CN115455754A - 一种基于数字孪生的矿山液压支架设计方法 - Google Patents

一种基于数字孪生的矿山液压支架设计方法 Download PDF

Info

Publication number
CN115455754A
CN115455754A CN202210992040.3A CN202210992040A CN115455754A CN 115455754 A CN115455754 A CN 115455754A CN 202210992040 A CN202210992040 A CN 202210992040A CN 115455754 A CN115455754 A CN 115455754A
Authority
CN
China
Prior art keywords
model
data
digital
hydraulic support
simulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210992040.3A
Other languages
English (en)
Inventor
李璟
赵红梅
李淑琴
张迪
王翀
霍玉婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanxi Pingyang Coal Machinery Equipment Co ltd
Original Assignee
Shanxi Pingyang Coal Machinery Equipment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanxi Pingyang Coal Machinery Equipment Co ltd filed Critical Shanxi Pingyang Coal Machinery Equipment Co ltd
Priority to CN202210992040.3A priority Critical patent/CN115455754A/zh
Publication of CN115455754A publication Critical patent/CN115455754A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明一种基于数字孪生的矿山液压支架设计方法，属于矿山液压支架设计技术领域；所要解决的技术问题为：提供一种基于数字孪生的矿山液压支架设计方法的改进；解决该技术问题采用的技术方案为：使用SolidWorks或NX软件建立数字化模型，该模型包含驱动骨架图和装配组体，使用相应软件简化模型，建立仿真模型并划分网格，设置仿真工况和边界条件，采用有限元分析方法进行仿真，通过液压支架试验台采集数据，根据神经网络算法处理数据对比仿真结果，拓扑优化网格划分和边界条件，降低仿真误差；使用数字化样机和拓扑优化，使用系统利用数据融合、深度学习和数据孪生的交互映射，将孪生数据同步映射到数字化样机，形成数字孪生模型，本发明应用于矿山液压支架设计。

