本文關鍵詞：車削中心電主軸熱態(tài)分析及熱誤差研究

  更多相關文章： 高速電主軸 熱態(tài)分析 熱誤差預測 神經(jīng)網(wǎng)絡 遺傳算法

【摘要】：由于高速電主軸具有結構簡單、傳動效率高以及響應快等優(yōu)點,已經(jīng)廣泛應用于高速加工設備中。隨著電主軸的運轉(zhuǎn)速度越來越高,主軸發(fā)熱也愈加嚴重,電主軸的熱誤差也越來越大,而電主軸作為高速高精密裝備的核心部件,熱誤差對裝備的精度損害很大。要想達到控制電主軸熱誤差的目的,就需要對電主軸溫度和熱誤差情況進行深入研究,探索電主軸熱誤差產(chǎn)生規(guī)律,這對于精確進行電主軸熱誤差補償意義重大。本文圍繞高速電主軸熱態(tài)特性及誤差預測模型建立展開深入分析研究。主要內(nèi)容包括：(1)基于熱力學知識計算得到熱分析參數(shù),分析了主軸系統(tǒng)的主要熱量傳遞形式及特點,并根據(jù)具體的熱量計算經(jīng)驗公式,詳細計算了主軸系統(tǒng)中的生熱及換熱參數(shù)。運用有限元方法電主軸模型,進行了熱穩(wěn)態(tài)分析,并且分析了電主軸熱態(tài)性能。(2)進行電主軸熱誤差實驗,精確測量電主軸溫度測點溫度及其實時熱位移,根據(jù)實驗所得數(shù)據(jù),采用BP神經(jīng)網(wǎng)絡建模方法,基于三種不同溫度變量建立了電主軸熱誤差預測模型,并分析網(wǎng)絡對實驗數(shù)據(jù)的擬合性、殘余誤差及誤差百分比等,提出了BP神經(jīng)網(wǎng)絡進行誤差預測存在的局限性。(3)針對神經(jīng)網(wǎng)絡誤差預測的缺陷,提出運用遺傳算法進一步優(yōu)化BP神經(jīng)網(wǎng)絡熱誤差預測的方法,然后應用此方法對前面建立的三種熱誤差預測網(wǎng)絡進行優(yōu)化操作,繪制網(wǎng)絡的適應度曲線和誤差平方和曲線進行對比分析,并分析優(yōu)化后熱誤差預測網(wǎng)絡對實驗數(shù)據(jù)的擬合性、殘余誤差及誤差百分比等性能參數(shù)。通過分析表明,主軸溫度最高位置位于電機轉(zhuǎn)子處,主軸冷卻裝置可以有效降低電機定子溫度,主軸軸承溫升較大可以采取措施進一步降低。同時,對于主軸熱變形也進行了分析,得出主軸熱變形最大方向在軸向,故應該采取措施進行軸向位移補償,以降低主軸加工誤差。通過誤差網(wǎng)絡建模分析表明,BP神經(jīng)網(wǎng)絡具有較強的非線性擬合及泛化能力,基于三種不同的溫度變量所建模型可以很好地契合實驗數(shù)據(jù),基于相對溫升變量的BP神經(jīng)網(wǎng)絡模型,模型殘余誤差的百分比最小,為3.35%；基于三種不同的溫度變量GA優(yōu)化BP網(wǎng)絡的殘余誤差百分比相對于單純BP神經(jīng)網(wǎng)絡有較大改善,可以說明優(yōu)化后網(wǎng)絡的穩(wěn)定性得到了較大改善,用遺傳算法優(yōu)化的BP網(wǎng)絡具有較高的網(wǎng)絡收斂速度,更好的穩(wěn)定性和預測精度。
【關鍵詞】：高速電主軸 熱態(tài)分析 熱誤差預測 神經(jīng)網(wǎng)絡 遺傳算法
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TG51
【目錄】：

