文献类型：期刊文章

作　　者：范小宁[1] 徐格宁[1] 王爱红[1]

机构地区：[1]太原科技大学机电工程学院,太原030024

出　　处：《机械工程学报》

基　　金：'十一五'国家科技支撑计划(2006BAK02B04-0102);山西省自然科学基金(2010011031-5)资助项目

年　　份：2011

卷　　号：47

期　　号：20

起止页码：69-74

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20114614514705)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现在役起重机的疲劳剩余寿命估算,预防灾难性事故,确保起重机使用的安全性。针对起重机使用工况的高度随机性和不确定性,以通用桥式起重机为研究对象,首次通过大量的数据调研,采集不同额定起升载荷起重机在一个工作时段内对应不同起升载荷的工作循环次数簇,基于人工神经网络(Artificial neural network,ANN)技术获取预评估起重机的当量载荷谱。以Miner疲劳损伤累积理论、线弹性断裂力学理论和雨流计数法为理论基础,运用Paris-Eadogan方程,推导疲劳剩余寿命计算公式,以实现通用类桥式起重机疲劳剩余寿命估算。经实例验证:所提出的方法可快速获取该类型预评估疲劳剩余寿命起重机的当量载荷谱并估算其主梁的疲劳剩余寿命,大大节省起重机现场实测的烦琐过程和大量投入。与实测应力谱计算的疲劳剩余寿命相比具有较好的吻合性和实用性,说明应用本方法进行起重机的疲劳剩余寿命估算是可行和有效的。

关 键 词：桥式起重机 当量载荷谱  人工神经网络 疲劳剩余寿命  

分 类 号：TH215]