排序方式: 共有8条查询结果,搜索用时 257 毫秒
1
1.
基于反向式行星滚柱丝杠副(Inverted Planetary Roller Screw Mechanism, IPRSM)的螺纹牙载荷分布情况,分析了滚柱修形和丝杠修形对其载荷分布的影响。结果表明,丝杠-滚柱接触侧的载荷不均程度比长螺母-滚柱接触侧严重,对滚柱修形后,最大接触应力以及最大载荷得到了有效降低,螺纹牙上的载荷分布更加均匀;而长螺母-滚柱接触侧对修形量变化较丝杠-滚柱接触侧更加敏感。同样,丝杠修形可有效降低最大载荷。研究对优化IPRSM的载荷分布具有一定的参考意义。 相似文献
2.
为改善滚柱螺纹牙承载分布,在丝杠受轴向拉力和螺母受轴向压力作用下,基于滚柱两接触侧变形协调关系,建立考虑误差的滚柱螺纹牙承载分布计算模型.将计算的滚柱各螺纹牙承载比与直接刚度法计算结果进行对比,验证了模型的正确性.系统分析负载、接触角、螺旋升角、滚柱螺纹牙数和螺纹副材料弹性模量比对滚柱承载分布规律的影响.结果表明:在相同误差分布下,负载越小,滚柱螺纹牙承载分布波动越大,负误差更有利于降低前3个螺纹牙承载比例;接触角或螺旋升角越小,滚柱螺纹牙承载分布越均匀;随着螺纹牙数增大,各螺纹牙承载比例逐渐降低,且误差对承载比的影响变小;降低丝杠或螺母弹性模量可有效改善滚柱螺纹牙承载分布. 相似文献
3.
以舵回路系统中机电作动器为研究对象,考虑机电作动器的安装和舵面负载连接,建立了基于行星滚柱丝杠副的机电作动器数学模型。采用AMESim进行仿真对比分析,探讨了机电作动器中结构刚度、摩擦和间隙等非线性因素对系统动态性能的影响。结果表明:相比传动刚度,结构刚度中固定刚度的提高对于系统动态响应的改善作用更明显;行星滚柱丝杠副间隙量越大,系统的阶跃响应波动幅值越明显;在给定舵控指令下,机电作动器的仿真位移输出响应误差最大为1.8mm,相对误差为1.2%,从而较好的反映了模型的有效性,为功率电传机电作动器的进一步结构优化和控制提供了理论依据。 相似文献
4.
行星滚柱丝杠副主曲率计算与接触特性分析 总被引:2,自引:1,他引:1
根据丝杠、滚柱和螺母螺旋滚道曲面特点,建立了通用化的法截面内零件的轮廓方程和滚道螺旋曲面方程。通过将滚道截面的原点定义在对应零件的中心轴上,避免了现有模型中将滚道截面原点定义在螺纹牙轮廓中心而带来的繁琐坐标变换问题。其次,利用微分几何原理推导了丝杠-滚柱接触侧和螺母-滚柱接触侧在相应接触位置的主曲率,与传统的基于等效球法计算行星滚柱丝杠副主曲率进行了对比。利用赫兹接触理论求解了滚柱与滚道间的主曲率差、接触椭圆面积及最大接触应力,并讨论了行星滚柱丝杠副结构参数对接触特性的影响规律。结果表明:丝杠和螺母滚道在某一主平面内的主曲率不是零,使用等效球模型计算主曲率会带来较大误差;增大螺纹螺距使得滚柱两接触侧的主曲率差变大,但几乎不影响接触椭圆的面积和滚柱螺纹曲面两接触侧的最大接触应力;增大法向牙侧角会使两接触侧的主曲率差和接触面积同时减小,但过大的法向牙侧角会导致接触应力和摩擦力增大。 相似文献
5.
针对机床主轴热误差对准静态精度影响的关键问题,提出了一种基于改进鸡群优化(MCSO)算法及支持向量(SVM)的热误差预测模型。利用基于非监督学习的谱聚类与Spearman关联分析辨识主轴关键敏感温度测点,降低温度数据分布于数量的依赖,削弱温度变量间的多重共线性。引入Levy飞行策略至母鸡个体局部搜索过程,构建了非线性动态自适应惯性权重更新雏鸡策略,基于MCSO-SVM进行核函数、罚因子以及偏差量的全局优化,分别采用MCSO-SVM、BP-GA、GA-SVM和CSO-SVM热误差建模,同时对不同转速下的模型预测能力进行对比分析。热误差实验测量与预测结果表明:谱聚类与Spearman关联分析可有效降低温度变量共线性导致的耦合作用;MCSO-SVM可实现典型转速下主轴五项热误差的高精度预测,模型具备较好的泛化能力和鲁棒性。 相似文献
6.
为了解决现阶段隧道照明控制存在的一些行车安全问题和能源浪费问题,提出一种安全性极高的基于CAN总线隧道智能照明控制系统研究,采用了将模糊神经网络算法应用到隧道照明等方法。通过仿真计算得到神经网络技术对隧道光照度控制是很有效的。神经网络技术在隧道光照度控制中的应用有很强的应用前景,可以提高系统的智能性。 相似文献
7.
8.
为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用K-medoids算法对温度测点进行聚类分组,使用灰色关联度分析方法计算温度与主轴热误差之间的相关程度,进而提取出最佳热敏感点;其次,引入调节因子优化ABC算法的寻优过程,使用改进后的ABC网络确定GRNN网络的最佳参数及光滑因子;最后,以三轴数控加工中心为研究对象,进行温度数据与热误差数据的采集,建立基于ABC-GRNN热误差预测模型并与优化前进行比较。热误差实验结果表明,K-medoids算法与灰色关联分析相结合,有效避免了温度测点之间的多重共线性;ABC-GRNN模型可以更准确地预测出主轴各项误差值。 相似文献
1