亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        盤形滾刀載荷的神經(jīng)網(wǎng)絡(luò)預(yù)測

        2021-08-26 10:58:30王義亮楊兆建
        機械設(shè)計與制造 2021年8期
        關(guān)鍵詞:法向力滾刀側(cè)向

        喻 龍,王義亮,楊兆建

        (1.太原理工大學(xué)機械工程學(xué)院,山西 太原 030024;2.煤礦綜采裝備山西省重點實驗室,山西 太原 030024)

        1 引言

        盤形滾刀作為一種挖掘堅硬巖石的常用刀具,應(yīng)用十分廣泛,常安裝于盾構(gòu)機、TBM等大型施工設(shè)備上,其優(yōu)點在于切割巖石質(zhì)量較大、速度較快,作為一種機械破巖的刀具,效率較高。近年來,隨著采煤機的不管研究與發(fā)展,已有學(xué)者研究提出將盤形滾刀應(yīng)用于采煤機的刀具安裝上,應(yīng)用于截割煤巖的進程中。神經(jīng)網(wǎng)絡(luò)的興起是因其能模仿人腦思考和活動,通過反復(fù)的訓(xùn)練和學(xué)習(xí),能夠準(zhǔn)確識別載荷參數(shù),廣泛應(yīng)用于故障診斷。文獻[1]對盤形滾刀做了大量實驗,測得其試驗所得數(shù)據(jù);文獻[2]對滾刀進行線性測試,并預(yù)測其破碎結(jié)果;文獻[3]通過實驗及仿真,研究了盤形滾刀的三向力的變化情況,驗證了盤形滾刀的巖石破碎機理。文獻[4]應(yīng)用PFC軟件對盤形滾刀的貫入度和切削速度進行了仿真,并分析其能耗情況。文獻[5]提出一種新型ELM預(yù)測模型,該模型反應(yīng)速度快,對載荷預(yù)測準(zhǔn)確;文獻[6]應(yīng)用BP神經(jīng)網(wǎng)絡(luò)技術(shù),對實驗數(shù)據(jù)進行載荷識別;文獻[7]通過ELM算法對某地交通情況進行了預(yù)測。

        通過應(yīng)用PFC數(shù)值模擬軟件對盤形滾刀進行仿真分析,創(chuàng)新點在于引入神經(jīng)網(wǎng)絡(luò)(BP、ELM、RBF),通過建立模型訓(xùn)練,對盤形滾刀的法向力進行預(yù)測,并與原始數(shù)據(jù)對比,得出最優(yōu)解。其能對試驗或仿真結(jié)果進行預(yù)測,確定其正確性,具有指導(dǎo)意義。

        2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

        神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可模仿人腦的神經(jīng)活動,建立信息處理系統(tǒng),該系統(tǒng)不僅復(fù)雜,而且是非線性的。以此為基礎(chǔ)建立的神經(jīng)網(wǎng)絡(luò),有著較好的輸入輸出反射能力,利用神經(jīng)網(wǎng)絡(luò)進行預(yù)測的公式,如式(1)所示。

        說明:(1)相對誤差越小,表明模型的性能越好;(2)決定系數(shù)范圍在[0,1]內(nèi),越接近于一,表明模型的性能越好;反之,越趨近于零,表明模型的性能越差。

        BP神經(jīng)網(wǎng)絡(luò)之所以被應(yīng)用最廣,是因為其具有十分健全的理論體系,在人工神經(jīng)網(wǎng)絡(luò)中,能夠通過模仿人腦神經(jīng)元,達到學(xué)習(xí)的機制[8]。通過不停的迭代和訓(xùn)練,利用正向信號和反向調(diào)節(jié),能夠建立智能化的網(wǎng)絡(luò)模型。其神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[9],如圖1所示。

        圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 BP Neural Network Structure

        ELM神經(jīng)網(wǎng)絡(luò)根據(jù)要求的輸入偏置和權(quán)值,設(shè)定網(wǎng)絡(luò)隱層節(jié)點數(shù),可隨機選定更為有效的輸出,提高算法的訓(xùn)練效率,相比較BP更為快速和準(zhǔn)確。

