CN118095023B - 一种刀盘结构的有限元分析方法和*** - Google Patents
一种刀盘结构的有限元分析方法和*** Download PDFInfo
- Publication number
- CN118095023B CN118095023B CN202410527876.5A CN202410527876A CN118095023B CN 118095023 B CN118095023 B CN 118095023B CN 202410527876 A CN202410527876 A CN 202410527876A CN 118095023 B CN118095023 B CN 118095023B
- Authority
- CN
- China
- Prior art keywords
- cutterhead
- analysis
- coefficient
- cutter
- cutter head
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 209
- 238000012360 testing method Methods 0.000 claims abstract description 80
- 238000011156 evaluation Methods 0.000 claims description 131
- 238000002076 thermal analysis method Methods 0.000 claims description 94
- 238000000034 method Methods 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 31
- 238000002474 experimental method Methods 0.000 claims description 28
- 239000000463 material Substances 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 20
- 238000013461 design Methods 0.000 claims description 19
- 230000005641 tunneling Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 15
- 238000010219 correlation analysis Methods 0.000 claims description 14
- 238000005520 cutting process Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 230000004907 flux Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 239000007787 solid Substances 0.000 claims description 7
- 238000010835 comparative analysis Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000011897 real-time detection Methods 0.000 claims description 4
- 238000005299 abrasion Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000009864 tensile test Methods 0.000 claims description 3
- 230000035882 stress Effects 0.000 description 64
- 230000006399 behavior Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000008646 thermal stress Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种刀盘结构的有限元分析方法和***,本发明涉及刀盘分析技术领域,该***通过智能评估模块在检测到刀盘热分析系数异常时,触发***进行优化设计,***使用数字孪生模型中的数字建模单元,结合实际工作条件和环境数据,构建数字孪生模型,该数字孪生模型基于物理模型和数据驱动,通过虚拟测试实验模拟不同工作条件下的刀盘负载情况,进而分析数字孪生模型的响应刀盘性能,通过不断迭代和改进数字孪生模型,***能够优化模型的预测性能,确保其准确反映刀盘在实际工作中的工况。这使得***能够根据实际测试结果和用户反馈,自动调整参数,不断提高数字孪生模型的精度和适用性。
Description
技术领域
本发明涉及刀盘分析技术领域,具体为一种刀盘结构的有限元分析方法和***。
背景技术
刀盘结构的有限元分析***属于工程领域中的数值仿真技术应用,是在盾构机械工程领域中的一项重要研究。盾构机作为地下工程中的主要开挖工具,在盾构机刀盘的工作环境中,刀盘承受着复杂的地下土层力和切削力,其结构设计直接关系到盾构机的整体性能,因此对其性能进行准确的分析和评估显得尤为关键,通过有限元分析***,可以更好地理解刀盘的应力分布、疲劳寿命和负载情况。
现阶段传统的有限元分析方法在解决盾构机刀盘结构问题时,面临一些挑战和局限,特别是在刀盘的热分析方面,传统方法常常无法充分考虑实际工作条件中的温度变化和热应力分布,同时传统的有限元分析方法往往只关注刀盘的静态应力和部分工况下的负载情况,不易于有效地模拟刀盘在实际工作中的动态负载和热应力此外,现有***在综合评估和优化设计方面的功能相对不足,不易于提供准确的刀盘性能评估,并且缺乏对异常条件的自动识别和处理机制。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种刀盘结构的有限元分析方法和***,解决了背景技术中提到的问题。
技术方案
为实现以上目的,本发明通过以下技术方案予以实现:包括数字孪生单元、刀盘测试单元、数据采集模块、数据分析模块和智能评估模块;
所述数字孪生单元用于构建盾构机刀盘有限元分析的数字孪生模型,用于将刀盘的物理数据一比一地输入至数字孪生模型,并设置相关刀具有限元分析测试实验功能;
