平面滚珠丝杠副多结合面建模与动态特性分析

为了提高平面运输设备的传送效率与定位精度,针对x-y轴平面滚珠丝杠副的多机械装配界面,应用吉村允效法确定螺栓联接界面的法向压缩刚度和切向运动刚度,采用赫兹接触理论确定丝杠螺母、轴承和导轨内接触界面的径向或法向压缩刚度。基于ABAQUS软件建立x-y直线进给系统的动力学模型,通过锤击法模态试验和文献对比研究,证明了所提理论模型以及结合面刚度计算的正确性。数值仿真了工作台质量、滑块间距及导轨间距对于系统动态行为的影响,并给出设计建议值。通过医疗剪刀毛坯平面进给机床设计试验,验证了所获得动态系统设计规律的有效性。     

数控机床动态特性优化

考虑了滚动结合面和主要固定结合面的影响,对机床进行模态分析和谐响应分析,找出了其薄弱模态;通过分析可知改变各结合面刚度对整机动态特性的影响,识别出对整机动态特性影响较大的结合面,并对这些结合面刚度值进行优化,提高了整机的动态特性.     

基于结合面基础特性参数的机床导轨结合部动态特性解析方法

导轨是机床的最重要功能部件之一,由于其具有滑动特性,因此也是机床整机动态特性中最有影响的结合部之一.本文以结合面的基础特性参数为基础,研究了机床导轨结合部的动态建模解析方法,并将其应用于机床整机动态特性解析,为机床整机动态特性解析中结合部参数的确定提供了一种方法,并为机床图样设计阶段预测整机动态特性开辟了道路.     

基于结合面特性及大型工件效应的超重型卧式镗车床整机动态特性分析

提出了超重型卧式镗车床结合面的有限元建模方法,对整机及关键部件进行动态性能分析,并进行了试验验证.考虑到大型工件本身对整机动态特性的影响,对比分析了考虑大型工件效应的整机动态特性.为机床的结构设计及优化机床的加工工艺提供了理论支持.     

基于响应面法的滑动结合面动态特性参数优化识别

针对机床滑动结合面动态特性参数识别困难和现有方法模型复杂、计算量大等问题,提出了基于实验模态分析和响应面法的动态特性参数优化识别方法。通过试验设计获取样本点构造滑动结合面的多项式响应面模型,以响应面的计算结果与实验模态分析结果的相对误差构造目标函数,采用自适应模拟退火算法优化求解,从而识别出滑动结合面的动态特性参数。以机床动态特性分析实验台上立柱导轨与滑座间的滑动结合面为实例进行了建模、实验、参数识别等分析。结果表明,采用所提出的方法可实现较高的识别精度,可显著提高识别效率。     

交叉滚子导轨与螺栓结合面动态特性实验研究

对交叉滚子导轨和螺栓联接两种具有代表性的运动结合面及固定结合面做了动态特性测试实验,辨识出其动态特性参数,并定量研究不同结合条件下对结合面的接触刚度K和接触阻尼C的影响,提出了改善结合面接触刚度和接触阻尼的途径.     

自动变速器平稳结合阀动态特性仿真研究

平稳结合阀在自动变速器换挡过程中可以防止离合器液压缸压力瞬间升高造成的换挡粗暴、摩擦片表面温度上升过快、换挡冲击等一系列不良后果,具有改善换挡品质的重要作用。在分析自动变速器换挡过程中离合器结合理想动态特性曲线的基础上,建立了平稳结合阀的数学模型和AMESim环境下的仿真模型,仿真分析了平稳结合阀的动态工作特性,并通过仿真比较了不同结构参数变化对其充油特性及动态工作特性的影响。仿真分析结果可以为平稳结合阀的设计、改进提供依据,并可用于车辆换档过程的性能匹配和预测。     

基于结合面的立式加工中心进给系统的动态特性分析

机床进给系统的动态特性的优良直接影响到机床的定位精度,因此对进给系统的动态特性进行分析对提高机床加工精度及加工性能有重要意义。以某立式加工中心的滚珠丝杠进给系统为研究对象,利用Ansys建立包含结合部特性的进给系统有限元模型。在此基础上,通过模态分析和谐响应分析,得到了进给系统的固有频率和振动特性。通过分析改变各个结合面刚度对系统固有频率影响的敏感程度,找到了系统的薄弱结合面,并对这些结合面刚度值进行优化,提高了进给系统的动态特性。     

