（机械电子工程专业论文）机床结构动态设计与优化关键技术研究与应用.pdf

摘要 摘要 随着现代制造技术向高精度、高效率、自动化、信息化和微小化发展，对现 代数控机床的要求越来越高。目前我国数控机床的动态优化设计水平落后，不能 及时设计出高性能机床响应市场需求。为了提高机床动态性能指标及设计的效 率，本文在分析机械结构静、动态分析原理及机床动态设计原理的基础上，提出 一种基于模块化思想、有限元分析与智能优化相结合的机床结构创新和优化设计 方法。 首先，根据机床结构的分级特性将其划分为机床大件模块、虚拟模块等，机 床的动态性能和创新取决于这些机床基本组成结构的性能和特征，并提出基于虚 拟模块技术的机床大件动态设计与复合优化方法，主要包括基于b p g a 机床大 件框结构关键尺寸复合优化和基于虚拟模块化设计的机床大件局部特征优化设 计两部分内容。 然后以某立式加工中心的立柱与主轴箱复合优化为例，论述了基于人工神经 网络和遗传算法的机床大件框结构关键尺寸复合优化方法，给出了大件模块结构 的尺寸优化设计变量的自动搜索寻优计算方法及整机部件间的协调优化方法，实 现部件间关键尺寸的快速协调优化，提高产品的性能和设计效率。 接着阐述了在大件框结构尺寸确定情况下，基于虚拟模块化设计的机床大件 局部特征优化设计原理。在分析加工中心布局的基础上，利用有限元分析软件软 件h y p e r m e s h 和a n s y s 对各主要部件及整机进行静、动态特性分析，提出基于 虚拟模块的机床大件结构动态优化设计方法，研究了筋格元结构和框结构工艺孔 对大件性能的影响，并给出五面体加工中心方箱和工作台的优化案例，说明该方 法的有效性。 并以五面体加工中心的铣头体为例，对机床主轴系统热特性进行了初步研 究。最后总结了全文的主要结论，得出一些有益的结论，并提出了进一步研究的 设想。 关键词：机床；动态设计；复合优化；模块化；有限元 a b s t r a c t a b s t r a c t w i t ht h ed e v e l o p m e n to fm o d e r nm a n u f a c t u r i n gt e c h n o l o g yi nh i g h - p r e c i s i o n ， e f f i c i e n c y , a u t o m a t i o n , i n f o r m a t i z a t i o n a n dm i c r o m i n i a t u r i z a t i o n , n o w a d a y st h e d e s i g no fn cm a c h i n et o o ls h o u l dc o n s i d e rv a r i o u sr e q u i r e m e n t sc o r r e s p o n d i n g l y h o w e v e r , o w i n gt ot h el a go fd y n a m i co p t i m a ld e s i g na p p l i c a t i o n , n cm a c h i n et o o l c a n tb ea l w a y sd e s i g n e df l e x i b l yi nr e s p o n s et om a r k e tr e q u i r e m e n ti nt i m e a i m i n g a tt h ep r o b l e m ，t h i st h e s i sp r e s e n t st h es t r u c t u r ei n n o v a t i o na n do p t i m i z a t i o nd e s i g n m e t h o do fm a c h i n e ，w h i c hc o m b i n e st h em o d u l a r i z a t i o ni d e a , f e aa n di n t e l l i g e n c e o p t i m i z a t i o n a n dt h er e s e a r c hw o r ki sd o n et oi m p r o v et h ed y n a m i cc h a r a c t e r i s t i c s a n dd e s i g ne f f i c i e n c yo fn cm a c h i n et o o l ，b a s e do nt h ep r i n c i p l eo fs t a t i c d y 7 n a m i c p r o p e r t ya n a l y s i sa n dd y n a m i cd e s i g nf o rm e c h a n i c a ls t r u c t u r e t h em a i nw o r kc a l lb ed e s c r i b e da sf o l l o w s ： f i r s t ，t h em e t