煤炭三维截割力传感器的设计与解耦分析
|
摘要
设计了一种煤炭三维截割力传感器,通过传感器可以准确获得采煤机截齿在截割过程中的受力信息,从而为深入研究煤炭截割机理、定量评价煤炭截割特性、合理选择和使用采煤机和截齿提供依据。该传感器是采用电阻应变式的测量原理,通过黏贴在弹性体上应变片的受力变形测出三维力信号。
传感器由弹性体、连接件和保护罩组成,弹性体是传感器的核心部分。本文设计的弹性体是一个圆环结构,在圆环的上下两层各开4个槽孔,槽孔是对称分布的,相位相差45°。上下层槽孔间和同层槽孔间的薄壁区为剪切应力敏感区,不同的剪切应变区对应测量由不同方向的力产生的应变。弹性体的结构尺寸通过正交试验方法进行优化设计得到。
其次,采用有限元软件Ansys对传感器进行了静态分析、模态分析、谐响应分析和瞬态响应分析,得到了传感器在静态载荷作用下的应变变化规律,从而确定了应变片的贴片位置。同时得出了传感器的固有频率、振型和频响特性。
再次,对弹性体进行贴片,通过合理的组桥方式,从理论上消除维间耦合。传感器的标定实验是采用加标准砝码的方法进行的。通过静态标定,得到了传感器的非线性度、灵敏度、回程误差等静态性能指标。
最后对传感器进行解耦,本文采用最小二乘法对传感器进行静态线性解耦,采用BP神经网络方法和独立成分分析方法进行静态非线性解耦。证实了BP神经网络解耦的方法比最小二乘法和独立成分分析方法解耦的精度高。
图[63]表[13]参[44]
In this paper. a kind of three-axis coal-cutting force sensor is presented. We can obtain force information of shearer in the cutting process through the sensor, which provides a basis for in-depth research of cut coal mechanism, quantitative assessing of cut coal features, reasonable options and the use of coal cutters and cut teeth.The sensor measures three-axis force signals through stress deformation of the strain gauge in elastic body.
Firstly, sensor is comprised of elastic body, fitting and a protective covering. The elastic body is the core part of the sensor. It is a torus structure, and four slots are opened in the torus structure of the above and below. Slot is symmetrical,45°phase difference.The thin-walled area between the above slot and the below slot is named shear stress area.Different shear strain area corresponding measure different direction of force. The size of elastic body structure is optimized through orthogonal tests.
Secondly, the static analysis, modal analysis, harmonic response analysis and transient response analysis of sensor had been run by finite element software Ansys. Strain changing regularity of the sensor in the static load was obtained, so that we can determine the position of the strain gauge patch was determine. Meanwhile, the natural frequency, vibration mode and frequency response characteristics of the sensor were derived.
Thirdly, stain gauge was pasted on the elastic body. Through the reasonable Bridge circuit, coupling between dimensions was eliminated in theory. Sensor calibration experiment was carried out using the method of plus standard farmar. Nonlinearity, sensitivity, hysterisis error etc static performance index of the sensor were obtained by the static calibration.
Lastly, the static linear decoupling was carried out by least square method, and BP neural network method and independent component analysis method was used for static nonlinear decoupling.What's more, it was confirmed that BP neural network decoupling method was much more accurate than the least square method and the independent component analysis method.
Figure [63] Table [13] Reference [44]
传感器由弹性体、连接件和保护罩组成,弹性体是传感器的核心部分。本文设计的弹性体是一个圆环结构,在圆环的上下两层各开4个槽孔,槽孔是对称分布的,相位相差45°。上下层槽孔间和同层槽孔间的薄壁区为剪切应力敏感区,不同的剪切应变区对应测量由不同方向的力产生的应变。弹性体的结构尺寸通过正交试验方法进行优化设计得到。
其次,采用有限元软件Ansys对传感器进行了静态分析、模态分析、谐响应分析和瞬态响应分析,得到了传感器在静态载荷作用下的应变变化规律,从而确定了应变片的贴片位置。同时得出了传感器的固有频率、振型和频响特性。
再次,对弹性体进行贴片,通过合理的组桥方式,从理论上消除维间耦合。传感器的标定实验是采用加标准砝码的方法进行的。通过静态标定,得到了传感器的非线性度、灵敏度、回程误差等静态性能指标。
最后对传感器进行解耦,本文采用最小二乘法对传感器进行静态线性解耦,采用BP神经网络方法和独立成分分析方法进行静态非线性解耦。证实了BP神经网络解耦的方法比最小二乘法和独立成分分析方法解耦的精度高。
图[63]表[13]参[44]
In this paper. a kind of three-axis coal-cutting force sensor is presented. We can obtain force information of shearer in the cutting process through the sensor, which provides a basis for in-depth research of cut coal mechanism, quantitative assessing of cut coal features, reasonable options and the use of coal cutters and cut teeth.The sensor measures three-axis force signals through stress deformation of the strain gauge in elastic body.
