【摘 要】
:
采煤机在采煤作业过程中,会频繁受到截割煤层引起的不规律的负载,行走轮—销排牵引机构是采煤机不可缺少部件,行走轮与销排的啮合属于无润滑传动,因此牵引机构经常因冲击性动载荷而发生齿面磨损和轮齿折断故障。牵引机构的工作状态决定了整机的运行以及煤矿开采的效率。本文以采煤机整机为研究对象,分析采煤机在进行煤岩截割过程中整机的运动状态以及牵引机构的受力状况,找出引发牵引机构故障的因素,基于动力学分析结果对牵引
论文部分内容阅读
采煤机在采煤作业过程中,会频繁受到截割煤层引起的不规律的负载,行走轮—销排牵引机构是采煤机不可缺少部件,行走轮与销排的啮合属于无润滑传动,因此牵引机构经常因冲击性动载荷而发生齿面磨损和轮齿折断故障。牵引机构的工作状态决定了整机的运行以及煤矿开采的效率。本文以采煤机整机为研究对象,分析采煤机在进行煤岩截割过程中整机的运动状态以及牵引机构的受力状况,找出引发牵引机构故障的因素,基于动力学分析结果对牵引机构的参数进行优化设计。采用有限元显式动力学技术在LS-DYNA中建立采煤机滚筒截割煤岩的有限元模型,设置滚筒模型与煤岩体模型的接触参数,之后运用求解器对模型求解,获取煤岩截割过程中滚筒质心的负载。基于刚柔耦合多体动力学技术,运用ADAMS与ANSYS间的数据接口建立了采煤机整机刚柔耦合动力学模型,对滚筒施加煤岩截割仿真获取的负载,考虑异步电机的机械特性以及前、后行走轮转速不同步的因素,对采煤机两个行走轮分别施加具有电机特性的旋转驱动,通过动力学分析获取了整机的应力分布、整机运行状态以及牵引机构各部件负载随时间的变化规律。对牵引机构进行理论受力分析后,建立牵引机构的装配体模型,导入ANSYS Workbench建立牵引机构的有限元接触模型,对有限元模型施加从整机刚柔耦合动力学分析中获取的负载,进行瞬态动力学分析,获取了导向滑靴、行走轮的应力分布以及行走轮最大齿根弯曲应力和齿面接触应力随行走轮转动的变化规律,分析了可能引起牵引机构故障的原因,为牵引机构的优化提供参考。建立行走轮和销排齿廓曲线的参数方程,基于参数方程构建行走轮与销排啮合的参数化模型,通过对不同齿形行走轮和销排的接触过程进行有限分析对比,确定了一组可以进行优化的行走轮—销排的装配体模型,为牵引机构的优化设计提供基础。基于牵引机构的尺寸参数、牵引机构有限分析响应以及多体动力学分析结果构建牵引机构优化响应面模型,以提高行走轮的承载能力和整机运行平稳性为优化目标,通过遗传算法对响应面进行了寻优。
其他文献
随着工业互联网、5G等新兴技术的发展,接入互联网的工业控制系统越来越多,工业数据传递的速度也越来越快,然而,互联网中存在的相关漏洞也在威胁着工控系统的安全。因此,保障其安全性避免被攻击是至关重要的。但是,由于工控数据具有维度高、冗余特征多的特点,导致现有的入侵检测技术依然存在着许多不足之处。而入侵检测性能优劣的关键在于是否采用了合适的分类算法以及是否根据数据集的特点进行了相应调整优化,因此,本文以
近年来随着科技的进步,深度学习和强化学习的发展迎来空前盛况。深度强化学习技术逐渐成为诸多领域的热点技术。作为多智能体领域的重要研究内容,深度强化学习以其强大的特征提取能力提取智能体周边信息和环境信息,以其强大的感知探索能力感知适应复杂多变的动态环境,从而做出最优决策。其中被诸多学者广泛关注的问题是基于深度强化学习的多智能体协同,其旨在研究智能体如何在复杂多变的环境中通过有效协同控制达到整体性能最优
