之间存在对应关系,各特征参数均受到不同程度影响;基于GA-BP算法的神经网络预测模型诊断误差最小,训练过程仅需40次迭代便可达到网络性能要求,收敛速度显著提高,可用于检测TBM刀具系统在不同磨损程度下的状态类型。