機(jī)械主軸在高速運(yùn)行過(guò)程中由于轉(zhuǎn)子質(zhì)量分布不均,造成主軸振動(dòng),從而影響其加工精度,因此常常采用動(dòng)平衡方法來(lái)降低此類原因造成的振動(dòng)。由于機(jī)械主軸長(zhǎng)時(shí)間工作在變化頻繁的工況條件下,難以在較短的時(shí)間內(nèi)對(duì)主軸振動(dòng)值進(jìn)行準(zhǔn)確調(diào)節(jié),因此機(jī)械主軸振動(dòng)預(yù)報(bào)模型對(duì)動(dòng)平衡調(diào)節(jié)有著重要意義。機(jī)械主軸振動(dòng)預(yù)報(bào)模型機(jī)理復(fù)雜,振動(dòng)幅值具有隨轉(zhuǎn)速變化而非線性變化的特性,難以建立精確的機(jī)械主軸振動(dòng)預(yù)報(bào)模型。且內(nèi)置平衡塊位置的選擇忽略了變化工況對(duì)位置更新參數(shù)的影響,導(dǎo)致機(jī)械主軸振動(dòng)預(yù)報(bào)模型精度較低。采用RNN(Recurrent Neural Network)遞歸神經(jīng)網(wǎng)絡(luò)建立機(jī)械主軸振動(dòng)預(yù)報(bào)模型,對(duì)內(nèi)置平衡塊不同位置和主軸轉(zhuǎn)速下的振動(dòng)幅值預(yù)報(bào),并引入HS(Harmony Search)和聲搜索算法對(duì)平衡塊位置參數(shù)通過(guò)自學(xué)習(xí)更新,從而提高機(jī)械主軸振動(dòng)預(yù)報(bào)模型的精度。實(shí)驗(yàn)結(jié)果表明,提出的基于HSRNN的機(jī)械主軸振動(dòng)預(yù)報(bào)方法能夠自動(dòng)確定網(wǎng)絡(luò)結(jié)構(gòu),并對(duì)機(jī)械主軸的振動(dòng)幅值進(jìn)行準(zhǔn)確預(yù)報(bào)。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1 機(jī)械主軸動(dòng)平衡過(guò)程工藝流程圖

一典型的機(jī)械主軸動(dòng)平衡振動(dòng)預(yù)報(bào)過(guò)程示意圖，如圖1所示。首先，在機(jī)械主軸運(yùn)行過(guò)程中，通過(guò)安裝在主軸外側(cè)的加速度傳感器采集主軸當(dāng)前時(shí)刻的轉(zhuǎn)速和振動(dòng)信號(hào)。由于振動(dòng)由多種因素引起，所以此時(shí)的振動(dòng)信號(hào)非常復(fù)雜，需要通過(guò)信號(hào)處理模塊提取與當(dāng)前主軸轉(zhuǎn)速相同頻率的振動(dòng)信號(hào)，并將提取出的振動(dòng)幅值與....

圖2 機(jī)械主軸軸向、徑向振動(dòng)狀態(tài)圖

機(jī)械主軸的平衡控制器的主要作用是計(jì)算不平衡量，但是傳統(tǒng)的靠經(jīng)驗(yàn)公式施加負(fù)載的方法并不能有效地解決這一問(wèn)題，而引入的機(jī)械電主軸的振動(dòng)預(yù)報(bào)模型可準(zhǔn)確預(yù)報(bào)不平衡狀態(tài)下的主軸振動(dòng)幅值。機(jī)械電主軸轉(zhuǎn)子力學(xué)特性，如圖2所示。在主軸運(yùn)行過(guò)程中，其機(jī)械主軸高速運(yùn)轉(zhuǎn)會(huì)產(chǎn)生很大的離心力，該離心力與不....

圖3 不同轉(zhuǎn)速下轉(zhuǎn)子振動(dòng)幅值隨平衡塊B所在的位置的變化曲線

上述對(duì)機(jī)械主軸的運(yùn)動(dòng)特性分析可以看出，通過(guò)內(nèi)置平衡塊角度SA、SB可調(diào)節(jié)主軸振動(dòng)幅值，由式（1）～式（2）可以看出主軸振動(dòng)幅值A(chǔ)c與轉(zhuǎn)速n、內(nèi)置平衡頭角度SA、內(nèi)置平衡頭角度SB有關(guān)，隨著Ac的逐漸變化，內(nèi)置平衡塊SA、SB也隨之改變，不同轉(zhuǎn)速下轉(zhuǎn)子的振動(dòng)幅值隨平衡塊B所在位置的....

圖4 基于HS-RNN機(jī)械主軸振動(dòng)預(yù)報(bào)模型的算法策略圖

RNN遞歸神經(jīng)網(wǎng)絡(luò)最大的優(yōu)點(diǎn)就是可以有效解決復(fù)雜工業(yè)環(huán)境下的非線性問(wèn)題，并且兼?zhèn)渚哂袠颖拘�，�?jì)算簡(jiǎn)單，處理非線性問(wèn)題擬合的能力。但是由于權(quán)值和閾值在初始化過(guò)程中具有極大隨機(jī)性，很容易在重復(fù)的訓(xùn)練過(guò)程中得到的實(shí)際值與預(yù)報(bào)值有較大偏差，為了保證模型的準(zhǔn)確性，應(yīng)用改進(jìn)的和聲搜索（Har....

本文編號(hào)：4055910