Firstly, sensor is comprised of elastic body, fitting and a protective covering. The elastic body is the core part of the sensor. It is a torus structure, and four slots are opened in the torus structure of the above and below. Slot is symmetrical,45°phase difference.The thin-walled area between the above slot and the below slot is named shear stress area.Different shear strain area corresponding measure different direction of force. The size of elastic body structure is optimized through orthogonal tests.
Secondly, the static analysis, modal analysis, harmonic response analysis and transient response analysis of sensor had been run by finite element software Ansys. Strain changing regularity of the sensor in the static load was obtained, so that we can determine the position of the strain gauge patch was determine. Meanwhile, the natural frequency, vibration mode and frequency response characteristics of the sensor were derived.
Thirdly, stain gauge was pasted on the elastic body. Through the reasonable Bridge circuit, coupling between dimensions was eliminated in theory. Sensor calibration experiment was carried out using the method of plus standard farmar. Nonlinearity, sensitivity, hysterisis error etc static performance index of the sensor were obtained by the static calibration.
Lastly, the static linear decoupling was carried out by least square method, and BP neural network method and independent component analysis method was used for static nonlinear decoupling.What's more, it was confirmed that BP neural network decoupling method was much more accurate than the least square method and the independent component analysis method.
Figure [63] Table [13] Reference [44]
引文
[1]强锡富.传感器[M].第3版.北京：机械工业出版社,2005：13-14
[2]赵耀军 马忠孝 陶云.煤炭截割三向力传感器的研究[J].辽宁工程技术大学学报,1999.18(1)：50-54
[3]方立 孙怡宁 王理丽.新型三维力传感器的研制与应用[J].传感器技术,2002.21(7)：49-51
[4]蒲筠果 赵晓东.机器人力传感器分析[J].邢台职业技术学院学报,2004.21(5)21-39
[5]潘桂梅 罗毅 黄文通等.应变计式三维压力传感器的设计[J].实验力学,2003.18(1)：118-122
[6]陈雄标 袁哲俊 姚英学.多维力传感器设计的评价准则与优化设计研究[J].哈尔滨工业大学学报,1997.29(4)：88-92
[7]许林云 刘军 李赵春.八角环式三向测力传感器的研究J.南京林业大学学报,2008.32(4)：121-124
[8]姜彤 王世清 韩伟.机械手三维力传感器的设计[J].传感器世界,2005.8：10-12
[9]Maruti R.Gudavalli.James M. Three-Dimensional force sensor based feedback device in the treatment of low back pain[J]. ICISIP,2004:201-205