h o do fd y n a m i cd e s i g na n dc o m p o s i t eo p t i m i z a t i o no fl a r g ep a r t s u s i n gv i r t u a lm o d u l a rt e c h n o l o g ya r ep r o p o s e d i tm a i n l yc o n s i s t so ft w op a r t s ，t h e c o m p l e xo p t i m i z a t i o no fk e yd i m e n s i o no fl a r g ep a r t sf r a m e w o r kb a s e do n t h eb p g a a n dt h eo p t i m i z a t i o nd e s i g no fp a r t i a lc h a r a c t e ro fm a c h i n et o o ls t r u c t u r a le l e m e n t s b a s e do nt h ev i r t u a lm o d u l a rd e s i g n h e r e ，n cm a c h i n et o o li sd i v i d e di n t ol a r g e p a r t s m o d u l ea n dv i r t u a lm o d u l a re t c ，a c c o r d i n gt ot h ec l a s s i f i c a t i o nc h a r a c t e r i s t i c so f m a c h i n es t r u c t u r e s ot h ed y n a m i cp e r f o r m a n c ea n di n n o v a t i o nd e p e n do nt h e p e r f o r m a n c ea n d f e a t u r e so ft h e s eb a s i cm o d u l e s s e c o n d ，t h ee x a m p l eo fc o m p l e xo p t i m i z a t i o no ft h ec o l u m na n ds p i n d l eb o xi na v e r t i c a lc n cc e n t e ri sg i v e n t 1 1 i ss e c t i o nd i s c u s s e st h ec o m p l e xo p t i m i z a t i o nm e t h o d o fk e yd i m e n s i o no fl a r g ep a r tf r a m e w o r kb a s e do nt h ea n na n dt h eg a ，a n dp u t s f o r w a r dt w om e a n sr e s p e c t i v e l y , o n ei sa u t o m a t i cs e a r c ha n do p t i m i z i n gc a l c u l a t i o n m e t h o df o rv a r i a b l e si no p t i m i z e dd i m e n s i o nd e s i g no f l a r g e p a r t sm o d u l e ，t h eo t h e ri s c o o r d i n a t i o na n do p t i m i z a t i o nm e t h o df o rw h o l em a c h i n ep a r t s a n dt h em e t h o d m e n t i o n e da b o v ec a r li m p r o v ep e r f o r m a n c ea n dd e s i g ne f f i c i e n c yo fn cm a c h i n et o o l m o r e n j r d ，a c c o r d i n gv i r t u a lm o d u l a rd e s i g nt e c h n o l o g y ，t h eo p t i m i z a t i o nd e s i g n p r i n c i p l eo fp a r t i a lc h a r a c t e ro fl a r g ep a r t si nn cm a c h i n et o o li sd e s c r i b e d h e r e ，t h e 机床结构动态设计与优化关键技术研究与应用 l a y o u t o ft h ev e r t i c a lc n cc e n t e ri s a n a l y z e df i r s t l y , a n