• 摘要4-6
• ABSTRACT6-14
• 第一章 緒論14-20
• 1.1 課題研究背景14-15
• 1.2 國內(nèi)外研究現(xiàn)狀及分析15-18
• 1.2.1 高速電主軸靜動態(tài)性能的研究現(xiàn)狀15-17
• 1.2.2 高速電主軸熱特性及機床熱誤差的研究現(xiàn)狀17-18
• 1.3 本文研究內(nèi)容18-20
• 第二章 車削中心電主軸熱態(tài)特性分析20-34
• 2.1 引言20
• 2.2 高速電主軸結構20-21
• 2.3 車削中心電主軸的熱源分析21-27
• 2.3.1 電機發(fā)熱分析與計算22-25
• 2.3.2 軸承發(fā)熱分析與計算25-27
• 2.4 車削中心電主軸傳熱機制27-33
• 2.4.1 傳熱基礎理論27-30
• 2.4.2 電機定子與冷卻系統(tǒng)的換熱30-31
• 2.4.3 電動機定子與轉(zhuǎn)子之間氣隙的自然對流換熱31-32
• 2.4.4 主軸外表面與周圍空氣的換熱32-33
• 2.4.5 電主軸端部與周圍空氣的換熱33
• 2.5 本章小結33-34
• 第三章 高速電主軸熱態(tài)特性有限元分析34-47
• 3.1 引言34
• 3.2 有限元仿真模型34-41
• 3.2.1 有限元模型處理35
• 3.2.2 模型邊界35
• 3.2.3 軸承接觸設計35-36
• 3.2.4 高速軸承擬動處理36-38
• 3.2.5 對流換熱設置38-39
• 3.2.6 模型輻射設置39-41
• 3.3 高速電主軸溫度場特性分析41-45
• 3.3.1 電主軸散熱和溫度場特性41-42
• 3.3.2 電主軸主要部件的溫度場特性42-45
• 3.4 本章小結45-47
• 第四章 電主軸熱誤差及其BP神經(jīng)網(wǎng)絡建模47-67
• 4.1 電主軸熱誤差實驗方法47-51
• 4.1.1 溫度測點的布置47-48
• 4.1.2 熱誤差傳感器測點的選取48-50
• 4.1.3 溫度與熱誤差檢測硬件系統(tǒng)50-51
• 4.1.4 熱誤差檢測系統(tǒng)51
• 4.2 電主軸熱誤差分析51-52
• 4.3 熱誤差數(shù)據(jù)分析52-54
• 4.4 神經(jīng)網(wǎng)絡基礎知識54-57
• 4.4.1 人工神經(jīng)網(wǎng)絡模型54-56
• 4.4.2 神經(jīng)網(wǎng)絡的基本結構56-57
• 4.4.3 神經(jīng)網(wǎng)絡的學習57
• 4.5 BP神經(jīng)網(wǎng)絡57-59
• 4.5.1 BP網(wǎng)絡結構模型58
• 4.5.2 BP網(wǎng)絡訓練算法58-59
• 4.6 基于不同的溫度變量的BP網(wǎng)絡建模59-65
• 4.6.1 基于不同的溫度變量的BP神經(jīng)網(wǎng)絡建模預測效果的比較60-65
• 4.6.2 BP神經(jīng)網(wǎng)絡建模分析65
• 4.7 本章小結65-67
• 第五章 基于遺傳算法優(yōu)化的BP網(wǎng)絡熱誤差建模67-78
• 5.1 遺傳優(yōu)化算法分析67-69
• 5.1.1 遺傳算法基本理論67-69
• 5.2 基于遺傳算法(GA)和BP神經(jīng)網(wǎng)絡的熱誤差優(yōu)化建模69-72
• 5.2.1 遺傳算法優(yōu)化的可行性和必要性69-70
• 5.2.2 GA與BP融合建模的理論基礎70-72
• 5.3 基于不同溫度變量的GA優(yōu)化BP熱誤差建模優(yōu)化72-77
• 5.4 本章小結77-78
• 總結與展望78-80
• 參考文獻80-85
• 攻讀學位期間發(fā)表的論文85-87
• 致謝87

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙海濤;馮偉;楊建國;;分段修正系數(shù)建模數(shù)控機床熱誤差[J];上海交通大學學報;2011年11期

2 謝鋒云;;基于隱馬爾科夫模型的機床軸承熱誤差狀態(tài)表征[J];機床與液壓;2012年17期

3 仇健;劉春時;劉啟偉;林劍峰;;龍門數(shù)控機床主軸熱誤差及其改善措施[J];機械工程學報;2012年21期

4 姜輝;楊建國;李自漢;姚曉棟;;基于誤差分解的數(shù)控機床熱誤差疊加預測模型及實時補償應用[J];上海交通大學學報;2013年05期

5 陳松;王永青;;數(shù)控機床熱誤差實時補償研究[J];機械設計與制造;2013年09期

6 盧曉紅;賈振元;張智聰;于小艷;;基于灰關聯(lián)分析的熱誤差測點優(yōu)化[J];組合機床與自動化加工技術;2011年02期

7 張琨;張毅;侯廣鋒;楊建國;;基于熱模態(tài)分析的熱誤差溫度測點優(yōu)化選擇[J];機床與液壓;2012年07期

8 陽紅;向勝華;劉立新;李昭平;殷國富;張s，

本文編號：620834