本文關(guān)鍵詞： 高速電主軸 溫度預(yù)測 溫度場 仿真分析 實(shí)驗(yàn)研究　出處：《沈陽建筑大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：電主軸是高速數(shù)控機(jī)床的關(guān)鍵部件,其性能的優(yōu)劣直接決定著數(shù)控機(jī)床整機(jī)的技術(shù)水平。高速電主軸在旋轉(zhuǎn)過程中,受到各種工況的影響,電主軸熱特性不穩(wěn)定將導(dǎo)致故障發(fā)生并減小其使用壽命,而電主軸的損壞基本是因電主軸發(fā)熱引起的。并且電主軸的熱變形還會(huì)使工作精度下降從而影響電主軸的運(yùn)行性能,因此為了確保電主軸工作時(shí)的精度和壽命,需對(duì)電主軸的溫升進(jìn)行預(yù)測和控制。高速電主軸在運(yùn)轉(zhuǎn)的過程中電主軸溫度會(huì)因受到環(huán)境溫度、冷卻液溫度和運(yùn)行時(shí)間等因素的影響而變化。而電主軸的溫度場變化規(guī)律具有高度的復(fù)雜性和非線性,并且對(duì)電主軸內(nèi)部溫度的測量具有一定困難,為解決對(duì)電主軸表面溫度變化規(guī)律和對(duì)電主軸內(nèi)部溫度場的預(yù)測,本文以型號(hào)為150MD24Y20電主軸為研究對(duì)象分別對(duì)電主軸的外部表面溫度和電主軸內(nèi)部溫度預(yù)測進(jìn)行研究。主要工作如下:通過對(duì)電主軸的表面溫度預(yù)測方法的深入研究,在獲得電主軸表面溫度實(shí)時(shí)檢測基礎(chǔ)數(shù)據(jù)后,建立基于數(shù)據(jù)的電主軸表面溫度預(yù)測模型,并分別采用人工神經(jīng)網(wǎng)絡(luò)中的BP算法、RBF算法建立電主軸溫度預(yù)測模型對(duì)金屬電主軸進(jìn)行表面溫度預(yù)測,兩種預(yù)測模型有效地預(yù)測電主軸的表面溫度的變化規(guī)律,預(yù)測結(jié)果表明:兩種方法有效地解決了電主軸表面溫度的高度非線性問題,但兩種預(yù)測模型存在各自的缺陷導(dǎo)致預(yù)測精度有所下降。為了解決單一神經(jīng)網(wǎng)絡(luò)預(yù)測模型的缺陷,本文利用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)建立電主軸溫度預(yù)測模型對(duì)高速電主軸表面溫度進(jìn)行預(yù)測,利用Matlab軟件進(jìn)行仿真研究,并將預(yù)測結(jié)果與實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比驗(yàn)證預(yù)測結(jié)果的正確性。結(jié)果表明利用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)建立電主軸表面溫度預(yù)測模型預(yù)測精度更高。本文基于損耗實(shí)驗(yàn)的電主軸內(nèi)部溫度場預(yù)測分析,建立了電主軸的有限元模型,分析了電主軸的主要生熱機(jī)理和傳熱機(jī)制,利用現(xiàn)有電主軸設(shè)備測量出的電主軸損耗數(shù)據(jù)來計(jì)算轉(zhuǎn)子、定子的生熱率以及軸承生熱率,根據(jù)相關(guān)經(jīng)驗(yàn)公式計(jì)算出電主軸不同部位的散熱系數(shù),然后把計(jì)算得到生熱率與散熱系數(shù)加載到所建立的電主軸有限元模型上。最后,利用ANSYS軟件仿真分析得到高速電主軸溫度分布情況和溫度變化規(guī)律。并將由有限元模型得到的溫度場分布情況與實(shí)驗(yàn)結(jié)果相對(duì)比來驗(yàn)證ANSYS預(yù)測模型的正確性。通過對(duì)電主軸內(nèi)部溫度預(yù)測研究,分析了電主軸的溫度場分布規(guī)律,為電主軸總體溫度、瞬態(tài)溫度預(yù)測提供理論基礎(chǔ)。本文研究表明:利用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)建立的電主軸表面溫度預(yù)測模型相比于單一的神經(jīng)網(wǎng)絡(luò)電主軸表面溫度預(yù)測模型的預(yù)測精度更高,利用ANSYS建立電主軸內(nèi)部溫度場分布模型可用于電主軸內(nèi)部溫度變化趨勢的預(yù)測,為電主軸熱特性分析提供理論基礎(chǔ)。
[Abstract]:Motorized spindle is the key component of high speed NC machine tool. Its performance directly determines the technical level of CNC machine tool. The high speed motorized spindle is affected by various working conditions in the process of rotation. Unstable thermal characteristics of motorized spindle will lead to failure and reduce its service life. And the damage of the motorized spindle is caused by the heating of the motorized spindle, and the thermal deformation of the motorized spindle will also reduce the working precision and affect the operation performance of the motorized spindle, so in order to ensure the accuracy and service life of the motorized spindle. It is necessary to predict and control the temperature rise of the motorized spindle. The temperature of the motorized spindle will be subjected to the ambient temperature during the operation of the high-speed motorized spindle. The temperature field of the motorized spindle is highly complex and nonlinear, and it is difficult to measure the internal temperature of the motorized spindle. In order to solve the change rule of surface temperature of motorized spindle and the prediction of internal temperature field of motorized spindle. In this paper, the outer surface temperature and the internal temperature of the motorized spindle are studied with the model 150MD24Y20 as the research object. The main work is as follows:. The surface temperature prediction method of motorized spindle is studied deeply. After obtaining the basic data of the real time measurement of the surface temperature of the motorized spindle, the prediction model of the surface temperature of the motorized spindle is established based on the data, and the BP algorithm in the artificial neural network is adopted respectively. RBF algorithm is used to predict the surface temperature of the metal spindle. The two models can effectively predict the variation of the surface temperature of the motorized spindle. The prediction results show that the two methods can effectively solve the highly nonlinear problem of surface temperature of motorized spindle. However, the two prediction models have their own defects, which lead to the decline of prediction accuracy. In order to solve the shortcomings of the single neural network prediction model. In this paper, BP neural network optimized by genetic algorithm is used to predict the surface temperature of high speed motorized spindle, and Matlab software is used to simulate the surface temperature of motorized spindle. The prediction results are compared with the experimental results to verify the correctness of the prediction results. The results show that the BP neural network optimized by genetic algorithm is more accurate in predicting the surface temperature of motorized spindle. Prediction and analysis of internal temperature field of motorized spindle based on energy consumption experiment. The finite element model of the motorized spindle is established, the main heat generation mechanism and heat transfer mechanism of the motorized spindle are analyzed, and the rotor is calculated by using the loss data of the motorized spindle measured by the existing motorized spindle equipment. The heat generation rate of the stator and the heat generation rate of the bearing are calculated according to the relevant empirical formula to calculate the heat dissipation coefficient of different parts of the motorized spindle. Then the calculated heat generation rate and heat dissipation coefficient are loaded into the established finite element model of the motorized spindle. Finally. The temperature distribution and temperature variation of high speed motorized spindle are obtained by using ANSYS software, and the temperature field distribution obtained from finite element model is compared with the experimental results to verify the prediction of ANSYS. The correctness of the model. The internal temperature prediction of the motorized spindle is studied. The distribution law of temperature field of motorized spindle is analyzed, which is the total temperature of motorized spindle. Transient temperature prediction provides a theoretical basis. Compared with the single neural network model, the prediction precision of the surface temperature prediction model based on BP neural network optimized by genetic algorithm is higher than that of the single neural network model. The model of temperature field distribution in motorized spindle by ANSYS can be used to predict the variation trend of internal temperature of motorized spindle, which provides a theoretical basis for the analysis of thermal characteristics of motorized spindle.
【學(xué)位授予單位】：沈陽建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TG659