dt h ed y n a m i c s t a t i c c h a r a c t e r i s t i ca n a l y s i so fm a i nc o m p o n e n t sa n dw h o l ec n cc e n t e ra r ed o n eu s i n gt h e f i n i t ee l e m e n ts o f t w a r es u c ha sh y p e r m e s ha n da n s y s f u r t h e r m o r e ，t h i ss e c t i o n i n v e s t i g a t e st h ei n f l u e n c eo fr i b b e dp l a t eu n i ts t r u c t u r ea n dc r a f t w o r kh o l e so f f r a m e w o r ko nl a r g ep a r t sp e r f o r m a n c e ，a n dt a k e st h eo p t i m i z a t i o no ft h es q u a r eb o x a n dw o r k t a b l eo ft h ep e n t a h e d r o nc n cc e n t e ra sa ne x a m p l et os h o wt h e e f f e c t i v e n e s so fo p t i m i z a t i o nd e s i g np r i n c i p l eo fp a r t i a lc h a r a c t e ro fl a r g ep a r t s f i n a l l y , t h ep r e l i m i n a r ys t u d yo ft h e r m a l c h a r a c t e r i s t i c sa n a l y s i so fs p i n d l e s y s t e mo fm a c h i n et o o l i sc a r d e do u t , u s i n gt h ee x a m p l eo fm i l l i n gh e a di n p e n t a h e d r o nc n cc e n t e r t h e n ，t h em a i nc o n c l u s i o n so f t h i st h e s i sa l es u m m a r i z e d ， a n dm o r er e s e a r c ha s s u m p t i o n sa r eb r o u g h tf o r w a r d k e y w o r d s ：m a c h i n et o o l ；d y n a m i cd e s i g n ；c o m p o s i t eo p t i m i z a t i o n ； m o d u l a r i z a t i o n ；f i n i t ee l e m e n t 厦门大学学位论文原创性声明 兹呈交的学位论文，是本人在导师指导下独立完成的研究成 果。本人在论文写作中参考的其他个人或集体的研究成果，均在 文中以明确方式标明。本人依法享有和承担由此论文产生的权利 和责任。 声明人( 签名) ： 彻 2 0 0 8 年歹月z 日 厦门大学学位论文著作权使用声明 本人完全了解厦门大学有关保留、使用学位论文的规定。厦门大学有权保留 并向国家主管部门或其指定机构送交论文的纸质版和电子版，有权将学位论文用 于非赢利目的的少量复制并允许论文进入学校图书馆被查阅，有权将学位论文的 内容编入有关数据库进行检索，有权将学位论文的标题和摘要汇编出版。保密的 学位论文在解密后适用本规定。 本学位论文属于 1 、保密() ，在年解密后适用本授权书。 2 、不保密( ( 请在以上相应括号内打“4 ”) 作者签名： 导师签名： 同期：加陴6 月2 - 1 ：t 同期：侧年月堋 毫，布矽m 忱 亥彪r厂- 第一章绪论 第一章绪论 随着全球经济一体化步伐的加快和知识经济时代的到来，市场竞争日益激 烈，如何使企业能够快速响应市场，在较短时间内以较高性价比的产品占领市场， 是提高企业的市场竞争力的关键，为此企业必须依靠创新性思维、先进的设计制 造技术和工具等有利因素，增强企业开发新产品的能力、缩短设计周期，同时又 要降低成本，但是传统的设计方法已经无法满足这些要求。 因此本文研究的宗旨和主要目的，就是探索采用当今先进的设计技术和手 段，通过对广义模块化技术和智能优化算法的研究，利用b p 神经网络技术和遗 传优化算法，研究了基于虚拟模块技术和b p g a 算法的快速优化设计方法，实 现机床的快速响应设计，使机床制造企业在较短的时间内，以较低的成本，设计 出高性能的机械产品，以增强制造企业在国内外的竞争能力。 