當前位置:首頁>>行業資訊>>技術應用>> 基于彈性動力學分析的黃豆除雜振動篩優化設計

基于彈性動力學分析的黃豆除雜振動篩優化設計

時間:2017-08-02  來源:中國振動篩網  瀏覽次數:1789

  振動篩是一種物料分級設備,因其結構簡單、工作可靠,被廣泛應用于建筑、選煤、選礦、冶金、石化等領域。振動篩的設計關系到篩分效果、生產效率和節能水平,從而直接影響企業的經濟效益。目前相關的設計研究主要在剛性動力學范疇內,但是實際上因為車速的提高,振動篩的動態特性對篩分效果有一定的影響。

  某一自主研發的黃豆除雜振動篩,由于結構參數和轉速選取不當,存在篩分效率低、篩分效果差、板簧易斷裂等問題。本文構建了該振動篩的彈性動力學模型,推導出計入機構彈性后的物料相對篩面左滑、右滑的運動方程,以及物料在篩面上的平均推進速度;并且采用BP神經網絡得出振動篩的相關參數與篩分性能之間的關系,重構彈性動力學模型,加速動力學計算過程;再以板簧的截面慣性矩、曲柄長度和轉速為參數,以篩分效率為目標建立優化模型,對參數進行了優化。

  1振動篩的運動學和動力學模型黃豆除雜振動篩連接結構如所示,擺桿為―),男,河南商丘人,碩士研究生,主要從事機械動力學方面的研究。

  當十1性進行篩選分級的,所以振動篩設計時要使物料相對于振動面僅滑動而無跳動,且獲得盡可能大的豎直方向上的振動慣性力。在中,當曲柄處于第I、F象限時,物料有沿篩面法向運動的趨勢,其臨界條件為:式(4)中各變量的含義與式(2)中相同。

  2.2物料相對篩面滑動的位移和平均推進速度在以往的研究中,對于物料相對篩面的滑動位移和平均推進速度的計算都是建立在振動篩各構件為剛體的基礎上,沒有考慮振動篩彈性運動的影響,因此計算所得與實測結果有較大誤差。為減少誤差,本文考慮了振動篩的彈性運動,即后文中的變量a是篩體質心的實際加速度值,包含了振動篩的彈性運動。

  2.2.1物料相對篩面向左滑動的位移St2.2.1.1物料相對篩面向左滑動的加速度at如所示,當曲柄轉至第n、m象限時,物料受到四個力的作用:重力G、篩面的支撐力N、篩面的摩擦力F和慣性力當搡沿篩面方向的分力大于滑動摩擦力F時,物料相對篩面向左滑動,設相對滑動的速度為仇,則相對滑動加速度at =|.設、at向右為正,則:2.2.1.2物料相對篩面向左滑動的速度仇設物料相對篩面向左滑動的開始時刻為、終止時刻為。由式(2)可知時刻篩面的加速度位移Sl為:2.2.2物料相對篩面向右滑動的位移Sr2.2.2.1物料相對篩面向右滑動的加速度aR如所示,當曲柄轉至第I、F象限時,物料的受力為:及N Pksin/代入(7)式后得出,2.2.2.2物料相對篩面向右滑動的速度Vr設物料相對篩面向右滑動的開始時刻為,終止時刻為,。由式(3)知,時刻物料相對篩面的加速度a=gp,據此可求得,對應理積分可得物料在I、F象限內任一時刻相對篩面向右滑動的速度,20時,可求得,此時i=,f 2.2.2.3物料相對篩面向右滑動的位移Sr物料在時間區間中相對篩面向右滑動的位移為,ta,在曲柄轉動周期中的位置如所示。

  2.2.3物料相對篩面的平均推進速度在振動篩曲柄的一個轉動周期內,物料相對篩面向右滑動的位移、相對篩面向左滑動的位移以及物料相對篩面跳起后沿篩面方向的相對位移,三者矢量和除以曲柄轉動周期為物料相對篩面的平均推進速度。因為一般情況下物料在篩面上沒有相對跳動現象,所以在計算物料相對篩面的平均推進速度時,僅考慮物料相對篩面左右滑動的情況。故物料相對篩面的平均推進速度,由公式(4)得物料相對篩面無跳動的條件:g9(X)=g―asin/>0. 3.1.3目標函數式(9)中w表示振動篩曲柄的轉動角速度,單位為3振動篩的優化3.1振動篩優化模型的建立3.1.1參數選擇影響篩架橫向往復運動的主要因素有板簧的截面慣性矩、曲柄的長度和轉速,故選取設計參數如下:其中為板簧截面的寬度,單位為為板簧截面的厚度,單位為mm;r為曲柄長度,單位為mm;w為曲柄角速度,單位為rad/s.為達到良好的篩分效果,物料相對篩面向左滑動的位移和相對篩面向右滑動的位移值之和應大,即增加物料在單位時間內相對篩面滑動的距離,將增加物料透過篩孔的概率。建立目標函數如下:按前述,式(11)中所涉及的加速度為計入板簧彈性后的篩體質心在中S軸方向的加速度,可通過動力學分析求得,但求解動力學模型的動態響應較為耗時。為加速優化進程,通過BP神經網絡重構振動篩的彈性動力學模型,即首先對所建動力學模型按不同參數進行計算,得到的數據作為樣本;其次將優化設計變量對應的數據作為神經網絡的輸入,目標函數對應的數據作為神經網絡的輸出,得到神經網絡訓練樣本,如表1所示;然后設置好網絡的輸入層、輸出層和中間層的神經元個數以及網絡的訓練次數和誤差后,就可以對網絡進行訓練。訓練后的神經網絡,可用于振動篩的優化。

  表1神經網絡的訓練樣本優化模型求解及結果這樣改進能獲得好的序號輸入輸出截面寬度b/截面厚度h/以原始設計參數為組初始變量,因初始設計時振動篩的結構參數和運動參數分別為:板簧截面寬度h=25mm、板簧截面厚度b=2mm、曲柄長度r=2.5mm、曲柄角速度w=98.1rad/s,故X0=T利用Matlab自帶的約束優化函數fconmin得到優設計變量和優函數值為:根據上述結果,可以得到振動篩的優化方案,即保持板簧截面寬度、厚度不變,曲柄長度改為4.4篩分效果。

  3.3優化結果分析與驗證時,對比上述結果可知,優化后物料的推進速度加快,從而提高了振動篩的工作效率。

  另外,優化前篩面在豎直方向的加速度大值為7.95X103mm/s2,優化后篩面在豎直方向的加速度大值為9.87X103mm/s2.比較這兩個結果,可以看出優化后物料在篩分過程中獲得了變化幅度更大的慣性力,這更有利于物料的分級,使篩分效果更好。

  4結語本文結合彈性動力學模型,針對振動篩的篩分效率和篩分效果建立關于結構參數與運動參數的優化模型,且得出了可行的優化結果,提高了振動篩的篩分效果和篩分效率。所以,從機構彈性動力學的角度出發對振動篩進行優化是一種改進設計的有效方法,也進步完善了振動篩的設計理論,對工程實際有較好的指導作用。但是,實際上影響振動篩工作性能的相關因素比較多,也比較復雜,這里也僅僅將柔度較大的板簧作為彈性件、轉速作為運動參數來考慮,未將物料特性聯系起來,所以仍存在定的局限性。

相關資訊
資訊推薦
熱門新聞排行
更多>>視頻分享
荔枝视频app黄板下载-荔枝视频app下载污免费-免费荔枝视频