采煤机截割部在截割过程中承受随机负载,这严重影响采煤机的可靠性和寿命。为研究采煤机截割部传动系统在真实负载下的动力学响应,将UG建立的采煤机截割部传动系统几何模型导入多体动力学软件Adams中,再将LS-DYNA计算所得的真实载荷施加到滚筒,从而进行动力学仿真。通过将角速度、角加速度、啮合力仿真结果与理论对比,验证了仿真结果的可靠性。结果表明时域中,在受到较大负载时,齿轮角加速度、啮合力振幅也会相应提高;频域中,齿轮角加速度、啮合力幅值在各基频及其倍频处较高;由于负载的影响,啮合力在低频处幅值相对较高。对截割部的优化设计具有重要的指导意义。

在文本分类中，应用支持向量机（SVM）算法能使分类在小样本的条件下具有良好的泛化能力。但支持向量机的参数取值决定了其学习性能和泛化能力。为提高支持向量机算法的性能，提出了一种采用免疫算法对支持向量机参数进行优化的文本分类算法（IA—SVM）。算法减少了对支持向量机参数选择的盲目性，提高了SVM的预测精度。实验表明，IA—SVM算法在文本分类问题上明显提高了分类正确率，学习速度也有提高。