1 1 本课题的国内外研究状况 机床动态设计是- ( 7 发展中的技术，它涉及现代动态分析、计算机技术、结 构动力学、应用数学、设计方法学等众多学科范围，还没有形成完整动态设计理 论体系，许多问题尚需深入广泛研究。国外该领域研究十分活跃，欧美发达国家 将其列为结构设计领域重点发展方向之一。 机床动态设计研究目前主要集中在机床大件、整机的优化以及方案评价等方 面。如西班牙m z a t a r a i n 采用n a s t r a n 和i d e a s 两种商用软件，建立立柱移动式铣床 包括床身、立柱、头架及它们之间的滚动导轨结合部在内的整机模型，并进行了 模态分析，通过几种方案的比较，选择其中较合理的结构。德 s t u t t g a r t 大学和 a a c h e n 大学研制的两种不同结构和原理的并联运动机床d y n a m 型卧式加工中心 和l i n a p o d i i i 型立式加工中心。为提高机床的动态性能和优化机床的结构，建立 了两台加工中心的整机的有限元模型，经过计算得到机床在静态受力时的整机变 形和刚度。另外，j r b a k e r a l l l 对机床结构与刚度和切削颤振的关系进行了分析， s h i n d u j a t 2 1 对机床中的筋板型式对刚度的影响进行了总结， j g g i m e n e z t 3 】详细 介绍了磨床动态参数的获取过程。w y l e e l 4 1 对提高铣床的动态性能进行了研究， e d w a r dc h l e b u s 5 j 对导轨的建模和分析进行了研究。 在国内，徐燕申【6 1 主编的机械动态设计，廖伯耐7 】等人所著现代机械动 机床结构动态设计与优化关键技术研究与应用 力学及其工程应用一建模、分析、仿真、修改、控制、优化对机床动态优化所 涉及到的大多数内容都有比较深入的阐述，在我国机械动力学研究的发展与进步 中发挥了很大的作用。还有，陈新【8 】以固有频率和相对振动位移量为评价标准对 磨床设计方案进行动态优化，张广鹏【9 】等提出以系统动柔度的最大负实部大小来 判断机床动态性能的优劣。杨鼎宁【1 0 1 在对板筋结构进行分类的基础上，提出了大 型板筋结构尺寸、形状优化的系统方法。 综上，目前动力学研究特点，大多是采用传统有限元比较式优化，这种优化 分析方法受分析采样点随机性和人为因素的影响，不同的设计者对同一部件进行 优化，往往得出不同的结果，因此结果常难以让人信服，所得出的优化方案不一 定是变量设计空间内的最优方案。另一方面，传统有限元分析优化对部件进行尺 寸修改和优化分析时，需要花大量的时间在模型的修改重建和分析上，若优化结 果不能满要求，还要进行再修改分析，这样费时费力，即便是建立参数化有限元 模型，也要花费大量的时间在分析求解上。 基于以上分析，目前机械结构动态设计研究的重点，是将作为动态分析重要 手段的实验模态分析技术( e m a ) 和有限元分析方法( f e a ) 同迅速发展的计算 机辅助设计技术( c a d c o m p u t e ra i d e dd e s i g n ) 有机结合起来，吸收借鉴相关学科 技术的最新发展，以便进一步发展和完善机械结构动态设计技术。 ( 1 ) 机械模态分析方法 机械模态分析方法有实验模态分析、解析模态分析和混合模态分析方法。其 中，单纯实验模态分析只能取得结构较低阶模态和少量测点的振型，并且受到测 量精度影响；另外，实验方法不能将测得的模态参数转换为便于结构设计优化的 尺寸或材料特性等参数。解析方法，由于有限元方法和计算机技术的支持，对复 杂机械结构分析能够提高速度并获得较好的精度。但对于机械结构结合部影响机 械系统动态特性的许多因素( 如结构阻尼、结合面动力学参数等) 还不能用数学 表达式精确描述，因此，单纯的解析法还不现实。实验和解析综合的模态分析方 法可发挥二者的优势。 ( 2 ) 结合相关智能优化方法提高结构分析与优化的质量与效率 随着研究的深入，如何结合相关智能优化方法，提高分析质量和效率是机械 结构创新优化设计领域的发展趋势之一。毛海军、孙庆鸿1 1 1 1 等提出的基于b p 神 2 第一章绪论 经网络模型的机床大件结构动态优化方法及其应用研究，进行结构参数的修改， 迅速获得结构参数修改后零件的动态特性。易少华【1 2 】等人提出基于b p 和g a 输 电铁塔进行结构形状优化设计，利用其高度非线性映射能力来直接计算遗传算法 的适应度函数值，替代优化中重复采用有限元分析的方法，大大降低了计算花费 的时间，提高了优化设计的效率。 ( 3 ) 利用相关优化方法实现整机的协调优化 由于机床系统具有高维数、多变量、系统耦合等特点，大多采用的是分解协 调法对系统进行协调优化，然而局部最优的组合并不一定是整体的最优结果。 b i c h uw u 1 3 】等人提出以质量为优化目标，构建各个部件二次多项式响应函数， 建立大件间质量线性关系式，实现大件间关键尺寸的分级协调优化。 ( 4 ) 结合模块化思想实现机床结构创新 模块化被认为是实现机床大规模定制快速响应设计的重要方法。相关学者在 模块化产品族设计，模块划分、接口分析、编码以及配置设计和评价等方面已有 深入研究。机床模块化虽然由来已久，但由于性能约束和机械结构之间影响关系 复杂，传统机床模块化设计只停留在结构造型和配置设计层面上，而对进一步解 决性能约束与结构创新之间矛盾则没有深入研究。