液压支架疲劳寿命近似估算.pdf

第 4 3卷 第 3期 2 0 1 7 年 3月 工矿 自 动化 I ndu s t r y a nd M i ne Aut o ma t i on Vo 1 ． 4 3 NO ． 3 M a r ． 2 O1 7 文 章编 号 1 6 7 1 2 5 1 X 2 O l 7 0 3 0 0 3 9 0 4 DOI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 X ． 2 0 1 7 ． 0 3 ． 0 0 9 王京涛 ， 陆金桂 ， 朱正权 ， 等． 液压支架疲劳寿命 近似估算 E J ] ． 工矿 自动化 ， 2 0 1 7 ， 4 3 3 3 9 4 2 ． 液压支架疲劳寿命近似估算 王京 涛 ， 陆金桂 ， 朱正 权 ， 钱 鹏 ， 林 晓 川 ， 王邦祥 南京 工 业大 学 机械 与动 力工程 学 院 ，江苏 南京2 1 1 8 1 6 摘要 针对常规的液压支架寿命近似分析方法需对危险点进行循环加载和获取， 导致计算机 负载增加的 问题 ， 提 出了一种基于遗传算法与 B P神 经网络的寿命估算模型。利用遗传算法的全局搜 索性优化 B P神经 网络 ， 使其不易陷入局部最小点； 利用优化后的 B P神经网络建立危险点结构参量到疲劳寿命的网络 映射模 型 。针 对样 本容 量和 隐含 层 节点数进 行 了测试 ， 测试 结 果表 明 ， 样 本 容 量 为 4 O 、 隐含 层 节 点数 为 7时 ， 模 型 估算精度较 高； 液压支架平均寿命估算值 为 3 6 4 5 6次， 与理论值的最大相对误差为 5 ． 2 7 。 关键词 液压 支架；疲劳寿命 ；估算模型 ； 遗传算法；B P神经网络 中图分类 号 T D3 5 5 ． 4 文献 标志码 A 网络 出版 时间 2 0 1 7 0 2 2 8 1 6 5 4 网络 出版地址 h t t p ／ ／ k n s ． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 O 1 7 0 3 0 1 ． 1 5 1 4 ． 0 0 9 ． h t ml Ap p r o x i ma t e e s t i ma t i o n o f f a t i gu e l i f e o f hy d r a u l i c s up p o r t WANG J i n g t a o ， LU J i n g u i ， ZHU Z h e n g q u a n， QI AN Pe n g ， LI N Xi a o c h u a n， WANG Ba n g x i a n g S c h o o l o f Me c h a n i c a l a n d P o we r E n g i n e e r i n g ，Na n j i n g Un i v e r s i t y o f T e c h n o l o g y，Na n j i n g 2 1 1 8 1 6 ，C h i n a Ab s t r a c t I n v i e w o f pr o bl e m t ha t c o nv e nt i on a l l i f e a pp r o x i ma t e a n a l y t i c al me t h o d o f hy dr a u l i c s up po r t ne e d s c y c l i c l o a d i ng a nd a c q ui s i t i o n o f da ng e r ou s p oi nt s wh i c h l e a ds t o i n c r e a s e o f c o m pu t e r l o a d， a l i f e e s t i ma t i o n mo d e l b a s e d o n g e n e t i c a l g o r i t h m a n d BP n e u r a l n e t wo r k wa s p r o p o s e d ．