CN103310064B - 一种采用极端尺寸调整的数控机床横梁结构优化设计方法 - Google Patents

一种采用极端尺寸调整的数控机床横梁结构优化设计方法 Download PDF

Info

Publication number
CN103310064B
CN103310064B CN201310255376.2A CN201310255376A CN103310064B CN 103310064 B CN103310064 B CN 103310064B CN 201310255376 A CN201310255376 A CN 201310255376A CN 103310064 B CN103310064 B CN 103310064B
Authority
CN
China
Prior art keywords
size
sensitivity
beam structure
variable
little
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
Application number
CN201310255376.2A
Other languages
English (en)
Other versions
CN103310064A (zh
Inventor
杨玉萍
张森
刘传进
郭永海
邱自学
任东
崔德友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Guosheng Intelligent Technology Group Ltd By Share Ltd
Nantong University
Original Assignee
NANTONG GUOSHENG ELECTROMECHANICAL GROUP CO Ltd
Nantong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NANTONG GUOSHENG ELECTROMECHANICAL GROUP CO Ltd, Nantong University filed Critical NANTONG GUOSHENG ELECTROMECHANICAL GROUP CO Ltd
Priority to CN201310255376.2A priority Critical patent/CN103310064B/zh
Publication of CN103310064A publication Critical patent/CN103310064A/zh
Application granted granted Critical
Publication of CN103310064B publication Critical patent/CN103310064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Welding Or Cutting Using Electron Beams (AREA)
  • Rod-Shaped Construction Members (AREA)

Abstract

本发明公开了一种采用极端尺寸调整的横梁结构优化设计方法,本方法从横梁结构内部筋板的分布类型和结构关键尺寸调整两个方面进行优化。通过确定横梁结构内部筋板的分布类型得出具有较好静动态特性的横梁结构,结合所要达到的性能指标,在尺寸的可调范围内,对关键尺寸进行灵敏度分析,把尺寸变量分为灵敏度大和灵敏度小的两部分,将灵敏度大的变量尺寸增加到上限,将灵敏度小的变量尺寸减小到下限,然后建立模型进行有限元分析,根据分析结果,通过依次减小灵敏度大的变量尺寸和依次增加灵敏度小的变量尺寸进行反复调整,从而得到新的横梁结构。本发明提出的优化方法合理,操作简单,可以实现机床横梁等结构的优化设计。

