高速高精度电主轴温升预测模型

提出高速高精度电主轴温升预测模型,将有限元模型与试验数据相结合,精确预测不同工况下电主轴的温度场。建立电主轴流场、温度场有限元模型,分析冷却系统及润滑系统参数对电主轴温度场的影响;考虑电主轴运行速度、载荷,设计电主轴损耗测试方法,将测得的电主轴总损耗作为计算电动机、轴承生热依据;考虑冷却系统、润滑系统参数及环境条件对换热系数的影响,采用最小二乘算法,基于电主轴表面温度测试数据,优化电主轴换热系数,并将优化后的换热系数作为有限元模型的边界条件。建立170SD30-SY电主轴温升预测模型,将换热系数优化前后的温度场仿真数据分别与试验数据对比。结果表明,换热系数优化后的温升预测模型预测的精度提高了4.78%,提出的电主轴温升预测模型有较高的预测精度。     

液体静压电主轴系统热-结构耦合特性研究

对某液体静压电主轴系统进行热态特性研究,分析系统热源和散热方式,建立基于热-结构耦合的电主轴系统有限元分析模型,通过对电主轴系统进行热-结构耦合分析,得到某工况下电主轴系统的温度场和不同方向的热变形分布。结果表明:电主轴系统的最高温度出现在主轴前轴承处;电主轴系统轴向最大热变形出现在主轴前端砂轮安装处,沿径向的热变形偏大,影响加工精度。     

高速电主轴热态特性的研究

介绍了高速电主轴的基本结构,建立电主轴热态特性分析的有限元模型,并用有限元软件对模型进行了温度场的分析,从而获得电主轴温度场的信息,为控制电主轴的温度提供有力的依据。基于上述分析,提出改善电主轴热态特性的方法和措施。     

基于混合驱动的进给系统数字孪生模型自适应更新法

为了解决传统建模方法搭建的数控机床进给系统模型形式单一且缺乏与物理空间的在线实时交互，导致仿真结果精度低的问题，提出一种基于机理模型和数据驱动模型混合驱动的进给系统数字孪生模型自适应更新方法。该方法针对进给系统多领域耦合的特点，利用物理建模工具Simulink/Simscape建立了机电一体化数字孪生机理模型，同时基于长短记忆神经网络建立了数字孪生数据驱动模型，二者混合构成进给系统数字孪生模型。在此基础上，采用带有遗忘因子的递推最小二乘算法更新模型，提高了模型的适应性。通过双轴进给系统的虚实同步运动实验验证了所提方法的有效性。     

采用动静压轴承支撑的数控电主轴系统发热研究

采用内置式电机结构的液体静压电主轴系统,因具有传动距离短、结构紧凑等诸多优点而被广泛应用于各类机床,但其散热性能不佳而影响机床加工精度。对某液体静压电主轴系统进行热态特性研究,分析系统热源和散热方式,建立基于热-结构耦合的电主轴系统有限元分析模型,通过对电主轴系统进行热-结构耦合分析,得到某工况下电主轴系统的温度场,同时也可进一步得出其热变形。结果表明,电主轴系统出现明显的温升,将影响轴向和径向热变形,影响加工精度。研究结果为电主轴系统的进一步改进设计提供参考依据。     

电主轴温度场与热变形的仿真与实验研究

以Setco 231A240型高速电主轴为研究对象,考虑了内置电机的损耗生热和轴承的摩擦生热,计算了电主轴各部分之间的传热系数,利用有限元软件Workbench建立电主轴有限元模型,分析得到了电主轴在不同因素影响下的温度场分布,基于电主轴热-结构耦合关系分析得到了温度影响下电主轴的热变形。仿真结果显示,较低转速下电主轴转子温度最高,转速对电主轴温度影响较大;电主轴头尾部热变形较大,主要为轴向变形。最后,将温度场仿真数据与实验数据对比,验证了仿真分析的准确性。     

数控机床电主轴热态特性分析

针对数控机床电主轴热分析过程中热态实验数据难以获取,难以进行热态特性分析的问题,提出了一种考虑电主轴产热与散热的综合有限元分析模型,利用有限元分析方法得到热态温度场分布图,可为数控机床电主轴的温度控制及热分析提供理论基础和数据支撑。     

高速电主轴热态性能分析

高速机床是实现高速加工的必要条件,高速电主轴是高速机床的关键部件。在高转速下,电主轴会产生热变形,从而严重影响高速机床的加工精度。本文对车铣用电主轴的热态特性利用ANSYS进行了基于热接触理论的有限元分析。最后提出了改进高速电主轴温度场分布的主要措施。     

