基于神經(jīng)網(wǎng)絡(luò)的挖掘機斗桿結(jié)構(gòu)應(yīng)力約束模型

張洋梅，花海燕，沈振輝（.福建江夏學(xué)院，福州35008；.福建工程學(xué)院，福州35008）

基于神經(jīng)網(wǎng)絡(luò)的挖掘機斗桿結(jié)構(gòu)應(yīng)力約束模型

張洋梅1，花海燕2，沈振輝1
（1.福建江夏學(xué)院，福州350108；2.福建工程學(xué)院，福州350108）

摘要：針對挖掘機斗桿結(jié)構(gòu)智能優(yōu)化過程中，采用ANSYS有限元軟件進行應(yīng)力約束處理的效率低，結(jié)構(gòu)應(yīng)力等強度化控制難度大，未能實現(xiàn)最大限度的省材等問題，提出一種基于應(yīng)力普查的挖掘機斗桿結(jié)構(gòu)智能優(yōu)化應(yīng)力約束模型。通過多工況斗桿結(jié)構(gòu)應(yīng)力普查法，確定可準(zhǔn)確表征斗桿結(jié)構(gòu)應(yīng)力分布狀況的應(yīng)力特征截面，建立斗桿特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型。本文，以中小型挖掘機耳板分離式斗桿結(jié)構(gòu)為例，構(gòu)建基于應(yīng)力普查的斗桿應(yīng)力約束模型，實現(xiàn)斗桿結(jié)構(gòu)應(yīng)力約束，提高斗桿結(jié)構(gòu)優(yōu)化速率。

關(guān)鍵詞：智能優(yōu)化；應(yīng)力約束模型；應(yīng)力特征截面；應(yīng)力普查

D01：10.19329/j.cnki.1673-2928.2016.04.013

0引言

挖掘機斗桿結(jié)構(gòu)復(fù)雜，其結(jié)構(gòu)優(yōu)化約束繁多，主要有幾何形狀約束、結(jié)構(gòu)強度約束、固有頻率約束、運動干涉約束、穩(wěn)定性約束和可裝配性約束等。其中，斗桿結(jié)構(gòu)應(yīng)力約束是保證挖掘機斗桿結(jié)構(gòu)強度要求的重要約束，建立合理的應(yīng)力特征截面方案是構(gòu)建斗桿結(jié)構(gòu)應(yīng)力約束模型的關(guān)鍵。當(dāng)前挖掘機斗桿結(jié)構(gòu)應(yīng)力特征截面選取方法，大多都是選擇應(yīng)力集中多發(fā)位置，如：各受力鉸孔周圍、各耳板焊接縫處、加強板焊縫處及各板件焊縫處等［1-5］?，F(xiàn)有斗桿結(jié)構(gòu)應(yīng)力危險截面方案均是基于經(jīng)驗所得，未經(jīng)過充分的斗桿結(jié)構(gòu)應(yīng)力分析、總結(jié)與驗證。為了實現(xiàn)優(yōu)化過程中斗桿結(jié)構(gòu)應(yīng)力的有效調(diào)整，有必要建立合理的斗桿結(jié)構(gòu)應(yīng)力特征截面方案，以有效表征綜合多工況斗桿結(jié)構(gòu)應(yīng)力分布狀況。為此，本文采用基于樣本應(yīng)力普查的斗桿結(jié)構(gòu)應(yīng)力特征截面選取法［6-7］，確定斗桿結(jié)構(gòu)應(yīng)力特征截面的個數(shù)及其具體位置，以建立合理的斗桿結(jié)構(gòu)應(yīng)力特征截面方案，有效表征綜合多工況斗桿結(jié)構(gòu)的應(yīng)力分布狀況，并構(gòu)建斗桿結(jié)構(gòu)應(yīng)力特征截面網(wǎng)絡(luò)應(yīng)力預(yù)測束模型。

1斗桿結(jié)構(gòu)應(yīng)力特征截面方案的構(gòu)建方法

合理的斗桿結(jié)構(gòu)應(yīng)力特征截面方案，不僅要有完整的應(yīng)力特征截面?zhèn)€數(shù)，且各個應(yīng)力特征截面應(yīng)有確切的位置。為此，本文通過坐標(biāo)原點為鉸接點的多工況樣本應(yīng)力普查法，深入分析各斗桿結(jié)構(gòu)參數(shù)取值變化對各工況斗桿結(jié)構(gòu)應(yīng)力分布狀況的影響，并明確斗桿結(jié)構(gòu)在綜合多工況下的應(yīng)力危險區(qū)域，以成功構(gòu)建可有效表征綜合多工況斗桿結(jié)構(gòu)應(yīng)力分布狀況的應(yīng)力特征截面方案。

挖掘機種類眾多，按斗容的大小可分為小型、中型和大型；按工作裝置類型可分為反鏟、正鏟、起重和抓斗。為滿足各種不同作業(yè)需求，同一種工作裝置的挖掘機斗桿結(jié)構(gòu)也有多種基本結(jié)構(gòu)類型，現(xiàn)對斗桿結(jié)構(gòu)基本類型進行總結(jié)及分類，可歸納出圖1所示的斗桿結(jié)構(gòu)基本類型分類網(wǎng)絡(luò)圖。

圖1　斗桿結(jié)構(gòu)基本類型分類網(wǎng)絡(luò)圖

本文現(xiàn)以結(jié)構(gòu)類型為普通型-整體式-整體無連接-油缸懸掛式-直型-耳板分離式的中小型反鏟挖掘機（標(biāo)準(zhǔn)斗容量≤1.4m3）斗桿結(jié)構(gòu)為例（以下簡稱挖掘機斗桿，其結(jié)構(gòu)圖，如圖2所示），探討綜合多工況挖掘機斗桿結(jié)構(gòu)智能優(yōu)化設(shè)計中應(yīng)力約束模型的構(gòu)建方法。通過坐標(biāo)原點為鉸接點的多工況樣本應(yīng)力普查法，構(gòu)建基于樣本應(yīng)力普查的斗桿結(jié)構(gòu)應(yīng)力特征截面方案。此斗桿結(jié)構(gòu)應(yīng)力特征截面方案具有一定的通用性，可適用于同結(jié)構(gòu)類型、不同斗容大小的挖掘機斗桿結(jié)構(gòu)。

選用合理的斗桿結(jié)構(gòu)應(yīng)力普查樣本集是確保樣本應(yīng)力普查結(jié)果有效的關(guān)鍵，是構(gòu)建合理斗桿結(jié)構(gòu)應(yīng)力特征截面方案的首要任務(wù)。利用斗桿結(jié)構(gòu)方案詳細設(shè)計知識庫，確定該結(jié)構(gòu)類型的挖掘機斗桿各結(jié)構(gòu)參數(shù)取值區(qū)間，如表1所示。

圖2　耳板分離式中小型反鏟挖掘機斗桿結(jié)構(gòu)圖

表1　耳板分離式中小型反鏟挖掘機斗桿結(jié)構(gòu)參數(shù)取值區(qū)間　單位：mm

本文，采用拉丁超立方抽樣法［8］對表1中的28個斗桿結(jié)構(gòu)參數(shù)取值區(qū)間進行均勻抽樣，通過斗桿結(jié)構(gòu)參數(shù)化實體自動化建模，篩除建模失敗與結(jié)構(gòu)畸形的斗桿結(jié)構(gòu)參數(shù)樣本，得到177個幾何形狀合理的斗桿結(jié)構(gòu)樣本，稱為斗桿結(jié)構(gòu)應(yīng)力普查樣本集。

1.1綜合多工況斗桿結(jié)構(gòu)應(yīng)力普查法

坐標(biāo)原點為鉸接點的多工況斗桿結(jié)構(gòu)應(yīng)力普查法是以斗桿結(jié)構(gòu)鉸孔圓心作為坐標(biāo)原點，建立有限元應(yīng)力計算坐標(biāo)系，以計算不同工況下的斗桿結(jié)構(gòu)應(yīng)力。本文對圖2所示斗桿結(jié)構(gòu)多工況應(yīng)力普查分析，取斗桿結(jié)構(gòu)鉸孔F的圓心作為有限元應(yīng)力計算坐標(biāo)系的原點，以鉸孔F圓心與鉸孔Q圓心的連線作為X軸，建立笛卡爾坐標(biāo)系，稱之為坐標(biāo)系F。從X負(fù)半軸的X1位置（即鉸孔E圓心在X軸上的投影點）到X正半軸的X2位置（即鉸孔Q的圓心）將斗桿結(jié)構(gòu)均勻分割成50個截面，并對截面進行編號，即截面1～50，稱之為斗桿結(jié)構(gòu)F坐標(biāo)系應(yīng)力普查方案，如圖3所示。

