《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于RBF神经网络和MIGA的液压锥阀降噪研究

作者:王华伟,周鑫,王博,等 日期:2023-01-30/span> 浏览:422 查看PDF文档

基于RBF神经网络和MIGA的
液压锥阀降噪研究*
王华伟,周鑫,王博,胡溧

(武汉科技大学 汽车与交通工程学院,湖北 武汉 430000)


摘要:液压锥阀在气液两相流状态下工作时会产生剧烈的噪声,严重影响锥阀的工作性能及其工作环境,针对这一问题,提出了一种基于径向基函数(RBF)神经网络和多岛遗传算法(MIGA)的方法,对液压锥阀的结构参数进行了优化。首先,采用有限元软件分析了影响锥阀流场及声场的结构参数;然后,以阀芯半锥角角度、喉部长度和阀芯入口角度这3个参数为优化变量,以加权平均噪声最小和加权最大噪声最小为优化目标,通过最优拉丁超立方设计方法确定了样本数据;最后,采用了RBF神经网络方法,建立了锥阀结构参数与噪声关系的近似模型,利用多岛遗传算法对近似模型进行了优化;根据得到的最优参数建立了锥阀优化模型,并进行了声学特性分析。研究结果表明:与原模型相比,优化模型的平均噪声降低23.846 dB,最大噪声降低5.092 dB;该结果验证了基于RBF神经网络和MIGA优化方法的有效性,可为液压锥阀的进一步降噪研究提供理论支持。

关键词:液压控制阀;锥阀噪声抑制;径向基函数神经网络;多岛遗传算法;锥阀结构参数;声学特性分析;最优拉丁超立方

中图分类号:TH137.52文献标识码:A文章编号:1001-4551(2022)11-1527-08


本文引用格式:

王华伟,周鑫,王博,等.基于RBF神经网络和MIGA的液压锥阀降噪研究[J].机电工程,2022,39(11):1527-1534.

WANG Hua-wei, ZHOU Xin, WANG Bo, et al. Noise reduction of hydraulic cone valve based on RBF neural network and MIGA[J].Journal of Mechanical & Electrical Engineering, 2022,39(11):1527-1534.




友情链接

浙江机械信息网