大型曲轴圆角滚压矫直工艺优化研究

长度为1.6~8 m的大型曲轴在制造加工过程中,由于热变形和冷却不均等原因会造成二次弯曲,需要通过圆角滚压矫直工艺进一步改善主轴颈和连杆颈中心的跳动量。为了解决大型曲轴跳动量超差现象并提高加工效率,旨在以16V型大型曲轴为研究对象,基于已有结论和建立优化数学模型,运用NSGA-Ⅲ算法和PlatEMO平台对圆角滚压矫直工艺实行了多目标优化,并结合TOPSIS决策方法计算了Pareto解集的贴近度指数,根据指数排序结果进一步选择每次滚压矫直的最佳方案,实现了工艺参数(滚压力、滚压角度范围)的优化。优化结果与有限元仿真结果具有较高的一致性,有效降低了16V型大型曲轴各主轴颈的矫后跳动量和减少了滚压矫直的次数,确保曲轴性能达到要求。

一种辊式矫直智能优化工艺预测模型的研究与应用

针对传统矫直过程中需要依赖人工经验、矫直速度慢和板材良品率低的问题,综合考虑板材矫直过程中板厚、弹性模量、屈服强度和板材塑性率等参数对矫直工艺的影响,以及反向传播(Back Propagation, BP)神经网络容易陷入局部最优值和泛化能力不强等问题,引入蜣螂优化(Dung Beetle Optimizer, DBO)算法,建立了基于蜣螂优化算法优化BP神经网络的矫直智能优化工艺预测模型。使用包含1 000条数据的训练集进行训练,对比BP神经网络预测模型和粒子群算法优化BP预测模型,结果表明,蜣螂优化算法优化BP神经网络预测模型的首尾辊压下量百分比误差分别在0.5%和0.6%以内,总矫直力百分比误差在0.6%以内,该预测模型对于矫直工艺的精确预测有较高的参考价值。

拉杆结构中弹簧刚度和有限元模型刚度融合修正方法研究

为建立更加准确的航空发动机高压转子的有限元模型,对表征高压转子拉杆结构的盘与盘、拉杆与盘之间接触的力学模型进行研究,重构了接触部位的有限元模型。提出弹簧刚度矩阵和有限元模型刚度矩阵的融合修正方法,建立了包含接触的有限元刚度整体优化模型。运用拉直算子将优化模型中需要修正的参数分离出来,结合实验模态分析得到的模态参数对有限元刚度矩阵进行了修正。实例证明修正后的有限元模型真实反映了拉杆联接的航空发动机高压转子的接触状态。

实验模态数据修正计算模型的拉直算法

针对目前用实验模态数据对计算模型修正方法中所存在的问题 ,提出了一种新的修正方法 ,该方法借助于数学上的拉直运算 ,把需修正的变量提出来直接对其进行修正运算 ,这样不仅保证了矩阵带状稀疏的特点 ,而且计算量也减少。最后给出了计算实例。算例表明该方法具有较高的修正精度。

有限元模型修正的虚拟拉直算法

在拉直算法的基础上,提出了一种新的有限元模型修正方法。拉直算法主要适合于模型修正模型中的约束方程不出现矛盾方程的情况,而对于出现矛盾的约束方程,修正效果可能会很差,其主要原因是修正变量较少,这也导致了拉直算法不适合于含高阶实验模态数据的修正。因此,为了避免矛盾方程的出现和获得可行的修正模型,提出增加带宽的方式(即附加虚拟元素)以增加未知变量的个数,并提出了虚拟拉直修正方法,该方法可有效地修正含高阶模态的实验模态数据。最后以一个平面框架结构为例来说明本文方法的可行性。

拉杆结构非线性接触的刚度融合修正方法

为建立更加准确的航空发动机高压转子的有限元模型,对表征高压转子拉杆结构中盘与盘之间接触的力学模型进行研究,引入包含库伦摩擦力的非线性弹塑性滑动模型对该类接触进行描述。提出弹簧刚度矩阵和有限元模型整体刚度矩阵的融合修正方法,建立了有限元刚度的整体优化模型。运用拉直算子将模型中需要修正的参数分离出来,结合实验模态参数对有限元模型刚度进行了修正。以实际航空发动机高压转子为例,通过与线性模型的修正结果比较,证明该模型准确描述了拉杆结构的复杂接触,且融合算法是可行且有效的。