[10]P.Valdastri,S.Roccella,L.Beccai. Characterization of a novel hybrid silicon three-axial force sensor[J]. Sensors and Actuators A 123-124 (2005) 249-257
[11]宋伟.六维力传感器优化设计及静动态特性研究[D].安徽理工大学,2010
[12]刘少强 张靖.传感器设计与应用实例[M].第1版.北京：中国电力出版社,2008：135-137
[13]Xin,Zhang. Design of a new type six-axis force sensor[R]. Changsha,Hunan,China: ICICTA.2009
[14]王小燕.三维加速度传感器优化设计及静动态特性研究[D].淮南：安徽理工大学,2008
[15]陈魁.试验设计与分析[M].第1版.北京：清华大学出版社,1996：94-120
[16]江洪陈燎王智.SolidWorks有限元分析实例解析[M].第1版.北京：机械工业出版社,2007
[17]吕佳佳 张新 靳华伟.煤炭三向截割力传感器的弹性体优化设计[J].矿山机械,2010,14
[18]邓平凡ANSYS10.0有限元分析自学手册[M].第1版.北京：人民邮电出版社,2007
[19]郑怀兵.打磨机器人手臂的三维设计与静动态分析[D].东北大学,2008
[20]张晋红吴风林.有限元法及其应用现状[J].建材技术与应用,2007,4：9-10
[21]安世亚太.ANSYS基本分析过程指南[M].机械工业出版社,1994,12
[22]崔栋梁.三维动静组合载荷下高应力岩体动力特性及岩爆研究[D].中南大学,2007
[23]赵耀军.煤炭三向截割力传感器特性研究[J].煤炭学报,2000,25(3)：316-320
[24]秦征平.40CrNiMo热处理工艺的改进[J].一重技术,2009,1：31-32
[25]王志厚尚学平.应变式传感器弹性体的选材及热处理[J].传感器世界,1998,2：37-39
[26]张新费业泰.应变式全剪切三维加速度传感器的设计[J].中国机械工程,2007,18(10)：1157-1160
[27]陈惠.三维加速度传感器静态标定研究[J].中国科技信息,2009,1：109-110
[28]郑红梅.基于LabVIEW的腕力传感器静态标定系统研究[J].农业机械学报,2006,37(2)：102-105
[29]姬翠翠朱华江炜.基于Matlab和Origin实现测力传感器的静态标定[J].传感器与维系统,2007,26(12)：106-120
[30]李义军谭静刘珍等.基于MATLAB实现传感器静态标定[J].计量与测试技术,2005,6：29-31
[31]金振林岳义.Stewart型六维力传感器的静态解耦实验[J].仪器仪表学报,2006,27(12)：1715-1718
[32]姜力刘宏蔡鹤皋等.基于神经网络的多维力传感器静态解耦的研究[J].中国机械工程,2002,13(24)：2100-2103
[33]姜力刘宏蔡鹤皋.多维力/力矩传感器静态解耦的研究[J].仪器仪表学报,2004,25(3)：284-287
[34]徐科军李成.多维腕力传感器静态解耦的研究[J].合肥工业大学学报,1999,22(2)：1-6
[35]张学敏MATLAB基础及应用[M].第1版.北京：中国电力出版社,2009
[36]罗成汉.基于MATLAB神经网络工具箱的BP网络实现[J].计算机仿真,2004,21(5)：109-115
[37]胡守仁.神经网络导论[M].第1版.长沙：国防科技大学出版社,1993
[38]飞思科技产品研发中心.MATLAB6.5辅助神经网络分析与设计[M].第3版.北京：电子工业出版社,2003
[39]丛爽.面向MATLAB工具箱的神经网络理论与应用[M].第1版.合肥：中国科学技术大学出版社,1998
[40]葛哲学孙志强.神经网络理论与MATLAB R2007实现[M].第1版.北京：电子工业出版社,2007
[41]方婷.基于独立成分分析的肌肉痉挛评估[D].安徽理工大学,2010
[42]刘洋吴新杰.独立成分分析方法的研究及应用[J].沈阳教育学院学报,2006,8(1)：125-126
[43]杨竹青胡德文.独立成分分析方法在盲源信号分离中的应用[J].计算机测量与控制,2002,10(3)：200-202
[44]吴逊席斌.独立成分分析算法及其在外汇分析中的应用[J].哈尔滨工程大学学报,2006,27：601-606
[2]赵耀军 马忠孝 陶云.煤炭截割三向力传感器的研究[J].辽宁工程技术大学学报,1999.18(1)：50-54
[3]方立 孙怡宁 王理丽.新型三维力传感器的研制与应用[J].传感器技术,2002.21(7)：49-51
[4]蒲筠果 赵晓东.机器人力传感器分析[J].邢台职业技术学院学报,2004.21(5)21-39
[5]潘桂梅 罗毅 黄文通等.应变计式三维压力传感器的设计[J].实验力学,2003.18(1)：118-122