Th e BP n e u r a l n e t wo r k i s o pt i m i z e d by us i ng g l o b a l s e a r c h p e r f or ma nc e o f ge n e t i c a l go r i t hm t o a v o i d f a l l i n g i nt o t he l o c a l m i ni mum p o i n t s ．Th e o p t i mi z e d BP n e u r a l n e t wo r k i s u s e d t o e s t a b l i s h n e t wo r k ma p p i n g mo d e l b e t we e n s t r u c t u r a l p a r a m e t e r s o f t he da ng e r ou s po i n t s a nd f a t i g ue l i f e．The t e s t r e s ul t s o f s a m p l e s i z e a nd nu m b e r o f h i d de n l a y e r n od e s s h ow t h a t t he e s t i m a t i o n a c c ur a c y o f t he mod e l i s hi g h whe n t h e s a mpl e s i z e i s 4 0 a nd t he n u mb e r o f h i d d e n l a y e r n o d e s i s 7 ；t h e a v e r a g e v a l u e o f e s t i ma t e d l i f e o f h y d r a u l i c s u p p o r t i s 3 6 4 5 6 t i me s ， a n d t he max i mum r e l a t i v e e r r or wi t h t he t he or e t i c a l v a l u e i s 5． 2 7 ． Ke y wo r d s h y d r a u l i c s u p p o r t ；f a t i g u e l i f e ；e s t i ma t i o n mo d e l ；g e n e t i c a l g o r i t h m ；B P n e u r a l n e t wo r k 收稿 日期 2 0 1 6 - 1 0 2 4 ； 修 回日期 2 0 1 7 - 0 1 1 5 ； 责任编辑 胡娴 。 基金项 目 “ 十二五” 国家科技支撑计划项 目 2 0 1 3 B AF 0 2 B 1 1 。 作者简介 王京涛 1 9 9 0 一 ， 男 ， 山东聊城人 ， 硕士研究生 ， 主要研究 方向为智能算法与近似估算 ， E - ma i l ； 8 2 6 5 0 7 0 2 q q ． c o m。 [7 ] 张翠平， 王铁． 内燃机排放与控制[ M] ． 北京 机械工 业 出版 社 ， 2 0 1 2 ． [8 ] 朱瑞杰． 工作参数和稀释 比对发 动机 排放影响 的试验 研究[ D ] ． 秦皇岛 燕山大学 ， 2 0 1 5 ． [9 ] 郭燕婵． 浅析 防爆 柴 油机 C O、 N 的排 放 [ J ] ． 河 北 煤炭 ， 2 0 0 3 3 3 9 4 1 ． [ 1 O ] 王渊． 矿用防爆柴油机尾气排放优 化措施 l- J ] ． 煤炭 与 化工 ， 2 0 1 6 5 1 4 3 1 4 6 ． [ 1 1 ] 李天鹏． 防爆柴油机进气系统 的 C F D分析 [ D ] ． 太原 太原理 工大学 ， 2 0 1 3 ． [ 1 2 ] [ 1 3 ] [ 1 4 ] 李 志军 ， 孙小 明， 马小强 ， 等． 稀燃 汽油 机运转 工况 对 吸附还原法 降低 N 排放 的影 响[ J ] ． 燃料科 学与 技 术 ， 2 0 0 5， 3 5 4 2 4 4 2 4 6 ． 