一种曲轴初始校直行程计算方法

针对曲轴校直中初始校直行程难以确定的问题,根据弹塑性力学理论和有限元方法,研究曲拐旋转角度对曲轴校直过程的影响。以8缸直列式往复发动机曲轴校直为例,应用有限元法计算了曲轴校直中3种加载工况,以及不同工况下曲拐在不同旋转角度对应的应力和变形,并建立了应力变形系数表,结合台阶轴校直行程算法,提出了8缸直列式钢质曲轴初始校直行程计算方法。在YH40-160型曲轴校直液压机上进行校直实验,结果表明,该方法能有助于曲轴初始行程计算,可提高校直效率。

实验模态数据修正计算模型的改进拉直算法

针对实验模态数据修正计算模型拉直算法存在的缺陷,提出了一种改进拉直算法:首先通过拉直方法,把待修正的质量和刚度矩阵的方程变为线性方程;然后把位于质量和刚度矩阵带状内的元素限制在给定范围内,并运用优化和迭代方法确定修正模型.该算法还考虑了带状矩阵内存在部分值为0的情况.实例计算结果表明,采用改进拉直算法,可以缩小修正模型质量阵和刚度阵与原模型质量阵和刚度阵之间的差别,使修正模型更符合实际,精度也很高.

J积分移动理论的单边径向裂纹轴校直行程算法

依据弹塑性断裂理论和实验,研究了含裂纹轴中最危险的单边径向裂纹轴校直过程,提出了多步加载条件下的J积分移动理论和单边径向裂纹轴校直行程递推算法。含单边径向裂纹轴校直中,假设多步加载相互独立,J积分包括Je和Jp两项,微小递增的弹塑性载荷导致裂纹钝化有助于JIC增加,J积分值在多次加载中可缓慢向上移动。基于这一观点,结合校直行程递推算法,建立了单边径向裂纹轴的多步校直行程递推算法。对裂纹为3mm的单边径向裂纹轴实验的结果表明了JIC移动现象,并且在对实验轴4步校直后,初始0.13mm弯曲值可以减少到0.01mm,而裂纹嘴张开位移限制在0.008mm。

基于支持向量机和遗传算法的液压支架调直系统研究

通过对液压支架在井下采煤过程中不能保持齐平的原因进行分析,找出其影响因素,根据主要的影响因素和支架位移之间建立输入输出关系,在支持向量机和遗传算法的基础上,设计出液压支架调直系统模型,通过仿真和数据测试,证明该系统可以根据井下不同环境准确地给出支架位移值,达到预期目标。

基于动力驱动微粒群算法的液压矫直机PID控制参数优化

为兼顾微粒群算法收敛速度与跳出局部解的能力,利用阶段性搜索方式将算法搜索过程分为前、后两个不同阶段。在算法的前期搜索阶段,当前微粒受个体最优微粒与全局最优微粒的引力作用,在算法的后期搜索阶段引入中值导向加速度,提出一种动力驱动微粒群算法。最后,针对液压矫直机PID控制的参数优化问题,考虑控制信号、上升时间和误差量的关系,建立液压矫直机PID控制参数优化模型,利用动力驱动微粒群算法优化得到更好的参数组合,实现PID控制参数优化。

矿用刮板输送机的模糊PID控制调直方法研究

为了提高矿用刮板输送机的直线度,降低其运输阻力,提出一种矿用刮板输送机布置角度与形态解析算法,同时搭建模糊PID算法。将中部槽连接耳处空隙误差与各段矿用刮板输送机之间通过哑铃销连接的误差结合,由数学模型计算出各液压支架对刮板机进行推溜所需要的流量,通过模糊算法与PID的输出进行融合计算,实现了模糊PID算法对液压缸工作时间的调整,并通过MATLAB 2018a与LMS-Samtech进行调直效果的仿真。所有试验中的平均偏差均较小,不超过5 mm,证明了本研究中模糊PID控制调直方法能较好地实现了矿用刮板输送机的调直效果。研究结果为综采面的全面自动化提供了前期研究,同时对于降低因刮板机直线度偏差过大造成的事故具有积极预防意义。

