典型文献
基于遗传神经网络的履带行驶系统载荷识别方法
文献摘要：
针对煤矿掘进机器人履带行驶系统工作环境恶劣,载荷无法直接有效获取这一工程实际问题,提出了基于遗传神经网络的振动信号载荷识别方法.构建了遗传算法(GA)优化BP(back propagation)神经网络载荷识别模型,采用路试法试验采集了履带小车的5组振动加速度数据和单组应力载荷数据,探讨路面不平度频率和驱动轮啮频等对履带车振动和应力载荷的影响规律;借助快速傅里叶变换(FFT)对原始应力载荷数据进行去噪处理,依据履带小车行驶平顺性指标,利用sym8小波函数对振动加速度信号进行5层特征提取以提高载荷识别的精度,然后将5组小波变换分解的加速度数据和滤波后的应力载荷数据分别作为GA-BP神经网络的输入和输出进行训练及验证,揭示了履带行驶系统运动过程中振动与应力载荷之间的关系.研究结果表明,路面不平度频率、驱动轮啮频及转频为小车振动的主要频率成分,路面不平度引起的振动频率为13.765 Hz,驱动轮啮频为68.25 Hz,转频为3.25 Hz.多组试验得到的BP神经网络最佳隐含层神经元数为63,GA-BP神经网络识别的应力载荷与期望应力载荷具有较高吻合度,相对误差为4.5％,验证了该方法的有效性,对煤矿机械履带行驶系统的可靠性研究提供了较好的理论基础.
文献关键词：
履带行驶系统;载荷识别;振动测试;应力;GA-BP神经网络;小波变换
中图分类号：
作者姓名：
张志宏;张宏;陈有;李直;李国华;付政
作者机构：
太原科技大学机械工程学院,太原030024
文献出处：
引用格式：
[1]张志宏;张宏;陈有;李直;李国华;付政-.基于遗传神经网络的履带行驶系统载荷识别方法)[J].振动与冲击,2022(03):54-61,89
A类：
履带行驶系统
B类：
遗传神经网络,载荷识别,煤矿掘进机,环境恶劣,接有,工程实际,振动信号,GA,back,propagation,识别模型,路试,试法,小车,振动加速度,路面不平度,驱动轮,履带车,快速傅里叶变换,FFT,去噪处理,车行,行驶平顺性,sym8,小波函数,加速度信号,高载荷,小波变换,出进,振动频率,隐含层,吻合度,煤矿机械,可靠性研究,振动测试
AB值：
0.265971
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