异步电主轴三维热误差多物理场耦合分析及计算

为综合考虑高速异步电主轴径向形变及轴向形变对其热误差的影响,分析电主轴各部分损耗。计及径向及轴向形变热误差,提出一种基于电磁-热-机械多物理场耦合的电主轴形变分析方法。分析电主轴机械结构、损耗、温升、电磁等物理场的耦合关系,设计多物理场耦合热误差分析模型计算流程。对异步电主轴进行三维有限元建模,并对其采样点的温升进行计算,并通过实验得出采样点的温升曲线,对比两条电主轴采样点的温升曲线可以验证有限元仿真的准确性。在有限元模型基础上进行多物理场计算,计算结果表明,电主轴由于机械和电磁损耗产生轴向热误差为6.54μm,由于径向形变而产生的基频气隙磁感应强度畸变率为7.6%,基于Maxwell张力张量法得到径向热误差为39μm。研究结果为机床误差分析及优化设计提供了理论基础。     

基于数字孪生的航天器系统工程模型与实现

为践行智能制造、推进航天工业化与信息化深度融合,提出了基于数字孪生的航天器系统工程。分析了数字孪生技术的相关研究成果,从7个维度对航天器系统工程进行综合,建立了基于数字孪生的航天器系统工程整体模型和应用框架,并按照生命周期进展演化为设计、工艺、制造/装配、试验/测试与在轨运行5个典型阶段模型和应用框架。在技术实现层面,基于物联网、大数据、用于过程控制的对象连接与嵌入统一架构、系统建模语言、基于模型的定义、面向服务的架构等先进技术,构建了由物理空间、传输层、数据层、模型层、服务层和应用层构成的数字孪生系统架构。基于数字孪生的航天器系统工程能够有效实现航天器研制全生命周期信息世界与物理世界的双向动态实时交互共融与协同,从而推进航天工业智能制造的发展。     

复杂产品数字孪生装配模型表达与精度预测

针对复杂产品装配过程中装配模型/数据/信息脱节、精度预测不准确、缺乏现场装配有效指导等实际工程应用问题,提出复杂产品数字孪生装配模型表达与精度预测方法。给出基于数字孪生的复杂产品装配精度预测方法总体流程;其次,将数字孪生装配模型表达划分为装配对象模型和装配工艺模型,并明确了产品数字孪生装配模型的精准建模机制;在此基础上,采用基于实测数据的装配偏差传递更新迭代机制实现融合多维度误差源的产品装配误差分析计算与装配精度预测;最后,以某型卫星结构部装为例搭建了复杂产品数字孪生装配软硬件系统平台,并通过实例验证了所提方法的可行性,为复杂产品装配精度预测与保障提供了一种切实可行的新思路和新途径。     

基于数字孪生的复杂产品离散装配车间动态调度

面向多品种变批量生产的复杂产品离散装配车间是典型的复杂制造系统,其运行过程呈现高复杂性、强动态性和不确定性因素多等特征,为实现复杂产品离散装配车间的动态调度,提出一种基于数字孪生的复杂产品离散装配车间动态调度方法,通过物理空间和虚拟空间之间的数据交互进行更精确的动态调度。构建了基于数字孪生的复杂产品离散装配车间调度框架和调度问题模型,详细阐述了基于实时数据和神经网络的工时在线预测、面向复杂产品离散装配的数字孪生车间动态调度等关键实现技术;构建了复杂产品离散装配车间调度系统,并以某航天产品装配车间的调度过程为例,验证了该方法的有效性和可行性。     

基于数字孪生的产品设计过程和工作量预测方法

为解决由于实际产品设计过程和理想的仿真过程状态不一致而导致的产品设计复杂性预测不准确的问题,研究了基于数字孪生的产品设计过程及其工作量预测方法.构建了产品设计数字孪生系统五维结构模型.详细定义了虚拟空间的产品设计数字孪生模型,包括功能数字孪生模型、设计师数字孪生模型和设计活动数字孪生模型.从知识的角度出发,提出了产品设...     