基于改进蚁群算法的单神经元PID控制在数控精校机电液伺服系统中的应用

数控精校机电液伺服系统是一个参数变化比较大的非线性系统,常规的PID控制效果难以让人满意。采用单神经元PID控制器,在线调整权值,增强了对非线性系统的调节控制功能,然而参数的选择非常重要。文章提出一种改进的连续蚁群算法,用于优化单神经元PID控制器的参数,并用于精校机电液伺服系统,通过MATLAB仿真结果可得系统的阶跃响应,证明该算法比一般的蚁群算法精度更高,收敛更快,同时体现了该蚁群算法在实际应用中的实用性。

关于Cayley分解的一个注解

对于任意长度r≥3的齐次括号多项式,一定存在括号单项式,使之Cayley可分解的结论已被证明,然而却没有给出任何有关该单项式的性质,为此通过几个反例证明了这种括号单项式具有即使是次数最低的也不一定是唯一的性质.

基于GA-BP神经网络板材辊式矫直工艺预测模型

辊式矫直工艺是轧制生产线上必要精整工艺。为提升生产线的整体智能化生产需求,采用神经网络代替曲率积分矫直模型进行计算,解决其求解难、耗时长和不收敛的缺点。针对反向传播(Back Propagation,BP)神经网络易出现泛化能力弱、陷入局部最优等问题,引入遗传算法(Genetic Algorithm,GA),建立一种基于GA-BP神经网络算法的板材辊式矫直工艺神经网络多输入多输出计算模型。对比结果显示,选用trainscg函数可实现较好的预测结果,并通过贪婪策略对模型结构进行优化,实现了矫直工艺模型的快捷、高精度计算,首尾辊压下误差在0.2 mm以内,残余曲率比误差在5%以内,矫直力误差在7%以内。该神经网络模型对轧制生产线有较高的工程应用价值。

基于遗传算法的管材矫直优化

针对管材矫直质量问题,利用单向弯曲的方式,建立了矫直过程的力学模型,提出了优化的目标函数,建立遗传算法模型对矫直工艺参数进行了优化,得出了合理的工艺参数值.将该工艺参数值用于实际加工中,能显著提高管材的矫直质量.

一种弯曲染色体自动矫直算法

染色体的非刚性使其在成像时出现不可预测的形状和大小,将其直接进行核型分析会造成较大误差,而对染色体进行矫直,可提高核型分析的准确性。为解决弯曲染色体矫直的问题,提出了一种有效的矫直算法。该算法使用细化的方法提取弯曲染色体的中轴并对其进行修正,通过记录与中轴上点相邻的8个像素点,获得拟合直线及其中垂线,再将中轴按照像素点拉伸,拉伸过程中根据重叠区域像素的相对空间位置,将重叠区域的像素搬移到矫直图像上得到矫直染色体。对比3种矫直算法可知本算法可以较好地实现弯曲染色体的矫直。

基于随机轮廓匹配的快速图像配准算法

为了克服确定性图像配准算法计算速度和准确率难以同时兼顾的缺点,提出了一种对部分重叠的图像进行快速配准的方法,该方法是基于轮廓特征的随机匹配算法。通过提取轮廓上的“关键点”作为特征点,随机选择若干特征点对得到候选变换,随后的投票阶段对其变换参数进行检验和求精。实验结果表明:对于典型的应用,该算法比传统确定性匹配算法的速度提高了约一个数量级,能够在线性时间内完成对两幅图像的配准,而且,该方法能够对包含相当比例误报的特征点集进行匹配,具有很强的适应性。

薄壁细长轴自适应校直技术

为提高现有直线度校直设备的检测精度,提高校直参数计算的准确性,通过对现有轴类零件校直方法的优、缺点进行分析,针对常见细长轴零件的直线度校直加工,设计出校直加工精度为0.1 mm·m^(-1)的薄壁细长轴零件自适应校直设备总体结构。校直过程基于机器学习的BP神经网络算法和数据库积累,基于三点弯曲校直的基本原理,此设备确定了一个适用于此校直工艺的BP神经网络结构,其结构为:输入层为7个节点、输出层为1个节点、单隐含层为6个节点。通过对该神经网络结构的精度验证可得:当数据库包含800组实验数据时,经过1次校直加工,即可满足精度要求,此设备可大幅地减少校直加工次数。