所述刀盘测试单元通过数字孪生模型中的有限元分析测试实验功能,对刀盘进行静载测试实验和动载测试实验,并实时对静载测试和动载测试的综合刀盘数据和刀盘热分析数据进行实时检测记录,同时将记录的数据进行存储;
所述数据采集模块用于实验测试所获取的综合刀盘数据和刀盘热分析数据,进行分类汇总,并生成第一数据集和第二数据集;
所述数据分析模块包括第一分析单元、第二分析单元和第三相关联分析单元,所述第一分析单元用于第一数据集提取刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集,无量纲处理后,进行分析计算获取刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>,再由第二分析单元依据第二数据集,无量纲处理后,进行分析计算获取刀盘热分析系数/>;再由所述第三相关联分析单元用于将刀盘应力系数/>、刀盘疲劳系数和刀盘加载系数/>进行汇总分析,生成综合刀盘系数/>,并综合刀盘系数/>与刀盘热分析系数/>进行相关联,生成综合分析系数/>;
所述综合刀盘系数和刀盘热分析系数/>通过以下公式获取;
;
;
式中,、/>和/>表示刀盘应力系数/>、刀盘疲劳系数/>和刀盘加载系数的预设比例系数,且/>,/>,/>,/>,其具体值由用户调整设置,/>表示第一修正常数;
表示刀盘热传导速率,/>表示环境温度,/>表示热膨胀指数,/>表示热通量,/>表示摩擦指数,/>表示刀盘接触面积,/>是沿着热传导方向的距离,/>表示热力不定变量;
所述智能评估模块用于预设热分析评估阈值M与刀盘热分析系数进行初步对比评估,生成相应的评估结果,并通过预设刀盘评估阈值N与综合分析系数/>进行二次对比评估,生成相应的评估结果。
优选的,所述数字孪生单元包括有限元分析单元和数字建模单元;
所述有限元分析单元用于使用专业的三维建模软件,包括SolidWorks和CATIA,建立盾构机刀盘的一比一几何模型,同时几何模型包括刀盘的刀片、刀齿和轴承,确定刀盘各部分的材料,并获取相应的材料性质,利用有限元分析软件对几何模型进行网格划分,其中有限元分析软件包括ANSYS、ABAQUS和COMSOL,设置数字孪生模型并运行有限元分析,分析结果包括应力分析、应变分析、位移分析、疲劳分析和热分析信息,同时定义刀盘受力的加载条件,包括外部载荷、约束和边界条件,分析刀盘在实际使用中的工作环境和受力情况;
所述数字建模单元用于将有限元分析结果与实际工作条件和环境数据相结合,构建数字孪生模型,数字孪生模型基于物理模型和数据驱动,利用数字孪生模型进行虚拟测试实验,模拟不同的工作条件下的盾构机刀盘的负载情况,分析数字孪生模型的响应刀盘在不同条件下的性能,再将数字孪生模型的预测结果与实际实验数据进行比较,验证模型的准确性,并对模型进行优化,调整参数以优化数字孪生模型的预测性能,同时根据实际测试结果和用户反馈,不断迭代和改进数字孪生模型,优化数字孪生模型的精度和适用性。
优选的,所述刀盘测试单元用于在数字孪生模型中通过构建的实体盾构机刀盘,采用数字孪生模型所搭载的有限元分析,对盾构机刀盘的应力、疲劳、刀盘的加载和热力进行实时分析;
刀盘应力考虑了刀盘结构的重量,将轴向支撑约束应用于主轴承配合法兰表面,径向支撑应用于刀盘法兰数字孪生模型自动计算泊松比、刀盘屈服强度/>和刀盘弹性模量/>,切向约束被应用于刀具刀座的顶部区域,同时模拟拉伸试验测量材料在应力加载下的变形,同时在模拟刀盘实际切削过程中,使用力传感器来测量刀具施加在工件上的切削力/>;同时设置密度测试实验,通过直接测量刀盘的质量和体积来计算得出刀盘密度/>;
通过数字孪生模型模拟刀盘在工作中经历的循环性负载,使用负载传感器来测量刀盘在不同工作阶段的负载,同时使用振动传感器来测量测试循环负载的变化频率,获取载荷频率/>,再通过负载传感器来测量再循环负载下,记录每个循环中的峰值负载,获取负载峰值/>和负载谷值/>,同时在模拟刀盘在实际工作中,对刀盘附加摩擦力,分析刀盘在不同摩擦力下适应力,获取刀盘的抗磨损系数/>;
同时在数字孪生模型刀盘的模拟环境中加入传感器实时测试,通过扭矩传感器、霍尔传感器、径向力传感器、压电传感器和应变片,传感器组的设置,在模拟环境中,模拟实际获取数据方式,获取刀盘在实际运行过程中的加载数据,同时通过在实际加载中刀盘在不同摩擦力下,获取到刀盘的相应热力分析数据;
最后对模拟测试中所获取的刀盘应力数据、刀盘疲劳数据、刀盘加载数据和刀盘热分析数据进行实时记录,存储至数字孪生模型中的固态硬盘中。
优选的,所述数据采集模块包括第一采集单元和第二采集单元;
所述第一采集单元用于通过模拟测试实验所得的刀盘应力数据、刀盘疲劳数据和刀盘的加载数据进行分类汇总后生成第一数据集;
所述第一数据集包括刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集;
所述刀盘应力数据集包括泊松比、切削力/>、刀盘密度/>、刀盘屈服强度和刀盘弹性模量/>;
所述刀盘疲劳数据集包括循环负载、载荷频率/>、抗磨损系数/>、负载峰值/>和负载谷值/>;
所述刀盘加载数据集包括扭矩、旋转速度/>、径向力/>、轴向力/>和纵向力/>;
所述第二采集单元用于通过模拟实际运行过程中,盾构机刀盘所产生的热力数据进行汇总,并生成第一数据集,所述第一数据集包括刀盘热传导速率、环境温度/>、热膨胀指数/>、热通量/>和摩擦指数/>。
优选的,所述第一分析单元包括刀盘应力分析单元、刀盘疲劳分析单元和刀盘加载分析单元;
所述刀盘应力分析单元用于依据第一数据集中的刀盘应力数据集,无量纲处理后,进行分析计算获取刀盘应力系数;
所述刀盘应力系数通过以下公式获取;
;
式中和/>是影响泊松比的振动参数,/>和/>表示空间坐标中的横向位置,/>是切削力的频率,/>、/>、/>、/>和/>均由数字孪生模型实体模拟中获取。
优选的,所述刀盘疲劳分析单元用于依据第一数据集中的刀盘疲劳数据集,无量纲处理后,进行分析计算获取刀盘疲劳系数;
所述刀盘疲劳系数通过以下公式获取;
;
式中,表示时间函数,描述了刀盘在不同时间点上受到的总载荷。
优选的,所述刀盘加载分析单元用于依据第一数据集中的刀盘加载数据集,无量纲处理后,进行分析计算获取刀盘加载系数;
所述刀盘加载系数通过以下公式获取;
。
优选的,所述第三相关联分析单元用于将第一分析单元所获取的刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>进行汇总分析,生成综合刀盘系数/>,并综合刀盘系数/>与第二分析单元所获取的刀盘热分析系数/>进行相关联,生成综合分析系数/>;
;
式中,和/>分别表示综合刀盘系数/>和刀盘热分析系数/>的预设比例系数,且/>,/>,其具体值由用户调整设置,/>表示第二修正常数。
