数控车床主传动系统节能设计优化研究
发布时间：2021-11-02 00:43
数控车床作为制造业的主要装备之一,其使用范围广,数量大,能量效率直接影响到整个机床行业能量消耗水平。而主传动系统作为数控车床最主要的能量流部件,其能耗大小直接决定整机的能量效率。现有的关于数控车床能耗优化问题大多关注使用过程,无法充分提升数控车床的能量效率。如何从设计阶段考虑数控车床能耗因素,从源头减小数控车床的能耗,提升其能量效率,是一个值得深入研究的问题。本文针对数控车床主传动系统,综合考虑数控车床的能耗、加工能力和加工质量,对其电机驱动单元参数和主轴单元结构进行节能设计优化研究,在保证数控车床的加工能力和加工质量的基础上,减小主传动系统能耗,提升数控车床能量效率。分析数控车床主传动系统能耗构成特性,建立主传动系统能耗模型;基于此,研究主传动系统中电机驱动单元参数和主轴单元结构对能耗的影响,阐述主传动系统中电机驱动单元参数优化和主轴单元结构轻量化的节能设计机理,说明数控车床主传动系统的优化设计节能潜力;然后,综合考虑电机驱动单元中主轴电机和传动系统参数对能耗的影响,提出主传动系统电机驱动单元的节能设计优化框架。在此基础上,根据主传动系统的能量流构建基于主轴电机效率的电机驱动单元的能...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
数控车床主轴Fig.4.6SpindleComponentsofCNCLathe
4主传动系统主轴单元结构节能设计优化53为表征不同主成分对没有经过处理的原始指标数据信息的包含程度，定义主成分的方差与总方差的比值为该主成分的对原始数据信息的贡献率。==njjiiw1(4.39)由公式(4.40)可是，每一个主成分所包含的原始性能指标数据的信息量是不一样的，越靠后的主成分所含有的信息量就越少。则前m个主成分的累积方差贡献率ρ为：=njjmii/(4.40)为了利用主成分分析方法达到减少数据的维度的目的，在所使用的主成分中所包含原始性能指标信息的比率达到70%以上就可以满足计算精度，进而达到减少数据维度的目的。设在前m个所使用的主成分中包含的原始性能指标的信息量已达到使用要求，则使用这个m个主成分替代原有的p个指标。由m个主成分构成的综合评价函数为[79]：mm+++=ywywywf2211(4.41)③目标函数根据4.2.3-(2)节中的计算方法，对4.2.3-(1)节中的各性能指标数据进行处理。从图4.10的一阶频率、最大变形、最大应力和能耗的碎石图可以看出，四个主成分特征值都大于0，如式(4.44)和表4.11所示。前3个主成分的累积贡献率为97.1%，如表4.11，因此，对性能指标模型建立时就可以使用这3个新的主成分，显著降低指标维数。图4.10指标碎石图Fig.4.10Indicatorsgravelmap表4.11是主成分的具体特征值和贡献率，可以看出四个主成分贡献率依次降低，利用每一个主成分贡献率作为综合目标函数权重，建立综合目标函数公式(4.45)。
重庆大学硕士学位论文58仅在[00]处有全局最小值0，如图4.12；Schaffer函数是复杂的二维函数，具有无数个极小值，在[00]点有全局最小值0，由于该函数具有强烈的震荡的性态，所以很难找到全局最优值，如图4.13；Rastrigin函数有非常多的局部最小点，并且各个局部最低点函数值相差不大，而仅仅在[00]点有一个全局最小值，在该处的函数值为0，导致难以找到全局最小值，如图4.14。图4.12Ackley函数三维图图4.13Schaffer函数三维图图4.14Rastrigin函数三维图Fig.4.123-DgraphofAckleyFig.4.133-DgraphofSchafferFig.4.143-DgraphofRastrigin图4.15、图4.16和图4.17分别为Ackley函数、Schaffer函数和Rastrigin函数求最小值收敛图，从图中可以看出，本文提出的混合算法能够快速的收敛到其最小值点，并且收敛速度明显快于其他两种算法。