        RBF神經(jīng)網(wǎng)絡(luò)是靜態(tài)前向形網(wǎng)絡(luò),具有收斂快,訓(xùn)練程度較準(zhǔn)確,結(jié)構(gòu)好調(diào)整的優(yōu)點,是現(xiàn)在較為熱點的研究方向。

        3 仿真模型

        3.1 滾刀破巖原理簡介

        盤形滾刀在破碎巖體的過程中,滾刀施加的壓力超過巖體的強度,即可達到破碎的目的。其在運動過程中,不僅隨著刀盤在行進方向移動,而且隨著滾刀的中心自轉(zhuǎn)。一方面受到滾動力的作用,一方面受到側(cè)向力和垂直力的作用。其作用方式[10],如圖2所示。

        圖2 滾刀三向力示意圖Fig.2 Hob Three-Way Force Diagram

        3.2 顆粒流模型建立

        在PFC軟件中,其原理在于利用巖石粒的微觀力學(xué)參數(shù),來展現(xiàn)其宏觀參數(shù)量。某軟巖的宏觀參數(shù),如表1所示。主要利用巴西劈裂和單軸壓縮對其參數(shù)進行標(biāo)定,將微觀參數(shù)和宏觀表現(xiàn)聯(lián)系起來,以使其接近實際值。其微觀參數(shù),如表2所示。

        表1 軟巖材料宏觀參數(shù)Tab.1 Macroscopic Parameters of Soft Rock Materials

        表2 微觀力學(xué)參數(shù)Tab.2 Micromechanical Parameters

        3.3 滾刀切割數(shù)值模型建立

        因滾刀所用的材料硬度較大,而軟巖材料硬度較小,故在PFC軟件中,應(yīng)用wall命令對滾刀進行屬性約束,其破巖仿真模型[11],如圖3所示。

        圖3 滾刀破巖的數(shù)值模型Fig.3 Numerical Model of the Hob Breaking Rock

        利用UG對滾刀建模,然后導(dǎo)入PFC軟件中,可提高建模效率。所建立滾刀直徑為432mm,刃寬10mm,根據(jù)實際工作情況,設(shè)立貫入度為4mm,向前切削速度為0.6m∕s,隨著滾刀的向前切削,即可達到破碎巖體的目的,其破碎結(jié)果[12],如圖4所示。

        圖4 滾刀破巖結(jié)果示意圖Fig.4 Schematic Diagram of the Results of the Hob Rock Breaking

        3.4 結(jié)果分析

        盤形滾刀破碎巖石后,得到的滾動力、側(cè)向力和法向力的頻譜曲線,如圖5所示。可以看出三向力在破碎巖石的過程中呈現(xiàn)相似的波動規(guī)律和變化特點。其中,側(cè)向力在零附近往復(fù)變化,均值為311N,遠小于滾動力和法向力;滾動力和法向力呈現(xiàn)由波峰到波谷的往復(fù)向前的變化趨勢,滾動力均值為1046N,法向力均值為9533N。這種變化情況與巖石顆粒破碎過程中的各向異性有關(guān),滾刀行進過程中三向力逐漸變大,直至形成的密實核破碎,然后形成峰值;在密實核破碎的瞬間,三向力瞬間減小,形成峰谷。如此情況不斷往復(fù),形成對巖體的破碎效果[13]。

        圖5 滾刀破巖的滾動力、側(cè)向力、法向力Fig.5 Rolling Force,Lateral Force,Normal Force of the Hob Breaking Rock

        4 神經(jīng)網(wǎng)絡(luò)載荷預(yù)測

        在BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建中,一般常采用三層網(wǎng)絡(luò)結(jié)構(gòu)來作為構(gòu)建其函數(shù)的逼近器,應(yīng)用動量BP算法,其經(jīng)驗公式,如式(2)所示。

        式中:c—隱藏層節(jié)點數(shù);m—輸入層節(jié)點數(shù),此處為滾動力和側(cè)向力,其值為2;n—輸出層節(jié)點數(shù),此處取為法向力,其值取1;a—[1,10]間的整數(shù),所以c的范圍為[3,11]間的整數(shù),經(jīng)過訓(xùn)練,得出當(dāng)c為9時,誤差最小。

