CN102331748B - 一种智能床身动静态变形主动抑制系统 - Google Patents
一种智能床身动静态变形主动抑制系统 Download PDFInfo
- Publication number
- CN102331748B CN102331748B CN 201110233252 CN201110233252A CN102331748B CN 102331748 B CN102331748 B CN 102331748B CN 201110233252 CN201110233252 CN 201110233252 CN 201110233252 A CN201110233252 A CN 201110233252A CN 102331748 B CN102331748 B CN 102331748B
- Authority
- CN
- China
- Prior art keywords
- module
- deformation
- subsystem
- inhibition
- links
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Numerical Control (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能床身动静态变形主动抑制系统,处理对象为CAE模型床身,包括典型变形分析子系统、变形单元获取子系统、变形区域划分子系统、抑制方法生成子系统、实例信息标准化子系统、抑制知识获取子系统、数据资源与知识库管理子系统、主动抑制方案生成子系统。本发明对床身的动静态变形结果进行分析处理,提供具有针对性的变形抑制方案,实现变形的有效抑制,有效的提高性能数控机床的精度等级。
Description
技术领域
本发明涉及智能床身变形抑制领域,特别是一种大规格精密机床床身变形主动抑制系统。
背景技术
作为精密数控机床的重要组成部分,床身的结构性能情直接影响了机床整机的加工性能,特别是床身的变形所引起的加工误差问题。因此对床身变形进行抑制与控制是十分必要的。一般的,引起床身变形的主要因素包括床身的热不均衡以及床身内部应力释放等因素。目前保证床身变形的手段主要是通过改进床身结构与预设简单流道来实现变形的抑制。在结构设计阶段,通过预设床身热、力载荷,运用数学模拟手段,预测所设计结构的变形量。若床身变形量过大,则改进床身结构,再次进行数学模拟,直至床身的变形量符合设计要求。结构设计抑制法是建立在精确预知机床工况下的热、力载荷的前提下的,但由于目前机床力、热载荷情况复杂,在数学模拟中,以简化载荷施加为主,变形预测以及抑制存在一定的误差,且结构设计抑制法无法对应力释放所引起的床身变形进行抑制。目前的预设流道方法是通过平衡床身上表面温度场来实现变形抑制,此种方法无法对其他关键结构部位的变形进行抑制,且流道水冷温度一般未作调节。主动抑制手段是实现机床动、静态变形抑制的有效手段。它可以通过实测机床变形数据,针对局部变形与区域变形采用机床内置的热管、风冷、局部流道等具体控制手段抑制机床变形。克服现有机床变形抑制手段无实测变形数据,被动抑制的缺点。机床变形主动抑制可以实现对任意时刻的机床变形的主动抑制。
发明内容
本发明可以提供一种智能床身动静态变形主动抑制系统及方法,对床身的动静态变形结果进行分析处理,提供具有针对性的变形抑制方案,实现变形的有效抑制,有效的提高性能数控机床的精度等级。
本发明的技术方案是这样实现的:
一种大规格精密坐标镗床床身变形主动抑制系统,处理对象为CAE模型床身,包括典型变形分析子系统1、变形单元获取子系统2、变形区域划分子系统3、抑制方法生成子系统4、实例信息标准化子系统5、抑制知识获取子系统6、数据资源与知识库管理子系统7、主动抑制方案生成子系统8。典型变形分析子系统1的信息输出端与数据资源与知识库管理子系统7的典型变形知识库7-1的信息输入端相连;变形单元获取子系统2的变形模型几何对比模块2-1的信息输入端用于接收CAE模型床身输入信息;变形单元获取子系统2的单元变形标准化描述模块2-4的信息输入端与知识库管理子系统7的典型变形知识库7-1的信息输出端相连;变形单元获取子系统2的单元变形标准化描述模块2-4的信息输出端与知识库管理子系统7的CAE模型单元变形数据库7-2的信息输入端相连;变形区域划分子系统3的单元变形特征参数提取模块3-1的信息输入端与信息输出端与知识库管理子系统7的CAE模型单元变形数据库7-2的信息输出端相连;变形区域划分子系统3的变形区域标准化描述模块3-4的信息输出端与数据资源与知识库管理子系统7的CAE模型变形区域数据库7-3的信息输入端相连;抑制方法生成子系统4的变形区域形貌特征描述模块4-1的信息输入端与数据资源与知识库管理子系统7的CAE模型变形区域数据库7-3的信息输出端相连;抑制方法生成子系统4的床身变形整体抑制方案生成模块4-3的信息输出端与数据资源与知识库管理子系统7的变形区域抑制方法实例的信息输入端相连;实例信息标准化子系统5的床身变形整体抑制方案案例评价模块5-1的信息输入端与数据资源与知识库管理子系统7的变形区域抑制方法实例的信息输出端相连;实例信息标准化子系统5的整体抑制方案案例标准化描述模块5-3的信息输出端与数据资源与知识库管理子系统7的整体抑制方案实例库7-5的信息输入端相连;抑制知识获取子系统6的抑制方案案例样本空间选取模块6-1的信息输入端与数据资源与知识库管理子系统7的整体抑制方案实例库7-5的信息输出端相连;抑制知识获取子系统6的抑制方法知识归纳模块6-3的信息输出端与数据资源与知识库管理子系统7的变形抑制方法知识库7-6的信息输入端相连;主动抑制方案生成子系统8于变形单元获取子系统2、变形区域划分子系统3和数据资源与知识库管理子系统7的变形抑制方法知识库7-6按照功能调用关系相连。
所述的典型变形分析子系统1包括典型变形规范化描述模块1-1、元抑制方法规范化描述模块1-2。
所述的变形单元获取子系统2包括变形模型几何对比模块2-1、最小变形局部提取模块2-2、单元变形获取模块2-3、单元变形标准化描述模块2-4。其中,变形模型几何对比模块2-1的信息输出端与最小变形局部提取模块2-2的信息输入端相连,最小变形局部提取模块2-2的信息输出端与单元变形获取模块2-3的信息输入端相连,单元变形获取模块2-3的信息输出端与单元变形标准化描述模块2-4的信息输入端相连。
所述的变形区域划分子系统3包括单元变形特征参数提取模块3-1、单元变形聚类分析模块3-2、变形区域获取模块3-3、变形区域标准化描述模块3-4。其中,单元变形特征参数提取模块3-1的信息输出端与单元变形聚类分析模块3-2的信息输入端相连,单元变形聚类分析模块3-2的信息输出端与变形区域获取模块3-3的信息输入端相连,变形区域获取模块3-3的信息输出端与变形区域标准化描述模块3-4的信息输入端相连。
所述的抑制方法生成子系统4包括变形区域形貌特征描述模块4-1、变形区域抑制方案标准化描述模块4-2、床身变形整体抑制方案生成模块4-3。其中,变形区域形貌特征描述模块4-1包括单一形貌描述模块4-1-1和复合形貌描述模块4-1-2,变形区域形貌特征描述模块4-1的信息输出端与床身变形整体抑制方案生成模块4-2的信息输入端相连,床身变形整体抑制方案生成模块4-2的信息输出端与床身变形整体抑制方案生成模块4-3。
所述的实例信息标准化子系统5包括床身变形整体抑制方案案例评价模块5-1、变形区域抑制效果评价模块5-2、整体抑制方案案例标准化描述模块5-3。其中,床身变形整体抑制方案案例评价模块5-1的信息输出端与变形区域抑制效果评价模块5-2的信息输入端相连,变形区域抑制效果评价模块5-2的信息输出端与整体抑制方案案例标准化描述模块5-3的信息输入端相连。
所述的抑制知识获取子系统6包括抑制方案案例样本空间选取模块6-1、抑制方案特征决策表生成模块6-2、抑制方法知识归纳模块6-3。其中,抑制方案案例样本空间选取模块6-1的信息输出端与抑制方案特征决策表生成模块6-2的信息输入端相连,抑制方案特征决策表生成模块6-2的信息输出端与抑制方法知识归纳模块6-3的信息输入端相连。
所述的数据资源与知识库管理子系统7包括典型方法变形知识库7-1、CAE模型单元变形数据库7-2、CAE模型变形区域数据库7-3、变形区域抑制实例库7-4、整体抑制方案实例库7-5、变形抑制方法知识库7-6。
所述的主动抑制方案生成子系统8以功能调用的形式包含变形单元获取子系统2、变形区域划分子系统3、变形抑制方法知识库7-6的功能与支撑数据。
本发明能够在已有结构的基础上,实现床身动、静态变形的抑制,并可通过实测机床变形数据,针对局部变形与区域变形采用机床内置的热管、风冷、局部流道等具体控制手段抑制机床变形,直到满足预设的床身变形量要求,克服现有机床变形抑制手段无实测变形数据,被动抑制的缺点,并能实现对任意时刻的机床变形的主动抑制。本发明提供的智能床身动静态变形主动抑制系统及方法,对床身的动静态变形结果进行分析处理,提供具有针对性的变形抑制方案,实现变形的有效抑制,有效的提高高性能数控机床的精度等级。