為確定斗桿結(jié)構(gòu)在不同工況下的應(yīng)力分布狀況，本文以GB9141-88中規(guī)定的4種挖掘工況和2種提升工況作為斗桿結(jié)構(gòu)應(yīng)力普查的6種典型工況。在這6種典型工況下，分別運用斗桿結(jié)構(gòu)F坐標(biāo)系應(yīng)力普查方案對斗桿結(jié)構(gòu)應(yīng)力普查樣本集進行有限元應(yīng)力分析計算，提取各斗桿結(jié)構(gòu)應(yīng)力普查樣本各應(yīng)力截面最大應(yīng)力，即：MaxStress1～MaxStress50，并保存樣本應(yīng)力云圖，以確定此斗桿在6種典型工況下的結(jié)構(gòu)應(yīng)力分布特征。

圖3　F坐標(biāo)系斗桿結(jié)構(gòu)應(yīng)力普查方案

為實現(xiàn)斗桿結(jié)構(gòu)應(yīng)力普查法通用性與高效性，本文運用MFC類庫和VC++6.0編程環(huán)境開發(fā)了斗桿結(jié)構(gòu)動靜態(tài)特性分析軟件模塊（如圖4所示），以實現(xiàn)斗桿結(jié)構(gòu)單個或批量自動化有限元應(yīng)力分析，提取各工況下不同斗桿結(jié)構(gòu)應(yīng)力普查方案中的斗桿各截面最大應(yīng)力值及應(yīng)力云圖。為了便于對各斗桿結(jié)構(gòu)樣本的應(yīng)力數(shù)據(jù)及應(yīng)力云圖進行查看與分析，開發(fā)了可視化界面（如圖5所示），通過軟件界面上的樣本列表（如t1.prt.1）、分析項目（如F坐標(biāo)系應(yīng)力普查［F］）及工況選擇框（如挖掘工況一）的配合使用，便可查看挖掘工況一下斗桿結(jié)構(gòu)樣本t1.prt.1在斗桿結(jié)構(gòu)應(yīng)力普查方案一下各截面最大應(yīng)力MaxStress1～MaxStress50。

圖4　斗桿結(jié)構(gòu)動靜態(tài)性能分析軟件模塊

對上述分析得到的177個斗桿應(yīng)力普查樣本在6種典型工況下各截面最大應(yīng)力值MaxStress1～MaxStress50進行數(shù)據(jù)處理，分別提取各斗桿應(yīng)力普查樣本在6種典型工況下的最大應(yīng)力值DC1～DC4、LC1、LC2，并繪制出各工況下177個斗桿應(yīng)力普查樣本的最大應(yīng)力值曲線，如圖6所示。

在圖6中，紅色曲線DC1、黑色曲線DC2、綠色曲線DC3和藍色曲線DC4分別為斗桿結(jié)構(gòu)應(yīng)力普查樣本集在4種典型挖掘工況下的最大應(yīng)力值曲線，其最大應(yīng)力范圍為130～500Mpa。玫紅色曲線LC1和青綠色曲線LC2為斗桿結(jié)構(gòu)應(yīng)力普查樣本集在2種提升工況下的最大應(yīng)力值曲線，其最大應(yīng)力值范圍為 20～100Mpa。與許用應(yīng)力［σ］≈246Mpa相比，提升工況下的結(jié)構(gòu)最大應(yīng)力均很安全，只需重點分析斗桿結(jié)構(gòu)在4種典型挖掘工況下的應(yīng)力分布狀況。重點分析挖掘工況下各斗桿應(yīng)力普查樣本的前5大應(yīng)力值所在截面和前15大應(yīng)力值所在截面，并將這兩類截面的應(yīng)力狀態(tài)稱為危險級別1和危險級別2。統(tǒng)計在挖掘工況一下各斗桿應(yīng)力普查樣本的50個截面的應(yīng)力狀態(tài)分別為危險級別1和危險級別2的次數(shù)，如圖7所示。同理，分別另3個挖掘工況下的統(tǒng)計結(jié)果，圖略。

