基于RBF神经网络模型的数控车床主轴箱优化设计

针对复杂机床结构优化中，通常难以获得设计变量与性能目标之间显式函数关系式的问题，提出了一种基于RBF神经网络模型和组合优化策略的结构优化设计方法。以某型精密数控车床主轴箱为研究对象，通过有限元软件ANSYS Workbench和多学科优化软件Isight联合仿真技术对主轴箱设计尺寸进行最优拉丁超立方实验设计和灵敏度分析，根据实验样本点构建RBF神经网络模型代替主轴箱有限元模型。采用多岛遗传算法(MIGA)和序列二次规划法(NLPQL)相结合的组合优化策略，对RBF神经网络模型进行优化设计。优化结果表明，在保证主轴箱静动态性能的前提下，质量减轻12.89%，达到了预期的效果。