CHINESE JOURNAL OF MECHANICAL ENGINEERING
|
Vol. 29, No. 1, 2016 |
·145· |
DOI: 10.3901/CJME.2015.1109.133, available online at www.springerlink.com; www.cjmenet.com
Load Reduction Test Method of Similarity Theory and BP Neural Networks of Large Cranes
YANG Ruigang, DUAN Zhibin, LU Yi, WANG Lei, and XU Gening
School of Mechanical Engineering, Taiyuan University of Science and Technology, Taiyuan 030024, China
Received June 11, 2015; revised November 4, 2015; accepted November 9, 2015
Abstract: Static load tests are an important means of supervising and detecting a cranersquo;s lift capacity. Due to space restrictions, however, there are difficulties and potential danger when testing large bridge cranes. To solve the loading problems of large-tonnage cranes during testing, an equivalency test is proposed based on the similarity theory and BP neural networks. The maximum stress and displacement of a large bridge crane is tested in small loads, combined with the training neural network of a similar structure crane through stress and displacement data which is collected by a physics simulation progressively loaded to a static load test load within the material scope of work. The maximum stress and displacement of a crane under a static load test load can be predicted through the relationship of stress, displacement, and load. By measuring the stress and displacement of small tonnage weights, the stress and displacement of large loads can be predicted, such as the maximum load capacity, which is 1.25 times the rated capacity. Experimental study shows that the load reduction test method can reflect the lift capacity of large bridge cranes. The load shedding predictive analysis for Sanxia 1200 t bridge crane test data indicates that when the load is 1.25 times the rated lifting capacity, the predicted displacement and actual displacement error is zero. The method solves the problem that lifting capacities are difficult to obtain and testing accidents are easily possible when 1.25 times related weight loads are tested for large tonnage cranes.
Keywords: similarity theory; BP neural network; large bridge crane; load reduction equivalent test method
1 Introduction
Due to the simplification and hypothesis of structure and boundary conditions, the effects of manufacturing, transportation, installation etc, there are some differences between crane structure design calculations and finite element analysis results and the final actual lift capacity. In machinery processing, shipbuilding, metallurgy, electrical power, and other industries, large bridge cranes are key logistics equipment in handling of all kinds of expensive, important equipment and materials. The manufacturers, users and supervision department all pay close attention to its maximum lift capacity. Therefore, according to the “TSG safety and technology standard of special equipment”, through the static load test of the main girder structure (loaded from small load gradually increased to 1.25 times the maximum rated load), the maximum displacement and deformation is tested to evaluate the strength and stiffness of the main girder structure[1]. For large tonnage cranes, such as a 500 t metallurgical bridge
- Corresponding author. E-mail: sxtysunshine@163.com@163.com Supported by National “Twelfth Five-Year” Plan for Science amp;
Technology Support of China(Grant No. 2011BAK06B05), and National High-tech Research and Development Program of China(863 Program, Grant No. 2013AA040203), and Shanxi Scholarship Council of China (Grant No. 2015-088)
copy; Chinese Mechanical Engineering Society and Springer-Verlag Berlin Heidelberg 2016
crane or a 1200 t Sanxia power station bridge crane, space limitations can make loading difficult. The cost of a static load test is very high, and the test is highly dangerous. It is urgent to find an effective load reduction test method to predict the stress and displacement under static loading.
Establishing a system test model of crane structure is necessary so that the stress and displacement caused by heavy loads can be predicted by testing the stress and displacement of a crane when lifting load is small. WU[2] and LIN[3] researched crane finite element model updating method of the test data of stress and displacement under small loads. However, there is an assumption about boundary conditions in this method; it is uncertain whether or not the correction point outside model and the actual response are consistent[4]. XIA, et al[5], researched the structure lift capacity prediction method based on neural networks and found initial structural defects. For example, there is some difference between the actual and the finite element calculation data training sample. PAN, et al[6], constructed the nonlinear model by combining the two methods of neural network theory and fuzzy logic. WANG, et al[7–9], researched complex structure properties based on the similarity theory and physical simulation. YU[10] proposed a method of applying the bridge structure model test to engineering detection using the geometric similarity ratio to determine stress similarity ratio and then calculate stress, but it does not reflect the original unknown factors.