圖5　可視化界面軟件模塊

由各挖掘工況統(tǒng)計結(jié)果可知，在4種典型挖掘工況下斗桿各截面的應(yīng)力狀態(tài)屬于危險級別1或危險級別2的次數(shù)各不相同。其中，應(yīng)力狀態(tài)為危險級別1的截面主要有1～14和39～42，應(yīng)力狀態(tài)為危險級別2的截面主要有1～23、33～46和49。根據(jù)圖示中各挖掘工況下斗桿截面1～50的應(yīng)力狀態(tài)分別為危險級別1和危險級別2的次數(shù)大小，對斗桿結(jié)構(gòu)應(yīng)力普查方案一的50個截面進行分類，即：應(yīng)力危險截面1～5、9～12；待分析截面6～8、13～15、37～44、49；應(yīng)力安全截面16、20～36、45～48，如表2所示。

由表2可知，在4種挖掘工況下各斗桿結(jié)構(gòu)應(yīng)力普查樣本的應(yīng)力分布狀況相似，其應(yīng)力危險區(qū)域為在以下幾個區(qū)域：

1） 鉸孔E附近區(qū)域：截面1、2，如圖8（a）中樣本t97應(yīng)力云圖所示；

2） 耳板E與彎板的焊接區(qū)域：截面3、4、5，如圖8（b）中樣本t45應(yīng)力云圖所示；

3） 鉸孔F的加強板左側(cè)區(qū)域：9，如圖8（b）中樣本t45應(yīng)力云圖所示；

4） 鉸孔F的環(huán)形區(qū)域：截面10、11、12，如圖8（c）中樣本t55應(yīng)力云圖所示；

5）耳板G與彎板的焊接區(qū)域：6、7、8，如圖8（d）中樣本t31應(yīng)力云圖所示；

6）鉸孔G的左側(cè)區(qū)域：13、14、15，如圖8（d）中樣本t31應(yīng)力云圖所示；

7）耳板G與上蓋板的焊接區(qū)域：17、18、19，如圖8（e）中樣本t3應(yīng)力云圖所示；

8）斗桿結(jié)構(gòu)中部靠前區(qū)域：截面37、38、39，如圖8（e）中樣本t3應(yīng)力云圖所示；

9）鉸孔N的左側(cè)區(qū)域：截面43、44，如圖8（f）中樣本t157應(yīng)力云圖所示；

10）鉸孔Q的左側(cè)區(qū)域：截面49，如圖8（f）中樣本t157應(yīng)力云圖所示。

圖6　不同工況下斗桿應(yīng)力普查樣本的最大應(yīng)力值

圖7　斗桿各截面在挖掘工況一下出現(xiàn)危險的次數(shù)統(tǒng)計情況

表2　4種挖掘工況下斗桿截面1～50的應(yīng)力狀態(tài)分類

分析上述總結(jié)的10個綜合多工況斗桿結(jié)構(gòu)應(yīng)力值較大區(qū)域，確定綜合多工況的斗桿結(jié)構(gòu)應(yīng)力特征截面方案，如圖9所示。

