液压缸密封圈磨损原因较多,难以通过肉眼直观观察,很难找到直接原因,提出基于有限元的液压缸密封圈磨损量分析方法。基于液压缸密封圈几何模型、材料模型和物理模型,分析了橡胶密封圈在应力和应变上的非线性,通过定义应变密度函数,构建了液压缸密封圈的有限元模型。根据液压缸活塞的密封结构,分析了液压缸活塞的运动特点,利用Archard模型描述密封圈的外观特征变化,通过计算密封圈接触面上任意一点的磨损深度,分析液压缸密封圈的磨损量。试验结果表明,所研究方法可以对液压缸密封圈的裂纹深度与裂纹扩展角度进行有效分析,两项指标的试验分析与实测结果基本一致,裂纹深度的试验分析误差最大值仅为0.002 mm。方法有助于提高液压缸设计的密封可靠性。

激光熔覆再制造是实现绿色开采的重要环节。实现激光熔覆材料组分对熔覆层性能影响的预测可以减少材料设计过程中的试错成本,提高研发效率。针对矿用液压油缸激光熔覆材料,通过灰色关联度分析法,筛选出Fe基激光熔覆材料中对熔覆层性能影响较大的组分,建立3层反向传递(back propagation,BP)神经网络模型进行训练和预测;利用遗传优化算法对BP神经网络初始权值和阈值进行优化,并将优化后的遗传算法-反向传递(genetic algorithms-backpropagation,GA-BP)神经网络模型与BP神经网络模型的预测结果进行对比。结果表明:遗传优化算法可以大幅度提高BP神经网络模型的预测精度,在少量训练样本条件下,模型输出的预测值与实际值接近,预测误差从5.60%~710.37%降低至2.04%~18.43%,证明了GA-BP神经网络用于液压油缸激光熔覆层性能预测的可行性。