-
题名履带起重机桁架臂最大静力响应预测
- 1
-
-
作者
李金平
张宇
田一
顾海荣
叶敏
张大庆
徐信芯
-
机构
长安大学道路施工技术与装备教育部重点实验室
山河智能装备股份有限公司
河南省高等级公路检测与养护技术重点实验室
-
出处
《中南大学学报(自然科学版)》
北大核心
2025年第7期2731-2740,共10页
-
基金
国家重点研发计划项目(2021YFC3002003)
陕西省重点研发计划项目(2023-YBSF-104)
+1 种基金
陕西省创新能力支撑计划项目(2022PT-30)
河南杰出外籍科学家项目(2022004)。
-
文摘
为了快速、准确预测不同工况下履带起重机桁架臂结构最大静力响应,提出了一种将BP神经网络和改进的COOT算法(ICOOT)相结合的ICOOT-BP神经网络预测模型。首先,采用Ansys参数化设计语言创建桁架臂在不同工况、杆件尺寸参数和载荷作用下最大静力响应的参数化模型,获取静力响应训练样本;其次,使用Tent混沌映射和自适应变异方法改进原始COOT算法,提高其优化能力,得到了改进的COOT算法(ICOOT);最后,确定了BP神经网络模型的拓扑结构,利用ICOOT算法优化BP神经网络中的权值和阈值,建立桁架臂静力分析时输入参数与输出响应之间的代理模型ICOOT-BP。研究结果表明:某型履带起重机桁架臂在多种工况下,ICOOT-BP模型能够快速预测桁架臂的最大静力响应,预测结果与有限元分析结果具有高度一致性,位移和应力相对误差绝对值均小于4%,且在预测精度与训练效率方面均显著高于所对比的其他预测模型。所提ICOOT-BP模型极大地提高了履带起重机桁架臂的最大静力响应分析效率,可为桁架臂力学分析与结构优化设计提供准确的结构分析代理模型。
-
关键词
履带起重机
桁架臂
静力响应预测
BP神经网络
改进的coot算法
-
Keywords
crawler crane
lattice boom
static response prediction
back propagation neural network
improved coot optimization algorithm
-
分类号
TH213.7
[机械工程—机械制造及自动化]
-