如圖9所示，斗桿結(jié)構(gòu)應(yīng)力特征截面方案中斗桿結(jié)構(gòu)應(yīng)力特征截面C1～C10的確切位置如下：

1）截面C1：與鉸孔E圓心并垂直于X軸；

2）截面C2：與結(jié)構(gòu)點A相距1.3×DA處并與豎直線平行；

3）截面C3：耳板E與彎板上下焊接點的連線；

4）截面C4：過結(jié)構(gòu)點K與X軸垂直且位置Y正半軸部分；

5）截面C5：鉸孔F內(nèi)徑與鉸孔F加強板組成的扇形區(qū)域；

6）截面C6：與鉸孔G內(nèi)孔左側(cè)相切并垂直于X軸，且位于Y正半軸部分；

7）截面C7：耳板G與上蓋板的焊接點及鉸孔F加強板與下蓋板焊接點的連線；

8）截面C8：距鉸孔Q圓心L_FQ并垂直于

X軸；

9）截面C9：與鉸孔N外徑左側(cè)相切并與豎直線平行；

10）截面C10：與鉸孔Q外徑左側(cè)相切并與豎直線平行。

圖8　斗桿結(jié)構(gòu)應(yīng)力普查樣本的應(yīng)力云圖

圖9　斗桿結(jié)構(gòu)應(yīng)力特征截面方案

1.2斗桿結(jié)構(gòu)應(yīng)力特征截面方案驗證

采用拉丁超立方抽樣法對各斗桿結(jié)構(gòu)參數(shù)取值區(qū)間（表1）進行均勻抽樣，通過斗桿結(jié)構(gòu)參數(shù)化自動建模，篩除建模失敗和結(jié)構(gòu)畸形的樣本，得到150個幾何形狀合理的斗桿結(jié)構(gòu)樣本，稱之為斗桿結(jié)構(gòu)應(yīng)力特征截面方案的測試樣本集。分析挖掘機斗桿結(jié)構(gòu)應(yīng)力特征截面方案對4種典型挖掘工況下測試樣本集的應(yīng)力表征效果，以驗證挖掘機斗桿結(jié)構(gòu)應(yīng)力特征截面方案的有效性。

利用斗桿結(jié)構(gòu)動靜態(tài)性能分析軟件模塊（如圖4所示），對測試樣本集進行斗桿結(jié)構(gòu)應(yīng)力特征截面方案的多工況應(yīng)力普查，提取各測試樣本在4種典型挖掘機工況下各應(yīng)力特征截面的最大應(yīng)力值及樣本應(yīng)力云圖。通過可視化輸出界面（如圖5所示），查看各挖掘工況下斗桿結(jié)構(gòu)應(yīng)力特征截面方案中截面C1～C10最大應(yīng)力值與樣本應(yīng)力云圖所示最大應(yīng)力值是否一致，并計算該方案對各挖掘工況下的斗桿結(jié)構(gòu)測試樣本集應(yīng)力表征效果，其結(jié)果如表3所示。

由表3可知斗桿結(jié)構(gòu)應(yīng)力特征截面方案對4種典型挖掘工況下斗桿結(jié)構(gòu)測試樣本集的應(yīng)力表征效果均為100%，該表征性能較好，可作為斗桿結(jié)構(gòu)應(yīng)力特征截面有效方案。

2基于神經(jīng)網(wǎng)絡(luò)的斗桿結(jié)構(gòu)性能約束模型

2.1斗桿結(jié)構(gòu)應(yīng)力約束模型的建立

在斗桿結(jié)構(gòu)優(yōu)化過程中，直接通過反復(fù)調(diào)用有限元軟件進行各工況斗桿結(jié)構(gòu)應(yīng)力約束處理方法耗時較長，無法充分發(fā)揮結(jié)構(gòu)材料強度特性，難以實現(xiàn)結(jié)構(gòu)最大限度的省材。有必要利用上述已建立的綜合多工況斗桿結(jié)構(gòu)應(yīng)力特征截面有效方案及神經(jīng)網(wǎng)絡(luò)映射功能，構(gòu)建斗桿應(yīng)力特征截面的網(wǎng)絡(luò)應(yīng)力預(yù)測模型，以實現(xiàn)應(yīng)力約束的快速有效處理。本文以斗容大小為1.4m3的挖掘機斗桿結(jié)構(gòu)為例，進行結(jié)構(gòu)應(yīng)力神經(jīng)網(wǎng)絡(luò)預(yù)測模型訓(xùn)練。

利用BP神經(jīng)網(wǎng)絡(luò)模型的映射功能，分別訓(xùn)練4種典型挖掘工況下的斗桿結(jié)構(gòu)應(yīng)力神經(jīng)網(wǎng)絡(luò)預(yù)測模型，以實現(xiàn)各工況下斗桿結(jié)構(gòu)應(yīng)力特征截面C1～C10的應(yīng)力值預(yù)測。建立三層式BP網(wǎng)絡(luò)模型，根據(jù)斗桿結(jié)構(gòu)參數(shù)靈敏度知識，確定網(wǎng)絡(luò)模型的輸入層神經(jīng)元有X1～X25，輸入變量X1～X25分別為D_E1、D_F1、D_G1、D_N1、D_Q1、D_F2、D_G2、DIS_SP、DIS_EG、THICK_TP、THICK_DP、THICK_SP、THICK_WP、THICK_E、THICK_G、ARC_E、ARC_G、D_RPF、ARC_RPF、THICK_SF、D_A、H_KF、H_AF、S_KE和S_AE。輸出層神經(jīng)元為Y1～Y10，輸出變量Y1～Y10的輸出值即為斗桿結(jié)構(gòu)應(yīng)力特征截面C1～C10最大應(yīng)力預(yù)測值。

