赵丽娟 - 辽宁工程技术大学机械工程学院
水质叶绿素a的测定分光光度法编制说明
⽔质叶绿素a的测定分光光度法编制说明附件3《⽔质叶绿素a的测定分光光度法》（征求意见稿）编制说明《⽔质叶绿素a的测定分光光度法》标准编制组⼆○⼀五年⼋⽉项⽬名称：⽔质叶绿素a的测定分光光度法项⽬统⼀编号：939承担单位：辽宁省环境监测实验中⼼编制组主要成员：王秋丽、赵丽娟、王琳、丁振军、刘畅、徐天赐、姜永伟、秦⾬、郭杨、朱⼴钦、叶明、贺业菊标准所技术管理负责⼈：周⽻化、雷晶、张虞标准处项⽬负责⼈：张朔⽬录1项⽬背景 (1)1.1任务来源 (1)1.2⼯作过程 (1)2标准制订的必要性分析 (3)2.1叶绿素A的环境危害 (3)2.2相关环保标准和环保⼯作的需要 (4)3国内外相关分析⽅法研究 (5)3.1主要国家、地区及国际组织相关分析⽅法研究 (5)3.2国内相关分析⽅法研究 (8)4标准制订的基本原则和技术路线 (10)4.1标准制订的基本原则 (10)4.2标准制订的技术路线 (10)5⽅法研究报告 (12)5.1⽅法研究的⽬标 (12)5.2⽅法原理 (13)5.3试剂和材料 (13)5.4仪器和设备 (16)5.5样品的采集和保存 (17)5.6分析步骤 (21)5.7结果计算 (31)5.8质量保证和质量控制 (34)5.9注意事项 (34)6⽅法验证 (35)6.1⽅法验证⽅案 (35)6.2⽅法验证过程 (36)7与开题报告的差异说明 (38)8本标准实施的建议 (39)9参考⽂献 (39)《⽔质叶绿素a的测定分光光度法》编制说明1项⽬背景1.1任务来源（1）2006年6⽉，根据《关于下达2006年度国家环境保护标准制订项⽬计划的通知》（环办函[2006]371号），原国家环保总局办公厅下达了制订《⽔质叶绿素a的测定分光光度法》国家环保标准制修订计划，项⽬统⼀编号为：939。
（2）《⽔质叶绿素a的测定分光光度法》项⽬承担单位为：辽宁省环境监测实验中⼼。
1.2 ⼯作过程1.2.1 前期调研⼯作（1）成⽴标准编制组2006年7⽉，辽宁省环境监测中⼼承接了《⽔质叶绿素a的测定分光光度法》制修订任务以后，成⽴了标准编制组。
强迫风冷封闭母线研究
辽宁工程技术大学硕士学位论文强迫风冷封闭母线研究姓名：刘庆民申请学位级别：硕士专业：机械工程指导教师：赵丽娟;高兴耀20060501２．封闭母线的强迫风冷２．１离相封闭母线的冷却方式的选择广东岭澳核电站将安装２台１０００ＭＷ全连强迫风冷离相封闭母线。
额定电压２４ｋＶ，额定电流３３０００Ａ，每台机封闭母线发电机主引出水平母线４０米，到发电机厂房外再垂直下降４米接至主变压器低压侧，具体布置图见图２．１．具体技术参数见图２．１。
图２一ｌ强迫风冷离相封闭母线布置图２．２冷却方式的选择封闭母线的冷却方式主要有自然冷却（以下简称自冷）和强迫风冷（以下简称风冷）两种方式。
全连式离相封闭母线采用自然冷却，其电流最大可达２５０００Ａ，超过该值一般就应采用风冷方式。
然而，由自冷到风冷的过渡在国际上并没有严格的规定或统一的标准，其过渡是平缓的。
大部分国家，如西欧在运行电流２５０００Ａ左右处选择过渡，而在美国和日本其过渡电流在１５０００Ａ左右．自冷封闭母线散热比敞露母线差得多，对于容量大的发电机宜采用风冷封闭母线。
风冷封闭母线热计算与自冷封闭母线有较大差相问短路电动力大，同时导体在单位长度上的重量也大．造成了过去那种绝缘子对导体的正。
Ｙ”型支持方式，已经不能满足１０００ＭＷ强迫风冷离相封闭母线安全、可靠运行的要求．在经过大量的受力分析和计算后，确定１０００ＭＷ强迫风冷离相封闭母线绝缘子的支持方式为“Ｘ”型支持。
虽然。
Ｘ”型支持方式比正“Ｙ”型支持方式在每处多用一个绝缘子，但这种支持方式却能够使绝缘子在各个方向上的受力更加均匀，能有效地抗击短路电动力的冲击；更能充分利用新型绝缘子抗压强度大的特点；同时，也能更好地保证封闭母线外壳与导体的同心度。
使封闭母线的运行更安全、更可靠。
图５．Ｉ绝缘子支持结构５．３外壳支持结构的设计：由于１０００ＭＷ机组用离相封闭母线采用的是自冷形式，同时为了满足电压、电流的要求，１０００ＭＷ机组用离相封闭母线的体积和重量与以往的产品比较都有较大幅度的提高。
固定污染源废气挥发性有机物监测分析技术
固定污染源废气挥发性有机物监测分析技术作者简介：赵丽娟（１９８１－），女，辽宁沈阳人，硕士，高级工程师，研究方向：环境监测㊂赵丽娟（辽宁省环境监测实验中心，辽宁沈阳１１０１６１）摘㊀要：挥发性有机物是一种重要的环境污染物，严重威胁着环境和人类的健康㊂随着ＶＯＣｓ问题的日益突出，对ＶＯＣｓ监测技术的研究越来越多，监测技术逐渐完善㊂本文论述了ＶＯＣｓ监测工作的重要性，分析了国内外现有固定污染源ＶＯＣｓ监测技术现状，并对我国污染源ＶＯＣｓ监测方法标准体系建设提出了建议㊂关键词：固定污染源废气；挥发性有机物；监测分析中图分类号：Ｘ８３１文献标识码：Ａ文章编号：２０９６－２３３９（２０１９）０１－０１７２－０２㊀㊀挥发性有机化合物（ＶＯＣｓ）通常指那些相对分子质量较小㊁在饱和蒸气压高㊁常温环境下易挥发的有机化合物㊂国际性组织也对挥发性有机化合物进行了物理检测，了解其对环境㊁人体健康的影响，并给出的定义也略有不同㊂一般来说，按照挥发性有机化合物组分与化学结构，将其分为醛酮类㊁芳香烃㊁卤代烃㊁脂肪烃以及其他含氧类和含氮类等多种复杂的化合物㊂２０１４年环境保护部发布的‘大气挥发性有机物源排放清单编制技术指南（试行）“将挥发性有机物的主要贡献源划分为生物质燃烧源㊁化石燃料燃烧源㊁工业过程源㊁溶剂使用源和移动源㊂１㊀ＶＯＣｓ监测工作的重要性自从‘大气污染防治行动计划“实施到现在，全国空气质量得到了显著的改善，有关的二氧化硫㊁粉尘粉煤灰㊁氮氧化物等的排放也得到了控制，不过重点区域臭氧浓度仍呈上升趋势，特别在夏秋季已成为部分城市首要的污染源㊂挥发性有机化合物是致使臭氧污染的前体物，其对于二次ＰＭ２．５生成有着很大的影响㊂所以严格控制挥发性有机化合物的排放，才能从根本上解决大气中ＰＭ２．５和Ｏ３浓度的上升㊂而对于污染的治理，必须加强挥发性有机化合物的监测，严格控制有关挥发性有机化合物的排放，全面展开防治工作㊂２㊀国外现有固定污染源ＶＯＣｓ监测技术美国环保署推出的ＶＯＣｓ监测方法有环境空气ＶＯＣｓ分析方法㊁室内空气ＶＯＣｓ分析方法和固定源废气ＶＯＣｓ分析方法㊂固定污染源废气多采用在线分析仪进行现场分析，如在线ＧＣ⁃ＭＳ／ＦＩＤ／ＰＩＤ／ＥＣＤ等，还可使用傅立叶变换红外光谱和非分散红外分析仪，还可将废气采集于气袋或气瓶中后再进行分析㊂国际标准化组织（ＩＳＯ）也发布了关于ＶＯＣｓ检测的标准方法，对于固定源废气主要采用在线方法，如催化氧化⁃非分散红外光谱㊁ＧＣ／ＦＩＤ等㊂具体监测方法见表１㊂表１㊀国外固定污染源废气挥发性有机物监测方法方法系列测定的目标化合物分析方法Ｍｅｔｈｏｄ１８挥发性有机物气袋㊁吸附管㊁样品定量环采样⁃实验室ＧＣ⁃ＨＤ／ＰＩＤ／ＥＣＤ等分析或现场使用便携式气相色谱仪㊁在线气相色谱仪分析Ｍｅｔｈｏｄ２１ＶＯＣｓ泄露便携ＶＯＣｓ分析仪器，如ＦＩＤ，ＰＩＤＭｅｔｈｏｄ２５非甲烷总烃冷凝管采集水分，气瓶采集气体⁃ＧＣ／ＦＩＤ分析Ｍｅｔｈｏｄ２５ＡＶＯＣｓ总量在线ＦＩＤＭｅｔｈｏｄ２５ＢＶＯＣｓ总量在线非分散红外分析仪（ＮＤＩＲ）Ｍｅｔｈｏｄ２５Ｃ垃圾填埋废气非甲烷总经气瓶采集气体⁃ＧＣ／ＦＩＤＭｅｔｈｏｄ１０６氯乙烯气袋采集气体⁃ＧＣ／ＦＩＤＭｅｔｈｏｄ３２０ＶＯＣｓ在线傅立叶变换红外光谱（ＦＴＩＲ）ＩＳＯ１３１９９：２０１２非燃烧过程总挥发性有机物在线催化氧化⁃非分散红外光谱（ＮＤＩＲ）ＩＳＯ２５１４０：２０１０甲烷在线ＦＩＤＩＳＯ２５１３９：２０１１甲烷气袋或罐采样⁃ＧＣ／ＦＩＤ分析３㊀国内固定污染源ＶＯＣｓ监测技术我国挥发性有机物监测标准体系已初步形成，对于固定污染源，主要采用实验室分析方法，如ＧＣ⁃ＭＳ，ＧＣ⁃ＦＩＤ，气相色谱外的分析仪器采用的较少，如红外光谱等，也较少采用现场在线或便携式仪器分析方法㊂目前常用的分析方法主要有两种类型，即手工采样后离线实验室２７１分析和在线分析㊂３．１㊀离线分析离线分析即现场采集完样品后，立即运回实验室，使用ＧＣ㊁ＧＣ⁃ＭＳ等分析仪器对样品进行分析㊂现行的手工离线采样方法主要分为全量气体采样法和吸附剂富集采样法两种㊂３．１．１㊀全量气体采样法用容器直接采集一定体积空气进行采样的方法叫做全量气体采样法，使用的容器有玻璃容器㊁聚合物袋㊁聚四氟乙烯㊁不锈钢采样罐等，其中应用最广泛的是不锈钢罐和聚合物袋㊂罐式采样法能避免采样过程中出现穿透㊁分解㊁解析难等问题，保持样品完整性，能够多次使用分析㊂聚合物袋则具有物美价廉的优点，采样体积大，能够反复使用，但有容易受到污染物渗透的影响而造成样品污染的缺点㊂３．１．２㊀吸附剂富集采样法吸附剂富集采样法是指使用固体吸附剂对挥发性有机化合物进行吸附浓缩，是一种将预留浓缩与采样过程结合在一起的方法㊂吸附管采样法有较多优点，如能够获得气体污染物的时间加权平均浓度，而且容易运输和清洗；能够反复使用，具有明显的价格优势；适用范围广泛，对于绝大多数的化合物都可以使用，而且采集样品的体积变化范围大㊂但是此类方法也存在缺点，并不适合于采集挥发性极高的化合物㊂吸附剂富集采样法常用的吸附剂一般有ＸＡＤ⁃２㊁活性炭㊁ＴｅｎａｘＴＡ㊁Ｃａｒｂｏｐａｃｋ以及Ｃａｒｂｏｔｒａｐ等㊂在采集污染源样品时，含有高浓度颗粒物与水分的废气同样会对后续测定产生影响㊂因此在采样时，需要先用玻璃棉过滤头㊁不锈钢滤膜等去除颗粒物，然后再使用冷凝装置㊁硅胶颗粒等去除水分㊂３．２㊀在线分析在实验室内进行监测分析能够得到准确的数据，但不能实时反映空气质量变化，对于现实中连续排放监测的意义很小，且从样品采集到仪器分析都存在诸多干扰因素，如在存储环节㊁运输环节㊁收集环节的容器污染等，实验室测试也很繁琐，成本与结果不成正比㊂而在线分析技术可避免来自衍生化或其他过程的干扰，使测量结果更为准确㊂３．２．１㊀气相色谱法在线气相色谱仪具有高选择性㊁高灵敏度㊁应用范围广的优点，有多种检测器可供选择：如ＭＳ㊁ＦＩＤ㊁ＰＩＤ等，主要包括在线自动采样系统㊁自动前处理系统㊁自动进样系统和分析仪器等部分㊂此外，ＦＩＤ㊁ＰＩＤ可单独使用测定ＶＯＣｓ总量㊂３．２．２㊀光谱法光谱分析方法是基于与物质结构和组成相关的特征信息进行检测的方法，只要能够选择适宜的波段范围与方法，就能准确进行检测㊂该方法有良好的选择性及灵敏度，不需要样品与实验室配套设施，有着动态化㊁非破坏㊁快速㊁高效等特点，很适合进行现场快速检测㊁实时在线分析㊂３．２．３㊀质子转移反应质谱法质子转移反应质谱（ＰＴＲ⁃ＭＳ）是一种快速在线测量大气中痕量挥发性有机物的分析技术，具有灵敏度高㊁分析时间快等其他分析方法不能达到的优点，且在线采样无需浓缩㊂４㊀污染源ＶＯＣｓ监测方法标准体系建议我国现有的ＶＯＣｓ监测方法标准体系还不完善，如ＶＯＣｓ排放行业与ＶＯＣｓ种类众多，需要增加ＶＯＣｓ分析目标物种类，用以覆盖更多的ＶＯＣｓ排放行业㊂另外由于不同ＶＯＣｓ的性质存在较大的差异，应针对不同性质的ＶＯＣｓ制定相应的分析标准㊂目前污染源废气在线分析方法较少，还需要研究更适应于固定污染源监测的在线分析方法，并针对不同的类型设计不同的在线分析方法，如对ＧＣ㊁ＦＩＤ㊁ＰＩＤ㊁光谱技术等制定相应的方法标准㊂制定在线分析方法标准还需要关注样品采集与前处理技术，以适应污染源废气高温高湿等严苛的环境条件㊂在线方法是质量保证与质量控制的有效手段，在保证时效性与便捷性的同时，还能够获得高质量监测数据㊂参考文献：［１］㊀张展毅，曾凡进，朱智成，等．国家环境标准中挥发性有机物分析方法的研究进展［Ｊ］．环境监测管理与技术，２０１６（５）：１４－１８．［２］㊀常㊀杪，丁杉杉，朱雁南，等．中国挥发性有机物污染防治政策及对监测技术的管理需求［Ｊ］．中国环境管理，２０１６（６）：５０－５４．［３］㊀王丽琴，李博伟，黄㊀宇，等．环境中挥发性有机物监测及分析方法［Ｊ］．地球环境学报，２０１６（２）：１３０－１３９．［４］㊀王㊀强，周㊀刚，钟㊀琪，等．固定源废气ＶＯＣｓ排放在线监测技术现状与需求研究［Ｊ］．环境科学，２０１３（１２）：４７６４－４７７０．［５］㊀杜振辉，翟雅琼，李金义，等．空气中挥发性有机物的光谱学在线监测技术［Ｊ］．光谱学与光谱分析，２００９（１２）：３１９９－３２０３．３７１。
基于改进PSO-BP 的采煤机截割部行星架疲劳寿命分析及预测
Journal of Mechanical Strength2021,43(4):977-981DOI :10.16579/j.issn.1001.9669.2021.04.030∗20200319收到初稿,20200423收到修改稿㊂国家自然科学基金项目(51674134)资助㊂∗∗赵丽娟,女,1964年出生,辽宁省阜新市人,汉族,辽宁工程技术大学教授,博士研究生导师,博士,研究方向为采掘机械动态可靠性分析与性能优化,机械系统动力学分析与控制,先进制造技术及应用,机电液一体化系统的仿真与应用㊂∗∗∗张㊀波(通信作者),男,1995年出生,辽宁省阜新市人,汉族,辽宁工程技术大学硕士研究生,研究方向为机械设计及理论㊂基于改进PSO-BP 的采煤机截割部行星架疲劳寿命分析及预测∗FATIGUE LIFE ANALYSIS AND PREDICTION OF PLANETCARRIER IN CUTTING PART OF SHEARER BASEDON IMPROVED PSO-BP赵丽娟∗∗㊀张㊀波∗∗∗㊀张㊀雯(辽宁工程技术大学机械工程学院,阜新123000)ZHAO LiJuan ㊀ZHANG Bo ㊀ZHANG Wen(College of Mechanical Engineering ,Liaoning Technical University ,Fuxin 123000,China )摘要㊀为对采煤机截割部行星架进行疲劳寿命分析及预测,建立采煤机的刚柔耦合模型,研究了行星架的动力学特性,得到了其最大应力值并以此作为输入,利用nSoft 得到了行星架的疲劳寿命,利用BP㊁PSO-BP 和改进的PSO-BP 对不同工况下的行星架寿命进行预测㊂研究表明:夹矸坚固性系数为8.4,截深600mm,转速90r /min,牵引速度2.5m /min 的工况下,行星架的最大应力为554.7812MPa,应力集中区域为花键退刀槽处,疲劳寿命为5.5072ˑ106;BP㊁PSO-BP 和改进的PSO-BP 三种神经网络模型中,预测疲劳寿命最大相对误差分别为4.35%㊁2.52%和0.90%,迭代次数分别为23㊁8和6次,改进PSO-BP 模型既提高了预测精度,也提高了迭代速度㊂融合Matlab㊁Ansys㊁Adams㊁nSoft 和改进的PSO-BPNN,为工矿装备关键零件的疲劳寿命预测提供了方法㊂关键词㊀采煤机㊀行星架㊀疲劳寿命㊀自适应变异㊀粒子群算法㊀BP 神经网络中图分类号㊀TD421Abstract ㊀In order to analyze and predict the fatigue life of the shearer s cutting planet carrier,the shearer s rigid-flexible coupling model was established,the planet carrier s dynamic characteristics was studied,and the planet carrier s maximum stress value was obtained as the input.The planet carrier s fatigue life was obtained by using nSoft,and the planet carrier s fatigue life,under different working conditions was predicted by using BP,PSO-BP and improved PSO-BP.The results show that under the condition of solidity coefficient of 8.4,depth of cut-off 600mm,rotational speed of 90r /min and traction speed of 2.5m /min,the maximum stress is 554.78MPa,the planet carrier s stress concentration area is at the spline receding groove,and the fatigue life is 5.5072ˑ106.Among the three neural network models,BP,PSO-BP and the improved PSO-BP,the predicted fatigue life s maximum relative error is 4.35%,2.52%and 0.90%,and the iteration s number is 23,8and 6times,respectively.The improved PSO-BPNN model improves the prediction accuracy and also improves the iterative bining MATLAB㊁ANSYS㊁ADAMS㊁nSoft and improved PSO-BPNN,this paper provides a method for predicting the fatigue life of key parts of industrial and mining equipment.Key words㊀Shearer ;Planet carrier ;Fatigue life ;Adaptive variation ;Particle swarm optimization algorithm ;BP neural networkCorresponding author :ZHANG Bo ,E-mail :295056753@ The project supported by the National Natural Science Foundation of China(No.51674134).Manuscript received 20200319,in revised form 20200423.㊀㊀引言含夹矸煤层条件下工作的采煤机受复杂多变的冲击载荷作用,截割部行星架作为其中的关键零件工况恶劣,容易发生疲劳失效,对其寿命进行分析与预测具有重要价值,国内外学者开展了大量相关研究工作㊂㊀978㊀机㊀㊀械㊀㊀强㊀㊀度2021年㊀Jung Me Park等[1]利用BP神经网络对焊点的疲劳寿命进行了预测㊂Eissa Fathalla等[2]通过多尺度模拟和拟裂纹方法,基于大量与广泛裂纹类型和宽度相关的疲劳寿命,建立了将疲劳寿命与观察到的裂纹相关联的人工神经网络㊂Kazem Reza Kashyzadeh等[3]利用BP神经网络将振幅应力和厚度视为输入参数,疲劳寿命视为网络的输出参数,对AISI1045碳钢的疲劳寿命进行了建模㊂王京涛等[4]利用BP神经网络建立了液压支架的危险点结构参量到疲劳寿命的网络映射寿命估算模型㊂温海骏等[5]利用粒子群算法优化了BP神经网络,构建了材料性能参数㊁应力水平及再制造工艺与疲劳寿命的神经网络预测模型,以此对再制造工件进行寿命预测㊂张义民等[6]1426-1431以采煤机摇臂壳体中的行星轮和太阳轮为研究对象,利用BP神经网络模拟得到疲劳寿命与随机参数的关系表达式㊂BP神经网络虽然可以对疲劳寿命进行预测,但存在收敛速度慢,易陷入局部最优值等缺点,PSO算法能够在一定程度上对其进行优化,但仍存在一些不足㊂本文以采煤机截割部行星架为研究对象,利用Matlab㊁Pro/E㊁Ansys㊁Adams㊁nSoft对其进行疲劳寿命分析,并利用改进的PSO-BP神经网络预测多工况下采煤机截割部行星架的疲劳寿命,具有较好的理论意义和工程应用价值㊂1㊀疲劳寿命分析及BP神经网络理论1.1㊀疲劳寿命分析理论疲劳分为裂纹的形成㊁扩展及断裂三个阶段㊂在疲劳寿命计算中,裂纹失稳到断裂的过程可以忽略不计,只需计算裂纹萌生及扩展两阶段,即N total=N initiation+N propagation(1)其中,N total为材料的全疲劳寿命;N initiation为裂纹萌生阶段的寿命;N propagation为裂纹扩展阶段的寿命㊂机械零件在使用过程中的评价标准为材料的强度㊁刚度及其疲劳寿命,以往以静强度预测寿命并不能解决实际工作中零件的疲劳问题㊂近年来的研究显示,机械零件疲劳失效的原因往往是零件在工作过程中只受到最大负载的35%~40%的交变载荷所导致的,而机械零件承受的载荷过大并不是导致零件疲劳失效的主要原因㊂交变载荷作用下结构和零件疲劳寿命估算的基础是累积损伤规律㊂Miner法则[6]1426-1431认为结构每次受到的疲劳损伤是独立的,单次的损伤叠加得到了该结构总损伤,若其值为1,则破坏将发生在该结构上㊂由Miner法则可知,倘若某零件上所受的载荷是由m个不同的应力组成,每个应力作用下的循环次数分别为n1,n2, ,n m,疲劳寿命分别为N1,N2, ,N m,通过线性叠加理论,则该零件的总损伤计算公式为D s=ðm i n i N i(2)㊀㊀如果D s=1,零件疲劳失效㊂1.2㊀BP神经网络理论BP网络由Rumelhart和McCelland等科学家小组于1986年提出的一种按照误差逆转传播算法训练的多层前馈网络,是目前应用最多的神经网络模型之一[7-8]㊂常用的BP神经网络结构如图1所示㊂图1㊀BP神经网络结构Fig.1㊀BP neural network structure图1中,X j为输入层第j个节点的输入,j=1, 2,...,M;W i,j为隐含层第i个节点到输出层第j个节点的权值;θi为第i个节点的阈值;φ为隐含层激励函数;W k,i为输出层第k个节点到隐含层第i个节点的权值;i=1,2, ,q;a k为输出层第k个节点上的阈值, k=1,2, ,L;ψ为输出层的激励函数㊂o K为输出层第k个节点的输出㊂2㊀采煤机刚柔耦合模型的建立与分析2.1㊀刚柔耦合模型的建立在Pro/E中将已经建立好的某型采煤机三维实体模型导入Adams中,并将在Ansys中生成的行星架模态中性文件替换Adams中的行星架刚性零件,并对采煤机各零件添加约束㊁接触及驱动[9],如图2所示㊂图2㊀采煤机刚柔耦合模型Fig.2㊀Flexible coupling model of shearer2.2㊀基于Adams行星架动力学分析根据兖矿集团杨村矿17层煤地质条件,计算夹矸㊀第43卷第4期赵丽娟等:基于改进PSO-BP 的采煤机截割部行星架疲劳寿命分析及预测979㊀㊀坚固性系数为8.4,截深600mm,转速90r /min,牵引速度2.5m /min 下的载荷数据文本[10-11]并导入Adams 后对采煤机进行动力学仿真,获取采煤机截割部行星架的等效应力云图,如图3所示㊂图3㊀行星架等效应力云图Fig.3㊀Equivalent stress cloud image of planet carrier由图3可知,行星架最大应力位于其退刀槽处,值为554.7812MPa,大于其许用应力532.0064MPa,需要对其进行疲劳寿命分析㊂3㊀行星架疲劳特性分析3.1㊀载荷的获取在Adams 的Durability 中导出nSoft 需要的原始载荷谱,并在Classification 中选择Multi-file Rainflow Counting 对原始载荷谱外推,将异常峰值点剔除,以等效应力为参考量对行星架进行疲劳特性研究[12]1287-1292㊂3.2㊀疲劳特性分析将nSoft 中生成的.unv 文件导入Adams 后处理模块的FE-fatigue 模块中,可得到行星架的寿命云图,如图4所示㊂图4㊀行星架寿命云图Fig.4㊀Life cloud image of planet carrier由图4可知,行星架的疲劳寿命为5.5072ˑ106,位于花间退刀槽处,与工程实际一致㊂4㊀行星架的疲劳寿命预测4.1㊀改进PSO-BP 的建立粒子群算法(ParticleSwarmOptimizationAlgorithm,PSO)是一种基于群体智能理论的全局优化方法㊂基本粒子群算法的优势在于收敛速度快㊁非劣解质量高㊁鲁棒性好,但也存在早熟收敛㊁搜索精度不高㊁后期迭代效率不高的缺点[13-15]㊂在基本粒子群算法的基础上引入自适应变异的思想,可以提高粒子群算法的全局搜索能力和优化能力㊂改进PSO-BP 流程图如图5所示㊂图5㊀改进PSO-BP 流程图Fig.5㊀Improved PSO-BP flow chart基本粒子群速度和位置如式(3)和式(4)所示v i ,j (t +1)=wv i ,j (t )+c 1r 1[p i ,j -x i ,j (t )]+c 2r 2[p i ,j -x i ,j (t )](3)x i ,j (t +1)=x i ,j (t )+v i ,j (t +1),t =1,2,...,d (4)其中,w 为惯性权重;c 1㊁c 2为学习因子,或加速系数,一般c 1=c 2,取值范围0~4;r 1㊁r 2为0~1之间的随机数,目的是增加粒子飞行的随机性㊂自适应变异的优势在于能够让局部聚集的粒子可以找到新的方向重新进行搜索,使全局最优解找到的概率比未增加自适应变异前的概率有较大的提升㊂由群体适应度方差来决定何时进行自适应变异操作[16-17]㊂即p m =(p max-p min )σ2N 2()+(p max -p min )2σ2N 2()+p max(5)其中,p m 为群体全局极值的变异概率,σ2为群体适应度方差,p max 为最大的变异概率值,p min 为最小的变异概率值㊂粒子在目前的p gbest 情况下,可能发现更好的位置,所以把自适应变异操作变换为一个随机算子,即对满足变自适应异条件的p gbest 按某个概率p m 进行变异p m =k ㊀㊀σ2<σ2d ,f (p gbest )>f d0㊀㊀others{(6)其中,k 的取值范围是[0.1,0.3],σ2d 的取值范围通常小于σ2的最大值,f d 为理论最优值㊂㊀980㊀机㊀㊀械㊀㊀强㊀㊀度2021年㊀4.2㊀基于改进的PSO-BP神经网络的行星架疲劳寿命预测基于Adams和nSoft联合仿真[12]1287-1292得到11组样本数据,选择数据中的前九组作为BP㊁PSO-BP和改进的PSO-BP神经网络的训练样本,后两组作为验证样本,如表1所示㊂表1㊀神经网络样本数据Tab.1㊀The samples of artificial neural network输入量Input quantity输出量Output quantity工况Working condition 采煤机牵引速度Shearerᶄs tractionspeed/(m/min)疲劳寿命Fatigue life/cycle1 2 3 4 5 6 7 8 9 10 112.52.7533.253.53.7544.254.54.7555.5072ˑ1064.7027ˑ1064.0985ˑ1063.5596ˑ1063.0301ˑ1062.5409ˑ1062.0997ˑ1061.6516ˑ1061.3161ˑ106预测10Pridiction10预测11Pridiction11三个神经网络模型中,BP部分选取输入节点及输出节点均为1个,隐含层为6个(在隐含层节点数的选取过程中,其个数一定要小于N-1,N为原始训练样本总数,这样可以避免模型的系统误差与原始训练样本之间特性无关而趋于零情况的出现,过多或者过少可能会导致过拟合的发生),输入层和隐含层间选取Sigmoid函数,隐含层和输出层间选取Pureline函数,训练函数选取Trainlm,最大迭代次数为2000,学习速率为0.001;PSO部分选取粒子群的规模为40,学习因子均为1.49445㊂由表2可知,利用BP神经网络㊁PSO-BP神经网络㊁改进的PSO-BP神经网络的预测值最大相对误差分别为4.35%㊁2.52%㊁0.90%,表明改进的PSO-BP 神经网络的预测误差最小,PSO-BP预测误差次之, BP预测误差最大㊂由表3可知,利用BP神经网络㊁PSO-BP神经网络㊁改进的PSO-BP神经网络的预测时迭代次数分别为23次㊁8次㊁6次,表明改进的PSO-BP神经网络的迭代速度最快,PSO-BP迭代速度次之,BP迭代速度最慢㊂由表2和表3可知,改进的PSO-BP神经网络即能提高预测精度,又能够减少迭代次数㊂表2㊀神经网络预测结果Tab.2㊀Artificial neural network prediction results工况Workingcondition仿真值Simulationvalues预测值Predictedvalue相对误差Fractionalerror/% BP10BP911PSO-BP10PSO-BP11改进的PSO-BP10ImprovedPSO-BP10改进的PSO-BP11ImprovedPSO-BP111.1045ˑ1069.2604ˑ1051.1045ˑ1069.2604ˑ1051.1045ˑ1069.2604ˑ1051.1359ˑ1069.663ˑ1051.1272ˑ1069.027ˑ1051.0972ˑ1069.177ˑ1052.854.352.052.520.660.90表3㊀神经网络迭代次数对比Tab.3㊀Comparison of artificial neural network iterations神经网络类型Type of neuralnetworkBP神经网络BP neuralnetworkPSO-BP神经网络PSO-BPneural network改进的PSO-BP神经网络Improved PSO-BPneural networks迭代次数Iterations23865㊀结论将Matlab㊁Ansys㊁Adams和nSoft对采煤机截割部行星架进行了动力学分析和疲劳寿命的研究,并通过不同神经网络模型预测了行星架的疲劳寿命,结论如下:1)通过Adams对采煤机进行动力学分析,在夹矸坚固性系数为8.4,截深600mm,转速90r/min,牵引速度2.5m/min的工况下得到了行星架最大应力为554.7812MPa;利用Adams与nSoft的接口,在Adams 中获得行星架寿命云图分布,其寿命为5.5072ˑ106,位于行星架花键退刀槽处㊂2)基于BP㊁PSO-BP和改进PSO-BP神经网络对不同工况下的采煤机截割部行星架进行了寿命预测,最大相对误差分别为4.35%㊁2.52%和0.90%,迭代次数分别为23次㊁8次和6次,得出改进后的PSO-BP神经网络预测疲劳寿命精度更高且速度更快㊂Matlab㊁Ansys㊁Adams㊁nSoft和改进的PSO-BPNN相结合的方式,可有效的节省仿真时间,提高预测精度和工作效率㊂参考文献(References)[1]㊀Jung Me Park,Hong Tae Kang.Prediction of fatigue life for spotwelds using back-propagation neural networks[J].Materials andDesign,2006,28(10):671-677.[2]㊀Eissa Fathalla,Yasushi Tanaka,Koichi Maekawa.Remaining fatiguelife assessment of in-service road bridge decks based upon artificialneural networks[J].Engineering Structures,2018:171.㊀第43卷第4期赵丽娟等:基于改进PSO-BP的采煤机截割部行星架疲劳寿命分析及预测981㊀㊀[3]㊀Kazem Reza Kashyzadeh,Erfan Maleki.Experimental investigationand artificial neural network modeling of warm galvanization andhardened chromium coatings thickness effects on fatigue life of aisi1045carbon steel[J].Journal of Failure Analysis and Prevention,2017,17(6):1276-1287.[4]㊀王京涛,陆金桂,朱正权,等.液压支架疲劳寿命近似估算[J].工矿自动化,2017,43(3):39-42.WANG JingTao,LU JinGui,ZHU ZhengQuan,et al.Approximateestimation of fatigue life of hydraulic supports[J].MiningAutomation,2017,43(3):39-42(In Chinese).[5]㊀温海骏,孟小玲,曾艾婧,等.基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测[J].科学技术与工程,2019,19(21):21-26.WEN HaiJun,MENG XiaoLing,ZENG AiJing,et al.Neural networkremanufacturing workpiece fatigue life prediction based on secondorder particle swarm optimization[J].Science,Technology andEngineering,2019,19(21):21-26(In Chinese).[6]㊀张义民,王㊀婷,黄㊀婧.采煤机摇臂系统行星轮系疲劳可靠性灵敏度设计[J].东北大学学报(自然科学版),2016,37(10):1426-1431.ZHANG YiMin,WANG Ting,HUANG Jing.Planetary gear systemfatigue reliability sensitivity design for shearer rocker arm system[J].Journal of Northeast University(Natural Science Edition),2016,37(10):1426-1431(In Chinese).[7]㊀陈佳琦,赵鹏祥,祁㊀宁,等.基于BP神经网络的油松人工林树高模型研究[J/OL].西北林学院学报:1-7.CHEN JiaQi,ZHAO PengXiang,Qi Ning,et al.Tree height model ofpinus tabulaeformis plantation based on BP neural network[J/OL].Journal of Northwest Forestry Institute:1-7(In Chinese). [8]㊀陈一梅,范丽婵,李㊀鑫.基于BP神经网络的丁坝坝头冲刷坑变化趋势预测[J/OL].水利水运工程学报,2019(6):125-131.CHEN YiMei,FAN LiChan,LI Xin.Ding dam head scouring pitchange trend prediction based on BP neural network[J/OL].Journalof Water Conservancy and Water Transport Engineering,2019(6):125-131(In Chinese).[9]㊀赵丽娟,范佳艺.基于神经网络的采煤机截割部可靠性研究[J].机械强度,2018,40(4):869-874.ZHAO LiJuan,FAN JiaYi.A study on the reliability of cutting part ofshearer based on neural network[J].Journal of Mechanical Strength,2018,40(4):869-874(In Chinese).[10]㊀赵丽娟,李明昊,张品好.采煤机扭矩轴可靠性分析与优化设计[J].机械强度,2017,39(3):585-591.ZHAO LiJuan,LI MingHao,ZHANG PinHao.Reliability analysisand optimization design of torque shaft of shearer[J].Journal ofMechanical Strength,2017,39(3):585-591(In Chinese). [11]㊀赵丽娟,马永志.基于多体动力学的采煤机截割部可靠性研究[J].煤炭学报,2009(9):1271-1275.ZHAO LiJuan,MA YongZhi.Reliability study on cutting part ofshearer based on multi-body dynamics[J].Journal of China CoalSociety,2009(9):1271-1275(In Chinese).[12]㊀赵丽娟,马联伟.薄煤层采煤机可靠性分析与疲劳寿命预测[J].煤炭学报,2013,38(7):1287-1292.ZHAO LiJuan,MA LianWei.Reliability analysis and fatigue lifeprediction of thin coal seam shearers[J].Journal of China CoalSociety,2013,38(7):1287-1292(In Chinese). [13]㊀王文丰,宋㊀勇,韩龙哲,等.一种改进的粒子群算法的路径规划研究[J].小型微型计算机系统,2019,40(12):2614-2618.WANG WenFeng,SONG Yong,HAN LongZhe,et al.Path planningstudy of an improved particle swarm algorithm[J].Minicom PuterSystem,2019,40(12):2614-2618(In Chinese).[14]㊀张少明,盛四清.基于改进粒子群算法的微网优化运行[J/OL].中国电力:1-8.ZHANG ShaoMing,SHENG SiQing.Optimization operation ofmicrogrid based on improved particle swarm algorithm[J/OL].ChinaPower:1-8(In Chinese).[15]㊀林㊀博,俞胜平,刘子源,等.基于改进粒子群算法的高铁动态调度方法[J/OL].控制工程:1-8.LIN Bo,YU ShengPing,LIU ZiYuan,et al.High-speed rail dynamicscheduling method based on improved particle swarm algorithm[J/OL].Control Works:1-8(In Chinese).[16]㊀邵㊀楠,周雁舟,惠文涛,等.基于自适应变异粒子群优化算法的测试数据生成[J].计算机应用研究,2015,32(3):786-789.SHAO Nan,ZHOU YanZhou,HUI WenTao,et al.Test datageneration based on adaptive variation particle swarm optimizationalgorithm[J].Computer Application Research,2015,32(3):786-789(In Chinese).[17]㊀黄㊀松,田㊀娜,纪志成.基于自适应变异概率粒子群优化算法的研究[J].系统仿真学报,2016,28(4):874-879.HUANG Song,TIAN Na,JI ZhiCheng.Research on particle swarmoptimization algorithm based on adaptive mutation probability[J].Journal of System Simulation,2016,28(4)847-879(In Chinese).。
辽宁省教育厅关于公布2013年辽宁省普通高等学校本科大学生机器人大赛获奖名单的通知
辽宁省教育厅关于公布2013年辽宁省普通高等学校本科大学生机器人大赛获奖名单的通知文章属性•【制定机关】辽宁省教育厅•【公布日期】2013.11.25•【字号】辽教函[2013]440号•【施行日期】2013.11.25•【效力等级】地方工作文件•【时效性】现行有效•【主题分类】高等教育正文辽宁省教育厅关于公布2013年辽宁省普通高等学校本科大学生机器人大赛获奖名单的通知（辽教函[2013]440号）省内有关普通本科高等学校：根据《辽宁省教育厅办公室关于举办2013年辽宁省普通高等学校本科大学生创新创业竞赛的通知》（辽教办发[2013]43号）和《辽宁省教育厅关于印发2013年辽宁省普通高等学校本科大学生创新创业竞赛项目实施方案的通知》（辽教发[2013]65号）精神，由辽宁省教育厅、辽宁省财政厅共同主办，东北大学承办的2013年辽宁省普通高等学校本科大学生机器人大赛已圆满结束。
本届大赛共有来自全省18所高校的62支代表队报名参赛，参赛学生441人。
经专家组现场评审，网上公示，我厅同意，现将2013年辽宁省普通高等学校本科大学生机器人大赛获奖名单公布如下：一、学生奖项一等奖队伍8支；二等奖队伍8支；三等奖队伍16支；成功参赛奖队伍30支。
具体名单见《2013年辽宁省普通高等学校本科大学生机器人大赛学生获奖名单》（附件1）。
二、优秀指导教师奖17名教师获得优秀指导教师奖。
具体名单见《2013年辽宁省普通高等学校本科大学生机器人大赛优秀指导教师名单》（附件2）。
三、优秀组织单位奖18所高校获得优秀组织单位奖。
具体名单见《2013年辽宁省普通高等学校本科大学生机器人大赛优秀组织单位名单》（附件3）。
四、组织工作先进个人奖19名组织者获组织工作先进个人奖。
具体名单见《2013年辽宁省普通高等学校本科大学生机器人大赛组织工作先进个人名单》（附件4）。
希望各高校以大学生创新创业竞赛为契机，积极组织广大师生开展各种创新创业活动，为学生搭建专业展示与交流的平台；希望广大教师不断创新教育教学理念及方法，进一步强化实践教学环节，着重于对大学生创新意识与实践能力的培养，为优秀人才脱颖而出创造条件；希望大学生在竞赛中不断提升专业素质和实践能力，努力成为知识丰富、本领过硬的高素质专业人才。
辽工大研究生专业及录取人数
6
①101思想政治理论 ②201英语一 或202俄语 或203日语 ③301数学一 ④808电路
22
①101思想政治理论 ②201英语一 ③301数学一
①101思想政治理论 ②201英语一 ③630数学分析 ④830高等代数
＿05工程分析与计算 王锦鑫 教 授 王 皓 教 授 柴 岩 副教授 杨 鑫 副教授 聂 颖 副教授 包研科 副教授 丁红旗 副教授 胡行华 副教授 吕明海 副教授 刘 威 副教授 080101一般力学与力学基础 ＿02振动与噪声控制 3 苏荣华 教 授 张吉平 副教授 ①101思想政治理论 ②201英语一 或202俄语 或203日语 ③301数学一 ④801工程力学 ①101思想政治理论 ②201英语一 或202俄语 或203日语 ③301数学一 ④801工程力学
徐 平 教 授 于英华 教 授 任兰柱 教 授 翟建华 教 授 康文龙 副教授 高永新 副教授 孙远敬 副教授 刘芮葭 副教授 刘雨博 副教授 安亚君 副教授 张连勇 副教授 ＿02可重构制造系统及设备 蒲志新 副教授 郝志勇 副教授 ＿03成形技术与控制 马 壮 教 授 翟建华 教 授 马修泉 副教授 孙远敬 副教授 安亚君 副教授 张连勇 副教授 ＿04数字制造技术与信息化 赵丽娟 教 授 徐 平 教 授 姚继权 副教授 蒲志新 副教授 刘雨博 副教授 ＿05矿山机械的关键制造理论 赵丽娟 教 授 于英华 教 授 与技术 康文龙 副教授 姚继权 副教授 安亚君 副教授
＿02传热过程理论与节能技术 于静梅 杨新乐 080704流体机械及工程 ＿01流体机械理论及应用 李锐平 于静梅 杨新乐 ＿02流体机械运行行为检测与 李锐平 控制 ＿03流体动力理论与技术 于静梅 ＿04空气压缩机设计理论及制 造技术 080801电机与电器 ＿01电接触理论及应用 郭凤仪 仲伟堂 陈忠华 ＿02智能电器理论及应用 郭凤仪 陈忠华 荣德生 ＿03新型微特电机理论与设计 ＿04电机电器检测技术 ＿05现代永磁电机理论及控制 技术 080802电力系统及其自动化 ＿01矿山供电系统功率补偿技 术 ＿02电力系统在线监测与控制 技术 ＿03新型电力设备中关键技术
海量空间数据点四边形网格优化
海量空间数据点四边形网格优化
吴丽娟;赵丽娟;李柳
【期刊名称】《辽宁工程技术大学学报：自然科学版》
【年(卷),期】2009(0)1
【摘要】在基于海量数据点的四边形网格的曲面重建过程中,四边形网格的划分质量直接影响到曲面重建的精度,在海量空间数据点四边形网格的生成的基础上,提出了网格的优化方法。
详细论述了网格质量的定义,网格拓扑优化,几何优化方法;在网格拓扑优化中,通过优化边界边、固定边界边的网格以及网格单元、网格角度的处理,最大极限的满足网格中每个节点的度为4;在几何优化方法中,通过调整网格顶点的位置,达到调整网格形状的目的.本优化算法采用网格拓扑优化与几何优化相结合的循环方式进行,提高了网格的质量,最后给出了网格优化实例。
【总页数】3页(P49-51)
【关键词】海量数据;四边形网格;拓扑优化;几何优化
【作者】吴丽娟;赵丽娟;李柳
【作者单位】沈阳师范大学物理科学与技术学院,辽宁沈阳110034;辽宁工程技术大学职业技术学院,辽宁阜新123000
【正文语种】中文
【中图分类】O242.21
【相关文献】
1.面向不规则点消除的四边形网格优化方法 [J], 尚菲菲;刘剑飞
2.非封闭曲面的海量空间数据点四边形网格生成算法 [J], 吴丽娟;刘丽;张彩明
3.在不规则四边形网格上逼近扩散算子的五点及九点差分格式的测试 [J], 张瑗;李寿佛
4.海量空间数据环境下RIA GIS的几种优化方法 [J], 刘小飞;于海波;关昆
5.基于HBase的海量地理空间数据的空间索引模型构建与优化 [J], 朱静;刘振华;乔栋
因版权原因，仅展示原文概要，查看原文内容请购买。
虚拟样机技术中虚拟装配实现研究
Ｚ ａ ｉ ｕ ｎ ．。Ｌ ｈ —Ｘ ｈ ｏ Ｌ —ｉａ Ｉ ｉ ｉ Ｕ ，ＨｕＪａ Ｓ ｉｎ—ｈ ａ ，Ｌ ｕ Ｊｅ ｕ ｉ ｉ
（． ｏｔｅｓ ｒ ｎｖｒｔ－ｍ ｃ ｉ ｅｇｎｅｎ ｌｇ ， ｈｎａｇＬａｎｎ １００ ，ｈｎ ； １ Ｎ ｒ ａｔｎｕ ｉ ｓｙ ｅ ￣ｎ ｄ ｎｉｅｒ ｇｃ ｌ ｅ Ｓ ｅｙｎ ｉｏｉｇ １０ ４ Ｃ ｉ ｈ ｅ ｅｉ ｃ ｉ ｏｅ ａ
（． Ｉ 东北大学 机械工程学院 ， 辽宁 沈 阳 Ｉ００ ； ． １ ４ ２ 辽宁工程技术大学 机械工程学 院 ， ０ 辽宁 阜新 摘 １３０ ） ２０ ０
要： 介绍基 于虚拟样机技术 的现代产品设计流程 ， 分析虚拟装配技术在产品设计中的作用 。提出利用 Ｐ ／ ｍ Ｅ与 Ａ Ａ Ｓ 同实现 ＤＭ 协 虚拟装 配的方法 ， 通过分析具体实例的虚拟装配说明虚 拟样机建模过程 中 拟装配的重要性。 虚
Ｐｏ Ｅ作 为通用三维参 数化 Ｃ Ｄ软件具 有强 大的建 模 、 ｒ／ Ａ 装 配和分析功能 Ｊ 。使用 Ｐｏ Ｅ建 立零部件的实体模 型进行 ｒ ／ 装 配构成整机非常方便 ； 利用 其分析 功能快 速得到 零件 的全 部几何信息 ， 检测出组 件 中零部 件之 间的尺 寸关 系及干 涉情 况等 。若利用 ＰｏＥ来动态检验组件 的可装配性则需 要在装 ｒ ／ 配时定义零件之 间的连 接关系 ， 然后 利用 添加驱 动等操 作使 零件实现预定 的动作 ， 一系列 的操作较繁琐 ， 于操 作者有 这 对
维普资讯
第２ Ｏ卷 第 ２期 ２０ ０ ７年 ４月
机械 研究 与应用
ＭＥＣＨＡＮＩ ＣＡＬ ＲＥＳＥＡＲＣＨ ＆ ＡＰＰＵ ＣＡＴＩ ＯＮ
Ｖｏ Ｏ Ｎｏ２ ｌ２ ２ ０７ Ｏ
虚 拟样 机 技术 中虚 拟 装 配 实 现研 究
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
赵丽娟：教授，工学博士，博士生导师。
辽宁省高层次科技专家库专家、高等教育“十二五”规划教材机械学科编审委员会委员、东北三省互换性与测量技术研究会理事、辽宁工程技术大学机械制造及其自动化学科带头人、机电液系统的仿真与应用研究方向学术带头人，促进阜新市经济转型科技行动专家。
学科领域：机械工程
研究方向：1、现代机械设计理论与方法；
2、机电液系统设计与仿真；
学术专长（标签）：1、采掘机械动态可靠性研究与性能优化；
2、复杂机电液控一体化系统的建模方法与可靠性研究；
先后主持完成辽宁省教育厅高等学校创新团队项目“掘进机器人多领域建模及其关键技术研究”、大型工矿装备实验研究中心开放基金“磨蚀理论研究及磨蚀系数测定装置的智能化开发”及企业委托项目“含硫化铁结核薄煤层采矿机截割部可靠性研究”（保证了全国首例富含硬结核体的薄煤层采煤机的成功研制，使复杂煤层赋存条件下的薄煤层实现综采成为可能）、“悬臂式掘进机设计中虚拟样机技术的开发应用”、“中煤南梁煤矿煤层可刨性及刨煤机可靠性研究”、“矿用减速器动态仿真系统的研究开发”、“采煤机滚筒、纵轴式掘进机截割头辅助设计及载荷计算软件开发”、“易维护SL1000型采煤机摇臂计算机仿真模拟分析”、“冷连轧机液压压下系统的建模方法与振动控制”等20余项，主持“基于VP与VI的控制工程虚拟实验系统研究与开发”等辽宁省教学改革研究项目2项。
目前在研项目4项，科研经费100余万元。
所完成的科研项目中有2项获中国煤炭工业科学技术一等奖、1项获国家安全监督管理局第五届安全生产科技成果二等奖、1项获中国
商业联合会科学技术三等奖、1项获振兴辽宁老工业基地“巾帼发明”三等奖、4项获阜新市科技进步一等奖。
出版学术专著《复杂机电系统的建模与仿真研究》（获辽宁省自然科学学术成果二等奖）、《复杂结构薄煤层高效综采关键技术》2部；获“一种蛇形机器人”、“多功能激光衍射测量仪及其测量方法”国家发明专利2项、“纵轴式掘进机截割头辅助设计及优化软件”、“采煤机工作机构优化设计及载荷计算软件”软件著作权2部；编著(主编)《控制工程基础与应用》、《互换性与测量技术基础》等高等学校规划教材6部。
在《煤炭学报》、《中国机械工程》、《机械科学与技术》等期刊发表学术论文120余篇（20余篇被EI全文收录），其中“基于多体动力学的采煤机截割部可靠性研究”被评为《煤炭学报》创刊五十周年百篇最具影响力学术论文，获中国煤炭学会表彰。
主要从事研究内容：基于虚拟样机技术，将柔性多体系统动力学的建模理论和方法应用于煤矿采掘机械的研发中，针对样机投入使用后的各种工况进行仿真分析，并对物理样机工作的可靠性及寿命进行科学预测，找出设计的薄弱环节，给出具体的优化设计方案，确保物理样机的一次成功。
可以明显提高产品的系统级性能，极大地节省设计时间、降低开发成本，获得最优化的设计产品，为大型工矿装备的创新设计与优化提供了全新的研究方法和手段。
这是一项通用技术，可适用于任何机电液控一体化产品，并且产品越复杂，应用这项技术的优势就越突出，尤其适用于新产品的研发和对现有设备的改造，目前的研究处于国际先进水平。