基于数字孪生的混流装配线资源配置优化

针对混流装配线资源配置优化效率低、时效性差、动态响应能力不足等问题,提出基于数字孪生的混流装配线资源配置优化方法。构建了物理装配车间、虚拟装配车间和生产计划系统协同工作的资源配置优化数字孪生模型,阐述了基于分段式解耦和多目标优化相结合的资源配置优化实现过程。将该方法应用于某企业混流装配线,结果表明优化后的装配线平衡率由64.15%提升至81.84%,厂内日产量增加28.35%。所提方法是实现混流装配线资源配置优化的一种有效的新途径。     

基于数字孪生的复杂产品装配过程管控方法与应用

针对航天复杂产品装配过程的实时可视化监控、运行状态在线分析与预测难题,提出了一种基于数字孪生的复杂产品装配过程管控方法。首先构建了面向复杂产品装配过程管控的数字孪生模型;在此基础上,引入工作流技术实现了装配过程数据的实时采集与管理,提出实时数据驱动的数字孪生车间同步运行方法;随后通过灰色马尔可夫预测模型、T-K统计控制图以及关联规则算法的集成应用,实现了对复杂产品装配过程中的小样本量质量数据的实时预测与分析。最后,自主设计并开发了基于数字孪生的复杂产品装配过程管控系统,并在某卫星装配车间进行了应用验证。     

基于数字孪生的生产车间运行状态在线预测

针对数字孪生车间的在线预测难题,提出一种实时数据驱动的数字孪生车间运行状态在线预测方法。分析了车间数字孪生体的内涵和运行机制,构建了基于车间数字孪生体的仿真预测框架,阐述了基于事件调度法的仿真运行逻辑,建立了数字孪生车间输入特性、样本生成、事件处理逻辑之间的关系,融合实时数据实现了基于持续瞬态仿真的车间在线预测。设计并开发了面向数字孪生车间的运行状态在线仿真系统,通过实例验证了该方法的可行性和有效性。     

[数字孪生驱动的智能制造]数字孪生与深度学习融合驱动的采煤机健康状态预测

针对处于恶劣工作环境的采煤机状态预测与维护困难的问题，结合数字孪生高逼真度行为仿真特性和深度学习强大的数据挖掘能力，提出数字孪生与深度学习融合驱动的采煤机健康状态预测方法。基于物理空间多物理参数构建采煤机数字孪生体，通过在虚拟空间的可视化展示与分析实现健康状态预判；建立基于深度学习的采煤机关键零件剩余寿命预测模型，实现实时监测数据驱动下的零件剩余寿命的在线预测；综合数字孪生体状态和剩余寿命值,实现采煤机健康状态预测。通过试验验证了该方法的有效性，为采煤机健康状态预测与管理提供新思路。     

数字孪生车间机器人虚实驱动系统构建方法

针对目前数字孪生车间构建中工业机器人等虚拟实体建模复杂、开发周期长等问题,提出了一种数字孪生车间工业机器人虚实驱动系统的模块化构建方法,即将虚实驱动系统分为设置模型参数的交互层和按功能需求设计配置的控制层,然后将实体工业机器人等抽象为单功能原子模型耦合而成的仿真模型。模块化分层构建虚实驱动系统的方法能快速有效地实现工业机器人等数字孪生虚拟实体的建模,以及工业机器人在虚拟空间中的仿真运行模拟和虚实同步运行。     

数字孪生净水厂运维管控一体化平台关键技术及应用

针对净水厂运维管控过程中信息透明度低、实时性差、缺乏精细化管控等问题,结合数字孪生五维模型,提出基于数字孪生的净水厂运维管控平台架构体系,并对数字孪生净水厂运维管控一体化平台关键技术进行了研究。提出数字孪生净水厂多源异构数据实时采集技术和多层次三维可视化监控模型,以解决三维可视化实时监控问题;提出基于云边协同的数字孪生净水厂控制架构以及基于“机理+智能”双模型驱动的净水厂工艺优化决策框架,并对供取水量预测、加药优化、泵组优化、设备预防性维护等模型进行了探索。最后,设计开发了净水厂运维管控一体化平台,验证了所提模型和方法的有效性,为数字孪生净水厂的实现提供了一定的参考。     

基于实时数据驱动的数字孪生车间研究及实现

为满足智能车间生产状态实时可视化监控、健康管理、故障诊断等需求,提出一种基于实时数据驱动的数字孪生车间体系架构与技术路线。通过搭建面向真实物理行为高保真映射的虚拟仿真环境,采用面向事件响应的数据管理方法构建模块化、通用化的数字孪生车间系统。在此基础上,详细阐述了异构多源数据的采集与管理、真实物理行为的虚拟仿真环境、面向事件响应的数据实时驱动方法等关键技术。设计了原型系统,并通过车载防撞雷达组装生产线成功验证其可行性,为数字孪生技术在智能制造领域的应用提供了关键支撑。