Description

一种基于数字孪生的矿山液压支架设计方法
技术领域
本发明一种基于数字孪生的矿山液压支架设计方法，属于矿山液压支架设计技术领域。
背景技术
数字孪生技术是制造企业迈向工业4.0战略目标的关键技术，通过掌握产品信息及其生命周期过程的数字思路将所有阶段(产品创意、设计、制造规划、生产和使用)衔接起来，并连接到可以理解这些信息并对其做出反应的生产智能设备。数字孪生作为人类解构、描述、认识物理世界的新一代信息技术，直接面向人工智能国家战略中解决先进制造、能源工业等任务需求，是当今计算机仿真和图像处理领域中一个非常活跃的研究方向，已经成为全球信息技术发展的新焦点，其成果直接应用于航天航空、先进制造、能源开采、智慧城市、视频监控、人机交互等领域。
液压支架是煤矿开采的关键设备之一，其可靠性和安全性直接影响着生产的正常进行，目前液压支架的强度校核多根据国标通用技术条件规定的工况进行试验来保证产品的安全性，由于相关规定的工况较多，因而在设计液压支架实用结构的实验时间周期过长，最终得到设计产品的可靠性也无法进行验证和保障，在高成本的产品设计投入中，得到的产品质量较差，降低了产品的交付速度。
目前仍然没有基于数字孪生技术进行液压支架设计的方案，如果该技术可以实现，则在液压支架设计开发阶段可采用有限元的方法进行模拟和仿真，并通过拓扑优化方案解决试验周期带来的影响，其仿真结果能够快速反馈到数字模型上，以提高设计产品的可靠性，缩短设计周期。
发明内容
本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种基于数字孪生的矿山液压支架设计方法的改进。
为了解决上述技术问题，本发明采用的技术方案为：一种基于建立数字孪生模型的矿山液压支架设计方法，包括如下设计步骤：
步骤S10：使用SolidWorks或NX软件建立数字化模型，该模型包含驱动骨架图和装配组体，所述数字化模型具体的建立步骤为：
步骤S101：通过液压支架的总体设计建立用于驱动部件的参数骨架；
步骤S102：根据参数骨架和设计规范完成液压支架零部件的详细设计；
步骤S103：部件参数骨架通过铰接轴和千斤顶完善总体骨架设计；
步骤S104：通过总体骨架设计完成数字化样机的总体装配，驱动总体骨架调节支架的运动趋势和姿态变化；
步骤S105：通过运动仿真验证不同工况下的产品结构，完善数字化样机模型；
步骤S20：使用SolidWorks或NX软件简化模型，建立仿真模型，使用HyperWorks或NX软件划分网格，使用ABAQUS和NX Nastran软件设置仿真工况和边界条件，采用有限元分析方法进行仿真，通过液压支架试验台采集数据，根据神经网络算法处理数据对比仿真结果，拓扑优化网格划分和边界条件，降低仿真误差；
所述拓扑优化具体的操作步骤为：
步骤S201：使用SolidWorks或NX软件去除与仿真无关的部件和零件，简化数字化样机模型，建立仿真模型并设置零部件之间的连接关系；
步骤S202：使用HyperWorks或NX软件对步骤S201中的仿真模型设置材料及其参数，采用二阶四面体单元和一阶六面体单元对结构件进行划分进行网格划分，得到液压支架的有限元模型；
步骤S203：根据液压支架主体结构件强度试验要求，使用ABAQUS和NX Nastran软件设置全部工况，调整相应的垫块尺寸，采用内加载的方式模拟立柱、设置载荷大小、设置摩擦接触，然后对分析结果进行应力和位移云图的展示和分析；
步骤S204：根据液压支架主体结构件强度试验要求，针对各工况和疲劳试验要求的组合加载，每次设置8个应力检测点，每个检测点均用高精度电阻式应变片测量应变量，将高精度电阻式应变片的导线连接到控制台接线箱，采集液压支架试验过程中的应变数据，使用LSTM数据预处理算法和BP神经网络处理数据，然后将处理后的数据与应力和位移云图对比，调整步骤S202和S203中网格的划分和边界条件，使仿真模拟趋近与真实试验结果，降低仿真误差；
步骤S205：结合有限元分析进行拓扑优化；
步骤S30：使用数字化样机和拓扑优化，通过PDM系统，利用数据融合、深度学习和数据孪生的交互映射，将孪生数据同步映射到数字化样机，形成数字孪生模型，具体步骤为：
步骤S301：根据步骤S20中有限元分析的结果，结合有限元分析的拓扑优化，通过步骤S10中建立的数字化模型优化支架设计，建立动态反馈；
步骤S302：孪生数据同步映射包含物理模型的一切相关数据信息，包括液压支架仿真模型的边界条件和数据，同时通过PDM系统实时更新数据、调整参数优化数字化模型，实现模型的迭代优化，进而优化设计方法。