焦高荣． 防爆柴油机几种典 型故 障的诊断 [ c ] ∥煤 矿 高效、 安全 、 洁净 开 采机 电一 体 化新 技术 研 讨会 ， 珠 海 ， 2 0 0 8 2 2 2 3 ． 马少康 ， 梁涛 ， 苏艳 君 ， 等． 排气 背压对 发动机 性能 影 响的研 究[ J ] ． 小型 内燃机 与车辆 技术 ， 2 0 1 5 ， 4 4 2 】 2 1 5． 4 O 工矿 自动化 2 0 1 7年 第 4 3卷 0 引言 液压 支 架是 支护 采场 顶板 、 承 载煤层 重 量 、 防止 砧石 冒落 、 推 移工 作 面 的采 运设 备口 ] 。承载 主要 取 决 于 围岩压 力 和 支 架 内阻 力 的 多 载 荷 耦 合 作 用 关 系_ 3 ] ， 反 复移 机、 升降等作用易使液压支架 疲劳失 效 ， 因此 ， 液 压支 架平 均 寿命估 算 显得尤 为 重要 。 针 对 液压 支 架 疲 劳状 态下 的寿命 估算 ， 国 内外 学 者做 了大 量 的研究 l 4 ， 为利用 网络估 算模 型 近似 计 算液 压支 架 寿命提 供 了依据 。常规 的寿 命近 似分 析 方法 基 于 ANS Y／ F a t i g u e 模 块 对液 压支 架 的危 险 点 进行 循环 加 载和 获取 ， 增 加 了计 算 机 的负 载 。B P 神经网络具有较强 的非线性泛化能力 ， 可实现任 意 输 人参 量 到输 出参量 的全局 化 映射 ， 因此 ， 可用 来识 别估算模型的疲劳参数口 ， 表征危险点结构参量和 寿命的非线性关系l 】 。但 B P神经网络初值是随机 选 取 的 ， 容 易使 算法 陷 入局 部极 值点 ， 使优 化 结果 出 现奇异值现象 ， 影 响模型近似分析精度 。而遗传算 法 全局 化并 行 寻优 能力 较强 ， 具 有很 强 的鲁棒 性 ， 可 在全局范围内遍历最优解 ， 对 于高 阶非线性约束问 题 非 常有效 口 。 。 。 因此 ， 本 文采 用 遗传算 法 优化 B P 神 经 网络 ， 使 得 B P神 经 网络 不 易 陷 入 局 部 最 小 点 且 有 较强 的 泛 化 能 力[ 1 4 1 5 ] ， 并 利 用 优 化 后 的 B P神 经 网络进行 液 压支 架 疲 劳 寿 命 估 算 建 模 ； 探 讨 了液 压支架危险点的样本参量对估算模型的影响 ， 采用 不 同的样本 容 量 和 隐含 层 节 点 数 进 行 实 验 ， 获 取 最 优 的模 型参 数 ， 并 对其 进行 了验 证 。 1 液压 支架 寿命 近似 估算 原理 液压支架 寿命 近似估算 的实 现步 骤 ① 利用 ANS YS获得 样 本集 。② 利用 遗 传 算 法 优 化 B P神 经网络 ， 利用样本集对优化后 的 B P神经 网络进行 学 习训练 ， 得 到液 压 支 架 参 数 变量 到疲 劳 寿命 之 间 的全 局性 映射 模 型 。③ 在 映 射 模 型 中输 入 结 构 参 量 ， 即可得 到 液压 支架 寿命 近似 估 算值 。 1 ． 1样 本 集获取 对液 压支 架 进行 AP DL Al g o r i t h mi c P r o c e s s o r De s c r i p t i o n L a n g u a g e ， 算法 处 理器 描 述 语 言 建 模 ， 将 参 数化模 型 导人 ANS YS ／ P DS模块 ， 设 置结 构 参 量和 循环 应力 为 随机变 量 ， 并设 置循 环 次数 ， 进 行液 压支架概率分析 ， 得到危 险点结 构参量 主肋板厚 度 、 底 座侧 板 厚度 、 顶梁 横 板厚度 等 和应 力 样本 集 。 构建 ANS YS ／ F a t i g u e 模 块 ， 输 入 结 构 参 量 ， 用 该 模 块 计 算并 输 出寿命 值 ， 获 得 结 构参 量 与 寿命 参 数 之 间 的 映 射 样 本 集 。液 压 支 架 的 循 环 应 力 大 小 为 6 4 9． 1 6 7 M Pa。 