        確立該函數(shù)模型后,選取上述三向力中的8000組數(shù)據(jù)作為輸入輸出數(shù)據(jù),網(wǎng)絡(luò)訓(xùn)練目標(biāo)為0.001,設(shè)置學(xué)習(xí)率為0.01,最大迭代次數(shù)為1000次。對隱藏節(jié)點取各種數(shù)值作出一定的訓(xùn)練。采用tansig函數(shù)作為傳遞函數(shù),其作用在于將輸入轉(zhuǎn)為輸出,選擇purelin作為輸出函數(shù),采用trainglm為訓(xùn)練函數(shù),其他采用默認(rèn)值,最后的訓(xùn)練結(jié)果,如圖6所示。最終在66步得到最優(yōu)解。

        圖6 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練Fig.6 BP Neural Network Training

        在訓(xùn)練完成以后,因其有較高的準(zhǔn)確率,將選取的另外8000組數(shù)據(jù),包括滾動力和側(cè)向力,在BP神經(jīng)網(wǎng)絡(luò)中進行法向力的預(yù)測。因BP預(yù)測結(jié)果的不穩(wěn)定性,選取十組預(yù)測結(jié)果,取其算術(shù)平均值為95.65%,十組預(yù)測結(jié)果的誤差棒分析,如圖7所示。其中某次預(yù)測結(jié)果和真實結(jié)果的對比圖,如圖8所示。其預(yù)測結(jié)果的決定系數(shù)達到95.86%。

        圖7 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的誤差棒分析Fig.7 Error Bar Analysis of BP Neural Network Prediction Results

        圖8 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Fig.8 BP Neural Network Prediction Results

        ELM神經(jīng)網(wǎng)絡(luò)的構(gòu)建,主要包括三個因素。在輸入輸出層設(shè)計上,本次預(yù)測輸入節(jié)點數(shù)為2個,輸出節(jié)點數(shù)為1個;隱含層節(jié)點數(shù)的設(shè)計直接影響到ELM神經(jīng)網(wǎng)絡(luò)的預(yù)測準(zhǔn)確性,個數(shù)設(shè)定過少會影響其獲取信息的能力,設(shè)點過多則影響其效率,經(jīng)過訓(xùn)練得到當(dāng)隱含層節(jié)點數(shù)為60時誤差最?。患詈瘮?shù)、權(quán)值和閾值的設(shè)計同樣重要,選取Sigmoid函數(shù)作為激勵函數(shù),初始權(quán)值和偏置取默認(rèn)值。因ELM預(yù)測結(jié)果的不穩(wěn)定性,選取十組預(yù)測結(jié)果,取其算術(shù)平均值為97.42%,十組預(yù)測結(jié)果的誤差棒分析[14],如圖9所示。

        圖9 ELM神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的誤差棒分析Fig.9 Error Bar Analysis of ELM Neural Network Prediction Results

        經(jīng)過某次ELM神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果的決定系數(shù)為97.31%,預(yù)測準(zhǔn)確性較BP有所提高,如圖10所示。RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度較快,易于收斂,具有較高的泛化能力,能夠分析系統(tǒng)內(nèi)部較難理解的法則,可以逼近任意的非線性函數(shù)[15]。RBF預(yù)測結(jié)果比較穩(wěn)定,經(jīng)過多次仿真,其多次預(yù)測的某次最終結(jié)果,如圖11所示。決定系數(shù)仍為91.68%。

        圖10 ELM神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Fig.10 ELM Neural Network Prediction Results

        圖11 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Fig.11 RBF Neural Network Prediction Results

        經(jīng)過三種神經(jīng)網(wǎng)絡(luò)的預(yù)測,得到對法向力的預(yù)測結(jié)果,隨機選取三種神經(jīng)網(wǎng)絡(luò)的五組節(jié)點數(shù)據(jù),比較誤差的結(jié)果,如表3所示。綜合來說,ELM的預(yù)測結(jié)果更加接近真實值。

        表3 不同節(jié)點的網(wǎng)絡(luò)預(yù)測誤差Tab.3 Network Prediction Error of Different Nodes