本发明相对于现有技术具备的有益效果为：本发明主要基于仿真模型建立矿山液压支架数字孪生验证模型，采用数字化样机、拓扑优化、数字孪生模型，建立液压支架的数字化样机和仿真模型，有限元分析和采集试验台数据，运用神经网络算法优化有限元分析的网格划分和边界条件的加载，实现模型拓扑优化，建立数字孪生模型；在产品的设计阶段，可以采用数字孪生模型快速准确设计出一款新型号的支架，从而提高设计的准确性，并模拟验证产品在真实矿井环境和安标试验中的性能，有效提高了设计产品的质量，降低产品的生产成本并提高产品的交付速度。
附图说明
下面结合附图对本发明做进一步说明：
图1为本发明液压支架数字化样机装配组体示意图；
图2为本发明液压支架数字化样机的参数骨架示意图；
图3为本发明采用的仿真模型示意图；
图4为本发明设计液压支架的网格划分示意图；
图5为本发明设计液压支架的有限元迭代图；
图6为本发明设计非多孔零件的拓扑优化迭代示意图；
图7为本发明设计液压支架整机的有限元分析示意图。
具体实施方式
如图1至图7所示，本发明具体提供一种基于数字孪生的矿山液压支架设计方法，该方法采用数字化样机模型建立、拓扑优化、数字孪生模型，建立液压支架的数字化样机和仿真模型，通过有限元分析和试验台数据，运用神经网络算法优化有限元分析的网格划分和边界条件的加载，实现模型的拓扑优化，进而建立数字孪生模型。本发明具体利用SolidWorks或NX软件建立参数骨架和数字化样机，通过驱动总体骨架调节验证支架的运动趋势和姿态变化，通过数字化样机运动仿真验证支架结构，优化产品和设计；然后简化模型建立仿真模型，再利用ABAQUS或NX Nastran软件进行有限元分析，分析结果优化模型，并与通过液压支架压架试验台采集的多项数据进行对比，运用神经网络算法拓扑优化网格划分和边界条件从而改进并优化数字化样机，利用数据融合、深度学习和数据孪生的交互映射，孪生数据同步映射到数字化样机形成数字孪生模型。在产品的设计阶段，可以利用数字孪生模型设计一款新型号的支架，从而提高设计的准确性，并模拟验证产品在真实矿井环境和安标试验中的性能，提高产品设计的质量，降低产品的生产成本和提高产品的交付速度；本发明采用的孪生数字体是建立在虚拟空间的、反映物理实体真实性的数字模型。
本发明提供的液压支架设计方法主要包括：
步骤S10：利用SolidWorks或NX建立数字化模型，该模型包含驱动骨架图和装配组体，所述数字化样机包含以下步骤：
步骤S101：通过液压支架的总体设计建立用于驱动部件的参数骨架；
步骤S102：根据参数骨架和设计规范完成液压支架零部件的详细设计；
步骤S103：部件参数骨架通过铰接轴和千斤顶完善总体骨架设计；
步骤S104：通过总体骨架设计完成数字化样机的总体装配，驱动总体骨架调节支架的运动趋势和姿态变化；
步骤S105：通过运动仿真验证不同工况下的产品结构，完善数字化样机模型。
步骤S20：利用SolidWorks或NX简化模型，建立仿真模型，使用HyperWorks或NX划分网格，ABAQUS和NX Nastran软件设置仿真工况和边界条件，运用有限元分析的方法进行仿真，利用MATLAB或NX进行拓扑优化，通过液压支架试验台采集数据，神经网络算法处理数据对比仿真结果，验证拓扑优化和有限元分析的结果，不断重复限元分析和拓扑优化，降低仿真误差寻求最优解；通过液压支架试验台采集数据，神经网络算法处理数据对比仿真结果，拓扑优化网格划分和边界条件，降低仿真误差；所述拓扑优化包含以下步骤：
步骤S201：利用SolidWorks或NX软件去除与仿真无关的部件和零件，简化数字化样机模型，建立仿真模型并设置零部件之间的连接关系；
步骤S202：使用HyperWorks或NX软件对S201所述的仿真模型设置材料及其参数，采用二阶四面体单元和一阶六面体单元对结构件进行划分进行网格划分，得到液压支架的有限元模型；
步骤S203：依据《GB25974.1-2010-煤矿用液压支架通用技术条件》5.9.2章节主体结构件强度试验的要求，ABAQUS和NX Nastran软件设置全部的十五种工况，调整相应的垫块尺寸，采用内加载的方式模拟立柱并依据国标要求设置载荷大小，摩擦接触的设置，然后对分析结果进行应力和位移云图的展示和分析；