將斗桿結(jié)構(gòu)應(yīng)力普查樣本集作為斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的訓(xùn)練樣本集，以訓(xùn)練樣本各結(jié)構(gòu)參數(shù)值作為應(yīng)力預(yù)測模型的輸入值，以在各個挖掘工況下訓(xùn)練樣本應(yīng)力特征截面C1～C1的最大應(yīng)力值作為應(yīng)力預(yù)測模型的輸出值。輸入層神經(jīng)元激活函數(shù)為線性函數(shù)，隱含層神經(jīng)元激活函數(shù)為對稱型Sigmoid函數(shù)，輸出層神經(jīng)元激活函數(shù)為線性函數(shù)。中間層神經(jīng)元個數(shù)根據(jù)經(jīng)驗公式確定為14～20個，分別訓(xùn)練不同中間層神經(jīng)元個數(shù)的神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型，以取誤差最小的神經(jīng)網(wǎng)絡(luò)模型作為斗桿應(yīng)力特征截面應(yīng)力值預(yù)測模型。4種典型挖掘工況下的斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的訓(xùn)練結(jié)果，如表4所示；4種典型挖掘工況下的斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的訓(xùn)練過程誤差曲線存在相似性，圖10中給出了挖掘工況一和挖掘工況二下的斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的訓(xùn)練過程誤差曲線。

圖10　挖掘工況斗桿特征截面應(yīng)力預(yù)測模型訓(xùn)練過程誤差曲線

表3　不同應(yīng)力特征截面方案對各工況斗桿結(jié)構(gòu)應(yīng)力的表征效果

表4　斗桿特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型訓(xùn)練結(jié)果

由表4所示數(shù)據(jù)可知，在4種典型挖掘工況下的斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的訓(xùn)練結(jié)果包括：最佳隱含層神經(jīng)元個數(shù)、訓(xùn)練循環(huán)次數(shù)、目標(biāo)精度和總誤差。例如，在挖掘工況一下的斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的最佳隱含層神經(jīng)元個數(shù)為15，經(jīng)過116545次的訓(xùn)練，可達到給定的目標(biāo)精度0.002，模型總誤差為1.0654。

2.2斗桿結(jié)構(gòu)應(yīng)力約束模型分析與驗證

現(xiàn)以挖掘工況一下的斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型為例，進行驗證分析，以說明已構(gòu)建的斗桿結(jié)構(gòu)應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的有效性。通過拉丁超立方抽樣法及批量結(jié)構(gòu)參數(shù)化自動建模，得到50個幾何形狀合理的斗桿結(jié)構(gòu)參數(shù)樣本，稱之為神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的測試樣本集。計算挖掘工況一下各測試樣本應(yīng)力特征截面C1～C10的實際最大應(yīng)力值與神經(jīng)網(wǎng)絡(luò)模型的預(yù)測應(yīng)力值之間的誤差，并繪制測試樣本關(guān)鍵應(yīng)力特征截面C1～C5的應(yīng)力誤差曲線，其誤差曲線如圖11所示。由圖示曲線可知，斗桿結(jié)構(gòu)應(yīng)力特征截面的神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型對關(guān)鍵應(yīng)力特征截面C1～C5的應(yīng)力預(yù)測誤差均在-20～20Mpa范圍之內(nèi)。斗桿結(jié)構(gòu)材料許用應(yīng)力［σ］=246Mpa，經(jīng)計算可知，其應(yīng)力預(yù)測值的準(zhǔn)確度約為91.9%，可滿足斗桿結(jié)構(gòu)應(yīng)力約束模型的精度要求，且模型預(yù)測誤差值在結(jié)構(gòu)優(yōu)化后處理階段可進行誤差修正。

3小結(jié)