如何将模块化等先进设计方法 与结构优化相结合，将成为机床结构优化创新的一个重要研究内容。侯亮、徐燕 申等【1 4 】针对液压机产品提出广义模块化概念，为实现液压机产品的快速设计提供 支持。徐燕申、张兴朝掣”】提出机床元结构概念，并通过机床基本结构单元性能 分析来预测机床整机性能。 ( 5 ) 结合结构热分析提高动态优化设计的准确性 大量的研究表明，在引起机床热变形误差的诸多因素中主轴系统的热变形误 差占据重要地位。因此，主轴系统的热特性分析与设计对机床精度的保证至关重 要，是机床进行动态优化设计必须考虑的关键问题之一。在国外，s u n m i nk i m l l 6 j 等人分析了主轴系统刚度随因轴承发热产生的间隙的变化。j i nk y u n gc h o i 1 7 j 等 人采用有限元模型计算主轴一轴承系统的温度场分布，通过与实验数据的对比， 表明采用有限元法进行主轴系统热分析是完全可行的。在国内，张伯霖【18 】等人对 高速电主轴热特性进行分析与试验，找出了影响高速主轴单元热态特性的主要因 素并提出相关改善措施。胡鹏浩f 1 9 】等人通过分析主轴受热变形与主轴轴承预紧之 机床结构动态设计与优化关键技术研究与应用 间的关系，提出确定滚动轴承最佳预紧量的方法。郭策、孙庆鸿【2 0 】等提出基于力 和热特性的热一力结构耦合下的主轴系统动态优化设计，使优化设计的结果更为 符合实际。 1 2 本课题的选题依据及来源 1 2 1 选题依据 随着全球一体化经济步伐的加快，制造行业的竞争更加激烈，使得企业必须 采用各种先进设计、制造技术和工具，提高产品质量和研发效率的同时降低成本。 据有关资料显示，一个产品大约7 0 的成本是由产品的设计阶段决定的，因此 新产品的开发速度和质量在产品的快速设计中至关重要。 现代加工技术日益向着高速、大切削量方向发展，要求机床具有高速、高刚 度、高精度等优良性能。为了适应生产线快速重组，现代数控机床对地基要求减 弱，或者根本不需特殊地基；机床加工中振动不仅产生噪音，还将严重影响零件 表面质量。因此数控机床尤其是床身要具有极好的性能。数控机床结构性能指标 主要包括结构的静、动态特性及热态特性等。机床结构动态优化设计就是指在机 床概念设计阶段，采用结构静力学分析、动态设计及热分析等方法根据功能、静 动态特性等性能方面的设计要求，对结构的形状和尺寸等特性参数进行设计、优 化和创新，使结构具有良好的动态特性和稳定性，以达到控制振动和提高运行可 靠性的目的。 目前，基于有限元结构的优化设计在我国机床结构设计中应用尚处于初期阶 段。一方面，由于资金、人员和技术等原因，大部分机床制造厂家还没有能力在 设计阶段采用优化手段，为满足机床的必要的刚度性能要求，一般要采取保守的 设计方案，而在机床的动力学性能方面就更是难以精确预测和优化。从而限制了 企业数控机床结构的创新；另一方面，目前我国部分大型企业和研究界在机床结 构应用有限元静、动力学设计与分析应用，虽然已经取得一定成绩，还存在许多 难题和瓶颈有待解决，如概念设计过程中的机床结构拓扑优化问题，整机、大件 等的优化协调问题，优化效率、重分析、知识重用等问题。因此在此背景下，如 果能将广义模块化技术、神经网络技术、遗传优化算法与传统有限元优化等相结 合，在实现机床大件结构优化以及整机的协调优化的同时提高优化设计的效率， 使企业能够快速响应市场，在较短时间内以较高性价比的产品占领市场，提高企 4 第一章绪论 业的市场竞争力。 另外，随着机床产品不断向高精度、高刚度、高速度方向发展，机床的热能 特性越来越受到人们重视，它已经成为影响高速机床动态性能的主要因素之一。 大量研究表明，机床热误差约占机床总误差的4 0 7 0 【2 1 1 。由于主轴部件在高速 回转下产生的热量是机床热变形的主要热源，也是引起机床热变形误差的重要因 素。因此，主轴系统的热特性分析与设计对机床精度的保证至关重要，是高速高 精度机床动态设计必须考虑的关键问题之一。 1 2 2 课题的来源 本课题来源于福建省三明机床有限责任公司与厦门大学机电工程系共同承 担的福建省科技重大专项( 项目编号：2 0 0 6 h z 0 0 0 2 5 ) “高刚度龙门式立卧铣镗 五面体加工中心”。同时作者还参加了企业委托公司合作项目“1 1 0 0 、6 0 0 型加 工中心的工程分析 。 1 3 人工神经网络及遗传算法在机械动态设计中的应用 1 3 1 人工神经网络及在机械动态设计中的应用 人工神经网络( 砧州) 在机械工程领域的应用起于2 0 世纪8 0 年代。目前， a n n 在机械工程领域的应用从机械设计到结构工程，从机械制造到表面工程， 涉及到机械工程的各个方面。a n n 以其高度的非线性映射能力和良好的容错性 及鲁棒性，在机械工程领域有着广阔的应用前景2 2 1 。 人工神经网络是通过各神经元之间的自适应连接和连接权重来保存知识，每 个神经元只保存少量的信息。神经元之间的连接，可根据实际的需要及所解决问 题的复杂性，通过神经元间的连接权值大小调节信号的增减而形成多种联结模 式。