应用神经网络和粒子群算法的振动式分选机参数优化研究

• 作者: 周泽 杨金堂 王烨堃 田万智 金磊
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 振动式分选机 灵敏度分析 神经网络 粒子群算法 可靠性分析
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 机械动力学
• 页码范围: 855-862
• 页数: 8页
• 分类号: TG156
• 字数: 5278字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20180255

摘要

针对废旧铅酸蓄电池回收预处理工艺中极群分离问题设计了振动式分选机,并应用椭圆基神经网络近似模型和粒子群算法研究了振动式分选机参数优化问题.首先,以降低质量、降低应力和提高第3阶固有频率为目标,利用灵敏度分析获得影响程度最高的结构参数;其次,采用具有最高拟合度的椭圆基神经网络构建试验设计样本的最佳近似模型,并采用优化效果更佳的粒子群算法进行数值优化;最后,对优化前后的结构进行可靠性分析.结果 表明:优化后结构质量降低了9.7％,最大等效应力降低了36.7％,第3阶固有频率提高了12.9％,结构可靠度提高了5.9％.