CAI, et al[11], researched the deformation of the welded main girder of the crane by the combination of model test. YU, et al[12], explored the structural model test application in engineering detection. ZHANG, et al[13], analyzed the crane model test similarity to determine the control character of model test. HU, et al[14], con
全文共25811字，剩余内容已隐藏，支付完成后下载完整资料
大型起重机相似理论和BP神经网络的减重试验方法
摘要：静态载荷试验是对起重机举升能力进行监测和检测的重要手段。然而，由于空间的限制，在测试la时存在困难和潜在的危险。为了解决大吨位起重机在试验过程中的载荷问题，提出了一种基于相似理论和BP神经网络的等效试验方法。对某大型桥式起重机在小载荷下的静置进行了试验，并结合一种类似结构的起重机的神经网络，通过物理采集的应力和位移数据，对其进行了试验研究。模拟在材料工作范围内逐步加载到静态载荷试验载荷中。起重机在静载试验载荷作用下的最大应力和位移可以通过TH来预测应力、位移和载荷之间的关系。通过测量小吨位重量的应力和位移，可以预测大载荷的应力和位移，如最大的容量是额定容量的1.25倍。试验研究表明，该减重试验方法能较好地反映大型桥式起重机的举升能力。负荷下降预测法对三峡1200 t桥式起重机试验数据的分析表明，当载荷为额定起重能力的1.25倍时，预测的位移和实际位移误差为零。当对大吨位起重机进行1.25倍相关的重量载荷测试时，很容易产生起重能力难以获得的问题，也很容易发生测试事故。
关键词：相似理论；BP神经网络；大型桥式起重机；减载等效试验法；
1 介绍
由于结构和边界条件的简化和假设，以及制造、运输、安装等因素的影响，起重机结构设计计算和有限元分析结果与最终实际举升能力存在一定的差异。在机械加工、造船、冶金、电力等行业中，大型桥式起重机是 关键物流设备在处理各种昂贵、重要的设备和材料。制造商、用户和监理部门都密切关注其最大的提升能力。 因此，按照“tsg安全技术专用设备标准”，通过主梁结构静载试验(由小荷载加载逐渐增加到1.2到 最大额定荷载的5倍）和最大位移和变形测试，以评估主梁结构的强度和刚度。对于大吨位起重机，如500吨冶金桥起重机或1200吨三峡电站桥式起重机、空间的限制，可以加载困难。静载荷试验的费用很高，而且试验是非常危险的。急需找到一个 N有效减载试验方法，用于预测静载作用下的应力和位移。
建立起重机结构的系统试验模型，通过对起重机在起重过程中的应力和位移进行测试，可以预测起重机的应力和位移。 NG负荷小。吴文和林研究了起重机在小载荷作用下应力和位移试验数据的有限元模型修正方法。然而，对于边界c有一个假设。 该方法的条件是：不确定模型外修正点与实际响应是否一致。夏建国等研究了结构升力预测 方法基于神经网络，发现初始结构缺陷。例如，实际的有限元计算数据训练样本与有限元计算数据训练样本存在一定的差异。潘胜等将神经网络理论和模糊逻辑的两种方法相结合，构造了非线性模型。Wang等人基于相似理论和物理研究了复杂的结构性质和CAL模拟。余文提出了一种将桥梁结构模型试验应用于工程检测的方法，即利用几何相似比确定应力相似率，然后进行计算。 TE应力，但不反映原来未知的因素。蔡等人通过模型试验研究了起重机焊接主梁的变形。于等人探讨了结构模型试验在工程探测中的应用。张等人分析了起重机模型试验的相似性，以确定模型试验的控制特性。Hu等人对佛山平桥全桥进行了模型试验研究。 BAI[15]研究了给定处理的广义相似规则松弛模型的基本原理。材料的局限性，以保证几何相似性方法。徐凡介绍了一般应用相似理论与模型试验SIPPE等，研究了结构与原型之间的误差。Lu等，研究了集装箱起重机减震隔振器的t设计方法。 模型试验和数值分析。CuI研究了基于静力应变和位移测量的桥梁参数识别和承载能力评估。他栖的最佳识别和有限的桥梁结构刚度的静态方法元模型。李在静态评估试验m的基础上对该桥的承载能力进行了评估。 采用拱桥模型的方法来修正吊装能力。Oguzhan Hasan ebi等人用人工神经网络方法更新了线性和非线性T梁模型。
为了解决现有方法的不足，提高负荷预测的准确性，提出了一种基于相似理论和BP神经网络的等效性检验方法。 他的论文。在起重机材料的工作范围内，通过载荷试验应力和物理模拟的位移数据，得到了应力、位移和载荷之间的映射关系。碟子 通过相似荷载下的试验数据，预测了静载荷作用下的花边和应力，确定了应力与位移的相似比。减重比对试验的影响 通过比较不同负荷下的预测误差，探讨了预测精度。
2相似理论