优选的,所述智能评估模块包括第一评估单元和第二评估单元;
所述第一评估单元用于预设热分析评估阈值M与第二分析单元分析所获取的刀盘热分析系数进行对比评估,并生成相应的评估结果,具体评估方案如下;
当刀盘热分析系数>热分析评估阈值M时,表示盾构机刀盘有限元分析中的热分析中存在异常,此时利用热分析结果进行优化设计,通过在数字孪生模型中修改材料、结构和几何形状参数,优化刀盘的设计改善热性能;
当刀盘热分析系数≤热分析评估阈值M时,此时盾构机刀盘有限元分析中的热分析处于正常状态,此时则进入第二评估机制;
所述第二评估单元用于预设刀盘评估阈值N与第三相关联分析单元所获取的综合分析系数,并生成相应的评估结果,具体评估方案如下;
当综合分析系数>刀盘评估阈值N,则表示刀盘在有限元分析过程中存在异常,此时则需要准确建模刀盘的几何形状、材料性质和边界条件,确保数字孪生模型合理地反映刀盘的实际工作条件,设置准确的加载条件,符合实际工作条件,获取真实的应力分布,使用准确的材料疲劳参数,包括疲劳极限和循环次数,优化***精确地预测刀盘的寿命;
当综合分析系数≤刀盘评估阈值N,则表示刀盘在有限元分析过程中处于正常状态。
一种刀盘结构的有限元分析方法,包括以下步骤:
S1、首先利用数字孪生单元中的有限元分析单元和数字建模单元,使用专业的三维建模软件构建盾构机刀盘的一比一几何模型,利用有限元分析软件进行网格划分,并设置数字孪生模型,模拟不同工作条件下刀盘的负载情况;
S2、再由利用刀盘测试单元通过数字孪生模型进行实验测试,包括静载测试和动载测试,实时记录静载测试和动载测试的综合刀盘数据以及刀盘热分析数据,再通过数据采集模块对实验测试所获取的数据进行分类汇总,生成第一数据集和第二数据集;
S3、再通过数据分析模块中的第一分析单元,提取第一数据集中的刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集,进行无量纲处理,计算刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>,通过相关联分析单元汇总分析,生成综合刀盘系数;
S4、通过第二分析单元计算获取刀盘热分析系数,与综合刀盘系数/>进行相关联,生成综合分析系数/>,在智能评估模块中,使用第一评估单元预设热分析评估阈值M与刀盘热分析系数/>进行对比评估,生成相应的评估结果;
S5、最后通过第二评估单元,预设刀盘评估阈值N与综合分析系数进行对比评估,生成相应的评估结果,根据评估结果,判断刀盘在有限元分析过程中是否存在异常,如果存在异常则进行准确建模、设置准确加载条件和使用准确材料参数优化设计,优化数字孪生模型的预测性能。
有益效果
本发明提供了一种刀盘结构的有限元分析方法和***。具备以下有益效果:
(1)该***通过数字孪生模型的有限元分析单元和数字建模单元,能够以高度专业的三维建模软件建立真实几何模型,并在有限元分析软件中进行详细的网格划分和有限元分析,此过程中,***模拟了刀盘在实际工作环境中的受力情况,包括外部载荷、约束和边界条件,通过实时记录和分析静载和动载测试的综合刀盘数据和刀盘热分析数据,***可以深入了解刀盘在工作中的性能表现,生成综合刀盘系数,如刀盘应力系数/>、疲劳系数/>和加载系数/>。
(2)该***通过智能评估模块在检测到刀盘热分析系数异常时,触发***进行优化设计,***使用数字孪生模型中的数字建模单元,结合实际工作条件和环境数据,构建数字孪生模型,该数字孪生模型基于物理模型和数据驱动,通过虚拟测试实验模拟不同工作条件下的刀盘负载情况,进而分析数字孪生模型的响应刀盘性能,通过不断迭代和改进数字孪生模型,***能够优化模型的预测性能,确保其准确反映刀盘在实际工作中的工况。这使得***能够根据实际测试结果和用户反馈,自动调整参数,不断提高数字孪生模型的精度和适用性。
(3)该***通过数据采集模块负责采集模拟测试实验中获得的刀盘应力、疲劳、加载和热分析数据,第一采集单元将这些数据进行分类汇总,生成第一数据集,包括刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集,同时,第二采集单元负责汇总模拟实际运行中刀盘产生的热力数据,形成第二数据集,包括刀盘热传导速率、环境温度/>、热膨胀指数/>、热通量/>和摩擦指数/>,这些数据的全面采集和分类为后续分析提供了充分的基础。
附图说明
图1为本发明一种刀盘结构的有限元分析***流程示意图;
图2为本发明一种刀盘结构的有限元分析***步骤示意图。
图中:1、数字孪生单元;2、刀盘测试单元;3、数据采集模块;4、数据分析模块;5、智能评估模块;11、有限元分析单元;12、数字建模单元;31、第一采集单元;32、第二采集单元;41、第一分析单元;411、刀盘应力分析单元;412、刀盘疲劳分析单元;413、刀盘加载分析单元;42、第二分析单元;43、第三相关联分析单元;51、第一评估单元;52、第二评估单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1,本发明提供一种刀盘结构的有限元分析***,为实现以上目的,本发明通过以下技术方案予以实现:包括数字孪生单元1、刀盘测试单元2、数据采集模块3、数据分析模块4和智能评估模块5;
数字孪生单元1用于构建盾构机刀盘有限元分析的数字孪生模型,用于将刀盘的物理数据一比一地输入至数字孪生模型,并设置相关刀具有限元分析测试实验功能;
刀盘测试单元2通过数字孪生模型中的有限元分析测试实验功能,对刀盘进行静载测试实验和动载测试实验,并实时对静载测试和动载测试的综合刀盘数据和刀盘热分析数据进行实时检测记录,同时将记录的数据进行存储;
数据采集模块3用于实验测试所获取的综合刀盘数据和刀盘热分析数据,进行分类汇总,并生成第一数据集和第二数据集;
数据分析模块4包括第一分析单元41、第二分析单元42和第三相关联分析单元43,第一分析单元41用于第一数据集提取刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集,无量纲处理后,进行分析计算获取刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>,再由第二分析单元42依据第二数据集,无量纲处理后,进行分析计算获取刀盘热分析系数/>;再由第三相关联分析单元43用于将刀盘应力系数/>、刀盘疲劳系数和刀盘加载系数/>进行汇总分析,生成综合刀盘系数/>,并综合刀盘系数/>与刀盘热分析系数/>进行相关联,生成综合分析系数/>;
综合刀盘系数和刀盘热分析系数/>通过以下公式获取;
;
;
