A system reliability-based design optimization for the scraper chain of scraper conveyors with dependent failure modes

• Autorzy: Shuai Li , Zhencai Zhu , Hao Lu , Gang Shen

Identyfikatory

DOI

10.17531/ein.2019.3.5

Warianty tytułu

PL

Oparta na niezawodności systemu optymalizacja konstrukcji łańcucha przenośnikowego zgrzebłowego o zależnych przyczynach uszkodzeń

• Języki publikacji: EN

Abstrakty

EN

With the incomplete probability information, the joint probability distribution modelling and system reliability-based optimization design of structural systems with failure interactions are challenging problems in the domain of reliability. This article is designed to propose a system reliability-based optimization design method for optimizing the scraper chain with multiple failure modes. Firstly, the common failure modes of the scraper chain are analysed. For each failure mode, a reliability model for the failure of scraper chains is obtained. Secondly, aiming at the joint failure probability modelling problem, a method for estimating the failure probability of the scraper chain based on system reliability is proposed. The reliability of scraper chains is calculated by the stochastic perturbation technique and the four-moment method. And then, the optimization design problem is discussed based on system reliability. And the optimal model is established. Finally, the effectiveness of the method is verified by the illustrative example of scraper chains. The proposed joint failure probability estimation method and design optimization are shown in the example. The results obtained can provide a reference for the optimal design of the scraper chain.

PL

Ze względu na niekompletność danych dotyczących prawdopodobieństwa, modelowanie wspólnego rozkładu prawdopodobieństwa oraz oparte na niezawodności systemu projektowanie optymalizacyjne systemów konstrukcyjnych, w których zachodzą zależności między uszkodzeniami stanowią trudne problemy niezawodnościowe. W artykule zaproponowano metodę optymalizacji konstrukcji łańcucha zgrzebłowego, w której wykorzystuje się obliczenia niezawodności systemu. Ponieważ dla łańcucha tego typu istnieje wiele potencjalnych przyczyn uszkodzeń, w pierwszej kolejności analizowano powszechnie występujące przyczyny uszkodzeń. Dla każdego rodzaju uszkodzenia łańcucha otrzymano model niezawodnościowy. Następnie, mając na uwadze problem modelowania wspólnego rozkładu prawdopodobieństwa uszkodzeń, zaproponowano metodę szacowania prawdopodobieństwa uszkodzenia łańcucha na podstawie niezawodności systemu. Niezawodność łańcuchów zgrzebłowych obliczano za pomocą techniki zaburzeń stochastycznych oraz metody momentu czwartego rzędu. Na podstawie otrzymanej niezawodności systemu, omówiono problem optymalizacji konstrukcji łańcucha oraz wyznaczono model optymalny. Skuteczność proponowanych metod estymacji wspólnego prawdopodobieństwa uszkodzenia i optymalizacji konstrukcji weryfikowano na podstawie przykładu łańcucha zgrzebłowego. Uzyskane wyniki mogą stanowić punkt odniesienia dla optymalnego projektowania łańcuchów zgrzebłowych.

Słowa kluczowe

EN

probabilistic analysis; system reliability; Copula; scraper chain; optimization

PL

analiza probabilistyczna; niezawodność systemu; funkcja kopuły; łańcuch przenośnikowy zgrzebłowy; optymalizacja

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2019
• Tom: Vol. 21, no. 3
• Strony: 392--402
• Opis fizyczny: Bibliogr. 24 poz., rys., tab.

Twórcy

autor

Shuai Li

• School of Mechanical and Electrical Engineering China University of Mining and Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China
• Jiangsu Key Laboratory of Mine Mechanical and Electrical Equipment China University of Mining & Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China

autor

Zhencai Zhu

• School of Mechanical and Electrical Engineering China University of Mining and Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China
• Jiangsu Key Laboratory of Mine Mechanical and Electrical Equipment China University of Mining & Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China

autor

Hao Lu

• School of Mechanical and Electrical Engineering China University of Mining and Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China
• Jiangsu Key Laboratory of Mine Mechanical and Electrical Equipment China University of Mining & Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China

autor

Gang Shen

• School of Mechanical and Electrical Engineering China University of Mining and Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China
• Jiangsu Key Laboratory of Mine Mechanical and Electrical Equipment China University of Mining & Technology No 1, Daxue Road Xuzhou, Jiangsu, 221116 P.R. China

Bibliografia

• 1. Akaike H. Factor analysis and AIC. Psychometrika 1987; 52(3): 317-332, https://doi.org/10.1007/BF02294359.
• 2. Ba-abbad M A, Nikolaidis E, Kapania R K. New Approach for System Reliability-Based Design Optimization. AIAA Journal 2006; 44(5):1087-1096, https://doi.org/10.2514/1.17237.
• 3. Burnham K P, Anderson D R. Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach. Springer-Verlag New York 2002.
• 4. Ditlevsen O. Narrow Reliability Bounds for Structural Systems. Journal of Structural Mechanics 1979; 7(4): 453-472, https://doi.org/10.1080/03601217908905329.
• 5. Huang X, Jin S, He X, et al. Reliability analysis of coherent systems subject to internal failures and external shocks. Reliability Engineering and System Safety 2019; 181: 75-83, https://doi.org/10.1016/j.ress.2018.09.003.
• 6. Huang X, Li Y, Zhang Y, et al. A new direct second-order reliability analysis method. Applied Mathematical Modelling 2018; 55: 68-80, https://doi.org/10.1016/j.apm.2017.10.026.
• 7. Jiang C, Li W X, Han X, et al. Structural reliability analysis based on random distributions with interval parameters. Computers and Structures 2011; 89(23): 2292-2302, https://doi.org/10.1016/j.compstruc.2011.08.006.
• 8. Jiang C, Zhang W, Wang B, et al. Structural reliability analysis using a copula-function-based evidence theory model. Computers and Structures 2014; 143: 19-31, https://doi.org/10.1016/j.compstruc.2014.07.007.
• 9. Jiang S B, Zeng Q L, Wang G, et al. Contact Analysis of Chain Drive in Scraper Conveyor Based on Dynamic Meshing Properties. International Journal of Simulation Modelling 2018; 17(1): 81-91, https://doi.org/10.2507/IJSIMM17(1)418.
• 10. Keshtegar B. A Modified Mean Value of Performance Measure Approach for Reliability-Based Design Optimization. Arabian Journal for Science and Engineering 2017; 42(3): 1093-1101, https://doi.org/10.1007/s13369-016-2322-0.
• 11. Li D, Tang X, Zhou C, et al. Uncertainty analysis of correlated non-normal geotechnical parameters using Gaussian copula. Science China-Technological Sciences 2012; 55(11): 3081-3089, https://doi.org/10.1007/s11431-012-4937-z.
• 12. Liu P, Li L, Guo S, Xiong L, et al. Optimal design of seasonal flood limited water levels and its application for the Three Gorges Reservoir. Journal of Hydrology 2015; 527: 1045-1053, https://doi.org/10.1016/j.jhydrol.2015.05.055.
• 13. Lu H, Peng Y, Cao S, et al. Parameter Sensitivity Analysis and Probabilistic Optimal Design for the Main-Shaft Device of a Mine Hoist. Arabian Journal for Science and Engineering 2018; 1-9.
• 14. Lu H, Zhang Y. Reliability-Based Robust Design for Structural System with Multiple Failure Modes. Mechanics Based Design of Structures and Machines 2011; 39(4): 420-440, https://doi.org/10.1080/15397734.2011.560541.
• 15. Mishra, S K, Roy B K, Chakraborty S. Reliability-based-design-optimization of base isolated buildings considering stochastic system parameters subjected to random earthquakes. International Journal of Mechanical Sciences 2013; 75(4): 123-133, https://doi.org/10.1016/j.ijmecsci.2013.06.012.
• 16. Muthukumar S, DesRoches R. A Hertz contact model with non-linear damping for pounding simulation. Earthquake Engineering & Structural Dynamics 2006; 35(7): 811-828, https://doi.org/10.1002/eqe.557.
• 17. Nelsen R B. An Introduction to Copulas. Springer Science & Business Media 2007.
• 18. Patrı́cio, P., The Hertz contact in chain elastic collisions. American Journal of Physics 2004; 72(12): 1488-1491, https://doi.org/10.1119/1.1778394.
• 19. Pitt, M, Chan D, Kohn R. Efficient Bayesian Inference for Gaussian Copula Regression Models. Biometrika 2006; 93(3): 537-554, https://doi.org/10.1093/biomet/93.3.537.
• 20. Rausand, M. System Reliability Theory: Models, Statistical Methods, and Applications. 2nd Edition. A JOHN WILEY & SONS, INC, 2004.
• 21. Royset J O, Der Kiureghian A, Polak E. Reliability-based optimal structural design by the decoupling approach. Reliability Engineering and System Safety 2001; 73(3): 213-221, https://doi.org/10.1016/S0951-8320(01)00048-5.
• 22. Sklar A. Random Variables, Distribution Functions, and Copulas: A Personal Look Backward and Forward. Lecture Notes-Monograph Series 1996; 28: 1-14, https://doi.org/10.1214/lnms/1215452606.
• 23. Tang X S, Li D Q, Zhou C B, et al. Copula-based approaches for evaluating slope reliability under incomplete probability information. Structural Safety 2015; 52: 90-99, https://doi.org/10.1016/j.strusafe.2014.09.007.
• 24. Wang H, Zhang Q. Xie F. Dynamic tension test and intelligent coordinated control system of a heavy scraper conveyor. IET Science, Measurement & Technology 2017; 11(7): 871-877, https://doi.org/10.1049/iet-smt.2016.0425.