[6]陈雄标 袁哲俊 姚英学.多维力传感器设计的评价准则与优化设计研究[J].哈尔滨工业大学学报,1997.29(4)：88-92
[7]许林云 刘军 李赵春.八角环式三向测力传感器的研究J.南京林业大学学报,2008.32(4)：121-124
[8]姜彤 王世清 韩伟.机械手三维力传感器的设计[J].传感器世界,2005.8：10-12
[9]Maruti R.Gudavalli.James M. Three-Dimensional force sensor based feedback device in the treatment of low back pain[J]. ICISIP,2004:201-205
[10]P.Valdastri,S.Roccella,L.Beccai. Characterization of a novel hybrid silicon three-axial force sensor[J]. Sensors and Actuators A 123-124 (2005) 249-257
[11]宋伟.六维力传感器优化设计及静动态特性研究[D].安徽理工大学,2010
[12]刘少强 张靖.传感器设计与应用实例[M].第1版.北京：中国电力出版社,2008：135-137
[13]Xin,Zhang. Design of a new type six-axis force sensor[R]. Changsha,Hunan,China: ICICTA.2009
[14]王小燕.三维加速度传感器优化设计及静动态特性研究[D].淮南：安徽理工大学,2008
[15]陈魁.试验设计与分析[M].第1版.北京：清华大学出版社,1996：94-120
[16]江洪陈燎王智.SolidWorks有限元分析实例解析[M].第1版.北京：机械工业出版社,2007
[17]吕佳佳 张新 靳华伟.煤炭三向截割力传感器的弹性体优化设计[J].矿山机械,2010,14
[18]邓平凡ANSYS10.0有限元分析自学手册[M].第1版.北京：人民邮电出版社,2007
[19]郑怀兵.打磨机器人手臂的三维设计与静动态分析[D].东北大学,2008
[20]张晋红吴风林.有限元法及其应用现状[J].建材技术与应用,2007,4：9-10
[21]安世亚太.ANSYS基本分析过程指南[M].机械工业出版社,1994,12
[22]崔栋梁.三维动静组合载荷下高应力岩体动力特性及岩爆研究[D].中南大学,2007
[23]赵耀军.煤炭三向截割力传感器特性研究[J].煤炭学报,2000,25(3)：316-320
[24]秦征平.40CrNiMo热处理工艺的改进[J].一重技术,2009,1：31-32
[25]王志厚尚学平.应变式传感器弹性体的选材及热处理[J].传感器世界,1998,2：37-39
[26]张新费业泰.应变式全剪切三维加速度传感器的设计[J].中国机械工程,2007,18(10)：1157-1160
[27]陈惠.三维加速度传感器静态标定研究[J].中国科技信息,2009,1：109-110
[28]郑红梅.基于LabVIEW的腕力传感器静态标定系统研究[J].农业机械学报,2006,37(2)：102-105
[29]姬翠翠朱华江炜.基于Matlab和Origin实现测力传感器的静态标定[J].传感器与维系统,2007,26(12)：106-120
[30]李义军谭静刘珍等.基于MATLAB实现传感器静态标定[J].计量与测试技术,2005,6：29-31
[31]金振林岳义.Stewart型六维力传感器的静态解耦实验[J].仪器仪表学报,2006,27(12)：1715-1718
[32]姜力刘宏蔡鹤皋等.基于神经网络的多维力传感器静态解耦的研究[J].中国机械工程,2002,13(24)：2100-2103
[33]姜力刘宏蔡鹤皋.多维力/力矩传感器静态解耦的研究[J].仪器仪表学报,2004,25(3)：284-287
[34]徐科军李成.多维腕力传感器静态解耦的研究[J].合肥工业大学学报,1999,22(2)：1-6
[35]张学敏MATLAB基础及应用[M].第1版.北京：中国电力出版社,2009
[36]罗成汉.基于MATLAB神经网络工具箱的BP网络实现[J].计算机仿真,2004,21(5)：109-115
[37]胡守仁.神经网络导论[M].第1版.长沙：国防科技大学出版社,1993
[38]飞思科技产品研发中心.MATLAB6.5辅助神经网络分析与设计[M].第3版.北京：电子工业出版社,2003
[39]丛爽.面向MATLAB工具箱的神经网络理论与应用[M].第1版.合肥：中国科学技术大学出版社,1998
[40]葛哲学孙志强.神经网络理论与MATLAB R2007实现[M].第1版.北京：电子工业出版社,2007
[41]方婷.基于独立成分分析的肌肉痉挛评估[D].安徽理工大学,2010
[42]刘洋吴新杰.独立成分分析方法的研究及应用[J].沈阳教育学院学报,2006,8(1)：125-126
[43]杨竹青胡德文.独立成分分析方法在盲源信号分离中的应用[J].计算机测量与控制,2002,10(3)：200-202
[44]吴逊席斌.独立成分分析算法及其在外汇分析中的应用[J].哈尔滨工程大学学报,2006,27：601-606