式中,、/>和/>表示刀盘应力系数/>、刀盘疲劳系数/>和刀盘加载系数的预设比例系数,且/>,/>,/>,/>,其具体值由用户调整设置,/>表示第一修正常数;
表示刀盘热传导速率,/>表示环境温度,/>表示热膨胀指数,/>表示热通量,/>表示摩擦指数,/>表示刀盘接触面积,/>是沿着热传导方向的距离,/>表示热力不定变量;
智能评估模块5用于预设热分析评估阈值M与刀盘热分析系数进行初步对比评估,生成相应的评估结果,并通过预设刀盘评估阈值N与综合分析系数/>进行二次对比评估,生成相应的评估结果。
本实施例中,该***采用数字孪生模型,实现了对盾构机刀盘的全面性能分析。通过有限元分析测试实验功能,***能够进行静载和动载测试实验,并实时记录和存储综合刀盘数据和刀盘热分析数据,这确保了对刀盘在实际工作中的受力情况和热力分布的全面了解,数据采集模块3负责对实验测试获取的综合刀盘数据和刀盘热分析数据进行分类汇总,生成第一数据集和第二数据集,数据分析模块4包括第一分析单元41、第二分析单元42和第三相关联分析单元43,通过无量纲处理、分析计算等手段,提取刀盘应力、疲劳和加载等关键数据,生成刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>,这些参数汇总分析后形成综合刀盘系数/>,并与刀盘热分析系数/>进行相关联,生成综合分析系数/>,在通过智能评估模块5在***运行中具有预设热分析评估阈值M和刀盘评估阈值N的功能,通过与刀盘热分析系数/>和综合分析系数/>的对比评估,***能够判断刀盘的状态是否正常,当***检测到异常时,智能评估模块可以触发优化设计,通过调整数字孪生模型中的参数,优化刀盘的设计,改善其性能。这种智能评估和自动优化设计的功能有效提高了***的自适应性和性能可调性,***通过实时记录和存储数据,以及对数据进行自动化处理和分析,实现了高度自动化的有限元分析过程,这不仅提高了效率,也使得***具备了对实时工作情况的快速响应能力。
实施例2
本实施例是在实施例1中进行的解释说明,请参照图1,具体的:数字孪生单元1包括有限元分析单元11和数字建模单元12;
有限元分析单元11用于使用专业的三维建模软件,包括SolidWorks和CATIA,建立盾构机刀盘的一比一几何模型,同时几何模型包括刀盘的刀片、刀齿和轴承,确定刀盘各部分的材料,并获取相应的材料性质,利用有限元分析软件对几何模型进行网格划分,其中有限元分析软件包括ANSYS、ABAQUS和COMSOL,设置数字孪生模型并运行有限元分析,分析结果包括应力分析、应变分析、位移分析、疲劳分析和热分析信息,同时定义刀盘受力的加载条件,包括外部载荷、约束和边界条件,分析刀盘在实际使用中的工作环境和受力情况;
数字建模单元12用于将有限元分析结果与实际工作条件和环境数据相结合,构建数字孪生模型,数字孪生模型基于物理模型和数据驱动,利用数字孪生模型进行虚拟测试实验,模拟不同的工作条件下的盾构机刀盘的负载情况,分析数字孪生模型的响应刀盘在不同条件下的性能,再将数字孪生模型的预测结果与实际实验数据进行比较,验证模型的准确性,并对模型进行优化,调整参数以优化数字孪生模型的预测性能,同时根据实际测试结果和用户反馈,不断迭代和改进数字孪生模型,优化数字孪生模型的精度和适用性。
本实施例中,通过有限元分析单元11采用了SolidWorks和CATIA等专业的三维建模软件,这确保了盾构机刀盘的一比一几何模型的高度准确性和真实性,同时通过有限元分析单元11,刀盘的几何模型包括刀片、刀齿和轴承等部分,对这些部分的材料进行明确定义,并获取相应的材料性质,为后续有限元分析提供了准确的基础数据,使用ANSYS、ABAQUS和COMSOL有限元分析软件进行网格划分和有限元分析,这包括应力、应变、位移、疲劳和热分析,提供了全面的性能评估,数字建模单元12将有限元分析的详细结果与实际工作条件和环境数据相结合。这有助于构建更为真实的数字孪生模型,更好地反映刀盘在实际工作中的复杂工况,数字孪生模型基于物理模型和数据驱动,综合考虑了刀盘的几何形状、材料特性以及实际工作条件的影响,提高了模型的逼真度和真实感,利用数字孪生模型进行虚拟测试实验,模拟不同工作条件下刀盘的负载情况。这使得可以在数字环境中预测刀盘在各种条件下的性能,为实际测试提供了有利的参考,将数字孪生模型的预测结果与实际实验数据进行比较,验证模型的准确性,通过对模型进行优化,调整参数以提高数字孪生模型的预测性能,同时,根据实际测试结果和用户反馈,不断迭代和改进数字孪生模型,以优化其精度和适用性,这一设计使得数字孪生单元不仅仅是一个静态的模型,更是一个动态的***,通过持续的数据驱动和实验验证,不断提升对盾构机刀盘性能的预测和优化能力。
实施例3
本实施例是在实施例2中进行的解释说明,请参照图1,具体的:刀盘测试单元2用于在数字孪生模型中通过构建的实体盾构机刀盘,采用数字孪生模型所搭载的有限元分析,对盾构机刀盘的应力、疲劳、刀盘的加载和热力进行实时分析;
刀盘应力考虑了刀盘结构的重量,将轴向支撑约束应用于主轴承配合法兰表面,径向支撑应用于刀盘法兰数字孪生模型自动计算泊松比、刀盘屈服强度/>和刀盘弹性模量/>,切向约束被应用于刀具刀座的顶部区域,同时模拟拉伸试验测量材料在应力加载下的变形,同时在模拟刀盘实际切削过程中,使用力传感器来测量刀具施加在工件上的切削力/>;同时设置密度测试实验,通过直接测量刀盘的质量和体积来计算得出刀盘密度/>;
通过数字孪生模型模拟刀盘在工作中经历的循环性负载,使用负载传感器来测量刀盘在不同工作阶段的负载,同时使用振动传感器来测量测试循环负载
的变化频率,获取载荷频率,再通过负载传感器来测量再循环负载下,记录每个循环中的峰值负载,获取负载峰值/>和负载谷值/>,同时在模拟刀盘在实际工作中,对刀盘附加摩擦力,分析刀盘在不同摩擦力下适应力,获取刀盘的抗磨损系数/>;
同时在数字孪生模型刀盘的模拟环境中加入传感器实时测试,通过扭矩传感器、霍尔传感器、径向力传感器、压电传感器和应变片,传感器组的设置,在模拟环境中,模拟实际获取数据方式,获取刀盘在实际运行过程中的加载数据,同时通过在实际加载中刀盘在不同摩擦力下,获取到刀盘的相应热力分析数据;
最后对模拟测试中所获取的刀盘应力数据、刀盘疲劳数据、刀盘加载数据和刀盘热分析数据进行实时记录,存储至数字孪生模型中的固态硬盘中。
本实施例中,实时分析能力使得刀盘的性能评估更加全面和准确,对刀盘应力、疲劳、加载和热力的多方位考虑,有助于模型更好地反映实际工作条件下的刀盘性能,模拟实际工作中的循环性负载,有助于更真实地评估刀盘的寿命和稳定性,通过传感器实时检测,模拟获取实际运行数据,提高数字孪生模型的仿真精度,实时记录与存储确保了数据的完整性和可追溯性,为后续分析提供了可靠的数据基础。