附图说明
图1为主动抑制系统的系统框图;
图2为基于粗糙集抑制方法知识归纳流程;
下面结合附图对本发明的内容作进一步详细说明。
具体实施方式
图1为床身动静态变形主动抑制系统的系统框图,描述了整个变形主动抑制系统的子结构及各结构之间的关系。床身动静态变形主动抑制系统包括以下八个部分:典型变形分析子系统1、变形单元获取子系统2、变形区域划分子系统3、抑制方法生成子系统4、实例信息标准化子系统5、抑制知识获取子系统6、数据资源与知识库管理子系统7、主动抑制方案生成子系统8。其中,典型变形分析子系统1包括典型变形规范化描述模块1-1、元抑制方法规范化描述模块1-2。变形单元获取子系统2包括变形模型几何对比模块2-1、最小变形局部提取模块2-2、单元变形获取模块2-3、单元变形标准化描述模块2-4。变形区域划分子系统3包括单元变形特征参数提取模块3-1、单元变形聚类分析模块3-2、变形区域获取模块3-3、变形区域标准化描述模块3-4。抑制方法生成子系统4包括变形区域形貌特征描述模块4-1、变形区域抑制方案标准化描述模块4-2、床身变形整体抑制方案生成模块4-3。实例信息标准化子系统5包括床身变形整体抑制方案案例评价模块5-1、变形区域抑制效果评价模块5-2、整体抑制方案案例标准化描述模块5-3。抑制知识获取子系统6包括抑制方案案例样本空间选取模块6-1、抑制方案特征决策表生成模块6-2、抑制方法知识归纳模块6-3。数据资源与知识库管理子系统7包括典型方法变形知识库7-1、CAE模型单元变形数据库7-2、CAE模型变形区域数据库7-3、变形区域抑制实例库7-4、整体抑制方案实例库7-5、变形抑制方法知识库7-6。主动抑制方案生成子系统8以功能调用的形式包含变形单元获取子系统2、变形区域划分子系统3、变形抑制方法知识库7-6的功能与支撑数据。
图2为基于粗糙集抑制方法知识归纳流程,描述了抑制方法知识归纳所包含的具体内容和流程。知识归纳机理包括方案重构、特征约简及抑制知识显示;知识库与方法库通过粗糙集方法建立抑制特征知识库。
下面结合附图对本发明的实施例进行详细的说明,本实施例是在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的实现过程,但是发明的保护范围不限于下述实施例。
本系统包括局部变形抑制装置(热管、风冷);区域变形抑制装置(冷流道、热流道以及组合抑制装置);变形主动抑制系统。热管、风冷、流道内置于床身内部,根据变形主动抑制系统提供的抑制信号,控制抑制装置的组合方案、排序、时长以及强度等。
图1是本智能床身动静态变形主动抑制系统框图,该系统是基于现有CAD/CAE系统的“变形分析”模块,集变形形貌数据采集与知识库及其相应的智能接口,用于直接在CAE模型床身上开展并实现从床身变形形貌特征分析及抑制方法区域协调到模型床身整体抑制方案生成的工作过程,其包含四个工作模块,具体为:典型变形知识库管理子系统、变形单元获取与变形区域划分子系统、抑制方法生成子系统以及主动抑制子系统,其中:
1)典型变形知识库管理子系统
所述典型变形知识库管理子系统所述典型变形知识库管理子系统包括典型变形描述和相应的抑制方法管理功能。典型变形是指由不均衡温度场以及应力引起的床身整体变形中单一的、不可划分的凸起、凹陷形变。在明确载荷设计的前提下,引起区域变形的主要因素即为热不均衡。据此,以平衡局部温度场为宗旨,综合考虑变形形貌及其产生机理确定与典型变形相对应抑制方法候选项,即针对热膨胀引起的凸起变形,采用风冷、接触式水冷等方式抑制凸起变形;采用热管、热风、接触式流道等方式抑制凹陷变形。为典型变形定义标准数据描述格式,包括两个属性:变形形貌、抑制方法。典型变形知识库管理提供基础支撑数据、支撑数据与其他模块进行数据交换的接口,以及支撑数据库的管理。管理功能包括典型变形数据的查询、删除、插入、修改、保存以及推理,方便支撑数据的查看与更新。
2)变形单元获取与变形区域划分子系统
所述变形单元获取是以CAE模型床身为输入,将变形模型与原准确模型进行整体几何对比,以典型变形基本形貌为参照标准,按照变形程度提取床身上所有需要抑制处理的最小变形局部,以实现模型床身的单元变形获取。对各单元变形进行变形位置、变形边界以及变形极值测量,计算得到其变形量。并以变形量为度量标准确定与各单元变形关联的抑制方法的执行力度,即控制热管、风冷、水冷等抑制方式的加热(降温)幅值、抑制位置坐标、抑制时长。提出单元变形标准描述格式,构建关联数据库中包含以下9列:
a)DShape——变形形貌;
b)DPosition——变形位置(x,y,z);
c)DBoundary——变形边界;
d)DExtremum——变形极值;
e)DValue——变形量;
f)Restraint——抑制方法;
g)RPosition——抑制位置;
h)CT——温控幅值;
i)TBucket——抑制时长。
变形区域划分是以模型床身单元变形信息表为分析对象,将所有单元变形按照几何位置相关度、抑制效果干涉度进行聚类分析,即将多个连续变形单元认定为一个变形区域。变形单元相似性分析采用K-均值聚类算法,选择的相似性度量是欧几里德距离的倒数,即距离越小表示两者的相似性越大,反之则相似性越小。计算属性为变形位置DPosition和变形形貌DShape。通过选取变形位置超过一定阈值的聚类来进行变形区域个数的设定,解决了传统方法预先给定聚类数目的局限性。但此方法仍然需要人工设定阈值。K-均值聚类算法的核心思想是找出K个聚类中心c1,c2,…,ck,使得每一个数据点xi和与其最近的聚类中心cv的平方距离和被最小化(该平方距离和被称为偏差D)。具体数学模型如下描述:
K0[预定义]单元变形样本空间C,样本特征属性P={x,y,z,s},其中(x,y,z)表示变形属性,s表示变形形貌;
K1[初始化]随机指定K个单元变形样本为聚类中心(c1,c2,…,ck);
K2[分配pi]对每一个样本pi,找到离它最近的聚类中心cv,并将其分配到cv所表明的类;
K3[修正cw]将每一个cw移动到其标明的类的中心;
K4[计算偏差]
K5[D收敛?]如果D值收敛,则return(c1,c2,…,cK)并终止本算法;否则,返回步骤K2;
根据最小变形局部簇划分变形区域,并以变形区域为单位对床身整体变形进行描述,采用二级关联数据库模型。一级数据库用于保存变形区域信息以及为相关处理提供支撑数据,数据库中包含以下5列:
a)DP_ID——变形区域检索ID;
b)DRBoundary——变形区域边界;
c)DRNum——所包含的变形单元数;
d)UDCategory——所包含的变形单元形貌种类;
e)UDID——所包含的变形单元在表1中的检索ID。
二级数据库包含的列数与2)中变形单元获取与变形区域划分子系统中的单元变形数据库列数相同。
3)抑制方法生成子系统
所述抑制方法生成子系统的功能是对各变形区域中的变形单元进行比对分析,根据实际数据统计,变形区域内变形单元分布情况一般分为3种情况:其一,整体区域呈凸起态势;其二,整体区域呈凹陷态势;其三,区域内变形情况复杂,凸起凹陷区域交互出现。针对前以上3种变形区域分布情况,可按照变形量对变形单元进行排序,将变形量最大的变形单元位置作为变形区域首要抑制部位,根据变形区域边界确定抑制方式的执行时长,采用区域温度均衡(水冷、流道等)。同样需要按照变形量对变形单元进行排序,确定各单元变形对所在变形区域形态恢复的影响权值(权重高:抑制方法优先执行,执行时间长。反之亦然)。对于区域内凸起凹陷区域交互出现的复杂变形情况,需要确定多个抑制部位,并根据其影响权值确定所有变形抑制方式执行次序,并对执行时长进行权值调整。采用多局部温度控制(风冷、热管、热风等)方式。最终汇集所有变形区域抑制方法,形成床身变形整体抑制方法。
4)主动抑制子系统
所述主动抑制子系统的功能是根据CAE模型床身个例的床身整体变形进行描述,自动生成床身整体抑制方法。按照抑制方法生成子系统所产生床身整体抑制方法进行变形控制仿真与精度分析,以变形区域为单位获得抑制效果评价值,从而变形区域抑制方法实例库。数据库中包含有以下7列:
a)DRLayout——为变形区域分布种类;
b)RPNum——为抑制部位数;
c)RMethod——为抑制方式;
d)REvaluation——为抑制效果评价值。
数据库中属性pd_ID与变形单元获取与变形区域划分子系统中的二级数据库中的DP_ID相关联,连接DRNum、UDCategory两个属性。
数据库中的抑制方式(RMethod)是以自然语言书写的原始抑制方案无法直接进行改模知识归纳,必须首先进行改模方案预处理,得到计算机可以处理的基于抑制方案分层递阶表达模型的抑制方案特征决策表。改模方案重构包括改模方案特征值具体化、层次化和完备化三个过程。利用抑制方案特征值具体化是将以自然语言表达的抑制方案转换为以抑制特征和抑制特征值表达的抑制方案特征决策表。由于原始抑制方案描述的差异性,可能存在抑制特征值缺失或模糊,同时在不同抑制方案层次级别下同一抑制方案特征具有不同的改模特征值表达,因此,在进行抑制知识分层递阶归纳前需要补全缺失的改模特征值并根据指定的抑制方案层次级别建立层次化的改模方案特征决策表,这个过程被称为抑制方案特征值层次化和完备化。设定抑制效果评价阈值,将抑制效果评价值大于阈值的案例选入样本空间。对各类变形区域相关抑制方案进行粗糙集归纳推理,提取抑制方法规则知识,形成以变形区域分类为管理单位的抑制方法知识库。建立如图2所示的基于粗糙集抑制方法知识归纳流程。
通过建立其他子系统与主动抑制子系统的数据接口,实现系统间的数据传输、调用与管理,完成变形区域抑制方法实例库、抑制方法知识库与整个“系统”的连接,实现数据资源实时更新。对于需要提出变形抑制方案的CAE模型床身个例,将其整体变形信息中的各变形区域带入抑制方法知识库中进行变形区域匹配,以相应的抑制方法知识为指导,自动生成床身整体抑制方案。
Claims (4)
1.一种智能床身动静态变形主动抑制系统,处理对象为CAE模型床身,其特征在于,典型变形分析子系统(1)的信息输出端与数据资源与知识库管理子系统(7)的典型变形知识库(7-1)的信息输入端相连;变形单元获取子系统(2)的单元变形标准化描述模块(2-4)的信息输入端与数据资源与知识库管理子系统(7)的典型变形知识库(7-1)的信息输出端相连;变形单元获取子系统(2)的单元变形标准化描述模块(2-4)的信息输出端与数据资源与知识库管理子系统(7)的CAE模型单元变形数据库(7-2)的信息输入端相连;变形区域划分子系统(3)的单元变形特征参数提取模块(3-1)的信息输入端与数据资源与知识库管理子系统(7)的CAE模型单元变形数据库(7-2)的信息输出端相连;变形区域划分子系统(3)的变形区域标准化描述模块(3-4)的信息输出端与数据资源与知识库管理子系统(7)的CAE模型变形区域数据库(7-3)的信息输入端相连;抑制方法生成子系统(4)的变形区域形貌特征描述模块(4-1)的信息输入端与数据资源与知识库管理子系统(7)的CAE模型变形区域数据库(7-3)的信息输出端相连;抑制方法生成子系统(4)的床身变形整体抑制方案生成模块(4-3)的信息输出端与数据资源与知识库管理子系统(7)的变形区域抑制方法实例库(7-4)的信息输入端相连;实例信息标准化子系统(5)的床身变形整体抑制方案案例评价模块(5-1)的信息输入端与数据资源与知识库管理子系统(7)的变形区域抑制方法实例库(7-4)的信息输出端相连;实例信息标准化子系统(5)的整体抑制方案案例标准化描述模块(5-3)的信息输出端与数据资源与知识库管理子系统(7)的整体抑制方案实例库(7-5)的信息输入端相连;抑制知识获取子系统(6)的抑制方案案例样本空间选取模块(6-1)的信息输入端与数据资源与知识库管理子系统(7)的整体抑制方案实例库(7-5)的信息输出端相连;抑制知识获取子系统(6)的抑制方法知识归纳模块(6-3)的信息输出端与数据资源与知识库管理子系统(7)的变形抑制方法知识库(7-6)的信息输入端相连;主动抑制方案生成子系统(8)与变形单元获取子系统(2)、变形区域划分子系统(3)和数据资源与知识库管理子系统(7)的变形抑制方法知识库(7-6)按照功能调用关系相连;
所述的变形单元获取子系统(2)包括变形模型几何对比模块(2-1)、最小变形局部提取模块(2-2)、单元变形获取模块(2-3)、单元变形标准化描述模块(2-4),其中,变形模型几何对比模块(2-1)的信息输出端与最小变形局部提取模块(2-2)的信息输入端相连,最小变形局部提取模块(2-2)的信息输出端与单元变形获取模块(2-3)的信息输入端相连,单元变形获取模块(2-3)的信息输出端与单元变形标准化描述模块(2-4)的信息输入端相连;
所述的变形区域划分子系统(3)包括单元变形特征参数提取模块(3-1)、单元变形聚类分析模块(3-2)、变形区域获取模块(3-3)、变形区域标准化描述模块(3-4),其中,单元变形特征参数提取模块(3-1)的信息输出端与单元变形聚类分析模块(3-2)的信息输入端相连,单元变形聚类分析模块(3-2)的信息输出端与变形区域获取模块(3-3)的信息输入端相连,变形区域获取模块(3-3)的信息输出端与变形区域标准化描述模块(3-4)的信息输入端相连;
所述的抑制方法生成子系统(4)包括变形区域形貌特征描述模块(4-1)、变形区域抑制方案标准化描述模块(4-2)、床身变形整体抑制方案生成模块(4-3),其中,变形区域形貌特征描述模块(4-1)包括单一形貌描述模块(4-1-1)和复合形貌描述模块(4-1-2),变形区域形貌特征描述模块(4-1)的信息输出端与变形区域抑制方案标准化描述模块(4-2)的信息输入端相连,变形区域抑制方案标准化描述模块(4-2)的信息输出端与床身变形整体抑制方案生成模块(4-3)的信息输入端相连;
所述的实例信息标准化子系统(5)包括床身变形整体抑制方案案例评价模块(5-1)、变形区域抑制效果评价模块(5-2)、整体抑制方案案例标准化描述模块(5-3),其中,床身变形整体抑制方案案例评价模块(5-1)的信息输出端与变形区域抑制效果评价模块(5-2)的信息输入端相连,变形区域抑制效果评价模块(5-2)的信息输出端与整体抑制方案案例标准化描述模块(5-3)的信息输入端相连;
所述的抑制知识获取子系统(6)包括抑制方案案例样本空间选取模块(6-1)、抑制方案特征决策表生成模块(6-2)、抑制方法知识归纳模块(6-3),其中,抑制方案案例样本空间选取模块(6-1)的信息输出端与抑制方案特征决策表生成模块(6-2)的信息输入端相连,抑制方案特征决策表生成模块(6-2)的信息输出端与抑制方法知识归纳模块(6-3)的信息输入端相连。
2.根据权利要求1所述的一种智能床身动静态变形主动抑制系统,其特征在于,所述的典型变形分析子系统(1)包括典型变形规范化描述模块(1-1)、元抑制方法规范化描述模块(1-2)。
3.根据权利要求1所述的一种智能床身动静态变形主动抑制系统,其特征在于,所述的数据资源与知识库管理子系统(7)包括典型方法变形知识库(7-1)、CAE模型单元变形数据库(7-2)、CAE模型变形区域数据库(7-3)、变形区域抑制实例库(7-4)、整体抑制方案实例库(7-5)、变形抑制方法知识库(7-6)。
4.根据权利要求1所述的一种智能床身动静态变形主动抑制系统,其特征在于,所述的主动抑制方案生成子系统(8)以功能调用的形式包含变形单元获取子系统(2)、变形区域划分子系统(3)、变形抑制方法知识库(7-6)的功能与支撑数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110233252 CN102331748B (zh) | 2011-08-15 | 2011-08-15 | 一种智能床身动静态变形主动抑制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110233252 CN102331748B (zh) | 2011-08-15 | 2011-08-15 | 一种智能床身动静态变形主动抑制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102331748A CN102331748A (zh) | 2012-01-25 |
CN102331748B true CN102331748B (zh) | 2013-03-13 |
Family
ID=45483556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110233252 Active CN102331748B (zh) | 2011-08-15 | 2011-08-15 | 一种智能床身动静态变形主动抑制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102331748B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1295498B1 (it) * | 1997-10-17 | 1999-05-12 | Luciano Gasparini | Dispositivo per rilevare la flessione delle traverse, inferiore e superiore, finalizzato all'interazione con almeno un sistema di |
CN101579820A (zh) * | 2009-06-05 | 2009-11-18 | 深圳市大族激光科技股份有限公司 | 一种机床运动平台结构设计方法 |
CN101620431B (zh) * | 2009-06-22 | 2012-02-29 | 江俊逢 | 一种对热变形误差进行实时补偿的数字控制方法及系统 |
CN101797704B (zh) * | 2009-12-31 | 2013-10-30 | 重庆机床(集团)有限责任公司 | 数控滚齿机热变形误差补偿方法 |
-
2011