步骤S204：依据《GB25974.1-2010-煤矿用液压支架通用技术条件》5.9.2章节主体结构件强度试验的要求，针对全部的十五种工况和疲劳试验要求的组合加载，每次设置8个应力检测点，每个检测点均用高精度电阻式应变片测量应变量，将高精度电阻式应变片的导线连接到控制台接线箱，采集液压支架试验过程中的应变数据，利用Python 3开源的LSTM数据预处理算法和BP神经网络处理数据，然后将数据处理后与应力和位移云图对比，调整步骤S202和S203中网格的划分和边界条件，使仿真模拟趋近与真实试验结果，降低仿真误差；
步骤S205：结合有限元分析进行拓扑优化。
步骤S30：充分利用数字化样机技术和拓扑优化，通过PDM系统，利用数据融合、深度学习和数据孪生的交互映射，孪生数据同步映射到数字化样机形成数字孪生模型：
步骤S301：根据步骤S20中有限元分析的结果，结合有限元分析的拓扑优化，通过步骤S10中建立的数字化样机优化支架设计，建立动态反馈；
步骤S302：孪生数据同步映射包含物理模型的一切相关数据信息，为矿山液压支架仿真模型提供真实的边界条件和数据支撑，并通过PDM系统实时更新数据、调整参数优化数字化样机模型，实现模型的迭代优化，进而优化设计方法，基于数字孪生对数据进行深度挖掘。
为使本发明的目的、技术方案和有益效果更加清楚明白，下面结合附图和实施例对本发明作进一步详细的说明。
如图1和图2所示利用SolidWorks建立数字化模型，该模型包含驱动骨架图和装配组体，其中图1所示为本发明中所提的数字化样机的装配组体，图2所示为液压支架数字化样机参数骨架示意图。图1和图2中所示液压支架为ZY20000/37/81，即采用液压支架数字化样机技术制作的数字化模型，通过驱动图2中所示的参数骨架可以调节支架的运动趋势、高度和姿态，通过SolidWorks API制作的二次开发程序可以生成四连杆运动曲线，通过修改参数骨架可以调节支架的运动曲线。
如图3使用SolidWorks和NX简化模型，建立的仿真模型，如图4所示为使用NX划分的网格；具体实例为GB25974.1规定的偏载工况下对ZY20000/37/81液压支架的主体结构件划分网格，采用二阶四面体单元和一阶六面体单元对结构件进行划分；有限元模型中共划分233.57万个单元和397.8万节点，其中梁单元(B31)35个，二阶四面体单元(C3D10)224.7万个，一阶六面体单元(C3D8)8.7万个，材料选择为Q690，相关力学性能通过机械设计手册查询可知，弹性模量为210000MPa，泊松比为0.3，屈服强度为690MPa，抗拉强度为770-940MPa，垫块选用3000*350*230，比压小于25MPa，采用内加载的方式模拟立柱并依据国标要求设置载荷大小为1.2*21000kN，接触的设置中的摩擦系数为0.2。
利用MATLAB的开源代码《A 99 line topology optimization code written inMATLAB》和《Efficient topology optimization in MATLAB using 88 lines of code》或NX软件中的拓扑优化功能，在确保顶梁及掩护梁的顶面与侧面和连杆与底座的全部表面均不可有孔的前提下，以液压支架整体应力和重量做为目标完成优化。
其数学模型的目标函数为：
min f(xt)＝f(x1，x2，...，xn) (1)；
在(1)式中：f(xt)表示目标函数，
Figure BDA0003802611770000051
表示设计变量。
设计变量选取优化区各单元的“材料密度”，其和结构的材料特性具有相关性，设定p&q其取值区间是[0，1]，0及1分别代表此处位置材料相对不关键，能够全部剔除此处位置材料相对关键，因此有：
0≤xt≤1(t＝1，2，……，n) (2)
约束条件为
Figure BDA0003802611770000061
拓扑优化目标是应力取得极小值，然而其不可以高于材料的极限强度，根据有限元分析和图纸设计，ZY20000/37/81液压支架整体结构所用钢板的许用应力≤690MPa，即σmax≤690MPa，单元刚度为
Figure BDA0003802611770000062
本发明基于拓扑优化的结果提出新的设计思路，结合传统设计思维，改变支架箱体高度，主筋板厚度等方法，然后对其进行进一步的仿真分析。依据《GB25974.1-2010-煤矿用液压支架通用技术条件》5.9.2章节主体结构件强度试验的要求，针对偏载工况和疲劳试验要求的加载，设置8个应力检测点，每个检测点均用高精度电阻式应变片测量应变量，将高精度电阻式应变片的导线连接到控制台接线箱。