设 X 为样 本 数据 i 为样 本 编号 ， X 为最 大 样本 值 ， X⋯ 为最 小 样 本 值 ， 通 过 式 1 对样 本 数 据 进行变换 ， 将其限制在[ O ， 1 ] 或[ 一1 ， 1 ] 内， 使网络估 算更 加平 滑 。 X一 一 1 由于归 一化 处理 后 的样本 数 据便 于进 行迭 代计 算 ， 但 直观性 较 差 ， 所 以 ， 本 文 提 供 部 分 归 一 化 处 理 前 的样 本数 据 ， 见表 1 。 表 1 结 构参量和疲劳寿命之 间的映射样 本集 组 别 主肋板／ 底座侧板／ 顶梁横板／ 疲劳寿命／ mm mm mm 次 1 ． 2 液压 支架 寿命 近似 估算 建模 B P神经网络 由输入层 、 隐含层和输出层构成 ， 可实 现任 意从 输 入到输 出的非 线性 映射 。采 用 3层 前 向型反 馈式 B P神 经 网络来 构建 液 压 支 架 寿命 近 似估 算模 型 。 B P神经 网络 参 数设 置 输 入 层 参 量 个 数 为 4 ， 输 出层参 量个 数 为 1 ， 隐含 层 节 点 个 数 为 5 ， 6 ， 7 ； 学 习参 数 和 动力 参 数 均为 0 ． 8 ； 学 习函数 为 l e a r n g d m； 学 习率 为 0 ． 7 ； 均方 误差 为 0 ． 0 1 ； 隐含 层选 用双 曲线 正切 S型 函数 ； 输 出层 神经 元节 点 函数 选 用 P u r e l i n 函数 。 遗 传算 法参 数 设 置 种 群 大 小 为 2 0 ， 最 大 遗 传 代数为 1 0 0 ， 染色体长度 为 1 0 ， 选择率为 0 ． 7 ， 交 叉 率 为 0 ． 6 ， 变异 率 为 0 ． 0 1 。 液压支架危险点寿命估算模型采用误差反向传 播策 略 控制 迭代 进 程 ， 由于 隐含 层 权 值 c u 的 修 正 量 △ ∞ 与 误 差 E 对 ∞ 。 的 偏 微 分 成 正 比 ， 即 A c u ，若 得 不 到满足 预期 误 差要 求 的输 出 结果 ， 则 u C 更新 网络结 构 的权 值 ， 也 就 是 输 出层 和 隐 含 层 的 耦 合程度 ， 通过输出层误差反传信号 和隐含层误差 2 0 1 7年 第 3期 王 京涛 等 液压 支架疲 劳 寿命近 似估 算 4 1 反传 信号 来表 征 Y 一 Yf Zi Y 2 N X I x 0 3 式 中 y 为输出信号 ； T 为期望值 ； x 为输人信号 ； N 为 迭代 次数 ； 为 输 出层权 值 。 用遗传算法优化 B P神经 网络的 目的是使其跳 出局部 最优 解 ， 收 敛 到 全 局 最 优 。为 了避 免 权 阈 值 陷入局部极小值 ， 采用附加势态项策 略。该策略在 修正神经网络权 阈值时 ， 综合考虑 了误差在梯度 上 的作用 和误 差 曲面 变 化 趋 势 ， 其 作 用 如 同一 个 低 通 滤 波器 ， 可 增加 网络 模 型迭代 速 度 ， 提 高 跳 出局 部 最 优 解 的能力 [ 1 。 提取误差反传信号作为遗传算法初始粒子集 ， 利用 和 修正权阈值 ， 用最速下降法使权阈值沿 着 误差 函数 的 负梯 度 方 向变 化 ， 逐 步 逼 近 学 习误 差 1 函数 E的最小状态， E一 y 一T 。 作为遗传算法的核心， 适应度函数是进行选择 、 交叉和变异等遗传操作 的基础 。因此， 采用欧氏范 数 改进适 应 度 函数 ， 根 据 种 群 适 应 度 选 择 是 否繁 衍 新种 群 。如果 种 群适 应度 低 ， 则 淘汰该 种群 ， 反 之则 保留。如此往复 ， 直至满足期望适应度 ， 输 出优化的 权阈值 。 2 模型 参 数选择 对于神经网络近似估算来说 ， 训练样本空间容 量和隐含层 节点数对估算模 型 的训 练精度影 响较 大 ， 随机选取该参数往往会造成估算模型的奇异化 ， 影响估算精度 ] ， 因此 ， 在寿命估算模型中要着重考 虑这 2个 因素 。在 Ma t l a b平 台进行 仿真 ， 分别 用 3组不 同数 目的样本容量和不 同隐含层单元数建立 估 算模 型 。 2 ． 1 样 本 容量 选择 样本容量的大小直接影响估算精度。