复合加工机床立柱动态特性分析及优化

发布时间：2019-01-28 18:27

【摘要】：在采用UG对机床立柱进行参数化建模的基础上,使用ANSYS的Workbench模块对立柱进行模态分析,发现立柱一阶模态频率较低。然后通过对立柱尺寸参数进行灵敏度分析,得到对立柱一阶模态频率和质量影响较大的尺寸参数,并通过改变这些参数获得不同尺寸下立柱的特性。以此建立神经网络模型,得到立柱尺寸与其一阶模态频率和质量的对应关系。再使用遗传算法以不同的优化目标进行优化,并比较结果。最后得到合适的优化方案。
[Abstract]:Based on the parameterized modeling of machine tool column with UG, the modal analysis of the column is carried out by using the Workbench module of ANSYS. It is found that the first order modal frequency of the column is lower. Then, through the sensitivity analysis of the column dimension parameters, the dimension parameters which have great influence on the first-order modal frequency and the mass of the column are obtained, and the characteristics of the column with different dimensions are obtained by changing these parameters. A neural network model is established and the corresponding relationship between the column size and its first order modal frequency and mass is obtained. Then genetic algorithm is used to optimize different optimization objectives, and the results are compared. Finally, a suitable optimization scheme is obtained.
【作者单位】： 南京工业大学机械与动力工程学院;
【基金】：“高档数控机床与基础制造装备”国家科技重大专项(2014ZX04011031)
【分类号】：TG659

【相似文献】

相关期刊论文 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 邬再新;王凯;王连波;吕洪波;;基于神经网络的自由曲线插补研究[J];制造技术与机床;2007年09期

3 顾玉钢;夏智海;庄力健;;基于改进神经网络的疲劳裂纹扩展速率预测[J];合肥工业大学学报(自然科学版);2008年06期

4 王秀梅,吕程,王国栋,刘相华;轧制力预报中的神经网络和数学模型[J];东北大学学报;1999年03期

5 于洪海,张新平,胡云峰;偏最小二乘-神经网络光度法同时测定钢中钨和钼[J];冶金分析;2004年02期

6 梁伟;王杰;王玫;;神经网络在冷剪机曲轴优化中的应用[J];机械设计与制造;2010年08期

7 赖兴余,李春雄,严霖元,刘明智;基于神经网络的自适应模糊控制器[J];江西农业大学学报;1998年01期

8 刘立君;兰虎;郑红艳;;基于神经网络熔透电弧声特征参数评价与选择[J];焊接学报;2010年03期

9 李旭东;刘治国;穆志韬;;基于神经网络的金属材料疲劳裂纹扩展规律的预测[J];新技术新工艺;2013年11期

10 李文鑫;王武;张元敏;;遗传优化神经网络在孔系加工中应用研究[J];机械设计与制造;2009年04期

相关会议论文 前10条

1 高进强;刘新峰;武传松;;TIG焊接熔透信息的提取[A];第十次全国焊接会议论文集（第2册）[C];2001年

2 付培众;尹怡欣;;基于PSO-RBF的神经网络及其应用研究[A];2007'仪表，，自动化及先进集成技术大会论文集（一）[C];2007年

3 孙雷;王建国;王明辉;;模块化神经网络在CSP连轧过程逆质量模型建立中的应用[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年

4 莫春立;李殿中;冯峰;李强;詹志东;;耦合物理冶金和神经网络方法预测钢材的性能[A];2002年材料科学与工程新进展（下）——2002年中国材料研讨会论文集[C];2002年

5 张海波;刘恩东;;基于RBF神经网络PID控制[A];2007中国钢铁年会论文集[C];2007年

6 饶德林;齐志扬;陈立功;;铝合金点焊质量的神经网络估测[A];第十次全国焊接会议论文集（第2册）[C];2001年

7 刘明贵;岳向红;杨永波;李祺;;基于Sym小波和BP神经网络的基桩缺陷智能化识别[A];2007'湖北·武汉NDT学术年会论文集[C];2007年

8 秦忠;黄知洋;高健;;试论精度标准在多工位机床制造中的作用[A];2012年全国地方机械工程学会学术年会论文集（云南省分册）[C];2012年

9 秦忠;黄知洋;;多工位机床精度标准编制研究[A];创新装备技术 给力地方经济——第三届全国地方机械工程学会学术年会暨海峡两岸机械科技论坛论文集[C];2013年

10 张连娣;武云鹏;;谈机床实施一次涂装[A];2009全国机电企业工艺年会<厦工杯>工艺征文论文集[C];2009年

相关重要报纸文章 前1条

1 李虎城;您的机床“健康状况”如何？[N];中国机电日报;2001年

相关博士学位论文 前1条

1 孙永平;机床静态精度的机构模型与结构工艺性研究[D];大连理工大学;2015年

相关硕士学位论文 前10条

1 胡丙坤;基于神经网络的金属板材折弯回弹预测与研究[D];上海应用技术学院;2015年

2 赵燕燕;优化FPN及其在板形识别中的应用[D];济南大学;2015年

3 王余敬;基于分离谱的激光超声表面裂纹识别技术研究[D];中北大学;2016年

4 付泽;典型汽车用板变形滞后回弹的试验研究及有限元分析[D];北京理工大学;2016年

5 熊伟;基于改进BP神经网络的车床主轴优化设计的研究[D];江苏大学;2016年

6 吕慧超;中厚板轧机液压AGC系统的控制研究[D];辽宁科技大学;2016年

7 杨轶宁;基于BP神经网络的点焊接头疲劳寿命预测研究[D];昆明理工大学;2016年

8 闵喜瑞;基于径向基函数（RBF）神经网络滑模变结构厚度控制[D];华北理工大学;2016年

9 李冬梅;主动学习算法在板厚控制系统中的应用研究[D];华北理工大学;2016年

10 张雷;基于振动分析的机床状态识别与人机效能评估方法研究[D];东北大学;2013年

本文编号：2417183