为保证试验的精确性，粘贴用高精度电阻式应变片的部位均用砂纸(#200～300)打磨到除去涂漆及锈迹，利用数据采集传输仪采集各测点处的应力值，将数据处理后与应力和位移云图对比，改进简易模型同时反馈到拓扑优化和有限元分析上，同时修改有限元分析的边界条件和网格划分，例如调整模拟平衡千斤顶的弹簧刚度，不断的重复有限元分析使仿真模拟趋近与真实试验结果，降低仿真误差。
如图7所示为经过不断修正后的整机有限元分析示意图，与仿真试验误差不超过15％。通过PDM系统实时更新数据、调整参数优化数字化样机模型，实现模型的迭代优化。如图5所示为拓扑优化后的有限元分析迭代图，如图6所示为非多孔零件的拓扑优化迭代示意图。
通过数据采集传输仪采集到的数据，受限于矿用液压支架的体积和成本，仅试用于同一型号支架的同一批次，对优化后的支架进行数据采集需要耗费较大的成本，故需要基于数字孪生对数据进行深度挖掘。
本发明采用基于Python开发的开源LSTM和BP神经网络工具设置训练集，预测改进试验数据和预处理算法处理数据，根据液压支架应力试验采集到的数据建立数据库，通过该数据库分别确定：训练数据序列{x，y}，初始化神经网络的隐含层阀值a与输出层阀值b，输入层与隐含层权值Vij，隐含层与输出层的权值Wjk，确定BP神经网络的输入层神经元数m，隐含层神经元数n，输出层神经元节点数1，并给定BP神经网络的神经元激励函数和学习速率。
基于上述参数进行隐含层输出：根据输入的数据序列，与连接权值Vij计算BP神经网络的隐含层输出为：
Figure BDA0003802611770000071
其中f为隐含层激励函数，将多个线性输入转换为非线性关系，Sigmoid函数表达为：
f(x)＝1/(1+e-ax) (5)；
计算输出层：根据隐含层节点输出Hj、隐含层至输出层连接权值Wjk、输出层的阀值，计算BP神经网络的预测输出，计算公式为：
Figure BDA0003802611770000072
对预测输出进行权值更新：根据上一步骤的预测输出Ok与输入的预期输出y计算神经网络的误差e，采用梯度下降法，对权值进行更新，计算公式为：
Figure BDA0003802611770000073
Wjk＝Wjk+ηHjekWjk (8)；
ek＝Yk-Ok (9)。
阀值更新：根据上一步骤中的预测误差ek，更新神经网络阀值a和b，计算公式为：
Figure BDA0003802611770000074
bk＝bk+ek (11)；
根据以上步骤进行迭代，如果到达算法的迭代精度，则停止迭代，否则返回步骤2重新计算。
基于数据输入与快速仿真技术可以对重要但难以测量的液压支架性能和应力参数进行实时的仿真计算，实现对产品的性能和质量等功能的预测。
在本发明的实施例中，三维设计方法、拓扑优化、数字孪生方法都是一种自上向下的设计方法，利用三维建模软件的相关性功能，使得设计意图的变更可以自上向下的传递。本发明能够支持实际的设计开发流程，除通过三维软件基本的相关性的功能可以自上向下的传递设计意图，还可以通过有限元分析利用数据融合、深度学习和数据孪生交互映射，实现设计意图的变更可以自上向下的传递也可自下而上实现全局变动，从顶层设计到最底层的零件，从模型和图纸到有限元分析结果相互映射；从而使产品的可修改性、可优化性大大提高，通过软件和算法大大降低修改和优化的工作量，同时还能保证各零部件设计的一致性，设计思维的统一性；本发明采用的数字孪生技术保证设计和优化可以透过PDM系统传递到设计项目组每一位设计者，使得设计项目组能够实时的协同设计，设计和优化变更无缝地传递到每一位设计者，所有设计者操作的都是基于同一套数字孪生模型的产品数据，保证了数据的一致性和准确性，保证整个项目组能够协同、快速的完成产品开发。通过以上方法，ZY20000/37/81液压支架的设计生产时间大大缩短，也一次性取得矿用A类支架安标，而利用数字孪生技术的也实现了ZY21000/37/80D支架快速高质量的设计生产工作。
显然，本领域的技术人员应该明白，本发明及上述实施例所涉及矿山液压支架设计方法，除应用于煤矿井下环境外，也适用于金属和非金属等非煤矿山液压支架设计。这样本发明不限制除煤矿井下液压支架的非煤矿山等矿山技术领域。
以上内容是结合具体的优选实施例方式对本发明所做的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明设计思路的前提下，还可进行若干简单的步骤替换和更改，均应当视为属于本发明所提交的权利要求书所涉及的保护范围。