实施例4
本实施例是在实施例3中进行的解释说明,请参照图1,具体的:数据采集模块3包括第一采集单元31和第二采集单元32;
第一采集单元31用于通过模拟测试实验所得的刀盘应力数据、刀盘疲劳数据和刀盘的加载数据进行分类汇总后生成第一数据集;
第一数据集包括刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集;
刀盘应力数据集包括泊松比、切削力/>、刀盘密度/>、刀盘屈服强度/>和刀盘弹性模量/>;
刀盘疲劳数据集包括循环负载、载荷频率/>、抗磨损系数/>、负载峰值和负载谷值/>;
刀盘加载数据集包括扭矩、旋转速度/>、径向力/>、轴向力/>和纵向力;
第二采集单元32用于通过模拟实际运行过程中,盾构机刀盘所产生的热力数据进行汇总,并生成第一数据集,第一数据集包括刀盘热传导速率、环境温度/>、热膨胀指数/>、热通量/>和摩擦指数/>。
本实施例中,通过第一采集单元31和第二采集单元32,***获取了全面的刀盘数据集,覆盖了应力、疲劳、加载和热力等多个方面的详尽信息,这种全面的数据收集不仅提供了对盾构机刀盘各方面性能的深入洞察,而且为综合分析奠定了坚实的基础,数据关联性方面,将不同类型的数据集结合在一起,有助于揭示刀盘性能之间的潜在关联关系,通过对应力数据、疲劳数据、加载数据和热力数据的交叉分析,可以更清晰地了解刀盘在各种工作条件下的行为模式,这种数据关联性的分析有助于识别潜在的影响因素,提高对刀盘行为的全面理解。这些数据集的综合分析提供了数字孪生模型的基础,尤其是在生成综合刀盘系数和刀盘热分析系数/>方面,第一数据集和第二数据集为数字孪生模型的智能评估提供了强有力的支持,这种综合分析基础使得模型更加贴近实际工作条件,提高了数字孪生模型的准确性和适用性,总体而言,通过全面的数据采集和关联性分析,数字孪生模型在智能评估中将能够更准确地预测盾构机刀盘在不同工作条件下的性能表现,为工程设计和优化提供了可靠的依据。
实施例5
本实施例是在实施例4中进行的解释说明,请参照图1,具体的:第一分析单元41包括刀盘应力分析单元411、刀盘疲劳分析单元412和刀盘加载分析单元413;
刀盘应力分析单元411用于依据第一数据集中的刀盘应力数据集,无量纲处理后,进行分析计算获取刀盘应力系数;
所述刀盘应力系数通过以下公式获取;
;
式中和/>是影响泊松比的振动参数,/>和/>表示空间坐标中的横向位置,/>是切削力的频率,/>、/>、/>、/>和/>均由数字孪生模型实体模拟中获取。
刀盘疲劳分析单元412用于依据第一数据集中的刀盘疲劳数据集,无量纲处理后,进行分析计算获取刀盘疲劳系数;
刀盘疲劳系数通过以下公式获取;
;
式中,表示时间函数,描述了刀盘在不同时间点上受到的总载荷。
刀盘加载分析单元413用于依据第一数据集中的刀盘加载数据集,无量纲处理后,进行分析计算获取刀盘加载系数;
刀盘加载系数通过以下公式获取;
。
第三相关联分析单元43用于将第一分析单元41所获取的刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>进行汇总分析,生成综合刀盘系数/>,并综合刀盘系数/>与第二分析单元42所获取的刀盘热分析系数/>进行相关联,生成综合分析系数/>;
;
式中,和/>分别表示综合刀盘系数/>和刀盘热分析系数/>的预设比例系数,且/>,/>,其具体值由用户调整设置,/>表示第二修正常数。
本实施例中,通过刀盘应力分析单元411,***能够考虑刀盘结构的各种因素,包括刀片、刀齿和轴承,综合考虑了刀盘的几何结构和材料特性,这种全面性的考虑使***能够更全面地理解刀盘的应力分布,从而提供更全面的评估,刀盘疲劳分析单元412通过无量纲处理刀盘疲劳数据,这有助于深入了解刀盘在长时间运行中的疲劳性能,提供了对刀盘寿命和耐久性的科学评估,刀盘加载分析单元413通过无量纲处理刀盘加载数据,这种全面的加载情况模拟有助于模拟刀盘在实际作业中的复杂工作环境,为工程师提供了更深入的洞察力,将不同类型的数据集结合在一起,增加了数据关联性,这有助于揭示刀盘性能之间的复杂关系,使工程师能够更好地理解各个因素对刀盘行为的影响,从而更好地优化设计和工作参数,数字建模单元12通过将有限元分析结果与实际工作条件和环境数据相结合,构建数字孪生模型,通过模拟不同工作条件下的盾构机刀盘的负载情况,数字孪生模型提供了对刀盘性能在各种情况下的预测能力,通过与实际实验数据进行比较,验证模型的准确性,并不断迭代和改进模型,以提高其精度和适用性,***允许用户调整预设比例系数和修正常数,使工程师可以根据具体的工程需求和实际情况进行灵活调整。这种用户定制功能提高了***的适用性,使其更好地满足不同项目的需求。
实施例6
本实施例是在实施例5中进行的解释说明,请参照图1,具体的:智能评估模块5包括第一评估单元51和第二评估单元52;
第一评估单元51用于预设热分析评估阈值M与第二分析单元42分析所获取的刀盘热分析系数进行对比评估,并生成相应的评估结果,具体评估方案如下;
当刀盘热分析系数>热分析评估阈值M时,表示盾构机刀盘有限元分析中的热分析中存在异常,此时利用热分析结果进行优化设计,通过在数字孪生模型中修改材料、结构和几何形状参数,优化刀盘的设计改善热性能;
当刀盘热分析系数≤热分析评估阈值M时,此时盾构机刀盘有限元分析中的热分析处于正常状态,此时则进入第二评估机制;
第二评估单元52用于预设刀盘评估阈值N与第三相关联分析单元43所获取的综合分析系数,并生成相应的评估结果,具体评估方案如下;
当综合分析系数>刀盘评估阈值N,则表示刀盘在有限元分析过程中存在异常,此时则需要准确建模刀盘的几何形状、材料性质和边界条件,确保数字孪生模型合理地反映刀盘的实际工作条件,设置准确的加载条件,符合实际工作条件,获取真实的应力分布,使用准确的材料疲劳参数,包括疲劳极限和循环次数,优化***精确地预测刀盘的寿命;
当综合分析系数≤刀盘评估阈值N,则表示刀盘在有限元分析过程中处于正常状态。
