針對空氣靜壓軸承具有的承載力偏小、剛度較低、空氣流量大會造成激振等問題,運用了粒子群優(yōu)化算法對空氣靜壓軸承中節(jié)流孔的關(guān)鍵參數(shù)進行優(yōu)化設(shè)計研究。通過有限元的思想求解簡化的二維雷諾方程,構(gòu)建數(shù)學模型分析空氣靜壓軸承的幾個主要性能如承載力、剛度、空氣流量,以及影響這些主要性能的相關(guān)參數(shù)。分析了相關(guān)參數(shù)與空氣靜壓軸承主要性能之間的關(guān)系,并使用粒子群優(yōu)化算法對相關(guān)參數(shù)進行多目標優(yōu)化設(shè)計,通過對空氣靜壓軸承的結(jié)構(gòu)模型進行仿真計算,計算得到它的承載力、剛度、空氣流量等相關(guān)數(shù)值,并對優(yōu)化前后的空氣靜壓軸承的主要性能進行比較。結(jié)果表明相較于優(yōu)化前空氣靜壓軸承的承載力提高了17%,剛度提高了36.3%,空氣流量下降了43.4%,有效解決了空氣靜壓軸承具有的承載力偏小、剛度較低、空氣流量大等相關(guān)問題。 

【文章來源】：哈爾濱理工大學學報. 2020年04期 北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

空氣靜壓軸承結(jié)構(gòu)

目前,遺傳優(yōu)化算法、直接優(yōu)化算法和粒子群優(yōu)化算法等具有全局搜索能力的可靠優(yōu)化方法是解決空氣靜壓軸承優(yōu)化問題的常用方法。本研究應(yīng)用粒子群算法對空氣靜壓軸承進行優(yōu)化設(shè)計,因其收斂速度快且易于實現(xiàn)。粒子群算法(particle swarm optimization,PSO)是由Kennedy和Eberhart提出的,該算法參考了鳥類和魚類等自然種群的行為,使用了粒子群代替鳥群中的個體遷徙和群聚行為[14]。隨后的研究中,一種帶有慣性權(quán)重的粒子群算法PSO-W被廣泛采用,相比于PSO算法,它具有更強的局部搜索能力[15]。梁靜等[16]在此基礎(chǔ)上提出了一種新的PSO-DMS-CC算法,該算法由于將傳統(tǒng)的靜態(tài)分組策略改為動態(tài)分組策略,在大規(guī)模問題的優(yōu)化過程中具有良好的求解效果。本文所使用的優(yōu)化算法為DMS-PSO算法,其根據(jù)PSO-DMS-CC算法進行設(shè)計,保留了其中的動態(tài)多種群策略,同時加入了權(quán)值線性遞減的策略,將粒子分為多個種群,首先對每個種群分別進行PSO優(yōu)化,之后打散各種群并對各粒子重新進行分組,通過不斷地更新-重組-優(yōu)化-更新的過程實現(xiàn)各種群間的信息互換,既可以使種群富有多樣性,又可以使搜索空間增大,避免了粒子可能會出現(xiàn)向局部最優(yōu)解靠攏的問題。本文所研究的問題中,粒子取值即為影響空氣靜壓軸承性能的5個關(guān)鍵參數(shù),5個參數(shù)的取值范圍分別為:

針對本文所提出的問題,提出如圖2所示的DMS-PSO算法的總體流程。在圖2的DMS-PSO算法流程中,粒子即為空氣靜壓軸承的5個關(guān)鍵參數(shù),這5個參數(shù)共同影響它的承載力、剛度以及空氣流量,通過對這3個主要性能進行權(quán)重比分配,得到該組粒子的適應(yīng)度大小。在此算法中,輸入量為粒子總數(shù)N,隨著N的數(shù)值變大,粒子數(shù)量變多,得到空氣靜壓軸承整體性能最優(yōu)解的概率更大,當?shù)鷶?shù)達到最大時,通過DMS-PSO算法得出最優(yōu)粒子,可以將該組粒子的取值視為所要求解的參數(shù)值。本次優(yōu)化分析中,通過輸入500個粒子,分成5組進行DMS-PSO優(yōu)化重組,在迭代300次后,得到適應(yīng)度收斂結(jié)果如圖3所示,算法最終的適應(yīng)度收斂至179附近。最終得到5個參數(shù)最優(yōu)解為d=0.15 mm,h=0.024 mm,n=16,ε=0.5,l=1/3×50 mm,空氣靜壓軸承優(yōu)化前與優(yōu)化后的關(guān)鍵結(jié)構(gòu)尺寸比較見表2。

【參考文獻】：
期刊論文
[1]基于分類思想的改進粒子群優(yōu)化算法[J]. 仝秋娟,李萌,趙豈.  現(xiàn)代電子技術(shù). 2019(19)
[2]燃料電池車用空氣壓縮機的發(fā)展現(xiàn)狀及趨勢分析[J]. 張毅.  內(nèi)燃機與配件. 2019(02)
[3]電動汽車關(guān)鍵技術(shù)研究[J]. 楊培善.  汽車實用技術(shù). 2018(21)
[4]不同腔形結(jié)構(gòu)靜壓軸承油膜溫升特性對比分析[J]. 郭玉鵬,張艷芹,鄧力源,張海霞.  哈爾濱理工大學學報. 2018(04)
[5]氣體靜壓高速電主軸穩(wěn)定性研究[J]. 黃澤中,尹洋,李佳,吳東,王翔毅.  現(xiàn)代機械. 2018(01)
[6]基于動網(wǎng)格方法的不同油膜厚度下靜壓軸承承載特性分析[J]. 張艷芹,孔祥濱,郭麗麗,程海闊,李銳.  哈爾濱理工大學學報. 2017(06)
[7]求解大規(guī)模問題協(xié)同進化動態(tài)粒子群優(yōu)化算法[J]. 梁靜,劉睿,于坤杰,瞿博陽.  軟件學報. 2018(09)
[8]燃料電池車用空氣壓縮機發(fā)展現(xiàn)狀及趨勢[J]. 鮑鵬龍,章道彪,許思傳,萬玉.  電源技術(shù). 2016(08)
[9]一種結(jié)合自適應(yīng)慣性權(quán)重的混合粒子群算法[J]. 于桂芹,李劉東,袁永峰.  哈爾濱理工大學學報. 2016(03)
[10]基于Fluent的空氣靜壓徑向軸承靜態(tài)性能分析[J]. 李國芹,呂勝賓,岳紅新.  機床與液壓. 2012(09)

博士論文
[1]超高轉(zhuǎn)速空氣靜壓電主軸特性分析與實驗研究[D]. 高思煜.哈爾濱工業(yè)大學 2016

碩士論文
[1]高速大功率電主軸設(shè)計及關(guān)鍵技術(shù)研究[D]. 曹正凱.北京郵電大學 2017



本文編號：2943882