基于混合遺傳算法的連采機(jī)減速器實(shí)驗(yàn)?zāi)B(tài)參數(shù)識(shí)別.pdf

1、連續(xù)采煤機(jī)減速器(continuous miner speed reducer)作為綜采工作面關(guān)鍵礦山設(shè)備的核心部件，它的合理設(shè)計(jì)和可靠運(yùn)行是保證現(xiàn)代化礦井高產(chǎn)高效的必要條件，而模態(tài)分析(modal analysis)技術(shù)是新產(chǎn)品設(shè)計(jì)中進(jìn)行結(jié)構(gòu)動(dòng)態(tài)特性的預(yù)估及優(yōu)化設(shè)計(jì)的主要手段。通過(guò)模態(tài)分析，能夠獲得產(chǎn)品結(jié)構(gòu)在某一易受影響的頻率范圍內(nèi)各階主要模態(tài)的特性，進(jìn)而可以對(duì)結(jié)構(gòu)在此頻段內(nèi)由外部或內(nèi)部各種振源作用下的實(shí)際振動(dòng)響應(yīng)進(jìn)行預(yù)判斷，從而為結(jié)

2、構(gòu)系統(tǒng)的振動(dòng)特性分析、振動(dòng)故障診斷和預(yù)報(bào)以及結(jié)構(gòu)動(dòng)力特性的優(yōu)化設(shè)計(jì)等提供依據(jù)。遺傳算法(Genetic Algorithm)在進(jìn)行系統(tǒng)參數(shù)識(shí)別時(shí)，采用概率搜索機(jī)制使得目標(biāo)函數(shù)朝著減小的方向進(jìn)化，它不依賴(lài)于梯度信息，具有較強(qiáng)的自適應(yīng)性、魯棒性和全局搜索能力。本文研究對(duì)象某連采機(jī)裝運(yùn)減速齒輪箱傳動(dòng)級(jí)數(shù)多，實(shí)際結(jié)構(gòu)復(fù)雜，并且由于設(shè)計(jì)、制造和安裝誤差的存在，致使算法的搜索空間非常復(fù)雜，因而在傳統(tǒng)遺傳算法群體進(jìn)化中引入了拉馬克學(xué)習(xí)(Lamarck

3、ian Learning)機(jī)制。該機(jī)制通過(guò)模擬生物體在生命周期內(nèi)自身的學(xué)習(xí)行為，強(qiáng)化了局部搜索能力，使得個(gè)體在生命周期內(nèi)取得了更高的適應(yīng)度并將其以“基因”的表現(xiàn)型遺傳給下一代，以提高算法的收斂效率。
　　 本文的主要工作分為以下幾個(gè)方面：首先介紹了模態(tài)分析技術(shù)的發(fā)展與現(xiàn)狀以及遺傳算法在模態(tài)參數(shù)識(shí)別中的應(yīng)用情況，同時(shí)系統(tǒng)了解了各種混合遺傳算法進(jìn)行參數(shù)辨識(shí)的效率；第二，對(duì)齒輪箱的振動(dòng)原因與機(jī)理進(jìn)行了系統(tǒng)分析，基于模態(tài)分析理論，本文將

4、所研究齒輪箱簡(jiǎn)化為具有n個(gè)自由度的粘性比例阻尼振動(dòng)系統(tǒng)，導(dǎo)出它的模態(tài)展式；第三，根據(jù)遺傳算法的數(shù)學(xué)原理，構(gòu)建了基于混合遺傳算法的實(shí)驗(yàn)?zāi)B(tài)參數(shù)識(shí)別模型，規(guī)劃了正確的遺傳方案，引入了拉馬克策略，并基于Powell法制定了拉馬克算子，以對(duì)標(biāo)準(zhǔn)遺傳算法生成的每一個(gè)染色體進(jìn)行學(xué)習(xí)爬山(局部搜索)；第四，建立了齒輪箱的有限元模型并對(duì)其進(jìn)行了預(yù)分析，根據(jù)預(yù)分析結(jié)果確定傳感器的布置方案；搭建起相應(yīng)的測(cè)試試驗(yàn)平臺(tái)，制定了詳細(xì)的試驗(yàn)方案以實(shí)現(xiàn)對(duì)數(shù)據(jù)的采集；

5、第五，采集數(shù)據(jù)并對(duì)采集的數(shù)據(jù)進(jìn)行了基于奇異值分解技術(shù)(Singular Value Decomposition，簡(jiǎn)稱(chēng)SVD)的降噪，然后分別用標(biāo)準(zhǔn)遺傳算法、混合遺傳算法、LMS Test.Lab進(jìn)行了實(shí)驗(yàn)?zāi)B(tài)參數(shù)識(shí)別。與標(biāo)準(zhǔn)遺傳算法的識(shí)別結(jié)果相互對(duì)比，驗(yàn)證了本文提出的混合遺傳算法性能更平穩(wěn)，與LMS Test.Lab實(shí)驗(yàn)?zāi)B(tài)系統(tǒng)識(shí)別結(jié)果進(jìn)行對(duì)比，混合遺傳算法以較高的精度識(shí)別出模態(tài)參數(shù)，這得益于其在拉馬克學(xué)習(xí)機(jī)制的作用下，具備了深度的局部