本实施例中,当刀盘热分析系数超过预设的热分析评估阈值M时,***检测到异常情况。在这种情况下,第一评估单元不仅提供了异常的提示,还引导工程师通过在数字孪生模型中修改材料、结构和几何形状参数等关键因素,进行优化设计,以改善刀盘的热性能。这样的智能优化机制可以快速响应并解决潜在问题,提高了刀盘设计的灵活性和可调性,当综合分析系数/>超过预设的刀盘评估阈值N时,***检测到异常情况。此时,第二评估单元引导工程师进行更精准的建模工作,确保数字孪生模型合理地反映刀盘的实际工作条件。通过设置准确的加载条件,符合实际工作环境,获取真实的应力分布,并使用准确的材料疲劳参数,包括疲劳极限和循环次数。这种机制确保了***能够更精确地预测刀盘的寿命,提高了数字孪生模型的可靠性和预测准确性,智能评估模块5允许用户设定评估阈值和参数,提供了一定的灵活性,以适应不同项目和需求,同时,用户反馈机制应该被集成,允许工程师根据实际运行情况和数据的持续收集,对***进行调整和优化,智能评估模块可以实时监控刀盘的性能,及时发现并响应潜在问题。这有助于在实际工作中对刀盘的健康状态进行实时跟踪,确保***的可靠性和安全性,基于实时监控和用户反馈,***应该支持持续的迭代改进,以不断提高数字孪生模型的精度和性能。这种迭代循环确保了***能够适应不断变化的工作条件和需求。
实施例8
请参阅图1和图2,一种刀盘结构的有限元分析***,包括以下步骤:
S1、首先利用数字孪生单元1中的有限元分析单元11和数字建模单元12,使用专业的三维建模软件构建盾构机刀盘的一比一几何模型,利用有限元分析软件进行网格划分,并设置数字孪生模型,模拟不同工作条件下刀盘的负载情况;
S2、再由利用刀盘测试单元2通过数字孪生模型进行实验测试,包括静载测试和动载测试,实时记录静载测试和动载测试的综合刀盘数据以及刀盘热分析数据,再通过数据采集模块3对实验测试所获取的数据进行分类汇总,生成第一数据集和第二数据集;
S3、再通过数据分析模块4中的第一分析单元41,提取第一数据集中的刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集,进行无量纲处理,计算刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>,通过相关联分析单元汇总分析,生成综合刀盘系数;
S4、通过第二分析单元42计算获取刀盘热分析系数,与综合刀盘系数/>进行相关联,生成综合分析系数/>,在智能评估模块中,使用第一评估单元51预设热分析评估阈值M与刀盘热分析系数/>进行对比评估,生成相应的评估结果;
S5、最后通过第二评估单元52,预设刀盘评估阈值N与综合分析系数进行对比评估,生成相应的评估结果,根据评估结果,判断刀盘在有限元分析过程中是否存在异常,如果存在异常则进行准确建模、设置准确加载条件和使用准确材料参数优化设计,优化数字孪生模型的预测性能。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。
Claims (10)
1.一种刀盘结构的有限元分析***,其特征在于:包括数字孪生单元(1)、刀盘测试单元(2)、数据采集模块(3)、数据分析模块(4)和智能评估模块(5);
所述数字孪生单元(1)用于构建盾构机刀盘有限元分析的数字孪生模型,用于将刀盘的物理数据一比一地输入至数字孪生模型,并设置相关刀具有限元分析测试实验功能;
所述刀盘测试单元(2)通过数字孪生模型中的有限元分析测试实验功能,对刀盘进行静载测试实验和动载测试实验,并实时对静载测试和动载测试的综合刀盘数据和刀盘热分析数据进行实时检测记录,同时将记录的数据进行存储;
所述数据采集模块(3)用于实验测试所获取的综合刀盘数据和刀盘热分析数据,进行分类汇总,并生成第一数据集和第二数据集;
所述数据分析模块(4)包括第一分析单元(41)、第二分析单元(42)和第三相关联分析单元(43),所述第一分析单元(41)用于第一数据集提取刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集,无量纲处理后,进行分析计算获取刀盘应力系数、刀盘疲劳系数和刀盘加载系数/>,再由第二分析单元(42)依据第二数据集,无量纲处理后,进行分析计算获取刀盘热分析系数/>;再由所述第三相关联分析单元(43)用于将刀盘应力系数/>、刀盘疲劳系数/>和刀盘加载系数/>进行汇总分析,生成综合刀盘系数/>,并综合刀盘系数/>与刀盘热分析系数/>进行相关联,生成综合分析系数/>;
所述综合刀盘系数和刀盘热分析系数/>通过以下公式获取;
;
;
式中,、/>和/>表示刀盘应力系数/>、刀盘疲劳系数/>和刀盘加载系数/>的预设比例系数,其具体值由用户调整设置,/>表示第一修正常数;
表示刀盘热传导速率,/>表示环境温度,/>表示热膨胀指数,/>表示热通量,/>表示摩擦指数,/>表示刀盘接触面积,/>是沿着热传导方向的距离,/>表示热力不定变量;
所述智能评估模块(5)用于预设热分析评估阈值M与刀盘热分析系数进行初步对比评估,生成相应的评估结果,并通过预设刀盘评估阈值N与综合分析系数/>进行二次对比评估,生成相应的评估结果。
2.根据权利要求1所述的一种刀盘结构的有限元分析***,其特征在于:所述数字孪生单元(1)包括有限元分析单元(11)和数字建模单元(12);
所述有限元分析单元(11)用于使用专业的三维建模软件,包括SolidWorks和CATIA,建立盾构机刀盘的一比一几何模型,同时几何模型包括刀盘的刀片、刀齿和轴承,确定刀盘各部分的材料,并获取相应的材料性质,利用有限元分析软件对几何模型进行网格划分,其中有限元分析软件包括ANSYS、ABAQUS和COMSOL,设置数字孪生模型并运行有限元分析,分析结果包括应力分析、应变分析、位移分析、疲劳分析和热分析信息,同时定义刀盘受力的加载条件,包括外部载荷、约束和边界条件,分析刀盘在实际使用中的工作环境和受力情况;
所述数字建模单元(12)用于将有限元分析结果与实际工作条件和环境数据相结合,构建数字孪生模型,数字孪生模型基于物理模型和数据驱动,利用数字孪生模型进行虚拟测试实验,模拟不同的工作条件下的盾构机刀盘的负载情况,分析数字孪生模型的响应刀盘在不同条件下的性能,再将数字孪生模型的预测结果与实际实验数据进行比较,验证模型的准确性,并对模型进行优化,调整参数以优化数字孪生模型的预测性能,同时根据实际测试结果和用户反馈,不断迭代和改进数字孪生模型,优化数字孪生模型的精度和适用性。
3.根据权利要求2所述的一种刀盘结构的有限元分析***,其特征在于:所述刀盘测试单元(2)用于在数字孪生模型中通过构建的实体盾构机刀盘,采用数字孪生模型所搭载的有限元分析,对盾构机刀盘的应力、疲劳、刀盘的加载和热力进行实时分析;
刀盘应力考虑了刀盘结构的重量,将轴向支撑约束应用于主轴承配合法兰表面,径向支撑应用于刀盘法兰数字孪生模型自动计算泊松比、刀盘屈服强度/>和刀盘弹性模量/>,切向约束被应用于刀具刀座的顶部区域,同时模拟拉伸试验测量材料在应力加载下的变形,同时在模拟刀盘实际切削过程中,使用力传感器来测量刀具施加在工件上的切削力/>;同时设置密度测试实验,通过直接测量刀盘的质量和体积来计算得出刀盘密度;