图4.15Ackley函数收敛图图4.16Schaffer函数收敛图图4.17Rastrigin函数收敛图Fig.4.15ConvergenceofAckleyFig.4.16ConvergenceofSchafferFig.4.17ConvergenceofRastrigin4.3.3优化结果通过MATLAB软件对主轴结构优化模型程序化，分别用SA、PSO和SA+PSO混合算法对优化模型进行求解，设置最高温度Tmax=100，降温目标温度为T0=0.01，内部循环次数Iiter=10，学习因子c1=c2=2，粒子群粒子数Size=30，最大权重Weight_max=1.2，最小权重Weight_min=0.2。图4.18为优化模型(4.55)的收敛对比图，从图中可以看出，运用SA+PSO混合算法对模型进行求解的速度明显快于其
【参考文献】：
期刊论文
[1]面向能量效率的数控铣削加工参数多目标优化模型[J]. 李聪波,朱岩涛,李丽,陈行政. 机械工程学报. 2016(21)
[2]数控机床主轴优化设计专家系统研究[J]. 刘世豪,张云顺,王宏睿. 农业机械学报. 2016(04)
[3]数控铣削加工中心主传动系统服役过程能效计算模型[J]. 马峰,张华,鄢威. 机床与液压. 2015(03)
[4]机床主轴系统静刚度分析及实验研究[J]. 寸花英,袁胜万,崔岗卫,李江艳. 机床与液压. 2015(01)
[5]数控机床多源能量流的系统数学模型[J]. 王秋莲,刘飞. 机械工程学报. 2013(07)
[6]机床服役过程机电主传动系统的时段能量模型[J]. 刘飞,刘霜. 机械工程学报. 2012(21)
[7]机床的节能和生态设计 “机床产品创新与设计”专题（十）[J]. 张曙,卫汉华,张炳生. 制造技术与机床. 2012(06)
[8]基于ANSYS的机床主轴结构优化设计[J]. 杜官将,李东波. 组合机床与自动化加工技术. 2011(12)
[9]基于遗传算法的数控机床主轴优化设计方法[J]. 郭辰光,王鹏家,田鹏,刘永贤. 东北大学学报(自然科学版). 2011(06)
[10]基于响应面法的立式加工中心动静态多目标优化[J]. 姜衡,管贻生,邱志成,张宪民,陈忠,许冠. 机械工程学报. 2011(11)
博士论文
[1]现代数控机床多源能耗特性研究[D]. 胡韶华.重庆大学 2012
本文编号：3471004
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
数控车床主轴Fig.4.6SpindleComponentsofCNCLathe
4主传动系统主轴单元结构节能设计优化53为表征不同主成分对没有经过处理的原始指标数据信息的包含程度，定义主成分的方差与总方差的比值为该主成分的对原始数据信息的贡献率。==njjiiw1(4.39)由公式(4.40)可是，每一个主成分所包含的原始性能指标数据的信息量是不一样的，越靠后的主成分所含有的信息量就越少。则前m个主成分的累积方差贡献率ρ为：=njjmii/(4.40)为了利用主成分分析方法达到减少数据的维度的目的，在所使用的主成分中所包含原始性能指标信息的比率达到70%以上就可以满足计算精度，进而达到减少数据维度的目的。设在前m个所使用的主成分中包含的原始性能指标的信息量已达到使用要求，则使用这个m个主成分替代原有的p个指标。由m个主成分构成的综合评价函数为[79]：mm+++=ywywywf2211(4.41)③目标函数根据4.2.3-(2)节中的计算方法，对4.2.3-(1)节中的各性能指标数据进行处理。从图4.10的一阶频率、最大变形、最大应力和能耗的碎石图可以看出，四个主成分特征值都大于0，如式(4.44)和表4.11所示。前3个主成分的累积贡献率为97.1%，如表4.11，因此，对性能指标模型建立时就可以使用这3个新的主成分，显著降低指标维数。图4.10指标碎石图Fig.4.10Indicatorsgravelmap表4.11是主成分的具体特征值和贡献率，可以看出四个主成分贡献率依次降低，利用每一个主成分贡献率作为综合目标函数权重，建立综合目标函数公式(4.45)。
