斜楔机构具有能改变构件的运动方向,改变力的方向以及增力和自锁的特点。将斜楔机构运用到矿井机械设备的制动装置中,一方面可以减小制动推力,另一方面可以改变构件的运动方向。同时利用斜楔机构具有自锁的特点,即使液压油出现泄漏现象,使得斜楔机构不能后退,从而也可以达到增力的作用。斜楔机构型式多种多样,通过改变斜楔机构的结构形式并且利用Adams对不同的斜楔机构进行自锁仿真分析可以得出其不仅可以实现自锁而且和普通斜楔机构相比较可以在不同程度上增大行程比。

针对目前提升机载荷难以通过直接法测量的问题,以某矿JKM-2.8×6(I)A型多绳摩擦式提升机为研究对象。选取提升机运行过程中的最大启动电流、加速段主电机电流平均值、最大速度、平均加速度等8类2000组数据进行分析,利用多种神经网络(BP、RBF、Elman)的方法建立了载荷预测模型。经过对比分析,表明自适应BP神经网络可作为预测提升机提升载荷的一种有效方法。该方法是基于提升机现场数据进行载荷的预测分析可以为摩擦式提升机载荷监测提供参考,也可以进一步为现场的安全生产与维护提供理论参考依据,非常具有现实指导意义。

为观察采煤机直线截割工况下,铲煤板在未悬空与部分悬空两种工作状态下中部槽的应力分布情况。首先研究采煤机在该工况下中部槽受力情况,利用ADAMS建立采煤机直线截割工况下的虚拟样机模型,通过仿真分析得到采煤机对中部槽的作用力,将得到的载荷曲线导入ANSYS/LS-DYNA中,分别对两种工况进行动力学仿真分析,得到两种工况下中部槽上的应力分布结果。结果表明,采煤机在直线截割工况下,高应力区域主要集中在中部槽肋板根部和槽帮哑铃窝处,其位置与实际中部槽开裂位置一致。从理论上解释了中部槽开裂的原因,该结果可为中部槽的优化设计提供理论指导。

为了研究盘形滚刀破碎岩体的受力过程,利用PFC颗粒流软件对盘形滚刀破碎岩石的过程进行建模仿真,得到其滚动力、侧向力和法向力。引入三种神经网络(BP、ELM、RBF)构建模型,选取适当的函数训练模拟,截取颗粒流仿真得到的部分数据,对盘形滚刀的法向力进行预测,并且随机选取几组节点,比较误差优劣。通过预测结果分析得知,ELM极限学习机对该模型具有较高的预测准确度,可为试验或仿真模型提供预测分析,验证其正确性,具有一定的指导意义。

为了分析采煤机直线割煤时对中部槽、哑铃销的影响,对中部槽-哑铃销连接体系进行受力分析。通过ADAMS仿真得到中部槽所受载荷,并建立相应的几何模型。将目标载荷与几何模型导入到LS-DYNA中进行动力学仿真分析,得到中部槽、哑铃销随时间变化的受力情况。结果表明中部槽受力较大的两个部位分别是凹凸端头哑铃窝处和铲煤板侧肋板根部,其高应力部位与实际中部槽断裂部位一致;哑铃销最大受力部位位于轴向截面突变处。提出了加厚中部槽凹凸端头槽帮以减小应力集中,并进行了验证,为中部槽哑铃销的优化提供了方向。

针对行星齿轮箱振动信号成分复杂、非平稳、非线性的特点,提出一种基于变分模态分解(VMD)能量熵和隐马尔科夫模型(HMM)的故障识别方法。利用VMD算法对不同故障类型的齿轮振动信号进行分解,提取经信号分解得到的各阶本征模态函数(IMF)的能量熵。基于不同故障类型的各IMF分量能量熵在分布上的各异性,将其集合作为故障识别的特征向量。利用不同故障类型的特征向量组成的训练集训练HMM,计算最大对数似然概率值,用于判断测试样本的故障类型。利用该方法对一定转速下行星轮的3种故障进行识别,结果表明:当载荷不同时,它对行星轮齿根裂纹、断齿和齿面磨损3种故障的平均识别率可达到95.83%。

针对矿用盘式制动器闸瓦磨损面积扩散率与未磨损面积的关系,建立磨损面积扩散率与磨损面积的数学模型,采用两种方法求解,获得磨损面积随制动时间的变化规律的表达式、磨损面积扩散率对时间变化规律的表达式,磨损面积扩散率的增幅随时间变化规律的表达式,并推导了求解磨损面积扩散速率的具体计算方法及在简化计算采用的估计值;给出在稳定磨损阶段摩擦片工作时长的计算方法,并绘图逐一说明。分析结果不但可用于闸瓦的磨损计算和寿命估计,而且推导所用的分析方法和解法亦广泛适用于其它接触面磨损计算。

为了提高磁粉制动器的加载质量,在建立其数学模型的基础上,对相应的控制算法进行了研究。由于磁粉的滞后性,提出了施密斯预估控制的方式,但施密斯预估控制对系统的数学模型有较高的要求,故引入模糊控制的控制方式,构成模糊施密斯控制,并在此基础上提出了对模糊施密斯控制的输出进行积分作用,从而达到理想的控制效果。利用Matlab,实现了常规PID控制和引入积分的模糊施密斯预估控制对磁粉制动器控制的计算机仿真,仿真结果表明：引入积分作用的模糊施密斯预估控制对磁粉制动器这类时滞系统来说,较常规PID控制而言,具有更高的实用性。

为了研究矿井提升机转子速度与系统所受载荷的耦合特性,以矿井提升机传动系统整体为研究对象,以传递矩阵法的假设为依据,简化得到两自由度与三自由度物理模型,运用拉格朗日方程分别建立了其动力学数学模型,通过Matlab/Simulink仿真研究载荷与动力学特性耦合关系,最后构建了遗传算法优化的支持向量机模型,并探索了应用遗传算法优化的支持向量机模型辨识载荷的方法,对驱动力矩、制动力矩辨识载荷的相关系数分别为0.99445与0.98916,回归性能良好,表明了辨识载荷的有效性。

针对传统转子系统故障诊断信号的单一性,提出了基于电机电流和多传感器振动信号的融合信号的转子系统故障诊断方法。首先在单跨转子试验台上模拟转子系统的不平衡、不对中、碰磨故障,并采集不同故障类型下拖动电机的电流信号及不同位置的振动信号,其次利用小波包能量法对采集的信号进行特征值提取,最后利用贝叶斯网络对转子系统故障类型进行识别。试验结果表明：与只利用电机电流信号或振动信号相比,利用融合信息进行转子系统故障诊断准确率明显提高。