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周延yP,李中行;電主軸技術(shù)講座 第二講 電主軸的基本參數(shù)與結(jié)構(gòu)(二)[J];制造技術(shù)與機(jī)床;2003年08期

2 周延yP ,李中行;第四講 電主軸的性能參數(shù)[J];制造技術(shù)與機(jī)床;2003年10期

3 沈捷;電主軸的創(chuàng)新概念[J];世界制造技術(shù)與裝備市場;2004年01期

4 范夢吾,張伯霖,郭軍,李志英;兩種電主軸熱態(tài)特性的比較分析[J];航空制造技術(shù);2004年07期

5 劉士玉,劉百喜;電主軸的結(jié)構(gòu)設(shè)計(jì)與應(yīng)用[J];世界制造技術(shù)與裝備市場;2004年03期

6 秦鵬 ,季紅麗;電主軸轉(zhuǎn)子割扁工裝[J];機(jī)械工人.冷加工;2005年11期

7 沈福金;;電主軸的設(shè)計(jì)與研究[J];世界制造技術(shù)與裝備市場;2006年03期

8 ;高頻電主軸[J];現(xiàn)代制造;2006年30期

9 嚴(yán)道發(fā);;電主軸技術(shù)綜述[J];機(jī)械研究與應(yīng)用;2006年06期

10 陳成;;高速數(shù)控中電主軸技術(shù)的研究[J];裝備制造技術(shù);2006年05期

相關(guān)會(huì)議論文 前10條

1 張珂;吳玉厚;張麗秀;潘振寧;;陶瓷電主軸單元的振動(dòng)特性研究[A];第八屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集摘要[C];2003年