重庆大学硕士学位论文58仅在[00]处有全局最小值0，如图4.12；Schaffer函数是复杂的二维函数，具有无数个极小值，在[00]点有全局最小值0，由于该函数具有强烈的震荡的性态，所以很难找到全局最优值，如图4.13；Rastrigin函数有非常多的局部最小点，并且各个局部最低点函数值相差不大，而仅仅在[00]点有一个全局最小值，在该处的函数值为0，导致难以找到全局最小值，如图4.14。图4.12Ackley函数三维图图4.13Schaffer函数三维图图4.14Rastrigin函数三维图Fig.4.123-DgraphofAckleyFig.4.133-DgraphofSchafferFig.4.143-DgraphofRastrigin图4.15、图4.16和图4.17分别为Ackley函数、Schaffer函数和Rastrigin函数求最小值收敛图，从图中可以看出，本文提出的混合算法能够快速的收敛到其最小值点，并且收敛速度明显快于其他两种算法。图4.15Ackley函数收敛图图4.16Schaffer函数收敛图图4.17Rastrigin函数收敛图Fig.4.15ConvergenceofAckleyFig.4.16ConvergenceofSchafferFig.4.17ConvergenceofRastrigin4.3.3优化结果通过MATLAB软件对主轴结构优化模型程序化，分别用SA、PSO和SA+PSO混合算法对优化模型进行求解，设置最高温度Tmax=100，降温目标温度为T0=0.01，内部循环次数Iiter=10，学习因子c1=c2=2，粒子群粒子数Size=30，最大权重Weight_max=1.2，最小权重Weight_min=0.2。图4.18为优化模型(4.55)的收敛对比图，从图中可以看出，运用SA+PSO混合算法对模型进行求解的速度明显快于其
【参考文献】：
期刊论文
[1]面向能量效率的数控铣削加工参数多目标优化模型[J]. 李聪波,朱岩涛,李丽,陈行政. 机械工程学报. 2016(21)
[2]数控机床主轴优化设计专家系统研究[J]. 刘世豪,张云顺,王宏睿. 农业机械学报. 2016(04)
[3]数控铣削加工中心主传动系统服役过程能效计算模型[J]. 马峰,张华,鄢威. 机床与液压. 2015(03)
[4]机床主轴系统静刚度分析及实验研究[J]. 寸花英,袁胜万,崔岗卫,李江艳. 机床与液压. 2015(01)
[5]数控机床多源能量流的系统数学模型[J]. 王秋莲,刘飞. 机械工程学报. 2013(07)
[6]机床服役过程机电主传动系统的时段能量模型[J]. 刘飞,刘霜. 机械工程学报. 2012(21)
[7]机床的节能和生态设计 “机床产品创新与设计”专题（十）[J]. 张曙,卫汉华,张炳生. 制造技术与机床. 2012(06)
[8]基于ANSYS的机床主轴结构优化设计[J]. 杜官将,李东波. 组合机床与自动化加工技术. 2011(12)
[9]基于遗传算法的数控机床主轴优化设计方法[J]. 郭辰光,王鹏家,田鹏,刘永贤. 东北大学学报(自然科学版). 2011(06)
[10]基于响应面法的立式加工中心动静态多目标优化[J]. 姜衡,管贻生,邱志成,张宪民,陈忠,许冠. 机械工程学报. 2011(11)
博士论文
[1]现代数控机床多源能耗特性研究[D]. 胡韶华.重庆大学 2012
本文编号：3471004
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3471004.html
