-
题名基于物理信息神经网络的桥式起重机疲劳寿命预测方法
- 1
-
-
作者
董青
党泽伟
徐格宁
-
机构
太原科技大学机械工程学院
-
出处
《工程设计学报》
北大核心
2025年第6期745-758,共14页
-
基金
国家自然科学基金资助项目(52105269)。
-
文摘
针对传统神经网络在桥式起重机疲劳寿命预测中精度低、泛化能力弱等问题,提出了一种基于物理信息神经网络的疲劳寿命预测方法。以起重机结构疲劳裂纹扩展机理为基础,采用双向长短期记忆网络构建数据模型,对时序载荷数据进行特征提取与等效转换后,结合断裂力学理论建立物理模型,描述疲劳损伤演化规律。将数据模型与物理模型进行深度融合,将融合后的动应力数据作为物理神经网络的输入,将疲劳寿命作为输出,以满足Paris模型微分方程的惩罚项作为物理损失,并与网络数据损失联合来构建最小化损失函数,通过优化该损失函数实现桥式起重机疲劳寿命的精准预测。以DQ40 kg-1.8 m-1.3 m小型通用桥式起重机为例,通过对比起重机在正常运行下疲劳寿命的实测数据与预测数据,来验证所提出方法的可行性。结果表明,相较于卷积神经网络模型、支持向量回归模型和K近邻模型,物理信息神经网络模型的疲劳寿命预测拟合精度分别提升了19%、24.9%和26%。研究结果为起重机疲劳寿命预测提供了一种新策略。
-
关键词
物理信息神经网络
数据模型
物理模型
疲劳寿命
桥式起重机
-
Keywords
physical-informed neural network
data model
physical model
fatigue life
bridge crane
-
分类号
TH78.1
[机械工程—精密仪器及机械]
-
-
题名面向起重机结构承载能力评估的数字孪生系统构建方法
被引量：5
- 2
-
-
作者
董青
胡双贤
徐格宁
南方磊
戚其松
-
机构
太原科技大学机械工程学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第3期837-851,共15页
-
基金
国家自然科学基金青年项目(52105269)
起重机械关键技术全国重点实验室资助项目。
-
文摘
针对当前起重机本质安全所面临的监测力度差、能力指标单一、数据利用率不高导致承载能力评估效率低、评估结果不够全面的问题,本着“虚实互控-互调-互补”的思想,提出面向起重机结构承载能力评估的数字孪生系统构建方法。从设备服役场景出发,结合数字孪生五维模型,设计起重机结构承载能力数字孪生框架;以多指标下的结构承载能力动态综合评估方法为支撑,围绕虚实映射、数据交互与服务交互,分层分级阐述结构承载能力数字孪生系统构建方法;从模块内聚,功能集成的角度,搭建数字孪生系统平台。以YDC20/30轻小型移动式起重机为例,验证了所提方法及系统的有效性,为及时精准判断起重机服役过程中的安全性提供了一种新途径、新策略。
-
关键词
数字孪生
移动式起重机
承载能力
综合评估
虚实映射
-
Keywords
digital twin
mobile cranes
carrying capacity
comprehensive evaluation
virtual real mapping
-
分类号
TH78.1
[机械工程—精密仪器及机械]
-
-
题名基于数字孪生的移动式起重机结构承载能力评估研究
- 3
-
-
作者
胡双贤
-
机构
太原科技大学机械工程学院
-
出处
《起重运输机械》
2024年第22期42-48,共7页
-
文摘
针对起重机监控可视化不足、监测指标单一引发的承载能力评估难题,文中遵循虚实互控与互补的理念,提出了基于数字孪生的移动式起重机结构承载能力评估研究。采用数字孪生五维模型,构建移动式起重机数字孪生系统框架,系统阐述物理实体、虚拟实体、孪生数据、连接及可视化服务五维模型,并通过代理模型构建、云图映射及承载能力评估等关键技术,围绕服役监控、监测量可视化、承载能力评估及数据管理等模块,开发出起重机服役监测评估数字孪生系统。此外,从实际服役场景入手,以YDC20/30轻小型移动式起重机为例,验证了所提方法及系统的有效性,为起重机服役过程结构承载能力评估提供了新的途径和策略。
-
关键词
移动式起重机
数字孪生
服役场景
承载能力
评估
-
Keywords
mobile crane
digital twins
service scene
carrying capacity
evaluation
-
分类号
TH213.7
[机械工程—机械制造及自动化]
TH78.1
[机械工程—精密仪器及机械]
-