洪水的显著特点是年际变化不稳定且易受特殊地形的影响。一般流域缺乏引洪、滞洪、过洪能力,形成的大洪峰流量洪水不仅破坏周围居民的生活环境,带来经济损失,对居民的生命健康也是巨大的隐患。因而对流域的洪水发生过程进行预报是至关重要的。山西省由于存在大规模的采煤活动,改变了流域的下垫面条件,从而影响洪水形成过程。现阶段也有不少水文专家对该特殊下垫面条件下的洪水形成过程展开研究,但由于采空区特殊下垫面条件地势
X光安检技术被广泛应用于公共交通场所和物流快递等行业的安全检查工作中,在保障社会公共安全方面发挥了重要的作用。然而,目前的安检工作主要依赖于安检人员对X光安检图像的主动识别,容易受到各种不稳定因素的影响,导致误检和漏检的发生,具有较大的安全隐患。本文探索了两种目标检测方法在X光安检领域的应用,分别是精度较高但速度较慢的two-stage方法Faster R-CNN,以及速度较快但精度较低的one-
【目的/意义】顺应泛网络条件下数字阅读和文献检索与利用的新情况,实现国人共享数字资源,是数字图书馆创新发展和提高中华文化软实力的重要路径。【方法/过程】分别基于数字图书馆的服务理念、服务动机以及用户信息行为新特征,对数字图书馆服务平台的功能需求进行深入分析。【结果/结论】此分析为"构建国家云图书馆"服务平台建设提供参考,可以推动数字图书馆服务平台建设、信息服务等研究向纵深发展。
当前信息爆炸时代,海量信息的生成也促使互联网与大数据分析等技术的快速发展。而我们在享受现代互联网带来的诸多便利的同时,也面临着信息过载(Information overload)的问题。人们难以便捷和迅速地从海量数据中有效汲取所需的各种信息。推荐系统研究面向这一现实迫切的任务需求,并迅速成为当前数据挖掘领域的研究热点。推荐系统方法可通过对数据信息进行建模,分析用户和项目间的潜在关联,从而挖掘用户行
云计算、大数据的发展促使互联网数据呈爆炸式增长,在这一背景下,人们越来越依赖推荐系统来过滤信息。无论是信息的生产者还是信息的消费者,推荐系统的出现都给他们带来了不小的益处。对于信息生产者来说,推荐系统使他们可以将所持有的海量信息有针对性地展示给不同的用户,在提高信息利用率的同时提升了服务质量,有助于提升用户满意度。对于信息消费者来说,推荐系统快速有效地提供给他们所需要的信息,减少了时间浪费,提高了
谱聚类作为一种灵活的热门聚类算法,在处理小规模数据集时通常优于传统的聚类算法,例如k-means。当数据样本量记作n时,它的计算复杂度为O(n~3),空间复杂度为O(n~2),巨大的损耗导致了谱聚类方法对于大规模数据集处理的局限性。受到核方法、Nystr(?)m扩展思想和循环矩阵等矩阵分解技术的启发,本文提出以下工作来解决上述问题:首先,为了提升聚类算法处理大型数据集的速度,提出基于随机傅里叶特征
手势作为一种简单且易表达的交流方式,无论是在人机交互领域,还是在其他应用领域,都有着十分重要的研究价值。相比于传统手工设计特征存在的繁琐复杂、识别率低等缺点,深度学习方法可以自动提取图像特征,且受图像背景因素影响较小,极大地提高了识别率。但随着目标检测技术的发展,其中大多数算法为了获得更高的识别率,一直在不断增加网络的深度,却忽略了这样做所带来的大量参数以及占用的大量计算资源,从而降低了模型的识别
在网络中,链接预测任务是指在已知网络拓扑结构的基础上,预测未观测链接的状态。网络链接预测中,节点和链接随时间发生变化,节点间链接关系的形成不仅受节点所处网络结构的影响,还受网络演化过程的影响,构成复杂的动态网络演化过程,在此背景下的链接预测问题称为动态网络链接预测。动态网络链接预测是网络态势感知、序列推荐、知识图谱信息补全等应用领域的共有关键问题,具有非常重要的研究意义。动态网络数据由节点在不同时