若样本容 量过多 ， 易引起估算模 型过度 拟合 ； 若 样本容量 过 少 ， 则估算精 度低 ， 泛化能力弱 。因此 ， 适 当的样 本 容量可提高预测精度 ， 有效防止估算 的奇异性 。在 对 比其他样本容量 的估算结果后 ， 选取隐含层节 点 数为 5 ， 样本容量为 2 0 ， 3 O ， 4 o进 行分析 ， 模 型的估 算 结果 如 图 1所示 。从 图 1可 以看 出 ， 样 本 容 量 为 2 0 、 3 0时 ， 估 算 误 差 较 大 ， 估 算 精 度 低 ； 样 本 容 量 为 4 O时 ， 估 算 误 差 和 峰 值 波 动 均 较 小 ， 估 算 精 度 高 。 因此 ， 选择 估算 模 型 的样本 容量 为 4 O 。 图 1 样本容量不同时的模型估算结果 2 ． 2 隐含层 节点数 选择 确 定样 本容 量 后 ， 需 确 定 隐 含层 节 点 数 。在 样 本 容量 为 4 0的条 件下 ， 选 取 隐含 层节 点 数 为 5 ， 6 ， 7 进行分析， 模型的估算结果如图 2所示 。 ⋯一 隐含层节点数为5 _-_． 隐含层节点数为6 0 l U U 2 00 30 0 40 0 5 00 60 0 7 00 80 0 90 0 l UO 0 训练次数 图 2 隐含层节点数不同时的模型估算结果 从图 2可以看 出， 样本容量相同， 隐含层节点数 不同， 估算模型的误差具有相 同的趋 势。随着 隐含 层节 点数 增 加 ， 误 差 曲线 逐 步 下 移 ， 但 是 根 据 公 式 一2 n 1 为隐含 层 节 点 数 ， 为输 入 层 节 点 数 限定 ， 节 点数 不宜 过多 。当隐含 层节 点数 为 7时 ， 模 型估算精度较高 。因此， 设定隐含层节点数为 7 。 3寿命 估算 模型 测试 及验 证 3 ． 1 估 算模 型 测试 为了证明估算模型对已记忆的样本不具有依赖 性 ， 对未 知样 本具 有联 想适应 性 ， 进一 步评 价液 压支 架寿命估算模型的准确度 ， 选择 1 0组新的危险点结 构参 量进 行 测 试 ， 结 果 如 图 3所 示 。3组 测 试 的样 本 数 目分 别 为 4 0 ， 3 0 和 2 0 ， 理 论 值 为 ANS YS ／ F a t i g u e 模块计算 出的危险点寿命值 。从 图 3可知 ， 样本容量为 4 O时估算模型对液压支架寿命的近似 计算值与理论值的误差最小 ， 验证 了估算模 型对新 样 本集 的适 应性 。 在样本容量为 4 O的条件下 ， 设隐含层节点数分 别为 5 ， 6 ， 7 ， 对液压支架寿命进行近似估算， 结果如 图 4所 示 。从 图 4可 以看 出 ， 隐含层 节点数 为 7时 ， ∞ 盯 ∞ ∞ 叭 4 2 工 矿 自动化 2 0 1 7年 第 4 3卷 估算 值 与理论 值 的差 距 最 小 ， 验证 了估 算 模 型 对 节 点数 的适 应性 。 ⋯一 液压支架理论寿命值 析了样本容量和隐含层节点数 对估算模 型的影响 ， 测试 结果 表 明 ， 样 本 容 量 为 4 0 、 隐 含 层 节 点 数 为 7 时， 模型估算精度较高。 参 考 文 献 [1 ] [ 2] [ 3] 图 3 估算模型对样本容量 的适应性 测试结果 [ 4] ⋯⋯ 液压支架理论寿命值 --_． 隐含层节点数为5 l O0 2 00 3 00 4 00 50 0 60 0 70 0 8 0 0 9 00 l 00 0 训练次数 图 4 估算模 型对隐含层 节点数的适应性测试结果 3 ． 2估 算模 型验证 用 4 O组 样 本数据 训 练 B P神 经 网络 ， 隐含 层 节 点 数取 7 ， 然后 利用 ANS YS提取 5组危 险 点结 构参 量 ， 用寿命估算模型对液压支架寿命进行估算 ， 结果 见 表 2 。从 表 2可 知 ， 最大相 对 误差 为 5 ． 2 7 ， 说 明 模型的估算精度较高， 可满足工程需要 。 表 2 近似估算结果 组别 理论寿命／ 次 寿命估算值／ 次 相对误差／ 3 3 4 9 2 3 8 1 4 2 3 2 7 91 3 6 4 66 3 4 9 61 3 4 9 0 3 3 9 3 2 3 3 3 6 8 3 3 7 5 6 6 3 6 8 O 4 4 ． 