基于结合面基础特性参数的球面结合部模型研究

制造装备机械系统是由众多的构件（零、部件）和结合部组成的,结合部的特性参数对制造装备的整机性能影响非常大,结合目前国内外研究现状,针对影响结合部特性参数的众多因素,采用理论与实验结合、分层处理结合部影响因素的研究方法对机械结合部特性参数模型进行了研究。建立了基于结合面基础特性参数的球面结合部数学模型,确定结合部位移及载荷结合条件以及推导出球面结合部刚度矩阵,为机械系统性能分析提供通用性参数打下理论基础。编制基于FORTRAN语言的球面结合部解析程序,并通过实例对比验证了球面结合部解析方法及解析程序是正确的。     

基于结合面参数的整机动态特性分析与试验研究

机床结合面特性对其整体性能具有很大影响,利用ANSYS软件分别对立式数控铣床AVCP1200H结合面刚性联接、柔性联接的有限元模型进行模态分析,然后通过整机模态试验验证两种有限元模型的分析吻合,并对试验误差产生的原因进行分析,提出了优化模型的建议,为该型机床动力学研究及数字化设计制造提供了参考。试验结果表明:结合面柔性联接的模态分析与锤击试验结果较为吻合,3阶以上的误差均在20%以内,证明结合面处的动态特性参数对机床性能有很大影响。     

基于贝叶斯神经网络的机床热误差建模

热误差严重影响着机床的加工精度,对机床关键部件进行热特性分析是开发精密机床的重要环节。通过测量包括数控机床的特殊位置温度和定位误差在内的热特性,研究了温升与定位误差之间的关系,提出了一种基于贝叶斯神经网络的热误差建模方法。通过K-means聚类和相关系数法来选择温度敏感点,可以有效地抑制温度测量点之间的多重共线性问题。结果表明:通过使用贝叶斯神经网络能提高机床88.015 9%的精度,比BP神经网络高出15.763 8%,与BP神经网络模型相比,贝叶斯神经网络具有更加优良预测性能。贝叶斯神经网络模型为降低机床热误差的影响提供了新思路。     

基于CNN-GRU组合神经网络的数控机床进给系统热误差研究

热变形引起的误差是影响数控机床精度的主要因素之一。为了减小热误差对数控机床精度的影响,提出一种基于CNN-GRU组合神经网络的热误差预测方法。通过热误差实验,采集螺旋曲面专用数控机床直线进给系统的温升数据和热误差数据;利用模糊C均值聚类和灰色关联度分析筛选进给系统温度敏感点;以温度敏感点的温升数据和进给系统热误差为数据样本,建立CNN-GRU热误差预测模型。为验证模型的准确性和实用性,与基于CNN-LSTM和基于LSTM的传统热误差预测模型进行预测对比分析,结果表明CNN-GRU模型预测结果的平均绝对误差、均方根误差和决定系数均优于CNN-LSTM模型和LSTM模型,具有较高的预测精度和鲁棒性。提供的热误差模型可为后续误差补偿奠定基础,为数控机床的热误差预测提供思路。     

基于虚拟材料方法的龙门数控机床动态特性影响机制分析

为了对龙门数控机床动态特性的影响机制进行分析,基于多目标优化方法获取其结合部虚拟材料模型的参数,构建了精确的结合部虚拟材料模型,从而建立了准确的龙门数控机床动力学模型,并对此方法建立的动力学模型进行了试验验证.基于此动力学模型,对龙门数控机床动态特性的影响机制进行分析,结果表明:螺栓固定结合部的虚拟材料参数对龙门数控机...     