在物理模拟过程中，利用相似理论确定相关条件。物理模拟是指模型及其原型的性质和数量相同。唯一 差别是各种物理量的比例。一般来说，同样的事情都是物理模拟的。与数学建模相比，物理建模可以复制特定的物理模型。 命名并充分表达模拟现象。
2.1相似条件和相似关系相关现象需要满足相似性
几何条件、荷载条件、边界条件等，采用无量纲法或方程法确定物理量之间的相似关系。由几何、载荷、弹性模量、应力和位移的相似比计算的静力问题如下：
|
c |
L |
= L / L |
, |
(1) |
|||||
|
p |
m |
||||||||
|
c |
F |
= F / F |
, |
(2) |
|||||
|
p |
m |
||||||||
|
c E = E p / Em , |
(3) |
||||||||
|
c |
= sigma; |
p |
/ sigma; |
, |
(4) |
||||
|
sigma; |
m |
||||||||
|
c |
= Y / Y |
, |
(5) |
||||||
|
Y |
p |
m |
|||||||
其中
几何变量的cl-相似比，
载荷变量的CF-相似比，
弹性模量相似,
csigma;-应力相似比，
Cy-位移相似比，
L-几何变量，
c-负载变量，
E-弹性模量，
Esigma;-应力，
y-位移，
p-原型模型。
如果材料和边界条件相同，各种物理相似比之间的关系如下：
|
c |
= c |
F |
/ c |
2 |
, |
(6) |
|
|
|
L |
||||||
|
cY = c F / ( c E cL ) . |
(7) |
||||||
在样机制造前不能对其进行物理模拟试验。应力和位移比的相似性是由荷载、几何形状和位移的相似率决定的。
2.2起重机减载试验相似条件的试验方法
基于相似理论和相似结构的起重机在材料范围内的应力和位移预测计算模型。 工作和应力，不同载荷下的位移。
与同类模型试验不同的是，原型和模型都是起重机内现有结构的卸荷试验方法。两者都能够加载和测试应力位移。相似应力和位移 EQs给出了EQ值。与EQ的几何和载荷的相似比进行了比较。(6)、(7)该方法具有较高的精度，能够消除几何和材料的不确定性影响。使用相似性 应力位移比吊车结构跨中位移从弯曲正应力公式出发位移不能随载荷而变化。位移相似，应力比和产生的位移和附加应力装子弹。为了确保类似的附加负载，额外的使起重机在类似的情况下有相似的位移。以一致状态的形式支持状态和连接，边界条件。人必须满足边界
本文主要研究了非线性影响因素。桥式起重机结构的静力响应为：几何尺寸而十字架部分维数作为一个S的跨度被看作是一个一维几何。操作范围。几何学尺寸展开，则响应随材料内载荷的变化而线性变化。结构复杂的舱壁加强板，lt;拉gt;等等，以及其他结构（上）的，构架（上）的我们必须考虑材料厚度的影响，不随负载变化而变化。结构应力条件；位移相似比从公式那里得到的。我们可以确定相似的参数。
通过测试确定，几何相似比不是作为一个需要。必须确保主断面的几何形状光束是相似的。
3 BP神经网络
BP神经网络是一种建模方法。通过信号通过传播传送到前方。必须按样本组调整重量和阈值网络输出和所需的输出错误为最小化。
理论上，三层(单隐层)神经网络能够逼近任意精度的n。对m个非线性映射。神经网络已被广泛应用于经验模型的推广能力和容错能力。
3.1 BP神经网络在起重机卸荷试验中的应用
因为类似起重机的试验数据仿真有不可避免的误差，在负荷下降试验下现场条件受到限制，荷载相似。脱落试验没有实验数据。SPAN是起重机的非跨系列标准，使用BP神经网络泛化与容错。它可以挖掘包含在有限测试数据中的信息。从起重荷载F，跨径S作为输入，最大应力吊车梁跨中位移为输出单极Sigmoid函数作为传递函数，建立三层神经网络。吊车荷载
神经网络模型拓扑的脱落测试方法
3.2 bp神经网络学习算法
BP算法是误差梯度下降算法。当网络输出与所需输出不相等时，就会出现输出错误：
|
G = |
aring;( d k -ok )2 , |
(12) |
||
|
2 k=1 |
||||
其中G输出错误，
输出层的神经元数，
输出层中k个神经元的DK期望输出，
输出层中k个神经元的输出。
3.3神经网络训练样本
人工神经网络建模方法是基于经验的。该方法涉及到训练样本的提取及其意义。神经网络建模研究 训练样本的规律是为了更接近起重机载荷、应力和位移之间的真实关系。在GB/T 790 1995中，要求的标准跨越一系列不同的跨度 梁桥起重机，在额定载荷范围0至1.25倍范围内，按标准起重。负荷序列加载、应力和位移试验数据作为训练样本对增加的载荷进行分析。
4模糊神经网络
4.1模糊神经网络结构
由于
全文共7666字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[13599]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
