JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

×
“关于规范使用生成式人工智能工具的启事

神经网络近似模型在液压支架顶梁轻量化设计中的应用

王邦祥 ,  陆金桂 ,  王京涛 ,  钱鹏

downloadPDF
王邦祥, 陆金桂, 王京涛, 等. 神经网络近似模型在液压支架顶梁轻量化设计中的应用[J]. 轻工学报, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
引用本文: 王邦祥, 陆金桂, 王京涛, 等. 神经网络近似模型在液压支架顶梁轻量化设计中的应用[J]. 轻工学报, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
shu
WANG Bangxiang, LU Jingui, WANG Jingtao and et al. Application of neural network approximate model in lightweight design of hydraulic support top beam[J]. Journal of Light Industry, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
Citation: WANG Bangxiang, LU Jingui, WANG Jingtao and et al. Application of neural network approximate model in lightweight design of hydraulic support top beam[J]. Journal of Light Industry, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
shu

神经网络近似模型在液压支架顶梁轻量化设计中的应用

  • 南京工业大学 机械与动力工程学院, 江苏 南京 211816

  • 基金项目: 国家“十二五”科技支撑计划资助项目（2013BAF02B11）

  • 中图分类号: TH122;TD355

Application of neural network approximate model in lightweight design of hydraulic support top beam

  • School of Mechanical and Power Engineering, Nanjing Tech University, Nanjing 211816, China

  • Received Date: 2017-07-20
    Available Online: 2018-03-15

    CLC number: TH122;TD355

  • 摘要: 针对液压支架顶梁在满足工况要求的前提下质量需要达到最小的工程目标，提出了神经网络近似模型和遗传算法相结合的顶梁轻量化设计方法：首先运用ANSYS建立顶梁参数化模型，以顶梁质量为目标函数，选取5个对质量和强度影响较大的设计变量，建立了顶梁优化模型；然后用优化拉丁方采样方法和ANSYS获取训练样本，利用神经网络对样本集进行非线性拟合，建立神经网络近似模型，对顶梁质量和最大应力进行近似计算，用遗传算法求解顶梁优化模型，最终得到最优解.优化结果表明，顶梁优化后的质量为8 038.2 kg，减轻了9.66%，最大应力值小于顶梁材料的屈服强度且满足疲劳寿命要求.
    Abstract: For the top beam of hydraulic support to meet the requirements of working conditions, the goal of the project is to minimize the quality.A lightweight design method for the top beam was proposed combined with neural network approximation model and genetic algorithm.Firstly, using ANSYS to build a parametric model to the top beam, taking the quality of the top beam as the objective function,5 design variables that affect quality and intensity were selected,the optimization model of the top beam was established.Then, Optimal Latin Hypercube sampling method and ANSYS were used to get training samples.Neural network was applied to nonlinear fitting of sample set, and the approximate model of neural network was established.The approximate model was used to approximate the quality and maximal stress of the top beam,genetic algorithm was applied to solve the optimization model of the top beam, and the optimal solution was obtained finally.The optimization results showed that the quality of the top beam was 8 038.2 kg, which reduced by 9.66%.The maximum stress value was less than the yield strength of the top beam material and met the fatigue life requirement.
    1. [1]

      OBLACK M,HARL B,BUTINAR B.Optimal design of hydraulic support[J].Structural and Multidisciplinary Optimization,2000,20(1):76.

    2. [2]

      程智虎,王京涛,陆金桂,等.基于可靠性视角下的液压支架顶梁的轻量化设计[J].矿业研究与开发,2017,37(4):95.

    3. [3]

      王忠宾,赵啦啦,李舒斌,等.支撑掩护式液压支架的优化设计[J].重庆大学学报,2009,32(9):1037.

    4. [4]

      LU J G,ZHOU J,WANG H,et al.An approach to structural approximation analysis by artificial neural networks[J].Science in China:Series A(English Edition),1994,37(8):990.

    5. [5]

      琚亚平,张楚华.基于人工神经网络与遗传算法的风力机翼型优化设计方法[J].中国电机工程学报,2009,29(20):106.

    6. [6]

      苟晓明.煤矿用液压支架的轻量化设计与研究[D].重庆:重庆理工大学,2014.

    7. [7]

      赵东波,陆金桂,姚灵灵.液压支架顶梁疲劳寿命的改进神经网络预测[J].矿业研究与开发,2015,35(12):106.

    8. [8]

      陈传尧.疲劳与断裂[M].武汉:华中科技大学出版社,2002.

    9. [9]

      张文迁.基于遗传算法的液压支架质量和运动优化[J].煤矿机械,2014,35(5):30.

    10. [10]

      王智,谢延敏,胡静,等.基于改进灰色神经网络模型的板料成形缺陷预测研究[J].中国机械工程,2013,24(22):3075.

    11. [11]

      葛继科,邱玉辉,吴春明,等.遗传算法研究综述[J].计算机应用研究,2008,25(10):2911.

    12. [12]

      宋茂斌,冯宝平,张展羽.基于遗传算法的皮尔逊Ⅲ 型曲线参数估计[J].中国农村水利水电,2008(6):52.

    13. [13]

      王雷,陆金桂,张建德,等.风力机叶片神经网络结构近似分析的数值实验[J].振动、测试与诊断,2015,35(1):116.