        由圖8、圖10、圖11分析可知,三種神經(jīng)網(wǎng)絡(luò)的預(yù)測值在峰谷和峰值的預(yù)測準(zhǔn)確度較高,因為當(dāng)盤形滾刀在峰谷的時候,累積的顆粒數(shù)較少,其均值在零軸線附近波動,預(yù)測值較好判斷;當(dāng)其力的圖示達到峰值的時候,積累的巖體顆粒較多,不容易分散,所受到的力較大,故能夠準(zhǔn)確預(yù)測其峰值大??;然而,當(dāng)三向力在峰谷與峰值之間時,因巖體顆粒受力不均衡,導(dǎo)致其位移的判斷十分困難,顆粒位移大小具有隨機性,故此時的預(yù)測較難,預(yù)測確定性下降。比較三種神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果可知,與自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)相比較,ELM神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果準(zhǔn)確性較高。

        5 結(jié)論

        (1)利用PFC數(shù)值模擬軟件對盤形滾刀的受力進行了仿真,得出其滾動力、側(cè)向力和法向力,三向力的波動規(guī)律和峰值峰谷較為相近,由結(jié)果可知側(cè)向力在零附近往復(fù)波動,其值遠小于側(cè)向力和法向力,滾動力的大小約為法向力的十分之一。

        (2)引入神經(jīng)網(wǎng)絡(luò)的預(yù)測分析后,由預(yù)測結(jié)果可得,ELM神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果更優(yōu),效率更高,比較符合該模型的預(yù)測分析,其相對誤差為2.58%,而BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的相對誤差分別為4.35%和8.32%。由此可得,應(yīng)用ELM神經(jīng)網(wǎng)絡(luò)更加適用于該模型的法向力預(yù)測。

        (3)通過對盤形滾刀進行仿真分析,得出其三向力的數(shù)據(jù),引入神經(jīng)網(wǎng)絡(luò)對法向力進行預(yù)測,也適用于其他試驗或仿真的預(yù)測分析,能夠確定試驗或仿真結(jié)果的正確性,具有一定的指導(dǎo)意義。

        猜你喜歡
        法向力滾刀側(cè)向
        桿式天平軸向力元件測量梁夾角優(yōu)化分析
        軍航無人機與民航航班側(cè)向碰撞風(fēng)險評估
        振蕩剪切模式下磁流變脂法向力特性分析
        超硬翅片滾刀加工在CNC磨床上的實現(xiàn)
        不同地應(yīng)力下TBM盤形滾刀破巖特性
        滾刀式剪草機傳動方式的現(xiàn)狀和發(fā)展前景
        彎月薄鏡的側(cè)向支撐
        基于離散單元法模擬引入AGD技術(shù)COREX豎爐物料運動行為
        側(cè)向風(fēng)場中無人機的飛行研究
        TBM滾刀刀圈加工工藝的研究
        日本妇女高清一区二区三区| 国产人成精品免费视频| 国产目拍亚洲精品一区二区| 女同另类一区二区三区| 午夜久久久久久禁播电影| 在线综合亚洲欧洲综合网站| 热久久这里只有| 熟女乱乱熟女乱乱亚洲| 亚洲精品国产第一区二区| 粉嫩虎白女毛片人体| 亚洲av日韩aⅴ无码电影| 色婷婷亚洲一区二区在线| 男女无遮挡高清性视频| v一区无码内射国产| 免费看一级a女人自慰免费| 国产三级精品三级在专区中文| 亚洲最大成人综合网720p| 日本公妇在线观看中文版| 高清国产美女一级a毛片在线| 亚洲一本二区偷拍精品| 无码人妻一区二区三区在线| 国产亚洲视频在线观看网址| 免费无码AⅤ片在线观看| 国产精品大片一区二区三区四区| 成在线人免费视频| 国产亚洲一本大道中文在线| 粉嫩的18在线观看极品精品| 中文字幕av久久亚洲精品| 精品亚洲成a人7777在线观看 | 午夜亚洲精品视频在线| 国内成+人 亚洲+欧美+综合在线| 91av在线播放| 丝袜美腿诱惑一二三区| 久久成人成狠狠爱综合网| 日本午夜免费福利视频| 一区二区三区不卡免费av| 在线观看日本一区二区三区四区 | 中文无码精品一区二区三区| 按摩师玩弄少妇到高潮hd| 手机看片自拍偷拍福利| 8ⅹ8x擦拨擦拨成人免费视频 |