简介:在微型轿车正面碰撞过程中,乘员容易受到严重伤害,优化乘员约束系统对于乘员的保护极其重要。综合利用LS-dym、VPG等软件,建立了包含HybirdⅢ50^th假人、坐椅、安全带和转向系统在内的某微型轿车约束系统模型。针对约束系统中的安全带织带刚度、卷收器锁止特性、安全带上挂点位置、坐垫刚度等敏感设计参数进行了碰撞过程的仿真计算,并给出了相应的乘员响应曲线和人体损伤值,同时总结出约束系统设计参数与乘员保护有效性间的规律。基于加权损伤准则,对约束系统进行了优化,使WWIC降幅达21%,提高了约束系统的保护性能。该规律可以应用于其他车型的乘员约束系统。
简介:根据杨村煤矿17煤的水文地质条件,应用岩石破裂过程渗流与损伤耦合作用分析系统(F-RFPA2D),建立了薄煤层底板采动破坏的数值模型,模拟了采动条件下底板的破断失稳、裂隙扩展和突水过程,探讨了底板突水的机理,并对底板的易发生突水部位进行了预测.结果表明,当回采工作面推进到26.8m时,在隔水层的两个约束端产生拉剪破坏区.该破坏区和12灰贯通形成突水通道.突水后通道处的位移、流量都发生突变增加,并形成连锁反应,使12灰到13灰及其之间的隔水层依次发生破坏,最大破坏深度达13m,但未勾通和14灰、奥灰之间的水力联系,在底板没有断层的地段不会发生突水.两个工作面采前和采后压水试验结果表明,采动后底板破坏深度在9.96~12.35m,同数值模拟结果相吻合.
简介:矿井瓦斯突出的发生是一个非线性系统在时空演化过程中的灾变行为,影响突出的各个基本因素与突出危险性之间存在复杂的非线性映射关系。对于处理这样的非线性时空演变问题,传统的数学方法是有局限性的。为了更好地预测矿井瓦斯涌出量,将灰色理论引入到预测精度高的遗传神经网络,使灰色理论和遗传神经网络有机结合起来,以神经网络理论为基础,利用遗传算法优化隐含层神经元个数和网络中的连接权值,并用其建立瓦斯涌出量的预测新模型。在实验室测试数据的基础上,建立遗传神经网络训练和检验样本集,并且将检验结果分别与标准BP神经网络的预测结果进行比较。
简介:为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。
简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.