2 1 3 ． 1 0 2 ． 7 2 3 ． 0 2 5 ． 2 7 4 结 语 [5 ] [6 ] [7] [8 ] [9 ] [ 1 O ] [ 1 1 ] r 1 2 ] [ 1 3 ] [ 1 4 ] [- 1 5 ] 用遗传算法 优化 B P神经 网络 ， 并利用优化后 的 B P神经网络进行液压支架疲劳 寿命 估算建模 ， [ 1 6 ] 实现了结构参量到疲劳寿命之间的非线性映射 。分 刘栋． 煤 矿液 压 支架 的现 状 与发 展 思路 [ J ] ． 煤 炭 技 术 ， 2 0 0 8 ， 2 7 5 1 8 - 2 0 ． 谢锡纯 ， 李 晓豁． 矿 山机 械与 设备 [ M] ． 徐州 中 国矿 业大学 出版社 ， 2 0 0 0 ． 王 国法． 工作面支护与液压 支架 技术理论 体 系[ J ] ． 煤 炭学报 ， 2 0 1 4 ， 3 9 8 1 5 9 3 - 1 6 0 1 ． M AKK0NEN M ． P r e d i c t i n g t h e t o t a l f a t i g u e l i f e i n me t a l s [ J ] ．I n t e r n a t i o n a l J o u r n a l o f F a t i g u e ，2 0 0 9 ， 3 1 7 1 1 6 3 1 1 7 5 ． F AN Z h i c h a o， CHEN Xu e d o n g， CHEN Li n g， e t a 1 ． An e qu i v a l e nt s t r a i n e ne r gy de n s i t y l i f e p r e d i c t i on mo d e l [ C] ／ ／ 5 t h F r a c t u r e Me c h a n i c s S y mp o s i u m， Cha n gs h a，2 007 ． 赵东波 ， 陆金桂 ， 姚灵灵． 液压支架顶梁疲 劳寿命 的改 进神 经 网 络 预 测 [ J ] ． 矿 业 研 究 与开 发 ， 2 0 1 5 1 2 1O 6 1 09 ． 周文俊 ． 液压支架技术 性寿命及其评 价指标体 系的构 建[ J ] ． 科技 信息 ， 2 0 1 3 3 8 9 9 0 ． 王京涛 ， 陆金桂 ， 赵东波． 液压支架掩 护梁结构 优化及 疲劳寿命 预测[ J ] ． 矿业研究 与开发 ， 2 0 1 6 9 7 2 7 5 ． 孙权 ， 刘混举 ， 李 博． 浅埋深 工作面液 压支架疲 劳寿命 分析[ J ] ． 机械工程与 自动化， 2 0 1 5 5 1 3 1 1 3 2 ． 武晓旭 ，龚孑 L 成 ， 贾明涛．煤 矿事故预 测的指数 平滑一 B P神 经网络混 合模 型研 究 [ J ] ．中 国安 全生 产科 学 技术 ， 2 0 1 4 ， 1 0 9 1 6 5 一 l 6 9 ． 徐 丽 娜． 神 经 网络 控 制 [ M] ． 北 京 电子 工 业 出版 社 ， 2 0 0 3 ． 王江荣 ， 王珥． 基 于遗传算 法 自变量 降维 的神 经 网络 煤 矿 瓦 斯 涌 出 量 预 测 模 型 [ J ] ． 煤 ， 2 0 1 4 ， 2 3 3 28 32 ． 吴沧浦． 最优控制 的理 论与方法 [ M] ． 北京 国防工业 出版 社 ， 2 0 0 0 ． 宁武龙 ， 刘 桓龙 ， 彭卫 池 ， 等． 基 于 B P神 经 网络 的轴 承 寿命 预测程序设计 [ J ] ．现代机械 ，2 0 1 4 3 7 - 1 0 ． 闫楚 良， 郝云霄 ， 刘克 格． 基 于遗 传算 法优化 的 B P神 经 网络 的材 料疲 劳寿命 预 测 [ J ] ．吉 林 大学 学 报 工 学版 ， 2 0 1 4 ， 4 4 6 1 7 1 0 - 1 7 1 5 ． 游双． 镍氢 电池组 S O C神经 网络估 算策 略研究 l- D ] ． 天津 天津大学 ， 2 0 0 7 ． 4 4 3 3 3 3 3 2 ＼ 船豫