基于半监督深度神经网络管路抓举车伸缩臂的可靠性分析
袁国秩1
刘伟1
闫子龙2
张睿琳1
赵明轩1
桑建兵1
1.河北工业大学 机械工程学院,天津 3004002.廊坊景隆重工机械有限公司,廊坊 065300
摘要：伸缩臂作为管路抓举车的关键部件,连接着升降台和机械爪并承担着大部分载荷,对其进行可靠性分析十分必要.由于传统的可靠性方法对于多维度不确定性问题存在计算成本高且精度不高等问题,为了解决这些问题,基于Adams动力学仿真、半监督学习、深度神经网络并结合蒙特卡洛(Monte Carlo,MC)方法提出了一种应用于工程机械可靠性分析的方法.建立了管路抓举车的虚拟样机模型,确定了其危险工况,并结合伸缩臂模型的几何参数和其总体结构确定了影响最大的von Mises应力的不确定因素,并对其进行敏感性分析;使用最优拉丁超立方采样(Optimal Latin Hypercube Sampling,OLHS),依据不确定参数的分布情况进行采样,利用有限元分析软件Ansys WorkBench建立有限元模型,得到样本量对应的输出结果,并引入半监督学习对有限元模拟数据进行处理,提高深度神经网络训练的准确度;最后根据第四强度理论确定了伸缩臂部件的破坏准则,并结合深度神经网络和MC方法预测了伸缩臂部件的可靠度和失效概率.研究结果表明,此方法远高于实际工程要求精度,具有一定的工程指导意义.
关键词：伸缩臂可靠性分析半监督学习深度神经网络最优拉丁超立方采样
分类号：TH213(起重机械与运输机械)
论文发表日期：2025-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 159-167 )
英文信息