通过数字孪生模型模拟刀盘在工作中经历的循环性负载,使用负载传感器来测量刀盘在不同工作阶段的负载,同时使用振动传感器来测量测试循环负载的变化频率,获取载荷频率/>,再通过负载传感器来测量再循环负载下,记录每个循环中的峰值负载,获取负载峰值/>和负载谷值/>,同时在模拟刀盘在实际工作中,对刀盘附加摩擦力,分析刀盘在不同摩擦力下适应力,获取刀盘的抗磨损系数/>;
同时在数字孪生模型刀盘的模拟环境中加入传感器实时测试,通过扭矩传感器、霍尔传感器、径向力传感器、压电传感器和应变片,传感器组的设置,在模拟环境中,模拟实际获取数据方式,获取刀盘在实际运行过程中的加载数据,同时通过在实际加载中刀盘在不同摩擦力下,获取到刀盘的相应热力分析数据;
最后对模拟测试中所获取的刀盘应力数据、刀盘疲劳数据、刀盘加载数据和刀盘热分析数据进行实时记录,存储至数字孪生模型中的固态硬盘中。
4.根据权利要求3所述的一种刀盘结构的有限元分析***,其特征在于:所述数据采集模块(3)包括第一采集单元(31)和第二采集单元(32);
所述第一采集单元(31)用于通过模拟测试实验所得的刀盘应力数据、刀盘疲劳数据和刀盘的加载数据进行分类汇总后生成第一数据集;
所述第一数据集包括刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集;
所述刀盘应力数据集包括泊松比、切削力/>、刀盘密度/>、刀盘屈服强度/>和刀盘弹性模量/>;
所述刀盘疲劳数据集包括循环负载、载荷频率/>、抗磨损系数/>、负载峰值和负载谷值/>;
所述刀盘加载数据集包括扭矩、旋转速度/>、径向力/>、轴向力/>和纵向力;
所述第二采集单元(32)用于通过模拟实际运行过程中,盾构机刀盘所产生的热力数据进行汇总,并生成第一数据集,所述第一数据集包括刀盘热传导速率、环境温度/>、热膨胀指数/>、热通量/>和摩擦指数/>。
5.根据权利要求3所述的一种刀盘结构的有限元分析***,其特征在于:所述第一分析单元(41)包括刀盘应力分析单元(411)、刀盘疲劳分析单元(412)和刀盘加载分析单元(413);
所述刀盘应力分析单元(411)用于依据第一数据集中的刀盘应力数据集,无量纲处理后,进行分析计算获取刀盘应力系数;
所述刀盘应力系数通过以下公式获取;
;
式中和/>是影响泊松比的振动参数,/>和/>表示空间坐标中的横向位置,/>是切削力的频率。
6.根据权利要求5所述的一种刀盘结构的有限元分析***,其特征在于:所述刀盘疲劳分析单元(412)用于依据第一数据集中的刀盘疲劳数据集,无量纲处理后,进行分析计算获取刀盘疲劳系数;
所述刀盘疲劳系数通过以下公式获取;
;
式中,表示时间函数,描述了刀盘在不同时间点上受到的总载荷。
7.根据权利要求5所述的一种刀盘结构的有限元分析***,其特征在于:所述刀盘加载分析单元(413)用于依据第一数据集中的刀盘加载数据集,无量纲处理后,进行分析计算获取刀盘加载系数;
所述刀盘加载系数通过以下公式获取;
。
8.根据权利要求1所述的一种刀盘结构的有限元分析***,其特征在于:所述第三相关联分析单元(43)用于将第一分析单元(41)所获取的刀盘应力系数、刀盘疲劳系数和刀盘加载系数/>进行汇总分析,生成综合刀盘系数/>,并综合刀盘系数/>与第二分析单元(42)所获取的刀盘热分析系数/>进行相关联,生成综合分析系数/>;
;
式中,和/>分别表示综合刀盘系数/>和刀盘热分析系数/>的预设比例系数,且具体值由用户调整设置;/>表示第二修正常数。
9.根据权利要求1所述的一种刀盘结构的有限元分析***,其特征在于:所述智能评估模块(5)包括第一评估单元(51)和第二评估单元(52);
所述第一评估单元(51)用于预设热分析评估阈值M与第二分析单元(42)分析所获取的刀盘热分析系数进行对比评估,并生成相应的评估结果,具体评估方案如下;
当刀盘热分析系数>热分析评估阈值M时,表示盾构机刀盘有限元分析中的热分析中存在异常,此时利用热分析结果进行优化设计,通过在数字孪生模型中修改材料、结构和几何形状参数,优化刀盘的设计改善热性能;
当刀盘热分析系数≤热分析评估阈值M时,此时盾构机刀盘有限元分析中的热分析处于正常状态,此时则进入第二评估机制;
所述第二评估单元(52)用于预设刀盘评估阈值N与第三相关联分析单元(43)所获取的综合分析系数,并生成相应的评估结果,具体评估方案如下;
当综合分析系数>刀盘评估阈值N,则表示刀盘在有限元分析过程中存在异常,此时则需要准确建模刀盘的几何形状、材料性质和边界条件,确保数字孪生模型合理地反映刀盘的实际工作条件,设置准确的加载条件,符合实际工作条件,获取真实的应力分布,使用准确的材料疲劳参数,包括疲劳极限和循环次数,优化***精确地预测刀盘的寿命;
当综合分析系数≤刀盘评估阈值N,则表示刀盘在有限元分析过程中处于正常状态。
10.一种刀盘结构的有限元分析方法,包括上述权利要求1~9任一项所述的一种刀盘结构的有限元分析***,其特征在于:包括以下步骤:
S1、首先利用数字孪生单元(1)中的有限元分析单元(11)和数字建模单元(12),使用专业的三维建模软件构建盾构机刀盘的一比一几何模型,利用有限元分析软件进行网格划分,并设置数字孪生模型,模拟不同工作条件下刀盘的负载情况;
S2、再由利用刀盘测试单元(2)通过数字孪生模型进行实验测试,包括静载测试和动载测试,实时记录静载测试和动载测试的综合刀盘数据以及刀盘热分析数据,再通过数据采集模块(3)对实验测试所获取的数据进行分类汇总,生成第一数据集和第二数据集;
S3、再通过数据分析模块(4)中的第一分析单元(41),提取第一数据集中的刀盘应力数据集、刀盘疲劳数据集和刀盘加载数据集,进行无量纲处理,计算刀盘应力系数、刀盘疲劳系数/>和刀盘加载系数/>,通过相关联分析单元汇总分析,生成综合刀盘系数;
S4、通过第二分析单元(42)计算获取刀盘热分析系数,与综合刀盘系数/>进行相关联,生成综合分析系数/>,在智能评估模块中,使用第一评估单元(51)预设热分析评估阈值M与刀盘热分析系数/>进行对比评估,生成相应的评估结果;
S5、最后通过第二评估单元(52),预设刀盘评估阈值N与综合分析系数进行对比评估,生成相应的评估结果,根据评估结果,判断刀盘在有限元分析过程中是否存在异常,如果存在异常则进行准确建模、设置准确加载条件和使用准确材料参数优化设计,优化数字孪生模型的预测性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410527876.5A CN118095023B (zh) | 2024-04-29 | 2024-04-29 | 一种刀盘结构的有限元分析方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410527876.5A CN118095023B (zh) | 2024-04-29 | 2024-04-29 | 一种刀盘结构的有限元分析方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118095023A CN118095023A (zh) | 2024-05-28 |
