采掘运装备虚拟装配与仿真系统设计及关键技术研究

针对煤机装备从设计、制造再到实际工作环境各环节相脱离问题,以采煤机、刮板输送机、掘进机和提升机为研究对象,以集成化双通道柱幕系统作为硬件支持,以Visual Studio和Open Scene Graph作为系统软件平台,集成了力反馈器、数据手套等人机交互设备,实现了由虚拟装配子系统、场景仿真与漫游子系统等四部分组成的虚拟装配与仿真系统,虚拟再现了煤炭生产过程中设备的运行状态,为产品设计提供了直接形象的现场感和全新设计模式。该系统具有良好的沉浸性和交互性,提高了产品的可装配性和研发效率,降低了设计成本,实际运用效果显著。     

四可倾瓦轴承负荷传感器结构三维有限元分析

对大型汽轮发电机组四可倾瓦轴承双剪桥式负荷传感器结构进行了三维有限元分析，研究了不同边界条件对传感器结构应力（应变）场的影响，计算与试验结果对比表明，所建立的有限元模型是正确的，可将其用于双剪桥式轴承负荷传感器结构优化设计。     

剪切桥式两可倾瓦轴承负荷传感器结构二维有限元分析

本文对大型汽轮发电机组剪切桥式两可倾瓦轴承负荷传感器结构进行了二维有限元分析 ,研究了不同边界条件对传感器结构应力 (应变 )场的影响 ,计算与试验结果对比表明 :所建立的有限元模型基本是正确的 ,可将其用于两可心倾瓦轴承负荷传感器结构设计。     

多支承转子-轴承系统试验台动力学设计

为实现多支承轴承-转子系统振动监测和机械设备故障诊断,设计研制了一台模拟大型旋转机械动力特性的多支承轴承-转子试验台。采用有限元算法,经过系统动力学设计计算和理论分析,表明本试验台具有良好的动力学特性和足够的稳定性裕度,能够进行多种转子动力学实验研究,具备机组机械振动监测、故障模拟、轴承负荷在线监测等多项功能。     

大模数齿轮数控加工程序与仿真软件设计

为了减少大模数齿轮在大型专用滚齿机加工中费用,采用大型普通的数控铣床加工。通过对大模数齿轮加工工艺分析,程序的数学模型建立,插补坐标计算,设计出大模数齿轮数控加工参数化自动编程软件。该软件具有虚拟制造的齿形设计、加工仿真,生成并保存G代码,与数控机床远程通信等功能。用户使用该软件在大型普通的数控铣床加工大模数齿轮可减少编程时间,提高生产率、优良品率和加工精度。     

刮板输送机链轮瞬态动力学响应分析

对刮板输送机链轮与圆环链在平稳运行工况下进行瞬态动力学分析,得出了链轮在典型姿态下的应变响应,以及链轮链窝关键位置的应变历程、法向力历程和切向力历程.通过分析得知,链轮与圆环链啮合过程中链轮承载不均匀,链轮与圆环链之间会产生明显的滑动现象;圆环链的底面与链轮链窝底平面之间存在间隙,这会加剧链轮表面的磨损和压溃.针对这些问题,分别给出了相应的改进措施,改进后可以延缓链轮的磨损和压溃,提高链轮的使用寿命.     

转子系统轴承载荷传感器动态特性分析

研究了一种用于多支承转子轴承系统的二维轴承载荷传感器的动态特性,从理论分析出发,合理建模,结合有限元分析软件ANSYS对传感器结构进行了动力学分析.通过模态分析,提取了传感器前六阶阵型的固有频率,并进一步对X,Y,Z三个方向的主阵型进行了谐响应分析,得到位移频率曲线.该结论对于实际工作中实现不失真测量和避免共振可提供理论指导.     

基于人工免疫算法的转子系统扭矩扰动识别方法

提出了一种对多支承转子系统在运转过程中所受的扭矩扰动进行识别的方法. 该方法基于人工免疫系统的阴性选择算法,提取转子转速和轴承载荷作为特征参量,首先获得转子系统正常工作状态下的自己模式串,并随机产生初始检测器;进而利用人工免疫系统的进化学习机制,对转子扭矩受扰后获得的异常工况下的非己模式串进行学习和记忆;进化学习后生成典型扭矩扰动下的成熟检测器,能够区分和标记不同类型的扭矩在状态空间上所对应的区域. 实验结果表明:该方法能有效地检测出转子系统异常扭矩扰动,并能对扭矩类型做出很好的识别.      

扭振测量在煤岩界面识别中的应用研究

为了更有效地进行煤岩界面识别,利用扭振信号来进行煤岩界面识别研究。首先从理论上分析了扭振信号与滚筒截割力的关系;应用小波包和模糊神经网络技术进行信息特征提取和数据融合,论证了扭振信号的有效性与可靠性,并与直线振动信号进行了对比。识别结果表明,扭振信号数据比较稳定,识别正确率达到92%;而直线振动信号的正确识别率为63%,理论分析与试验验证是一致的。通过滚筒轴扭振信号来监测采煤机运行状态是一有效手段。     

神经网络在提升机故障诊断中的应用

结合领域专家的经验知识,根据提升机制动系统故障树,完成了故障样本的收集与设计,然后用自组织特征映射(SOM)网络对制动系统的7种故障自动进行了分类,成功实现了第一层次的诊断;总结了制动系统子系统-液压站故障树,进行故障样本的收集与设计,然后用BP网络、BP网络状态分类器和Elman网络对液压站故障进行了第二层次的诊断,确定了故障原因和程度.对液压站故障的测试结果表明,这3种网络最后的结构和智能算法trainlm、输入、输出均能满足故障诊断与预测的要求;Elman网络的诊断性能较稳定,其隐含层神经元数对诊断性能的影响较小;故障测试精度由高到低依次是BP网络状态分类器、BP网络、Elman网络.