单主梁龙门起重机结构动态优化研究

摘要

随着科学技术的发展，原有的起重机设计、测试手段越来越不能满足现代化生产要求。起重机朝着大型化、智能化、专业化发展的趋势使得生产企业不得不转变生产模式，以应对日益激烈的全球化竞争。为此，本文采用新的设计理念和设计方法对龙门起重机进行分析、再设计优化。
　　 为了节省人力物力，合理利用资源，本文首先运用相似理论和量纲分析方法得到起重机模型和原型之间的相似关系，选用3种缩小的模型进行分析，经过对比得到最能反映起重机原型的模型长度缩尺比为20。通过实例证明，相似理论对于处理大型结构件有着明显的优越性。
　　 根据起重机设计规范GB/T3811-2011，起重机在出厂前必须经过静力测试。传统的设计方法大多采用以经典力学和数学为基础的半理论、半经验方法设计起重机，这种方法设计的起重机为了保证起重机的安全系数往往增大结构的尺寸，导致起重机笨重;而且只能对起重机的某些部位的应力和刚度做出判断。为了弥补上述方法的不足，本文以有限元软件ANSYS新一代协同仿真平台Workbench作为分析工具，以缩小20倍的起重机模型为分析对象，采用动载系数法获得起重机所受的载荷，基于极限状态法分析龙门起重机在10种工况下的静力性能。经过分析，得知龙门起重机在10种工况下的静态性能如强度和刚度均满足设计规范要求。
　　 对龙门起重机动态性能影响最大的动态特性参数是主梁的动刚性，起重机的动刚性通常以自然频率来衡量。运用以大型通用有限元软件ANSYS新一代协同仿真平台Workbench进行龙门起重机的模态分析，得出龙门起重机前6阶的振动频率及其相对应的振型，在此基础上分析起重机的谐响应情况，找到起重机动态性能的薄弱环节。通过分析，可知龙门起重机的第2阶固有频率即起重机主梁在小车轨道运行方向的振动容易引起起重机故障，需要在这个方向加强起重机的刚度。
　　 提出综合利用有限元法、正交试验法、神经网络及遗传算法进行起重机的动态优化设计。有限元结合正交试验法可以进行起重机的模态分析和谐响应分析，获得起重机动态优化设计的输入输出参数，利用最少的样本数量获得均衡全面的样本数据。BP神经网络利用这些样本数据构建龙门起重机的动态优化模型，该模型可以实现龙门起重机的快速重分析，避免了有限元模型重分析所需的大量时间资源。在BP网络构建的起重机动态模型的可行域中，利用遗传算法寻找动态模型的最优值，得到全局意义上的最优解。

目录

声明

摘要

1 绪论

1．1 研究背景和意义

1．2 龙门起重机的发展趋势

1．3 国内外现状

1．4 本文主要研究内容

1．5 本章小结

2 基于相似理论的龙门起重机静力学分析

2．1 相似理论的理论基础

2．2 量纲的选取

2．3 相似准则的确定

2．4 长度缩尺的确定

2．5 有限元的理论基础及软件应用

2．5．1 有限元的理论基础

2．5．2 有限元软件应用

2．6 采用Workbench分析起重机静态特性

2．6．1 几何模型建立

2．6．2 定义材料属性

2．6．3 网格的划分

2．6．4 定义接触关系

2．6．5 施加边界条件及求解

2．6．6 求解、分析结果

2．7 本章小结

3 门式起重机结构动刚性研究

3．1 起重机动态性能研究方法

3．2 门式起重机动刚性衡量指标

3．3 龙门起重机模态分析

3．4 龙门起重机谐响应分析

3．5 本章小结

4 门式起重机动态优化设计

4．1 动态优化设计

4．1．1 动态优化设计概念

4．1．2 动态优化设计方法

4．2 BP网络建立门式起重机动态优化模型

4．2．1 神经网络的组成和特点

4．2．2 常用神经网络模型

4．2．3 BP神经网络组成及其特点

4．2．4 正交试验预测最佳组合

4．2．5 确定BP网络训练数据及测试数据

4．2．6 BP网络的建立

4．3 采用遗传算法优化起重机BP网络模型

4．3．1 遗传算法的概念

4．3．2 遗传算法运行过程

4．3．3 遗传算法的特点

4．3．4 遗传算法优化神经网络

4．3．5 优化结果比较

4．4 本章小结

5 结论与展望

5．1 结论

5．2 本文创新点

5．3 展望

参考文献

附录A

附录B 攻读学位期间的主要学术成果

致谢