    14. [14]

      石峰,娄臻亮,张永清,等.基于遗传算法和神经网络的冷挤压工艺参数模糊优化设计[J].机械工程学报,2002(8):45.

    1. [1]

      费致根 , 鲁豪 , 宋晓晓 , 赵鑫昌 , 郭兴 , 肖艳秋 . 基于改进ResNet网络的烟丝输送带洁净度分类模型. 轻工学报, 2024, 39(5): 71-77. doi: 10.12187/2024.05.008

    2. [2]

      张雷 , 马永帅 , 洪斌斌 , 熊开胜 , 徐大勇 , 堵劲松 , 李银华 , 邹泉 . 一种改进OSELM算法在片烟复烤过程水分在线检测中的应用. 轻工学报, 2025, 40(3): 95-103. doi: 10.12187/2025.03.011

    3. [3]

      张伟伟 , 姬远鹏 , 元春波 , 王君婷 , 齐晓任 , 张卫正 , 李萌 , 饶智 . 基于改进Mask R-CNN模型的粘连烟丝识别方法. 轻工学报, 2024, 39(5): 78-85. doi: 10.12187/2024.05.009

    4. [4]

      张建栋 , 杨忠泮 , 吴恋恋 , 徐大勇 , 朱萍 , 张雯晶 , 堵劲松 . 基于高光谱成像及机器学习的烟叶糖料液施加量判别模型. 轻工学报, 2024, 39(5): 86-94. doi: 10.12187/2024.05.010

    5. [5]

      杨伟平 , 徐秀娟 , 席辉 , 张文娟 , 刘珊 , 崔凯 , 郭亚龙 , 杨春强 . 美拉德模型反应在模拟烟叶烘烤过程中的应用研究. 轻工学报, 2025, 0(0): -.

    6. [6]

      卢晓波 , 徐海 , 朱俊召 , 张宇 , 谭健 , 高冠男 , 胡军华 , 林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报, 2024, 0(0): -.

    7. [7]

      卢晓波 , 徐海 , 朱俊召 , 张宇 , 谭健 , 高冠男 , 胡军华 , 林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报, 2024, 39(6): 101-107,115. doi: 10.12187/2024.06.012

    8. [8]

      黄朵朵 , 王乐 , 雷萍 , 孙志伟 , 李林洪 , 张智轩 , 黄锋 , 李斌 . 基于烟芯段和滤嘴段耦合的加热卷烟烟气关键成分释放模型构建. 轻工学报, 2024, 0(0): -.

    9. [9]

      黄朵朵 , 王乐 , 雷萍 , 孙志伟 , 李林洪 , 张智轩 , 黄锋 , 李斌 . 基于烟芯段和滤嘴段耦合的加热卷烟烟气关键成分释放模型构建. 轻工学报, 2024, 39(6): 116-126. doi: 10.12187/2024.06.014

    10. [10]

      石振兴 , 柴浩浩 , 仵华君 , 朱莹莹 , 么杨 . 内部结构设计对3D打印全麦曲奇饼干品质的影响. 轻工学报, 2024, 39(6): 9-17. doi: 10.12187/2024.06.002

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  34
  • 文章访问数:  1756
  • 引证文献数: 0
文章相关
  • 收稿日期:  2017-07-20
  • 刊出日期:  2018-03-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
王邦祥, 陆金桂, 王京涛, 等. 神经网络近似模型在液压支架顶梁轻量化设计中的应用[J]. 轻工学报, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
引用本文: 王邦祥, 陆金桂, 王京涛, 等. 神经网络近似模型在液压支架顶梁轻量化设计中的应用[J]. 轻工学报, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
shu
WANG Bangxiang, LU Jingui, WANG Jingtao and et al. Application of neural network approximate model in lightweight design of hydraulic support top beam[J]. Journal of Light Industry, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
Citation: WANG Bangxiang, LU Jingui, WANG Jingtao and et al. Application of neural network approximate model in lightweight design of hydraulic support top beam[J]. Journal of Light Industry, 2018, 33(2): 87-94. doi: 10.3969/j.issn.2096-1553.2018.02.013
shu

神经网络近似模型在液压支架顶梁轻量化设计中的应用

  • 南京工业大学 机械与动力工程学院, 江苏 南京 211816
  • 收稿日期: 2017-07-20
  • 网络出版日期: 2018-03-15
基金项目:  国家“十二五”科技支撑计划资助项目（2013BAF02B11）

摘要: 针对液压支架顶梁在满足工况要求的前提下质量需要达到最小的工程目标，提出了神经网络近似模型和遗传算法相结合的顶梁轻量化设计方法：首先运用ANSYS建立顶梁参数化模型，以顶梁质量为目标函数，选取5个对质量和强度影响较大的设计变量，建立了顶梁优化模型；然后用优化拉丁方采样方法和ANSYS获取训练样本，利用神经网络对样本集进行非线性拟合，建立神经网络近似模型，对顶梁质量和最大应力进行近似计算，用遗传算法求解顶梁优化模型，最终得到最优解.优化结果表明，顶梁优化后的质量为8 038.2 kg，减轻了9.66%，最大应力值小于顶梁材料的屈服强度且满足疲劳寿命要求.

English Abstract

参考文献 (14) 相关文章 (10)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net