CN118095023B true CN118095023B (zh) | 2024-06-21 |
Family
ID=91152284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410527876.5A Active CN118095023B (zh) | 2024-04-29 | 2024-04-29 | 一种刀盘结构的有限元分析方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118095023B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9482055B2 (en) * | 2000-10-11 | 2016-11-01 | Smith International, Inc. | Methods for modeling, designing, and optimizing the performance of drilling tool assemblies |
CN101710349B (zh) * | 2009-11-18 | 2012-03-28 | 中南大学 | 基于cad/cae和优化设计的盘形滚刀地质适应性设计方法 |
CN116090280A (zh) * | 2022-10-28 | 2023-05-09 | 中国铁建重工集团股份有限公司 | 一种盾构机刀盘的动态力学性能可视化方法 |
-
2024
- 2024-04-29 CN CN202410527876.5A patent/CN118095023B/zh active Active
Non-Patent Citations (2)
Title |
---|
A Preliminary Review of Digital and Intelligent Cutterhead Management and the Enabling Technologies in Shield Tunnelling;Ziwei Yin 等;Proceedings of The 17th East Asian-Pacific Conference on Structural Engineering and Construction, 2022;20230314;全文 * |
考虑摩擦生热效应的泥水盾构刀盘热-结构耦合分析;李兴高 等;土木工程学报;20201130;第53卷(第S1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN118095023A (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105510038B (zh) | 风电机组故障监测方法和装置 | |
WO2006001121A1 (ja) | データ圧縮装置及び方法,データ解析装置及び方法並びにデータ管理システム | |
CN109933923B (zh) | 一种基于数字孪生的机电装备精益设计方法 | |
CN108470095B (zh) | 基于数据驱动径向基函数模型的tbm推进力预测方法 | |
TWI584134B (zh) | 製程異因分析方法與製程異因分析系統 | |
CN111506504B (zh) | 基于软件开发过程度量的软件安全性缺陷预测方法及装置 | |
CN112372371B (zh) | 数控机床刀具磨损状态评估方法 | |
JP7272612B1 (ja) | 工作機械の送り軸の熱誤差の予測方法、装置及び記録媒体 | |
CN116944700B (zh) | 用于激光切割的检测及控制方法和*** | |
CN111460702B (zh) | 一种基于正逆向损伤特征融合的结构件损伤识别方法 | |
CN118095023B (zh) | 一种刀盘结构的有限元分析方法和*** | |
Yumer et al. | Mistuning identification of integrally bladed disks with cascaded optimization and neural networks | |
CN112115537B (zh) | 一种tbm可掘性分级方法 | |
CN117826615A (zh) | 一种电动汽车动力电池的冷却液控制参数的确定方法 | |
CN117436321A (zh) | 基于有限元仿真法的工件焊接分析方法及*** | |
CN111914461A (zh) | 一种涡轮导叶片一维冷效的智能评估方法 | |
Morshedlou et al. | Introducing a new model for prediction of mean cutting forces acting on conical pick cutters | |
CN106777692B (zh) | 一种增压器涡轮与叶轮bx寿命预测方法 | |
KR102558133B1 (ko) | 인공지능을 통한 가공 설비 최적 운전 조건 추적 방법 | |
Zhang et al. | A study on pick cutting properties with full-scale rotary cutting experiments and numerical simulations | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
CN115344951A (zh) | 基于时间卷积网络和辅助学习的刀具磨损量预测方法 | |
JP5842704B2 (ja) | 推定装置、プログラム、及び推定方法 | |
Grant et al. | The numerical and experimental evaluation of a coupled blade dynamic limit response with friction contacts | |
CN117936396A (zh) | 集成电路元件组装方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |