一种双伺服刀架的频率可靠性评估方法技术

本发明专利技术公开了一种双伺服刀架的频率可靠性评估方法，采用有限元法对双伺服刀架建立了参数化模型并进行模态分析，利用改进的拉丁超立方试验方法随机抽取大量试验样本，并采用BP神经网络对试验样本进行函数关系的拟合，最后分别采用随机摄动法求解双伺服刀架整机频率可靠度与随机变量的可靠性灵敏度，通过对各随机变量的可靠性灵敏度分析可知刀盘密度、弹性模量和刀盘内座内径对刀架整机频率可靠度的影响较大，可以通过优化这些参数的方法来提高双伺服刀架频率可靠性。

【技术实现步骤摘要】
一种双伺服刀架的频率可靠性评估方法
本专利技术涉及可靠性评估领域，特别是一种双伺服刀架的频率可靠性评估方法。
技术介绍
目前国内外众多学者在对可靠性设计与评估方法、频率可靠性以及数控机床及其零部件的可靠性设计方面取得了较多成果。在可靠性设计与评估方法方面，HuangXZ提出了一种用截断随机变量评价齿轮机构运动精度可靠性的新方法，建立了齿轮机构可靠性分析的数学模型。对实际应用进行了讨论，并详细分析了该方法的有效性。随后，针对二次多项式曲面的失效概率无法求解的问题，一种利用鞍点近似进行可靠性分析的二阶可靠性方法被提出了，并通过三个数值算例，比较了所提出的二阶可靠性方法与一阶可靠性方法、常规二阶可靠性方法和蒙特卡罗模拟方法的性能。NguyenN提出一种既考虑间歇性影响，又考虑低惯性影响的高贯穿风力发电系统可靠性评估新方法，此方法是利用离散卷积方法开发的，在IEEERTS-79系统上进行了实现，并做了适当的修正。XuJ提出了一种新的二元降维方法(BDRM)，用于统计力矩评估和结构可靠性分析，还利用已有的一些方法证明了该方法的优越性。结果表明，所提出的方法可以保持结构可靠性分析的精度和效率。在频率可靠性分析方面，ZhangYM根据频率可靠性理论，提出了一种计算机械结构在动态激励下的可靠度的方法，并通过数值实例验证了该方法的有效性和准确性。LeiM采用随机因子法研究了材料参数不确定性对自然频率随机性的影响。此外，还基于频率可靠性理论，提出了一种计算机械结构在动态激励下的可靠性灵敏度的方法。LuCM研究了实际工程随机动力结构系统中任意分布参数的频率可靠性及其相关理论，并利用机械动力学、随机有限元法和可靠性理论，提出了避免共振的频率可靠性方法。在数控机床及其零部件的可靠性设计方面，ZhangXF采用乘法降维法(M-DRM)对机床进行了系统可靠性和全局灵敏度分析，并用蒙特卡罗模拟方法验证了计算结果。刘晨曦采用多态故障树对伺服刀架进行了系统可靠性分析，并得出电气子系统和密封子系统为伺服刀架的薄弱环节。LiCY基于测量不确定性理论分析了动力伺服刀架的分度精度可靠性及其灵敏度，并用试验数据进行了验证。随后，针对数控机床可靠性低的问题，LiCY提出了计算机数控车床主轴过大静态变形失效的可靠性优化设计。王新刚等建立了端齿盘的分度误差模型，将可靠性理论与灵敏度分析方法相结合，给出了动力伺服刀架端齿盘分度精度可靠性灵敏度设计的分析方法。杨周等研究了结构参数变化对数控机床中的电主轴抗共振性能的影响，并通过频率可靠性及灵敏度分析给出了改善电主轴性能的方法。双伺服刀架作为数控机床的关键功能部件，数控机床的加工精度、被加工件质量和稳定性很大程度取决于刀架的动态特性。当刀架工作时的激振频率接近其固有频率时会发生共振，极大程度地影响数控机床的加工精度，严重时甚至会导致刀架发生破坏。目前对于双伺服刀架频率可靠性的研究还比较少，因此，亟待提出一种双伺服刀架的频率可靠性评估方法。
技术实现思路
本专利技术的目的是要解决现有技术中存在的不足，提供一种双伺服刀架的频率可靠性评估方法，对双伺服刀架各设计参数的可靠性灵敏度分析有较高的精度，进而能够为提高双伺服刀架的可靠性提供建议。为达到上述目的，本专利技术是按照以下技术方案实施的：一种双伺服刀架的频率可靠性评估方法，包括以下步骤：S1、建立了双伺服刀架的有限元模型并对其进行模态分析；S2、对双伺服刀架的参数进行筛选，筛选出对双伺服刀架的第一阶固有频率影响较大的参数并抽取出样本数据用于函数拟合；S3、采用BP神经网络拟合样本数据中双伺服刀架的整机的固有频率与筛选后的参数的函数关系；S4、采用随机摄动法求解双伺服刀架的整机的频率可靠度与随机变量的可靠性灵敏度。进一步，所述S1中，对双伺服刀架的有限元模型的模态分析具体为：双伺服刀架的n自由度的线性系统的运动微分方程为：式中：[M]为系统的质量矩阵，[C]为阻尼矩阵，[K]为刚度矩阵，是加速度响应矩阵，是速度响应矩阵，{u}是位移响应矩阵，{f(t)}是激励力矩阵；由于双伺服刀架结构的阻尼较小，将其阻尼忽略不计，进而得到双伺服刀架系统的无阻尼自由运动微分方程：设解为：{u}＝{A}isin(ωit+θ)(3)式中：{A}i为振幅列矩阵，ωi为系统的固有频率，θ为初相位；将式(3)带入式(2)，有([K]-ωi2[M]){A}i＝0(4)双伺服刀架系统的固有频率和振型即为式(4)的特征值和特征向量；采用Workbench求解出双伺服刀架的整机的前六阶固有频率与固有振型；双伺服刀架的第一阶振型为动力刀座的X方向摆动；第二阶振型为动力刀座的Z方向摆动；第三阶振型为箱体尾部Z方向摆动；第四阶振型为从动锥齿轮的Y方向摆动；第五阶振型为转位电机的Z方向摆动；第六阶振型为从动锥齿轮的Z方向摆动。进一步，所述S2具体包括：S21、利用isight集成Workbench进行试验设计，通过改变输入参数的取值来获得对应的输出参数，极为高效地得到所需样本数据，为了保证双伺服刀架的安全性，刀架工作时的最高转速应小于其最低临界转速，因此只考虑双伺服刀架的第一阶固有频率；S22、将23个结构参数和21个材料参数作为输入参数，每一次输入参数的变化都会获得对应的第一阶固有频率数值；S23、首先对结构参数和材料参数进行正交试验设计，得到Pareto贡献图，由于贡献度排序中从第10个及之后参数贡献度较小，所以取前10个参数作为随机变量，所有随机变量参数均服从正态分布，标准差取均值的0.05倍；S24、对筛选后的10个随机变量进行试验设计，采用最优的拉丁超立方试验方法生成1000组试验样本，获得10个随机变量对第一阶固有频率的Pareto贡献图。进一步，所述S3具体包括：S31、利用BP神经网络拟合双伺服刀架的第一阶固有频率与随机变量之间的函数关系：其中，输入层参数为上述10个随机变量，输出层参数为双伺服刀架的第一阶固有频率，即输入层节点数为10，输出层节点数为1，采用一个隐含层，隐含层传递函数为Log-Sigmoid，输出层传递函数为Purelin，确定隐含层节点数的经验公式为：式中：M为隐含层节点数，m和n分别为输入层和输出层节点数，a为[0,10]之间的常数；S32、在BP神经网络训练之前对输入和输出数据进行归一化处理：式中：x为样本数据中参数的初始值，x*为对样本数据归一化后的值，xmax为数据中参数最大值，xmin为数据中参数最小值；BP神经网络训练误差的目标设定为10-6，将1000组数据随机划分成800组训练样本和200组测试样本，对BP神经网络进行训练；S33、BP神经网络进行训练完成后，将双伺服刀架的第一阶固有频率Y和随机变量X之间的函数关系拟合为：式中：F(X)为通过BP神经网络拟合得到的网络输出值，wij、wjk分别为输入层-隐含本文档来自技高网...

【技术保护点】
1.一种双伺服刀架的频率可靠性评估方法，其特征在于，包括以下步骤：/nS1、建立了双伺服刀架的有限元模型并对其进行模态分析；/nS2、对双伺服刀架的参数进行筛选，筛选出对双伺服刀架的第一阶固有频率影响较大的参数并抽取出样本数据用于函数拟合；/nS3、采用BP神经网络拟合样本数据中双伺服刀架的整机的固有频率与筛选后的参数的函数关系；/nS4、采用随机摄动法求解双伺服刀架的整机的频率可靠度与随机变量的可靠性灵敏度。/n

【技术特征摘要】
1.一种双伺服刀架的频率可靠性评估方法，其特征在于，包括以下步骤：
S1、建立了双伺服刀架的有限元模型并对其进行模态分析；
S2、对双伺服刀架的参数进行筛选，筛选出对双伺服刀架的第一阶固有频率影响较大的参数并抽取出样本数据用于函数拟合；
S3、采用BP神经网络拟合样本数据中双伺服刀架的整机的固有频率与筛选后的参数的函数关系；
S4、采用随机摄动法求解双伺服刀架的整机的频率可靠度与随机变量的可靠性灵敏度。


2.根据权利要求1所述的双伺服刀架的频率可靠性评估方法，其特征在于，所述S1中，对双伺服刀架的有限元模型的模态分析具体为：
双伺服刀架的n自由度的线性系统的运动微分方程为：



式中：[M]为系统的质量矩阵，[C]为阻尼矩阵，[K]为刚度矩阵，是加速度响应矩阵，是速度响应矩阵，{u}是位移响应矩阵，{f(t)}是激励力矩阵；
由于双伺服刀架结构的阻尼较小，将其阻尼忽略不计，进而得到双伺服刀架系统的无阻尼自由运动微分方程：



设解为：
{u}＝{A}isin(ωit+θ)(3)
式中：{A}i为振幅列矩阵，ωi为系统的固有频率，θ为初相位；
将式(3)带入式(2)，有
([K]-ωi2[M]){A}i＝0(4)
双伺服刀架系统的固有频率和振型即为式(4)的特征值和特征向量；
采用Workbench求解出双伺服刀架的整机的前六阶固有频率与固有振型；
双伺服刀架的第一阶振型为动力刀座的X方向摆动；第二阶振型为动力刀座的Z方向摆动；第三阶振型为箱体尾部Z方向摆动；第四阶振型为从动锥齿轮的Y方向摆动；第五阶振型为转位电机的Z方向摆动；第六阶振型为从动锥齿轮的Z方向摆动。


3.根据权利要求2所述的双伺服刀架的频率可靠性评估方法，其特征在于，所述S2具体包括：
S21、利用isight集成Workbench进行试验设计，通过改变输入参数的取值来获得对应的输出参数，极为高效地得到所需样本数据，为了保证双伺服刀架的安全性，刀架工作时的最高转速应小于其最低临界转速，因此只考虑双伺服刀架的第一阶固有频率；
S22、将23个结构参数和21个材料参数作为输入参数，每一次输入参数的变化都会获得对应的第一阶固有频率数值；
S23、首先对结构参数和材料参数进行正交试验设计，得到Pareto贡献图，由于贡献度排序中从第10个及之后参数贡献度较小，所以取前10个参数作为随机变量，所有随机变量参数均服从正态分布，标准差取均值的0.05倍；
S24、对筛选后的10个随机变量进行试验设计，采用最优的拉丁超立方试验方法生成1000组试验样本，获得10个随机变量对第一阶固有频率的Pareto贡献图。


4.根据权利要求3所述的双伺服刀架的频率可靠性评估方法，其特征在于，双伺服刀架的频率可靠性评估方法，其特征在于，所述S3具体包括：
S31、利用BP神经网络拟合双伺服刀架的第一阶固有频率与随机变量之间的函数关系：其中，输入层参数为上述10个随机变量，输出层参数为双伺服刀架的第一阶固有频率，即输入层节点数为10，输出层节点数为1，采用一个隐含层，隐含层传递函数为Log-Sigmoid，输出层传递函数为Purelin，确定隐含层节点数的经验公式为：



式中：M为隐含层节点数，m和n分别为输入层和输出层节点数，a为[0,10]之...

【专利技术属性】
技术研发人员：王新刚，王宝艳，张华伟，李雷，于倩男，吴佳璐，李东，隋殿杰，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：广东;44