

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著社會的發(fā)展,我國與世界各國的經(jīng)濟貿(mào)易顯著加強。國家對外進出口額逐年增加,各種起重機械的需求量也越來越大。門座起重機是大型港口必備的裝卸機械,具有靈活、便捷、適應性廣等優(yōu)點,其應用越來越廣,作用越來越大,同時對起重機的技術要求也越來越高。尤其是計算機技術的廣泛應用,促使了許多跨學科的先進設計方法出現(xiàn),推動了起重機新的設計技術和制造技術的提高。激烈的國際市場競爭也越來越依賴于技術的競爭,這些都促使起重機的技術性能進入嶄新的發(fā)展階段。港口
2、機械的設計計算方法需要不斷地更新和完善,向更注重功能性、經(jīng)濟性、可靠性和安全性的方向發(fā)展。 作為產(chǎn)品的設計者,一方面要為生產(chǎn)者降低其設計生產(chǎn)成本;另一方面又要保證其運行的可靠性。為此,本課題對起重機臂架結構進行了優(yōu)化研究。 以有限元軟件ANSYS為平臺,建立了門座起重機臂架結構的有限元分析模型,確立了臂架設計參數(shù)和整體結構的最大應力值及位移值之間的對應關系表,為后面的神經(jīng)網(wǎng)絡提供學習樣本。 利用神經(jīng)網(wǎng)絡的非線形映
3、射功能,建立神經(jīng)網(wǎng)絡模型,并用從有限元分析中獲得的數(shù)據(jù)樣本對建立的BP神經(jīng)網(wǎng)絡進行訓練。在建立BP神經(jīng)網(wǎng)絡模型的過程中,作者討論了樣本數(shù)據(jù)歸一化、隱含層神經(jīng)元個數(shù)的選取等問題。作者通過建立BP神經(jīng)網(wǎng)絡模型,進行門座起重機臂架結構的最大應力及撓度的預測,克服了以往基于有限元分析的優(yōu)化設計中有限元分析占用時間過多且在實際中缺乏操作可行性的缺點。 以優(yōu)化理論為基礎,建立了臂架結構的優(yōu)化模型:以各桿件的壁厚以及部分長度尺寸為優(yōu)化設計的變
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 起重機桁架式單臂架結構的參數(shù)化設計與優(yōu)化.pdf
- 履帶起重機臂架結構的參數(shù)化系統(tǒng)開發(fā)及優(yōu)化設計.pdf
- 平頭塔式起重機臂架參數(shù)化及優(yōu)化設計.pdf
- 履帶起重機臂架結構優(yōu)化設計.pdf
- 汽車起重機臂架結構研究.pdf
- 基于APDL的甲板吊臂架結構參數(shù)化建模及動態(tài)響應研究.pdf
- 汽車起重機臂架結構分析與優(yōu)化設計研究.pdf
- 單臂架門座起重機臂架系統(tǒng)優(yōu)化研究.pdf
- 基于結構仿生的塔式起重機臂架優(yōu)化設計研究.pdf
- 起重機伸縮臂結構優(yōu)化研究.pdf
- 隨車起重機伸縮臂架的優(yōu)化設計
- 起重機超靜定臂架幾何參數(shù)設計研究.pdf
- 動臂式塔式起重機臂架參數(shù)化計算系統(tǒng)的研究.pdf
- 履帶起重機臂架參數(shù)化設計系統(tǒng)開發(fā)及應用.pdf
- 岸邊集裝箱起重機結構參數(shù)化建模及分析.pdf
- 汽車起重機伸縮臂參數(shù)化建模及有限元分析.pdf
- 基于變密度法和APDL的門座起重機門架結構優(yōu)化設計.pdf
- 臂橋架起重機橋架結構參數(shù)化設計及有限元分析.pdf
- 基于ANSYS二次開發(fā)的汽車起重機臂架結構參數(shù)化設計及應用研究.pdf
- 起重機臂架強度分析與優(yōu)化設計.pdf
評論
0/150
提交評論