本章采用坐標(biāo)原點為鉸接點的多工況樣本應(yīng)力普查法，深入分析了各結(jié)構(gòu)參數(shù)對不同斗桿結(jié)構(gòu)應(yīng)力危險區(qū)域最大應(yīng)力值大小與應(yīng)力集中位置的影響；構(gòu)建了挖掘機耳板分離式斗桿結(jié)構(gòu)應(yīng)力特征截面方案，其應(yīng)力特征截面C1～C10對綜合多工況斗桿結(jié)構(gòu)應(yīng)力分布狀況的表征效果為100%。斗桿結(jié)構(gòu)應(yīng)力特征截面方案具有一定的通用性，可適用于不同斗容同結(jié)構(gòu)類型的挖掘機斗桿結(jié)構(gòu)。

通過靈敏度分析法，確定了不同斗桿結(jié)構(gòu)參數(shù)對應(yīng)力特征截面C1～C10最大應(yīng)力值。利用三層式BP神經(jīng)網(wǎng)絡(luò)模型的映射功能，構(gòu)建了斗容大小為1.4m3的挖掘機耳板分離式斗桿結(jié)構(gòu)在4種典型挖掘工況下的應(yīng)力特征截面神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型，其模型預(yù)測精度分別為91.9%，可滿足斗桿結(jié)構(gòu)智能優(yōu)化過程中的結(jié)構(gòu)應(yīng)力約束模型精度要求。

圖11　斗桿應(yīng)力特征截面C1～C5神經(jīng)網(wǎng)絡(luò)應(yīng)力預(yù)測模型的預(yù)測誤差曲線（挖掘工況一）

參考文獻：

［1］陳健，周鑫，劉欣，等.液壓挖掘機動臂結(jié)構(gòu)的優(yōu)化設(shè)計.工程機械，2008，7：19-22.

［2］Luigi Solazzi.Design of boom and arm for an excavator［J］. Journal of Terramechanics.2010，47：201-207.

［4］Bosnjak S M.Comments on“Design of aluminium boom and arm for an excavator”.Journal of Terramechanics，2011，48：459-462.

［5］Juan Maa，Wei Gaob，Peter Wriggers，Jianjun Chena，Shahab Sahraee.Structural dynamic optimal design based on dynamic reliability.Engineering Structures，2011，33：468-476.

［6］Haiyan HUA，Shuwen LIN，Zhenhui Shen.A New Method of the Constraints Expression and Handling for Excavator Boom Structural Optimization.Advanced Materials Research，2012，479-481：1851-1856.

［7］花海燕，林述溫.優(yōu)化過程知識引導(dǎo)的挖掘機動臂結(jié)構(gòu)優(yōu)化設(shè)計新策略［J］.中國工程機械學(xué)報，2013，11（3）：228-233.

［8］鄧乾旺，文文.基于拉丁超立方抽樣的薄板裝配誤差分析［J］.中國機械工程，2012，4（8）：947-951.

（責(zé)任編輯：周小露）

中圖分類號：TH122

文獻標(biāo)志碼：A

文章編號：1673-2928（2016）04-0037-08

收稿日期：2015-10-22

基金項目：2015年福建江夏學(xué)院青年科研人才培育基金項目，項目編號JXZ2015007；福建工程學(xué)院科研啟動基金項目，項目編號GY-Z14075。

作者簡介：張洋梅（1989-），女，漢族，福建仙游人，助教，碩士，研究方向：工程結(jié)構(gòu)智能優(yōu)化設(shè)計。

Stress Constraint Model based on Neural Networks for Excavator Stick Structural Intelligent Optimization

ZHANG Yangmei1，HUA Haiyan2，SHEN Zhenhui1
（1.FuJian JiangXia University，F(xiàn)uzhou 350108，China；2.FuJian University of Technology，F(xiàn)uzhou 350108，China）

Abstract:In allusion to the deficiencies existing in current stress constraint processed by ANSYS software for excavator stick structural intelligent optimization such as the inefficiency in handling the stress constraint，the difficulty in realizing the stress intensity control and maximum material economized of stick，the stress constraint model based on stress intensity for stick structural intelligent optimization is put forward.The stress character sections which can represent the distribution of stress were determined by stress investigation，then，establishing the neural network model of stress for stick.Excavator ear-plate stick is taken as an example to illustrate the establishment of the stress constraint model and demonstrate the constraint model can effectively achieve the stress constraint of stick structure，thus，improve the rate of stick structural intelligent optimization.

Key words:intelligent optimization；stress constraint model；stress character section；stress investigation