- 2011-08-15 CN CN 201110233252 patent/CN102331748B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN102331748A (zh) | 2012-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101872377B (zh) | 使用去耦合电容抑制集成电路供电网络噪声的方法 | |
CN103020358B (zh) | 针对机械装备的可适应性动态设计平台构建方法 | |
CN103150447B (zh) | 一种基于虚拟仪器和逆向工程的机械产品快速设计方法 | |
CN105893669A (zh) | 一种基于数据挖掘的全局仿真性能预测方法 | |
CN116882038A (zh) | 一种基于bim技术的机电施工方法及系统 | |
CN106295074B (zh) | 一种运载火箭舱段振动响应特性快速分析及优化方法 | |
Karpisz et al. | Selected problems of designing modern industrial databases | |
US5774382A (en) | Method for generating a table model of a device | |
CN110110406B (zh) | 一种基于Excel计算平台实现LS-SVM模型的边坡稳定性预测方法 | |
CN105045958A (zh) | 基于bp神经网络的gps高程拟合的实现系统及方法 | |
Cao et al. | The strategy of datum reference frame selection based on statistical learning | |
CN102331748B (zh) | 一种智能床身动静态变形主动抑制系统 | |
CN116090260A (zh) | 一种反应堆全耦合的系统仿真方法 | |
Khan et al. | Numerical analyses of operator-splitting algorithms for the two-dimensional advection-diffusion equation | |
Amrit et al. | Efficient multi-objective aerodynamic optimization by design space dimension reduction and co-kriging | |
Yang et al. | Geometric Multigrid Method for Isogeometric Analysis | |
Khandelwal et al. | A quadratic modeling-based framework for accurate statistical timing analysis considering correlations | |
JPH11203330A (ja) | 形状変形モード生成システムと形状最適化解析システムおよびそれに用いるプログラムを記録した記録媒体 | |
CN113626893B (zh) | 一种基于隐式几何模型的计算机力学分析数值模拟方法 | |
CN110555267A (zh) | 一种基于隐式b-样条的参数化水平集结构拓扑优化方法 | |
CN109241551A (zh) | 拱坝浇筑施工仿真对象的持久化方法 | |
Godfrey et al. | Practical aspects of spatially high-order accurate methods | |
Ding et al. | Improving the efficiency of monte carlo power estimation [vlsi] | |
Geraci et al. | Polynomial chaos assessment of design tolerances for vortex-induced vibrations of two cylinders in tandem | |
Zhang | A method for static interval analysis of uncertain structures with interval parameters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |