留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

液压支架前连杆疲劳寿命预测方法

姚灵灵 贺乃宝 高倩 宋伟

姚灵灵,贺乃宝,高倩,等.液压支架前连杆疲劳寿命预测方法[J].工矿自动化,2015,41(10):46-48..  doi: 10.13272/j.issn.1671-251x.2015.10.012
引用本文: 姚灵灵,贺乃宝,高倩,等.液压支架前连杆疲劳寿命预测方法[J].工矿自动化,2015,41(10):46-48..  doi: 10.13272/j.issn.1671-251x.2015.10.012
YAO Lingling, HE Naibao, GAO Qian, et al. Fatigue life prediction method of hydraulic support front link[J]. Industry and Mine Automation, 2015, 41(10): 46-48. doi: 10.13272/j.issn.1671-251x.2015.10.012
Citation: YAO Lingling, HE Naibao, GAO Qian, et al. Fatigue life prediction method of hydraulic support front link[J]. Industry and Mine Automation, 2015, 41(10): 46-48. doi: 10.13272/j.issn.1671-251x.2015.10.012

液压支架前连杆疲劳寿命预测方法

doi: 10.13272/j.issn.1671-251x.2015.10.012
基金项目: 

国家自然科学基金资助项目(61305123)

江苏省学研前瞻性联合研究项目(BY201302505)

详细信息
  • 中图分类号: TD355

Fatigue life prediction method of hydraulic support front link

  • 摘要: 针对液压支架前连杆疲劳寿命值计算繁琐的问题,提出采用遗传算法优化后的BP神经网络预测液压支架前连杆疲劳寿命。首先采用最优拉丁超立方方法选取40组参数水平下的设计参数,然后采用ANSYS有限元分析软件计算每个参数水平下的疲劳寿命值,最后采用经遗传算法优化后的BP神经网络学习前30组数据,建立设计参数与疲劳寿命之间的神经网络模型,用剩余的10组数据检测模型预测精度。预测结果表明,遗传算法优化的BP神经网络对液压支架前连杆疲劳寿命的预测误差较小。

     

  • 加载中
计量
  • 文章访问数:  19
  • HTML全文浏览量:  0
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 刊出日期:  2015-10-10

目录

    /

    返回文章
    返回