Description

一种采用极端尺寸调整的数控机床横梁结构优化设计方法
技术领域
本发明属于机械设计领域,涉及一种机床关键结构的设计方法,具体涉及一种采用极端尺寸调整的数控机床横梁结构优化设计方法。
技术背景
随着科学技术的不断发展,数控机床在制造业中的应用越来越广泛。数控机床主要的结构设计方法多为传统的经验设计或类比设计,这种设计方法得到的结构一般只能实现单目标的性能要求(如结构变形量更小);当前基于软件优化的技术也基本上只能实现单目标的最优设计。对于比较复杂的机床关键结构,一般需要进行多目标优化,使其具有静动特性好,同时质量轻等特点,所以如何根据单项或多项性能指标对机床结构进行优化设计,是结构优化设计中需要解决的主要问题之一。
目前,随着结构优化软件特别是有限元软件的广泛使用和现代机械设计理论与方法的发展,加快了机床结构优化设计的进程,采用有限元和灵敏度分析法对机床结构进行优化设计是近年来一个重要的研究方向。针对机床关键结构复杂及自身特性影响因素多样性的特点,运用灵敏度分析法得出结构关键尺寸的灵敏度大小,如何调整关键结构的尺寸厚度,综合考虑多项性能指标,实现机床关键结构的优化设计得到理想的结构方案,也是目前结构优化设计中需要解决的主要问题之一。
发明内容
本发明的目的是提供一种采用极端尺寸调整的数控机床横梁结构优化设计方法,该方法主要是通过改变筋板类型和调整关键尺寸的厚度,结合所要达到的性能指标,采用极端尺寸调整方法,实现结构的多目标优化。
为了实现上述目的,本发明的技术方案如下:
本方法为一种采用极端尺寸调整的数控机床横梁结构优化设计方法,涉及的具体内容主要为:从横梁结构内部筋板的分布类型和结构关键尺寸厚度的调整两个方面进行优化;根据结构关键尺寸灵敏度分析结果,结合所要达到的各项性能指标,在尺寸可调范围内,运用极端尺寸调整方法对横梁结构进行优化,从而得到新的横梁结构;具体的操作步骤如下:
(1) 建立横梁结构三维几何模型;
(2) 根据实际工况,建立横梁结构的力学模型并求解;
(3) 运用有限元软件对横梁结构进行静动态力学性能分析;
(4) 改变横梁结构内部筋板的分布类型,设计若干种横梁结构方案;
(5) 对设计的若干种横梁结构方案进行静动态力学性能分析,以静变形量和低阶模态频率为性能指标,判断横梁结构方案是否优于原结构,选择优于原结构且方案中最优的筋板分布类型,确定横梁结构方案;
(6) 选取横梁结构方案的关键尺寸作为调整变量,根据横梁结构的模型特征,设置关键尺寸为横梁结构的前后壁厚、左右壁厚、上下壁厚、横向筋板厚度、纵向筋板厚度、竖向筋板厚度、内部筋板厚度;
(7) 设定关键尺寸的变化范围,在尺寸可调范围内,对横梁结构关键尺寸进行灵敏度分析;
(8) 根据关键尺寸的灵敏度大小,对于可同时进行优化的多项性能指标,在尺寸可调范围内,采用极端尺寸调整方法,改变关键尺寸的大小得到横梁结构优化模型;对于不可同时进行优化的多项性能指标,采用极端尺寸调整方法,实行分步优化,最终得到横梁结构优化设计方案。
采用的极端尺寸调整方法为:根据关键尺寸的灵敏度大小,以中间值作为参考,把尺寸变量分为灵敏度大和灵敏度小的两部分,根据尺寸的可调范围,首先把灵敏度大的变量尺寸增加到上限,把灵敏度小的变量尺寸减小到下限,然后建立模型进行有限元分析,判断分析结果是否满足性能指标;如果满足,即得到优化结构;如果不满足,应通过依次减小灵敏度大的变量尺寸(从灵敏度大的变量中最小的开始减小)和依次增加灵敏度小的变量尺寸(从灵敏度小的变量中最大的开始增加)进行反复调整,最终得到优化方案。
本发明的有益效果是:按照本发明的设计步骤,结合机床横梁结构的复杂性和性能指标多样性的特点,提出了一套完整的采用极端尺寸调整的数控机床横梁结构多目标优化设计方法。该方法从改变横梁结构筋板类型和调整横梁结构关键尺寸的角度,根据设定的多项性能指标,采用极端尺寸调整方法,可以得到满足设计指标的理想结构方案;该优化方法操作简单、方便,不仅可以实现横梁结构的多目标优化,而且可以广泛应用于其他的机械及工程结构的优化设计。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明的结构优化设计流程图;
图2为本发明实施例横梁结构的三维模型图;
图3为本发明实施例横梁结构的关键尺寸示意图。
具体实施方式
本发明主要从横梁结构内部筋板的类型和横梁结构关键尺寸厚度的调整两个方面进行优化,具体的优化设计流程如图1所示。首先,初步建立横梁结构的三维模型,根据工况建立横梁结构的力学模型,以计算出的横梁结构实际受力作为载荷进行静动态力学性能分析;通过改变内部筋板的类型,设计若干种新的横梁结构方案,对其进行力学性能分析,选择优于原结构且方案中最优的筋板分布类型,确定横梁结构方案;最后,对横梁结构关键尺寸进行灵敏度分析,设定一项或多项所要达到的性能指标,在尺寸可调范围内,采用极端尺寸调整方法,调整对性能指标有较大影响的尺寸,对结构关键尺寸进行优化,得到最终的横梁结构优化设计方案。