Claims (1)

1.一种基于建立数字孪生模型的矿山液压支架设计方法，其特征在于：包括如下设计步骤：
步骤S10：使用SolidWorks或NX软件建立数字化模型，该模型包含驱动骨架图和装配组体，所述数字化模型具体的建立步骤为：
步骤S101：通过液压支架的总体设计建立用于驱动部件的参数骨架；
步骤S102：根据参数骨架和设计规范完成液压支架零部件的详细设计；
步骤S103：部件参数骨架通过铰接轴和千斤顶完善总体骨架设计；
步骤S104：通过总体骨架设计完成数字化样机的总体装配，驱动总体骨架调节支架的运动趋势和姿态变化；
步骤S105：通过运动仿真验证不同工况下的产品结构，完善数字化样机模型；
步骤S20：使用SolidWorks或NX软件简化模型，建立仿真模型，使用HyperWorks或NX软件划分网格，使用ABAQUS和NX Nastran软件设置仿真工况和边界条件，采用有限元分析方法进行仿真，通过液压支架试验台采集数据，根据神经网络算法处理数据对比仿真结果，拓扑优化网格划分和边界条件，降低仿真误差；
所述拓扑优化具体的操作步骤为：
步骤S201：使用SolidWorks或NX软件去除与仿真无关的部件和零件，简化数字化样机模型，建立仿真模型并设置零部件之间的连接关系；
步骤S202：使用HyperWorks或NX软件对步骤S201中的仿真模型设置材料及其参数，采用二阶四面体单元和一阶六面体单元对结构件进行划分进行网格划分，得到液压支架的有限元模型；
步骤S203：根据液压支架主体结构件强度试验要求，使用ABAQUS和NX Nastran软件设置全部工况，调整相应的垫块尺寸，采用内加载的方式模拟立柱、设置载荷大小、设置摩擦接触，然后对分析结果进行应力和位移云图的展示和分析；
步骤S204：根据液压支架主体结构件强度试验要求，针对各工况和疲劳试验要求的组合加载，每次设置8个应力检测点，每个检测点均用高精度电阻式应变片测量应变量，将高精度电阻式应变片的导线连接到控制台接线箱，采集液压支架试验过程中的应变数据，使用LSTM数据预处理算法和BP神经网络处理数据，然后将处理后的数据与应力和位移云图对比，调整步骤S202和S203中网格的划分和边界条件，使仿真模拟趋近与真实试验结果，降低仿真误差；
步骤S205：结合有限元分析进行拓扑优化；
步骤S30：使用数字化样机和拓扑优化，通过PDM系统，利用数据融合、深度学习和数据孪生的交互映射，将孪生数据同步映射到数字化样机，形成数字孪生模型，具体步骤为：
步骤S301：根据步骤S20中有限元分析的结果，结合有限元分析的拓扑优化，通过步骤S10中建立的数字化模型优化支架设计，建立动态反馈；
步骤S302：孪生数据同步映射包含物理模型的一切相关数据信息，包括液压支架仿真模型的边界条件和数据，同时通过PDM系统实时更新数据、调整参数优化数字化模型，实现模型的迭代优化，进而优化设计方法。
CN202210992040.3A 2022-08-17 2022-08-17 一种基于数字孪生的矿山液压支架设计方法 Pending CN115455754A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210992040.3A CN115455754A (zh) 2022-08-17 2022-08-17 一种基于数字孪生的矿山液压支架设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210992040.3A CN115455754A (zh) 2022-08-17 2022-08-17 一种基于数字孪生的矿山液压支架设计方法

Publications (1)

Publication Number Publication Date
CN115455754A true CN115455754A (zh) 2022-12-09

Family

ID=84298708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210992040.3A Pending CN115455754A (zh) 2022-08-17 2022-08-17 一种基于数字孪生的矿山液压支架设计方法

Country Status (1)

Country Link
CN (1) CN115455754A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351045A (zh) * 2023-12-06 2024-01-05 深圳市宏源建设科技有限公司 一种支吊架装配位置调控方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351045A (zh) * 2023-12-06 2024-01-05 深圳市宏源建设科技有限公司 一种支吊架装配位置调控方法及系统

Similar Documents

Publication Publication Date Title
CN110045608A (zh) 基于数字孪生的机械设备零部件结构参数动态优化方法
CN111145236A (zh) 一种基于数字孪生的产品拟实物装配模型生成方法及实现框架
CN106897527A (zh) 一种车辆悬架台架耐久载荷分析方法及装置
CN106951610B (zh) 一种基于近似模型的插秧机秧箱结构优化方法
CN106227930A (zh) 一种基于Matlab的由Midas导入Flac3D的模型识别方法
CN103678762A (zh) 优化的复合材料机翼气动弹性风洞模型的缩比建模方法
CN110414052A (zh) 一种基于数字样车和虚拟路谱的汽车结构疲劳寿命计算方法
CN114611313A (zh) 一种基于模型融合的复杂产品数字孪生构建与应用方法
CN102867078A (zh) 一种基于三维cad平台的机械产品拆卸工艺快速规划方法
CN108090313A (zh) 一种复杂岩石裂隙模型建模识别方法
CN115455754A (zh) 一种基于数字孪生的矿山液压支架设计方法
Zhang et al. A construction method of digital twin model for contact characteristics of assembly interface
CN115659756A (zh) 一种输电杆塔防风性能分析方法
CN109918829B (zh) 一种针对结构的轴向模态识别方法
CN103177165A (zh) 客车车身结构设计系统、客车侧翻仿真测试系统及方法
Xie et al. A life prediction method of mechanical structures based on the phase field method and neural network
CN112668087B (zh) 基于有限元与离散元耦合的有砟轨道建模分析方法及系统
CN112395685B (zh) 一种适用于增材制造的拓扑优化自行车组件设计方法
CN107545097A (zh) 一种高效铝合金榫卯连接结构的cae模拟优化分析方法
CN104318005A (zh) 一种基于Virtools的多元数据融合虚拟试验显示系统
CN116542177A (zh) 一种基于启停工况分析评判的水轮机寿命评估方法及系统
CN110955933B (zh) 一种基于响应面法的机械结构模糊疲劳可靠度计算方法
CN110096829A (zh) 一种悬臂式直角坐标机器人的刚柔耦合动力学仿真方法
CN116050190A (zh) 一种基于数字孪生的产品性能和退化状态分析方法
CN114491730B (zh) 一种高速铁路路基结构动力安定分析迭代方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination