Optimization of electromagnetic structure of magnetic levitation belt conveyor
-
摘要: 常规磁悬浮带式输送机采用永磁体和电磁铁组合的电磁结构，在磁悬浮支承力需求较高的工况条件下具有易发热、电流损耗大等问题。为解决该问题，提出了一种基于Halbach阵列的电磁结构。以电磁结构磁感应强度最大为目标函数，以电磁结构尺寸和磁感应强度分布范围为约束条件，建立了电磁结构优化数学模型。针对教与学优化（TLBO）算法用于求解电磁结构优化数学模型时容易陷入局部最优的问题，提出了一种改进的TLBO算法，该算法通过筛选引入新种群及改进教学阶段和互学阶段的学习方式，增强种群的多样性和搜索能力。测试结果表明，改进的TLBO算法的准确性和稳定性均优于标准TLBO算法。采用改进的TLBO算法对磁悬浮带式输送机电磁结构优化数学模型进行求解，得到最优电磁结构参数：Halbach阵列中单个永磁体高7 mm、宽9 mm，永磁体块数为7。实验结果表明，相同尺寸条件下，基于Halbach阵列的电磁结构最大磁感应强度相对基于永磁体的电磁结构提高了47.69%。Abstract: The conventional magnetic levitation belt conveyor adopts the electromagnetic structure composed of permanent magnets and electromagnets, which has the problems of easy heat generation and high current loss under the working conditions with high demand of magnetic levitation support force. To solve this problem, an electromagnetic structure based on Halbach array is proposed in this study. The mathematical model of electromagnetic structure optimization is established with the maximum magnetic induction intensity of electromagnetic structure as the objective function and the size of electromagnetic structure and the range of magnetic induction intensity distribution as the constraints. When solving the mathematical model of electromagnetic structure optimization, the Teaching and Learning Optimization (TLBO) algorithm is easily to fall into the local optimum. To solve this problem, an improved TLBO algorithm is proposed so as to enhance the diversity and search ability of the population by introducing new populations through screening and improving the learning methods in the teaching stage and mutual learning stage. The test results show that the accuracy and stability of the improved TLBO algorithm are better than the standard TLBO algorithm. The improved TLBO algorithm is used to solve the electromagnetic structure optimization mathematical model of the magnetic levitation belt conveyor. The optimal electromagnetic structure parameters are obtained as follows: the height of a single permanent magnet in Halbach array is 7 mm, the width is 9 mm, and the number of permanent magnets is 7. The experimental results show that under the same size conditions, the maximum magnetic induction intensity of the Halbach array-based electromagnetic structure is increased by 47.69% compared with the permanent magnet-based electromagnetic structure.
-
-
期刊类型引用(22)
1. 王浩. 选煤厂自动加介质系统的设计. 机械制造. 2024(02): 53-55 . 
百度学术
2. 刘新辉，袁雪，吕鹏辉，雷伟刚，薛振磊，卜祥宁，沙杰. 选煤厂重介质分选工艺智能化改造及应用. 煤炭加工与综合利用. 2024(03): 10-13+17 . 百度学术
3. 申杰. 选煤厂自动化重介质分选技术的应用分析. 矿业装备. 2024(05): 198-200 . 百度学术
4. 倪云峰，魏富太，郭苹. 重介质分选过程中悬浮液密度和黏度控制算法研究. 煤炭技术. 2024(08): 296-299 . 百度学术
5. 张文军. 选煤厂生产线调度最优决策专家系统设计. 自动化仪表. 2024(07): 75-79 . 百度学术
6. 张军，蔚文朋，张硕，姜坤坤，王杰，李少宁，董良，代伟. 基于云熵优化的云模型-组合赋权煤炭分选工艺综合评价方法. 洁净煤技术. 2024(S2): 508-514 . 百度学术
7. 王美君，谭章禄，吕晗冰，桂谕典. 选煤厂智能化建设技术架构与技术策略研究. 矿业科学学报. 2024(06): 1017-1026 . 百度学术
8. 郎艳波. 重介质选煤装备的智能化设计改造及应用. 机械研究与应用. 2023(01): 136-139+143 . 百度学术
9. 班海俊，武源，张锦龙，刘诗宇，常艇. 李家壕选煤厂智能加介系统研究. 煤炭工程. 2023(04): 168-172 . 百度学术
10. 柴进，张海斌，高平小，王湛，乔宏. 基于特征融合的选煤厂振动筛故障诊断方法. 煤炭工程. 2023(06): 158-163 . 百度学术
11. 代伟，王昱栋，彭勇. 重介质选煤过程数学模型的研究现状与展望. 控制工程. 2023(10): 1759-1766 . 百度学术
12. 吴毅刚，朱陈雨. 重介质悬浮液密度的压差式测量方法研究现状及趋势. 煤炭加工与综合利用. 2023(10): 20-24+28 . 百度学术
13. 司海波. 重介质洗煤自动控制系统设计研究. 机械管理开发. 2022(08): 257-259 . 百度学术
14. 代伟，王昱栋，董良，赵跃民. 煤炭智能重介分选技术进展与探索. 工矿自动化. 2022(11): 20-26+44 . 本站查看
15. 周增宏. 选煤厂制介及加介系统设计与应用. 陕西煤炭. 2021(01): 162-166+173 . 百度学术
16. 寇金成. 选煤厂重介质悬浮液密度控制方案优化. 山西焦煤科技. 2021(03): 41-43 . 百度学术
17. 王庆飞，齐健，王洪兵. 乌东选煤厂重介质浅槽分选系统的分选试验研究. 能源与环保. 2021(09): 260-265 . 百度学术
18. 汤优优，喻连香，陈雄. 重介质选矿技术在处理有色金属矿和非金属矿的研究现状及展望. 矿产综合利用. 2021(04): 118-124 . 百度学术
19. 王光辉，彭勇，代伟，董良，马小平. 基于灵敏度分析与增强捕食-食饵优化的重介质选煤过程动态模型. 煤炭学报. 2021(09): 2813-2823 . 百度学术
20. 邢欢，周增宏. 一种射流喷射式自动加介系统. 洁净煤技术. 2021(S1): 97-101 . 百度学术
21. 李志军，韩伟，王光辉. 基于DASCN的重介质浅槽分选灰分预测. 煤炭工程. 2021(S1): 122-126 . 百度学术
22. 钱丽霞. 选煤厂智能介质添加系统研究. 内蒙古煤炭经济. 2021(21): 55-57 . 百度学术
其他类型引用(7)
计量
- 文章访问数:
- HTML全文浏览量:
- PDF下载量:
- 被引次数: 29
下载:
