空气静压轴承的参数设计与性能优化
发布时间：2020-12-28 14:03
针对空气静压轴承具有的承载力偏小、刚度较低、空气流量大会造成激振等问题,运用了粒子群优化算法对空气静压轴承中节流孔的关键参数进行优化设计研究。通过有限元的思想求解简化的二维雷诺方程,构建数学模型分析空气静压轴承的几个主要性能如承载力、刚度、空气流量,以及影响这些主要性能的相关参数。分析了相关参数与空气静压轴承主要性能之间的关系,并使用粒子群优化算法对相关参数进行多目标优化设计,通过对空气静压轴承的结构模型进行仿真计算,计算得到它的承载力、刚度、空气流量等相关数值,并对优化前后的空气静压轴承的主要性能进行比较。结果表明相较于优化前空气静压轴承的承载力提高了17%,刚度提高了36.3%,空气流量下降了43.4%,有效解决了空气静压轴承具有的承载力偏小、刚度较低、空气流量大等相关问题。
【文章来源】：哈尔滨理工大学学报. 2020年04期 北大核心
【文章页数】：8 页
【部分图文】：
空气静压轴承结构
目前,遗传优化算法、直接优化算法和粒子群优化算法等具有全局搜索能力的可靠优化方法是解决空气静压轴承优化问题的常用方法。本研究应用粒子群算法对空气静压轴承进行优化设计,因其收敛速度快且易于实现。粒子群算法(particle swarm optimization,PSO)是由Kennedy和Eberhart提出的,该算法参考了鸟类和鱼类等自然种群的行为,使用了粒子群代替鸟群中的个体迁徙和群聚行为[14]。随后的研究中,一种带有惯性权重的粒子群算法PSO-W被广泛采用,相比于PSO算法,它具有更强的局部搜索能力[15]。梁静等[16]在此基础上提出了一种新的PSO-DMS-CC算法,该算法由于将传统的静态分组策略改为动态分组策略,在大规模问题的优化过程中具有良好的求解效果。本文所使用的优化算法为DMS-PSO算法,其根据PSO-DMS-CC算法进行设计,保留了其中的动态多种群策略,同时加入了权值线性递减的策略,将粒子分为多个种群,首先对每个种群分别进行PSO优化,之后打散各种群并对各粒子重新进行分组,通过不断地更新-重组-优化-更新的过程实现各种群间的信息互换,既可以使种群富有多样性,又可以使搜索空间增大,避免了粒子可能会出现向局部最优解靠拢的问题。本文所研究的问题中,粒子取值即为影响空气静压轴承性能的5个关键参数,5个参数的取值范围分别为:
针对本文所提出的问题,提出如图2所示的DMS-PSO算法的总体流程。在图2的DMS-PSO算法流程中,粒子即为空气静压轴承的5个关键参数,这5个参数共同影响它的承载力、刚度以及空气流量,通过对这3个主要性能进行权重比分配,得到该组粒子的适应度大小。在此算法中,输入量为粒子总数N,随着N的数值变大,粒子数量变多,得到空气静压轴承整体性能最优解的概率更大,当迭代数达到最大时,通过DMS-PSO算法得出最优粒子,可以将该组粒子的取值视为所要求解的参数值。本次优化分析中,通过输入500个粒子,分成5组进行DMS-PSO优化重组,在迭代300次后,得到适应度收敛结果如图3所示,算法最终的适应度收敛至179附近。最终得到5个参数最优解为d=0.15 mm,h=0.024 mm,n=16,ε=0.5,l=1/3×50 mm,空气静压轴承优化前与优化后的关键结构尺寸比较见表2。
【参考文献】：
期刊论文
[1]基于分类思想的改进粒子群优化算法[J]. 仝秋娟,李萌,赵岂. 现代电子技术. 2019(19)
[2]燃料电池车用空气压缩机的发展现状及趋势分析[J]. 张毅. 内燃机与配件. 2019(02)
[3]电动汽车关键技术研究[J]. 杨培善. 汽车实用技术. 2018(21)
[4]不同腔形结构静压轴承油膜温升特性对比分析[J]. 郭玉鹏,张艳芹,邓力源,张海霞. 哈尔滨理工大学学报. 2018(04)
[5]气体静压高速电主轴稳定性研究[J]. 黄泽中,尹洋,李佳,吴东,王翔毅. 现代机械. 2018(01)
[6]基于动网格方法的不同油膜厚度下静压轴承承载特性分析[J]. 张艳芹,孔祥滨,郭丽丽,程海阔,李锐. 哈尔滨理工大学学报. 2017(06)
[7]求解大规模问题协同进化动态粒子群优化算法[J]. 梁静,刘睿,于坤杰,瞿博阳. 软件学报. 2018(09)
[8]燃料电池车用空气压缩机发展现状及趋势[J]. 鲍鹏龙,章道彪,许思传,万玉. 电源技术. 2016(08)
[9]一种结合自适应惯性权重的混合粒子群算法[J]. 于桂芹,李刘东,袁永峰. 哈尔滨理工大学学报. 2016(03)
[10]基于Fluent的空气静压径向轴承静态性能分析[J]. 李国芹,吕胜宾,岳红新. 机床与液压. 2012(09)
博士论文
[1]超高转速空气静压电主轴特性分析与实验研究[D]. 高思煜.哈尔滨工业大学 2016
硕士论文
[1]高速大功率电主轴设计及关键技术研究[D]. 曹正凯.北京邮电大学 2017
本文编号：2943882
【文章来源】：哈尔滨理工大学学报. 2020年04期 北大核心
【文章页数】：8 页
【部分图文】：
空气静压轴承结构
目前,遗传优化算法、直接优化算法和粒子群优化算法等具有全局搜索能力的可靠优化方法是解决空气静压轴承优化问题的常用方法。本研究应用粒子群算法对空气静压轴承进行优化设计,因其收敛速度快且易于实现。粒子群算法(particle swarm optimization,PSO)是由Kennedy和Eberhart提出的,该算法参考了鸟类和鱼类等自然种群的行为,使用了粒子群代替鸟群中的个体迁徙和群聚行为[14]。随后的研究中,一种带有惯性权重的粒子群算法PSO-W被广泛采用,相比于PSO算法,它具有更强的局部搜索能力[15]。梁静等[16]在此基础上提出了一种新的PSO-DMS-CC算法,该算法由于将传统的静态分组策略改为动态分组策略,在大规模问题的优化过程中具有良好的求解效果。本文所使用的优化算法为DMS-PSO算法,其根据PSO-DMS-CC算法进行设计,保留了其中的动态多种群策略,同时加入了权值线性递减的策略,将粒子分为多个种群,首先对每个种群分别进行PSO优化,之后打散各种群并对各粒子重新进行分组,通过不断地更新-重组-优化-更新的过程实现各种群间的信息互换,既可以使种群富有多样性,又可以使搜索空间增大,避免了粒子可能会出现向局部最优解靠拢的问题。本文所研究的问题中,粒子取值即为影响空气静压轴承性能的5个关键参数,5个参数的取值范围分别为:
针对本文所提出的问题,提出如图2所示的DMS-PSO算法的总体流程。在图2的DMS-PSO算法流程中,粒子即为空气静压轴承的5个关键参数,这5个参数共同影响它的承载力、刚度以及空气流量,通过对这3个主要性能进行权重比分配,得到该组粒子的适应度大小。在此算法中,输入量为粒子总数N,随着N的数值变大,粒子数量变多,得到空气静压轴承整体性能最优解的概率更大,当迭代数达到最大时,通过DMS-PSO算法得出最优粒子,可以将该组粒子的取值视为所要求解的参数值。本次优化分析中,通过输入500个粒子,分成5组进行DMS-PSO优化重组,在迭代300次后,得到适应度收敛结果如图3所示,算法最终的适应度收敛至179附近。最终得到5个参数最优解为d=0.15 mm,h=0.024 mm,n=16,ε=0.5,l=1/3×50 mm,空气静压轴承优化前与优化后的关键结构尺寸比较见表2。
【参考文献】：
期刊论文
[1]基于分类思想的改进粒子群优化算法[J]. 仝秋娟,李萌,赵岂. 现代电子技术. 2019(19)
[2]燃料电池车用空气压缩机的发展现状及趋势分析[J]. 张毅. 内燃机与配件. 2019(02)
[3]电动汽车关键技术研究[J]. 杨培善. 汽车实用技术. 2018(21)
[4]不同腔形结构静压轴承油膜温升特性对比分析[J]. 郭玉鹏,张艳芹,邓力源,张海霞. 哈尔滨理工大学学报. 2018(04)
[5]气体静压高速电主轴稳定性研究[J]. 黄泽中,尹洋,李佳,吴东,王翔毅. 现代机械. 2018(01)
[6]基于动网格方法的不同油膜厚度下静压轴承承载特性分析[J]. 张艳芹,孔祥滨,郭丽丽,程海阔,李锐. 哈尔滨理工大学学报. 2017(06)
[7]求解大规模问题协同进化动态粒子群优化算法[J]. 梁静,刘睿,于坤杰,瞿博阳. 软件学报. 2018(09)
[8]燃料电池车用空气压缩机发展现状及趋势[J]. 鲍鹏龙,章道彪,许思传,万玉. 电源技术. 2016(08)
[9]一种结合自适应惯性权重的混合粒子群算法[J]. 于桂芹,李刘东,袁永峰. 哈尔滨理工大学学报. 2016(03)
[10]基于Fluent的空气静压径向轴承静态性能分析[J]. 李国芹,吕胜宾,岳红新. 机床与液压. 2012(09)
博士论文
[1]超高转速空气静压电主轴特性分析与实验研究[D]. 高思煜.哈尔滨工业大学 2016
硕士论文
[1]高速大功率电主轴设计及关键技术研究[D]. 曹正凯.北京邮电大学 2017
本文编号：2943882
本文链接：https://www.wllwen.com/jixiegongchenglunwen/2943882.html
