數控車床作為制造業(yè)的主要裝備之一,其使用范圍廣,數量大,能量效率直接影響到整個機床行業(yè)能量消耗水平。而主傳動系統(tǒng)作為數控車床最主要的能量流部件,其能耗大小直接決定整機的能量效率。現有的關于數控車床能耗優(yōu)化問題大多關注使用過程,無法充分提升數控車床的能量效率。如何從設計階段考慮數控車床能耗因素,從源頭減小數控車床的能耗,提升其能量效率,是一個值得深入研究的問題。本文針對數控車床主傳動系統(tǒng),綜合考慮數控車床的能耗、加工能力和加工質量,對其電機驅動單元參數和主軸單元結構進行節(jié)能設計優(yōu)化研究,在保證數控車床的加工能力和加工質量的基礎上,減小主傳動系統(tǒng)能耗,提升數控車床能量效率。分析數控車床主傳動系統(tǒng)能耗構成特性,建立主傳動系統(tǒng)能耗模型;基于此,研究主傳動系統(tǒng)中電機驅動單元參數和主軸單元結構對能耗的影響,闡述主傳動系統(tǒng)中電機驅動單元參數優(yōu)化和主軸單元結構輕量化的節(jié)能設計機理,說明數控車床主傳動系統(tǒng)的優(yōu)化設計節(jié)能潛力;然后,綜合考慮電機驅動單元中主軸電機和傳動系統(tǒng)參數對能耗的影響,提出主傳動系統(tǒng)電機驅動單元的節(jié)能設計優(yōu)化框架。在此基礎上,根據主傳動系統(tǒng)的能量流構建基于主軸電機效率的電機驅動單元的能... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：100 頁

【學位級別】：碩士

【部分圖文】：

數控車床主軸Fig.4.6SpindleComponentsofCNCLathe

4主傳動系統(tǒng)主軸單元結構節(jié)能設計優(yōu)化53為表征不同主成分對沒有經過處理的原始指標數據信息的包含程度，定義主成分的方差與總方差的比值為該主成分的對原始數據信息的貢獻率。==njjiiw1(4.39)由公式(4.40)可是，每一個主成分所包含的原始性能指標數據的信息量是不一樣的，越靠后的主成分所含有的信息量就越少。則前m個主成分的累積方差貢獻率ρ為：=njjmii/(4.40)為了利用主成分分析方法達到減少數據的維度的目的，在所使用的主成分中所包含原始性能指標信息的比率達到70%以上就可以滿足計算精度，進而達到減少數據維度的目的。設在前m個所使用的主成分中包含的原始性能指標的信息量已達到使用要求，則使用這個m個主成分替代原有的p個指標。由m個主成分構成的綜合評價函數為[79]：mm+++=ywywywf2211(4.41)③目標函數根據4.2.3-(2)節(jié)中的計算方法，對4.2.3-(1)節(jié)中的各性能指標數據進行處理。從圖4.10的一階頻率、最大變形、最大應力和能耗的碎石圖可以看出，四個主成分特征值都大于0，如式(4.44)和表4.11所示。前3個主成分的累積貢獻率為97.1%，如表4.11，因此，對性能指標模型建立時就可以使用這3個新的主成分，顯著降低指標維數。圖4.10指標碎石圖Fig.4.10Indicatorsgravelmap表4.11是主成分的具體特征值和貢獻率，可以看出四個主成分貢獻率依次降低，利用每一個主成分貢獻率作為綜合目標函數權重，建立綜合目標函數公式(4.45)。

重慶大學碩士學位論文58僅在[00]處有全局最小值0，如圖4.12；Schaffer函數是復雜的二維函數，具有無數個極小值，在[00]點有全局最小值0，由于該函數具有強烈的震蕩的性態(tài)，所以很難找到全局最優(yōu)值，如圖4.13；Rastrigin函數有非常多的局部最小點，并且各個局部最低點函數值相差不大，而僅僅在[00]點有一個全局最小值，在該處的函數值為0，導致難以找到全局最小值，如圖4.14。圖4.12Ackley函數三維圖圖4.13Schaffer函數三維圖圖4.14Rastrigin函數三維圖Fig.4.123-DgraphofAckleyFig.4.133-DgraphofSchafferFig.4.143-DgraphofRastrigin圖4.15、圖4.16和圖4.17分別為Ackley函數、Schaffer函數和Rastrigin函數求最小值收斂圖，從圖中可以看出，本文提出的混合算法能夠快速的收斂到其最小值點，并且收斂速度明顯快于其他兩種算法。圖4.15Ackley函數收斂圖圖4.16Schaffer函數收斂圖圖4.17Rastrigin函數收斂圖Fig.4.15ConvergenceofAckleyFig.4.16ConvergenceofSchafferFig.4.17ConvergenceofRastrigin4.3.3優(yōu)化結果通過MATLAB軟件對主軸結構優(yōu)化模型程序化，分別用SA、PSO和SA+PSO混合算法對優(yōu)化模型進行求解，設置最高溫度Tmax=100，降溫目標溫度為T0=0.01，內部循環(huán)次數Iiter=10，學習因子c1=c2=2，粒子群粒子數Size=30，最大權重Weight_max=1.2，最小權重Weight_min=0.2。圖4.18為優(yōu)化模型(4.55)的收斂對比圖，從圖中可以看出，運用SA+PSO混合算法對模型進行求解的速度明顯快于其

【參考文獻】：
期刊論文
[1]面向能量效率的數控銑削加工參數多目標優(yōu)化模型[J]. 李聰波,朱巖濤,李麗,陳行政.  機械工程學報. 2016(21)
[2]數控機床主軸優(yōu)化設計專家系統(tǒng)研究[J]. 劉世豪,張云順,王宏睿.  農業(yè)機械學報. 2016(04)
[3]數控銑削加工中心主傳動系統(tǒng)服役過程能效計算模型[J]. 馬峰,張華,鄢威.  機床與液壓. 2015(03)
[4]機床主軸系統(tǒng)靜剛度分析及實驗研究[J]. 寸花英,袁勝萬,崔崗衛(wèi),李江艷.  機床與液壓. 2015(01)
[5]數控機床多源能量流的系統(tǒng)數學模型[J]. 王秋蓮,劉飛.  機械工程學報. 2013(07)
[6]機床服役過程機電主傳動系統(tǒng)的時段能量模型[J]. 劉飛,劉霜.  機械工程學報. 2012(21)
[7]機床的節(jié)能和生態(tài)設計 “機床產品創(chuàng)新與設計”專題（十）[J]. 張曙,衛(wèi)漢華,張炳生.  制造技術與機床. 2012(06)
[8]基于ANSYS的機床主軸結構優(yōu)化設計[J]. 杜官將,李東波.  組合機床與自動化加工技術. 2011(12)
[9]基于遺傳算法的數控機床主軸優(yōu)化設計方法[J]. 郭辰光,王鵬家,田鵬,劉永賢.  東北大學學報(自然科學版). 2011(06)
[10]基于響應面法的立式加工中心動靜態(tài)多目標優(yōu)化[J]. 姜衡,管貽生,邱志成,張憲民,陳忠,許冠.  機械工程學報. 2011(11)

博士論文
[1]現代數控機床多源能耗特性研究[D]. 胡韶華.重慶大學 2012



本文編號：3471004