基于统一框架的数控机床热误差建模方法

为了克服独立筛选关键温度点再进行热误差建模破坏其内在联系从而降低热误差模型预测性能的问题,提出了一种统一框架下同时筛选关键温度点和热误差建模的方法。采用最小二乘支持向量机作为基本热误差模型,将温度点的选择状态和模型超参数作为优化变量,采用二进制鲸鱼优化算法进行寻优,并综合考虑最大化预测精度和最小化关键温度点个数设计损失函数。以一台卧式加工中心为例,进行热误差实验,利用所提方法在10折交叉验证模式下筛选出了最优关键温度点,将其个数从20减少到了3,并同时获得了模型最优超参数。最后,与传统独立方式进行了对比分析,结果表明利用所提建模方法热误差预测精度最高提高约62.8%,验证了其有效性和优越性,为后续热误差补偿实施提供了参考。     

基于人工神经网络的机床刚度建模

将人工神经网络应用于机床刚度建模,针对基本BP算法收敛速度慢、易陷入局部极小点的不足,从步长和搜索方向两方面对基本BP算法进行了改进,并引入具有全局寻优能力的粒子群算法.通过统计误差计算的次数、设定多组初始权值及方差分析等方法,对几种优化算法在机床刚度建模中的应用效果进行了比较,最后以输出误差最小时的连接权值建立了机床刚度神经网络模型.     

基于神经网络的数控机床故障诊断专家系统

针对传统专家系统在处理故障诊断中的不足,提出了将神经网络技术与专家系统融合的诊断模型,并用于数控机床的故障诊断中.介绍了诊断系统结构、功能及改进的BP神经网络算法,并给出了应用实例.试验结果表明,该方案合理、可行,有较好的应用前景.     

基于动态反馈神经网络模型的数控机床热误差实时预报补偿

分析了数控机床热误差对制造加工精度的影响及影响数控机床热误差的关键因素,对采用神经网络模型预报数控机床热误差进行了深入分析,提出了具有反馈输入环节的动态神经网络模型.讨论了建立模型的关键技术问题,并对基于该模型的数控机床热误差的智能预报进行了计算机仿真分析.     

基于改进松鼠搜索算法优化神经网络的数控机床进给系统热误差预测

为探究数控机床进给系统中各因素对热误差的影响规律,建立精准的热误差预测模型。 在进给速度为 10 m/ min、环境 温度 20℃的条件下进行进给系统热误差测量实验,获得进给系统关键点的温升及热误差。 为提高预测精度,采用 Tent 混沌改 进松鼠搜索算法,并利用改进的算法对神经网络进行优化,建立热误差预测模型。 利用热误差测量实验获得的数据进行验证, 结果表明改进前的神经网络预测误差为 12. 23% ,改进后的模型预测误差为 8. 92% ,精度有较大提升。 利用预测模型针对不同 进给速度下相同位置处热误差进行分析,结果表明,进给系统中关键测温点的温度和丝杠各点的热误差随着进给速度的增加而 增加。 因此提出的预测模型可实现进给系统热误差的准确预测,为误差补偿提供理论依据。     

基于神经网络和遗传算法的机床床身优化设计研究

机床的床身的动态特性和静刚度直接影响加工精度、生产效率以及机床的使用寿命,目前机床正朝着高速、高精度、复合化以及高自动化的方向发展,因此研究机床床身的动态特性和静刚度十分必要。为提高某机床床身和横梁的动态特性和静刚度,综合运用结构动态优化原理,神经网络和遗传算法,对床身和横梁进行了结构动态特性分析,提出了该床身结构的优化方案。分析结果表明,优化方案的床身和横梁的动态性能和静刚度得到了明显提高。可供相关机床床身优化设计参考。     

基于动态自组织映射网的用户兴趣建模方法

为解决现有用户兴趣建模方法在处理用户兴趣多样性及动态性方面存在的问题,提出一种利用动态自组织映射神经网络来建立用户兴趣模型的方法。该方法将用户兴趣建模过程映射成一个聚类和类的维护过程。用户感兴趣的信息被聚成不同的信息类,每个信息类对应用户的一种兴趣。用户兴趣的变化通过神经元权重的调整、新神经元的增加和无效神经元的删除来刻画,分别对应用户兴趣基本不变、用户出现全新兴趣和用户原有兴趣消亡的情况。其中,神经元的增删采用阈值控制的触发规则。最后在一个基准数据集上的验证结果表明,该方法能够准确及时地跟踪用户多种兴趣及其变化,保证了用户模型的可靠性。