论文部分内容阅读
起重机械是国家规定的涉及生命安全、危险性较大的八大类特种设备之一,其制动器是起重机重要的安全保障及传动装置。电力液压盘式制动器是港机、矿井提升机等大型起重机用制动器的常选类型。本文以YP系列盘式制动器为研究对象,通过有限元软件ABAQUS对其摩擦副进行建模及热—结构分析,研究了不同工况条件下的制动过程,确定了能够反映制动器制动性能的6个特征参数,最后建立了基于有限元仿真数据的BP神经网络的盘式制动器状态识别系统,并通过Matlab编程搭建了图形界面化的识别系统。本文的主要研究内容如下:1、YP系列盘式制动器的热—结构有限元分析。使用ABAQUS建立制动器摩擦副结构模型,并从多个角度分析了该模型在标准工况下的一次紧急制动过程中的数值仿真结果。2、通过改变工况条件对影响制动器有限元仿真结果的主要工况参数进行了研究,确定了反映制动器制动性能、表征制动器制动状态的6个特征参数,分别是制动时间、平均制动力矩、节点最高温度、达到最高温度的时间、平均接触压力及节点接触压力对温度的相关系数。3、在对BP神经网络各改进算法进行研究之后,使用文献数据及本文的仿真数据对6种改进算法进行筛选,最终确定了适用于本文研究内容的网络算法和网络结构,以此为依据建立了起重机盘式制动器状态识别系统。4、使用新的仿真数据对训练完成的BP网络模型进行了验证,结果显示所搭建的系统具有不错的样本识别能力,能够以较小的误差准确识别制动器制动工况,进而提出了一种在役起重机制动器的状态识别方案,可充分利用传感器获取到的数据信息,起到及时发现制动异常、减少损失的作用。研究结果表明:通过充分利用传感器数据,提取特征参数并利用BP神经网络进行制动器制动工况的识别是可行的。且利用正交表安排试验方案能够挑选具有代表性的训练数据,减少有限元计算的工作量。训练好的网络具有泛化性好,样本识别误差较小的优点。