人工神经网络主要有以下几个特点： ( 1 ) 高度并行性：人工神经网络是由许多相同的简单处理单元并联组合而成， 使其对信息的处理能力与效果惊人。 ( 2 ) 高度非线性和全局性：人工神经网络每个神经元接受大量其它神经元的 输入，并通过并行网络产生输出，影响其它神经元。网络之间的这种相互制约和 相互影响，实现了从输入状态到输出状态空间的非线性映射。从全局的观点来看， 网络整体性能不是网络局部性能的简单迭加，而表现出某种集体性的行为。 ( 3 ) 良好的容错性与联想记忆功能：人工神经网络通过自身的网络结构能够 5 机床结构动态设计与优化关键技术研究与应用 实现对信息的记忆，而所记忆的信息是存储在神经元之间的权值中。从单个权值 中看不出所存储的信息内容，因而是分布式的存储方式，这使得网络具有良好的 容错性，既能进行模式信息处理工作，又能进行模式联想等的模式信息处理工 作，又能进行模式识别工作。 ( 4 ) 十分强的自适应、自学习功能：人工神经网络可以通过训练和学习来获 得网络的权值与结构，呈现出很强的自学习能力和对环境的适应能力。 机械工程领域中应用较多的人工神经网络模型有b p 神经网络模型、h o p f i e l d 神经网络模型及自组织特征映射网络s o m t 2 3 1 ，其中以b p 神经网络应用最广。 目前机械结构的动态设计中也主要以b p 神经网络为主。利用b p 神经网络进行 机械结构的动态设计实质是用神经网络模型实现结构设计参数与结构动态响应 高度非线性关系，用训练好的神经网络模型代替原来的有限元模型进行动态优化 设计。利用b p 神经网络进行机械结构的动态设计关键是确定神经网络结构和神 经网络的训练。 1 3 2 遗传算法在结构优化中的应用 遗传算法是基于进化理论发展起来的一种应用广泛的随机搜索与优化算法。 由于遗传算法提供了一种求解复杂系统优化问题的通用框架，不依赖于问题的具 体领域，对问题的种类有很强的鲁棒性，且具有较好的全局搜索性能，所以广泛 应用于函数优化、组合优化、自动控制、图像处理、人工生命、工程结构优化等 领域。 随着结构优化设计在工程实践中的深入应用，结构优化设计求解的对象越来 越复杂，采用传统的优化方法来求解结构优化问题不同程度地存在迭代次数多、 求解效率低等问题，有些问题甚至难以传统的优化方法来求解。遗传算法可以解 决诸如非凸问题、离散变量问题等较难用传统算法求解的特殊问题。与传统优化 算法相比，遗传算法具有以下优点： ( 1 ) 对可行解表示广泛。遗传算法的处理对象不是参数本身，而是对参数集 进行了编码的个体。此编码操作使得遗传算法可以直接对结构对象进行操作。所 谓结构对象泛指集合、序列、矩阵、树、图、链和表等各种一维或多维的结构形 式的对象。这一特点，使遗传算法具有广泛的应用领域。 ( 2 ) 群体搜索性。与传统的单点搜索不同，遗传算法采用的是同时处理群体 中多个个体的方法，即同时对搜索空间的多个解进行评估。这一特点使遗传算法 6 第一章绪论 具有较好的全局搜索性能和优越的并行性。 ( 3 ) 不需要辅助信息。遗传算法仅用适应度函数值来评价个体，并在此基础 上进行遗传操作。更重要的是，遗传算法的适应度函数不仅不受连续、可微等的 约束，而且其定义域可以任意设定。对适应度函数的唯一要求是，编码必须与可 行空间对应，不能有死码。由于限制条件减少，大大扩展了遗传算法的应用范围。 ( 4 ) 内在启发式随机搜索性。遗传算法不是采用确定性的规则，而是采用概 率变迁规则来指导它的搜索方向。遗传算法采用概率仅仅是作为一种工具来引导 其搜索过程朝着搜索空间的更优化的解区域移动。因此虽然看起来它是一种盲目 搜索方法，但实际上有明确的搜索方向。 ( 5 ) 遗传算法具有可扩展性，易于同别的技术混合。 1 4 论文的主要研究内容 神经网络技术、遗传算法与虚拟模块技术相结合是实现机床大件结构创新与 快速响应设计的关键技术。本文采用有限元分析软件h y p e r m e s h 、a n s y s 、m s c 和数据处理软件m a t l a b 进行机床大件复合优化方法研究以实现机床的快速响 应设计。基于此目的，本文内排安排如下： 论文各章节具体结构层次见图1 1 所示。 7 机床结构动态设计与优化关键技术研究与应用 第一章：介绍本课题的研究意义和背景。首先阐述了本课题的意义及国内外 研究状况，接着论述了神经网络技术和遗传算法在优化设计中的应用及发展概 况，最后介绍了本文的主要内容及结构。 第二章：研究了机床结构动态设计原理与机床大件结构复合优化方法。首先 介绍了机械结构静、动态设计原理和机床动态优化设计原理；然后结合神经网络 技术和遗传优化算法，提出机床大件间关键尺寸快速协调优化方法；最后阐述了 基于虚拟模块的机床动态设计的关键技术。 第三章：研究了基于b p g a 机床大件框结构关键尺寸的复合优化技术及 程序实现。首先利用a p d l 建立的参数化模型完成神经网络样本的采集；然后在 介绍b p 神经网络和遗传算法相关原理基础上，研究了基于b p g a 大件结构关 键尺寸复合优化技术及m a t l a b 程序实现；最后以某立式加工中心立柱与主轴 箱为例，说明了该方法的有效性。 第四章：选择课题合作项目的龙门式五面体加工中心为例，阐述了在大件框 结构尺寸确定情况下，基于虚拟模块化设计的机床大件局部特征优化设计原理。 