2 熊萬里;;高速精密永磁同步電主軸的研究進(jìn)展及發(fā)展趨勢[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

3 孫智慧;肖乃寬;;高速加工之我見[A];陜西省機(jī)械工程學(xué)會(huì)九屆二次理事擴(kuò)大會(huì)議論文集[C];2010年

4 蔣書運(yùn);;高速機(jī)床電主軸摩擦學(xué)問題的研究[A];第八屆全國摩擦學(xué)大會(huì)論文集[C];2007年

5 袁劍雄;王知行;李建生;徐秀敏;;并聯(lián)機(jī)床電主軸干涉計(jì)算[A];第十二屆全國機(jī)構(gòu)學(xué)學(xué)術(shù)研討會(huì)論文集[C];2000年

6 陳世鈺;;高速加工的利器—高剛性大功率氣靜壓電主軸[A];廣州市老工程師協(xié)會(huì)論文集（第四輯）[C];2008年

7 陳潤霖;許吉敏;奚延輝;袁小陽;;高速超精密電主軸系統(tǒng)可靠性及精度穩(wěn)定性研究[A];第11屆全國轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)（ROTDYN2014）論文集（下冊(cè)）[C];2014年

8 吳國慶;張鋼;張建生;王春蘭;吳名貴;汪希平;;磁懸浮銑削電主軸控制系統(tǒng)研究[A];中國力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2005論文摘要集（下）[C];2005年

9 孫智慧;肖乃寬;;高速加工之我見[A];陜西第二屆數(shù)控機(jī)床及自動(dòng)化技術(shù)專家論壇論文集[C];2011年

10 楊新洲;張鋼;吳劍鋒;汪希平;;磁懸浮支承銑削電主軸的動(dòng)力學(xué)性能仿真分析[A];2003大型發(fā)電機(jī)組振動(dòng)和轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

相關(guān)重要報(bào)紙文章 前10條

1 葉軍;國產(chǎn)化率低 電主軸成為數(shù)控機(jī)床發(fā)展之痛[N];中國工業(yè)報(bào);2007年

2 本報(bào)記者 葉軍;電主軸：制約我國數(shù)控機(jī)床發(fā)展的軟肋[N];中國工業(yè)報(bào);2006年

3 見習(xí)記者 嚴(yán)曼青;電主軸國產(chǎn)化低 數(shù)控機(jī)床的發(fā)展之痛[N];機(jī)電商報(bào);2005年

4 本報(bào)記者 徐雯雯;金雷：創(chuàng)新鑄就的硬品牌[N];萊蕪日?qǐng)?bào);2011年

5 記者 張睿　通訊員 崔珠峰;“通�！惫タ�5個(gè)世界性難題[N];德州日?qǐng)?bào);2010年

6 本報(bào)記者 司濤　趙彬彬;通裕重工今招股 創(chuàng)新成就風(fēng)電裝備龍頭[N];證券日?qǐng)?bào);2011年

7 協(xié)會(huì);國內(nèi)數(shù)控機(jī)床用電主軸市場擴(kuò)容[N];中國電力報(bào);2004年

8 郭寶泉;讓科研成果產(chǎn)生巨大經(jīng)濟(jì)效益[N];沈陽日?qǐng)?bào);2006年

9 葉軍;投資4000萬 洛陽軸研為機(jī)床造“心臟”[N];中國工業(yè)報(bào);2003年

10 證券時(shí)報(bào)記者 盧青　賈小兵;通裕重工今日申購 適時(shí)實(shí)施股權(quán)激勵(lì)[N];證券時(shí)報(bào);2011年

相關(guān)博士學(xué)位論文 前4條

1 張麗秀;電主軸單元電磁特性及控制策略改善研究[D];大連理工大學(xué);2012年

2 李頌華;高速陶瓷電主軸的設(shè)計(jì)與制造關(guān)鍵技術(shù)研究[D];大連理工大學(xué);2012年

3 劉繼行;小型車床內(nèi)裝式電主軸間歇?jiǎng)討B(tài)熱特性研究[D];沈陽工業(yè)大學(xué);2015年

4 馬丙輝;基于熱管傳熱的液體靜壓電主軸熱態(tài)性能及相關(guān)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2008年

，

本文編號(hào)：1480343