基于人工神经网络获取起重机当量载荷谱的疲劳剩余寿命估算方法

为实现在役起重机的疲劳剩余寿命估算,预防灾难性事故,确保起重机使用的安全性。针对起重机使用工况的高度随机性和不确定性,以通用桥式起重机为研究对象,首次通过大量的数据调研,采集不同额定起升载荷起重机在一个工作时段内对应不同起升载荷的工作循环次数簇,基于人工神经网络(Artificial neural network,ANN)技术获取预评估起重机的当量载荷谱。以Miner疲劳损伤累积理论、线弹性断裂力学理论和雨流计数法为理论基础,运用Paris-Eadogan方程,推导疲劳剩余寿命计算公式,以实现通用类桥式起重机疲劳剩余寿命估算。经实例验证:所提出的方法可快速获取该类型预评估疲劳剩余寿命起重机的当量载荷谱并估算其主梁的疲劳剩余寿命,大大节省起重机现场实测的烦琐过程和大量投入。与实测应力谱计算的疲劳剩余寿命相比具有较好的吻合性和实用性,说明应用本方法进行起重机的疲劳剩余寿命估算是可行和有效的。

自适应双层果蝇相关向量机起重机当量载荷谱预测方法

起重机载荷谱是其疲劳剩余寿命计算和安全评估的主要影响因素之一。针对载荷谱的随机性、不确定性及数据样本有限的问题,提出自适应双层果蝇相关向量机(ADRVM)的起重机当量载荷谱预测方法。以混合核函数为基础,将自适应步长的果蝇算法直接应用于相关向量机(RVM)核参数的优化选择中,同时为避免人为因素的影响,提出自适应双层果蝇算法对自适应步长的附加参数进行选取,从而克服了单一核函数下RVM的局限性,解决了自适应步长引起的附加参数的选取没有理论公式和有效依据的问题,提高了预测精度与鲁棒性。用ZLJ5551JQZ110V汽车起重机的小样本载荷谱对提出的方法进行验证。结果表明,在训练特性及预测精度方面,所提方法均优于粒子群优化算法的相关向量机、v-SVRM和LMBP神经网络。

拖拉机整机模拟试验当量载荷谱的研究

本文在工农—12型手扶拖拉机实测载荷谱的基础上,介绍了适用于室内模拟试验单向加载的当量载荷谱的编制方法。

基于粒子群优化相关向量机的起重机当量载荷谱预测方法

针对起重机作业环境多变、现场试验条件复杂、载荷作用随机性强，导致起重机大规模载荷谱难以获取的问题，提出基于粒子群优化相关向量机的起重机当量载荷谱预测方法。以相关向量机为理论基础，从核函数的构造、核参数的选取入手，构建基于粒子群优化相关向量机的预测模型并应用到起重机当量载荷谱的预测中，从而克服了传统机器学习方法中易出现欠学习、过学习、局部最优等现象，提高了预测精度、泛化能力与鲁棒性。以QD50／10t-22．5m通用桥式起重机和100／40t-28．5m铸造起重机的小样本载荷谱对该方法及模型进行了验证。结果表明，相比于神经网络、支持向量机等方法，本文方法预测误差更小、拟合度更高，且核函数的选择不需要满足Mercer条件。

飞机结构强度疲劳试验加速技术研究

在进行飞机结构强度疲劳研究与试验过程中,为缩短研制周期,加快试验进程,根据疲劳损伤理论,推导得到与原载荷谱具有相同损伤的当量化载荷谱和放大应力载荷谱。试验时根据试验件结构与载荷特点,将疲劳载荷谱中加载次数较多、载荷值较小的载荷情况进行等损伤计算,折算为当量化载荷加载次数,应用当量化载荷谱代替原疲劳载荷谱进行疲劳试验加载,并通过放大载荷进一步加速试验进程。试验结果表明通过选择合适的当量化载荷和进行适当的载荷放大可以获得可靠的疲劳试验结果,该疲劳试验加速方法可应用于类似疲劳结构试验中。