首先在分析加工中心布局的基础上，对各主要部件及整机进行静、动态特性分析； 然后阐述了基于虚拟模块的机床大件结构动态优化设计方法；最后根据该方法对 方箱和工作台进行动态优化设计。 第五章：以五面体加工中心的铣头体为例，初步研究了机床主轴系统热特性。 第六章：全文总结和进一步研究的展望。 8 第二章机床大件结构动态设计与复合优化方法研究 第二章机床大件结构动态设计与复合优化方法研究 随着高速加工技术的发展，机床的高速化、模块化、高精度化、复合化、智 能化和可重构等已经成为当前数控机床的发展趋势。为了适应生产线的可快速重 组性，现代机床对地基的要求越来越弱，或者根本就不需要特殊的地基；机床加 工中的振动不仅产生噪音，还将严重影响零件的加工质量。因此机床必须具有良 好的静、动态特性。机床大件的静、动态特性是影响机床整体性能的关键因素， 如何提高机床大件结构设计与优化的效率和质量是关键。 传统有限元优化法即设计一分析一修改一再分析，可以提高机床的静、动态 特性，但这种优化设计方法一般是在不改变大件结构形式的前提下进行反复的分 析修改。因此这种方法不仅无法创新设计出新的动态特性优良的结构，而且带有 一定的盲目性，费时费力。而采用基于虚拟模块和智能优化方法的机床大件结构 动态优化设计，不仅可以快速实现设计空间内的优化计算，而且可以创新设计出 动态特性较优的结构形式，在提高机床性能同时实现大规模定制快速响应设计。 2 1 机械结构静、动态设计原理与机床结构动态优化设计 2 1 1 机械结构静、动态设计原理 机械结构静态设计主要是控制机械结构在静载荷作用下的强度和刚度，以保 证加工精度。结构静态分析的主要任务是校验在许用应力下，结构的变形是否满 足设计要求。由于机床工作时不仅受静载荷作用，同时受到动载荷的作用，且如 果机床的固有频率与力n - r - 产生的频率或者外界激振频率相近，容易引起机床的共 振，使机床的精度严重下降，故在对机床各零、部件进行结构设计时，需同时满 足静刚度和动刚度要求。结构动力学分析是研究结构的动态特性及受动载荷作用 产生的动态响应，它是结构动态设计中的一个重要研究内容。 如图2 1 所示，单自由度受迫振动系统幅频特性曲线，横坐标么, - - 0 9 0 9 0 是激 1 励频率c o 与系统固有频率c o 。的比值，夕是以为单位的动柔性放大值，k 为系统 k 刚度，为不同的阻尼比。由图可知，在激励频率为固有频率i 3 值以下激励时， 系统的柔性接近静柔度。把2 1 3 的结构激励变形称为准静态变形。 9 机床结构动态设计与优化关键技术研究与应用 l f = o ，1 巧 么 虹 邓 芒、 k - 2 -i 0 12 工- 图2 1 幅频特性曲线 n 自由度的无阻尼振动系统可表示为： 嗍 x ) + 阍缸) 2 仂( 2 1 ) 幽一质量矩阵； 圈一刚度矩阵； 仂一激励力矩阵； x ) 一加速度矩阵； x ) 一位移矩阵。 特征方程为：i 隧】一缈2 m 】j = o ( 2 - 2 ) 解得国的m 个互异正根，国o ，( f i j ，2 ，m ) 按升序排序o l 国0 2 传统有限元模型。用户需要会使用c a d 和c a e 软件，而且对部件进行 尺寸修改和优化分析时，需要花大量的时间在模型的修改重建和分析上，若优化 结果不能满要求，还要进行再修改分析，这样费时费力。即便是建立参数化有限 元模型，也要花费大量的时间在分析求解上。 ( 2 ) 变量的设计空间改变 变 传统有限元优化的采样点 日 l 变量 1 间 设计变量的取值范围： 0 变量l a 0 变量2 a 0 变量3 a 图2 3 神经网络设计采样空间的改变 这里我们取3 个设计变量为例进行比较分析，如图2 3 所示，传统的有限元 1 2 第二章机床大件结构动态设计与复合优化方法研究 分析优化其实是方案比较式的优化，所采用的方案也只能是设计空间内一些离散 的点，这种优化分析方法受分析采样点随机性和人为因素的影响，不同的设计者 对同一部件进行优化，往往得出不同的结果，因此结果常难以让人信服，所得出 的优化方案不一定是变量设计空间内的最优方案。 应用b p 神经网络进行优化，只要建立了结构设计变量和结构响应之间的神 经网络模型，就可以在该模型的基础上在整个变量设计空间内进行优化计算，比 在有限元模型上直接优化更科学、更高效。 ( 3 ) 与优化程序结合的难易 传统的有限元分析优化分析程序和优化程序之间属于串联的工作方式，因而 要设计专门的接口程序，以实现有限元和优化程序间的数据传递f 2 4 1 ，也可自行编 制有限元分析模块嵌入到优化程序中，但这种方法的缺点是工作量，在程序设计 前，需要进行网格划分，节点编制等工作，需要从基本的矩阵运算开始进行，对 较复杂的结构，工作量相当巨大。采用神经网络模型代替有限元模型进行结构分 析时，有限元程序与优化程序可理解为并联的关系。一旦通过有限元获得训练样 本后，将训练好的神经网络模型置于优化程序中，即可实现模型的快速优化。 通过上面的分析比较，基于b p 神经网络的结构优化比传统的有限元优化更 易实现大规模定制的快速响应设计。由于b p 神经网络的学习需要大量的采集样 本和易陷于局部最小的缺点，需要传统有限元分析为其提供训练样本和检验神经 网络模型是否能正确表达设计变量和目标函数的非线形关系。 2 2 2 基于神经网络的结构智能优化的实现 基于神经网络的结构优化的三大组成部分：有限元分析采样、神经网络模型 的建立与训练，优化计算是彼此独立又相互关联的，其优化设计流程图如图2 4 所示： ( 1 ) 有限元分析与样本采集 基于神经网络的结构优化，在建立神经网络模型时需要大量的学习样本与测 试样本，这些样本一般由有限元法计算得到。采用传统的有限元分析手段：c a d 三维实体造型一i g e s 格式的文件一在有限元分析软件中前处理并求解分析。如 果要实现大量样本的采集，需要不断重复上面的步骤。不仅时间长，而且在对零 件进行c a d 三维实体修改与软件间的格式转换和传递都需要人工介入，工作量 大，不适宜大量样本的采集。利用a n s y s 提供的参数化设计语言a p d l ，建立 机床结构动态设计与优化关键技术研究与应用 参数化有限元模型，并记录成宏文件，这样每运行一次宏文件，就能完成一个样 本的采集。不仅减少人工在采用过程中的干预，而且时间大大缩短，为神经网络 样本的采集提供了条件。 选定一组待优 化的结构参数 j i 参数化建模 上 i提交分析 0 卜篙构 l 有限元分析 ： l j 一神经网络的构建 j l - 训练样本采集 上 网络的训练 ：i - 1 模型检验 fl l 1 l ； j i 权值、阈值存储 网络的训练 图2 4 基于神经网络的结构优化流程图 ( 2 ) 神经网络的建立与网络的训练 图2 5b p 神经网络的训练过程 1 4 第二章机床大件结构动态设计与复合优化方法研究 传统的有限元模型设计变量和目标函数存在着高度非线性映射关系，这符合 b p 神经网络的输入和输出的映射特点。利用m a t l a b 7 0 软件中神经网络工具 箱，用神经网络模型代替传统的有限元分析模型进行协调优化，即将传统有限元 分析模型中的系统结构参数与系统动态特性参数之间的物理关系反映为b p 神经 网络模型的网络输入与网络输出的数学关系。首先，根据k o l m o g o r o v 定理，确 定一个三层的网络的结构，包括输入层、中间层、输出层神经元的个数。其次， 对神经网络进行训练，使其达到精度要求，训练流程如图2 5 所示。 ( 3 ) 结合遗传算法优化实现 遗传算法 2 5 1 是根据实际问题的目标函数构造一个适值函数( f i t n e s s f u n c t i o n ) ，对一个由多个解( 每个解对应一个染色体) 构成的种群进行评价、选 择、遗传运算，经多代繁殖，获得适应值最好的个体作为问题的最优解的优化算 法。详细实现步骤见第三章。 此外，与一般的遗传算法不一样，本文所采用的目标函数不是一个特定的数 学函数式，而是由神经网络学习训练得到的网络结构。如何调用b p 神经网络模 型进行适应度值计算，是实现基于b p 神经网络和遗传算法的机床大件结构优化 关键。因此，在进行适应度值计算时，程序设计时就要有所改变，具体程序如下： f u n c t i o n e v a l - f i t n e s s 3 ( v a r i a b l e ) 目标函数 【m ，n = s i z e ( v a r i a b l e ) ； l o a d ( r e s u l t , n e t ) ； f o ri = l ：m 调用训练好的b p 神经网络模型 e v a l ( i ) = s i m ( n e t ， v a r i a b l e ( i ，1 ) ；v a r i a b l e ( i ，2 ) ；v a r i a b l e ( i ，3 ) ；v a r i a b l e ( i ，4 ) ； v a r i a b l e ( i ，5 ) 】) ； e n d 2 3 基于虚拟模块的机械结构动态设计关键技术 2 3 1 虚拟模块的划分与无缝连接技术 1 广义模块化设计原理 广义模块化设计的原理和方法是在液压机用户个性化设计基础上提出来的 2 6 , 2 7 】。广义模块化设计是根据用户需求，以柔性模块和实例模块为基础构建产品 模块系统，并以选择实例模块或由柔性模块生成实例模块组成模块化产品的设计 机床结构动态设计与优化关键技术研究与应用 方法。其核心思想是把传统的模块化设计的刚性模块( 拓扑结构和尺寸均固定， 接口标准化) 变为参数化的柔性模块( 拓扑结构相对固定、结构尺寸和接口均参 数化) ，这种模块称为广义模块。与传统模块化相比，广义模块化有以下特点： ( 1 ) 用参数化柔性模块取代刚性模块，称为广义模块； ( 2 ) 用参数化柔性接口取代刚性接口，称为广义接口； ( 3 ) 设置虚拟模块和虚拟柔性模块。 2 虚拟模块的划分 虚拟模块是为了进行快速广义模块化设计而提出的，针对复杂结构模块，为 了设计方便，在c a d 中划分出一些结构形状相对独立的结构单元。这些结构单 元具有独立的分功能，且有相对固定的拓扑形状，可作为设计阶段的建模、设计 及优化的对象。与柔性模块相比，虚拟模块具有独立的分功能，但不具独立的结 构。根据大批量定制