极端尺寸调整方法为:根据关键尺寸的灵敏度大小,以中间值作为参考,把尺寸变量分为灵敏度大和灵敏度小的两部分,根据尺寸的可调范围,首先把灵敏度大的变量尺寸增加到上限,把灵敏度小的变量尺寸减小到下限,然后建立模型进行有限元分析,判断分析结果是否满足性能指标;如果满足,即得到优化结构;如果不满足,应通过依次减小灵敏度大的变量尺寸(从灵敏度大的变量中最小的开始减小)和依次增加灵敏度小的变量尺寸(从灵敏度小的变量中最大的开始增加)进行反复调整,最终得到结构优化方案。
该方法是一种采用极端尺寸调整的数控机床横梁结构优化设计方法,也可适用于数控机床其他关键结构的优化设计。本说明书以某型号龙门加工中心横梁结构为例详细介绍优化设计过程,图2所示为横梁结构三维模型,采用Solidworks三维软件建模,有限元分析软件为ANSYS12.0。
根据横梁结构的实际工况,选取横梁结构变形量最大的位置建立力学模型,通过力的平移和等效原理,列出力学平衡方程计算出所受载荷的大小;将横梁结构与立柱相对应的螺栓孔作为固定约束,对横梁结构施加载荷与约束,运用有限元分析软件对横梁结构进行静动态性能分析。
不改变横梁结构外部尺寸,改变横梁结构内部筋板的分布类型,设计若干种横梁结构方案;分别对设计的若干种横梁结构方案进行静动态力学性能分析,以静变形量和低阶模态频率为性能指标,判断结构方案是否优于原结构,选择优于原结构且方案中最优的筋板分布类型,确定横梁结构内部筋板方案。
根据横梁结构的模型特征,设置关键尺寸为:横梁结构的前后壁厚、左右壁厚、上下壁厚、横向筋板厚度、纵向筋板厚度、竖向筋板厚度、内部筋板的厚度;选取横梁结构关键尺寸作为设计变量,关键尺寸所对应的位置如图3所示。横梁结构关键尺寸设计变量如表1所示。
表1 横梁结构关键尺寸设计变量
前后壁厚 上下壁厚 左右壁厚 横向筋板厚度 纵向筋板厚度 竖向筋板厚度 内部筋板厚度
B1 B2 B3 T1 T2 T3 T4
25mm 25mm 25mm 20mm 20mm 20mm 20mm
按照机床设计手册及横梁结构的实际铸造情况,首先设定关键尺寸增减量变化范围为-4mm到4mm,即约束横梁结构关键尺寸B1~B3的变化范围为21~29mm,横梁结构关键尺寸T1~T4的变化范围为16~24mm,然后对关键尺寸进行灵敏度分析。在灵敏度分析过程中,以原始尺寸厚度为尺寸变化的0点,每次尺寸变化2mm,尺寸增减量范围为-4mm到4mm,可得出各关键尺寸对静变形量、一阶模态频率及质量的灵敏度大小。
下面分别以采用极端尺寸调整方法同时进行优化的多项性能指标为例和分步进行优化的多项性能指标为例,说明采用极端尺寸调整方法进行横梁结构优化设计的可行性。
1.设定横梁结构优化性能指标为:横梁结构质量基本不变的情况下,以减小静变形量和提高一阶模态频率为性能指标,即多目标优化。通过对关键尺寸进行灵敏度分析可得到灵敏度大小为:T2>B2>B3>T4>B1>T1>T3,B2、B3、T2和T4的变化对横梁结构静变形量和一阶固有频率的影响较明显,将B2、B3、T2和T4分为灵敏度大的变量,应增加这些尺寸;B1、T1和T3对横梁结构静变形量和一阶固有频率基本无影响,将B1、T1和T3分为灵敏度小的变量,应减小这些尺寸;在尺寸可调范围内,按照极端尺寸调整方法,把B2、B3、T2和T4的尺寸调整到最大,把B1、T1和T3的尺寸调整到最小,建立横梁结构优化模型,并对尺寸调整后横梁结构模型进行有限元分析,分析结果发现,横梁结构不满足性能指标,所以,将灵敏度大的变量中灵敏度较小变量尺寸T4的尺寸减小1mm,将灵敏度小的变量中灵敏度较大的变量尺寸B1增加1mm,建立横梁结构优化模型,并对尺寸调整后横梁结构模型进行有限元分析,判断分析结果是否满足性能指标,分析结果发现,横梁结构不满足性能指标,所以将灵敏度大的变量中变量尺寸B3的尺寸减小1mm,建立横梁结构优化模型,并对尺寸调整后横梁结构模型进行有限元分析,判断是否满足性能指标,如此反复调整,得到最终横梁结构优化设计方案。结构优化前后关键尺寸及性能指标对比如表2所示。
表2结构优化前后关键尺寸及性能指标对比
关键尺寸名称 变量 原始数据 调整后数据 变化值
前后壁厚 B1 25mm 22mm -3mm
上下壁厚 B2 25mm 28mm +3mm
左右壁厚 B3 25mm 28mm +3mm
横向筋板厚度 T1 20mm 16mm -4mm
纵向筋板厚度 T2 20mm 24mm +4mm
竖向筋板厚度 T3 20mm 16mm -4mm
内部筋板厚度 T4 20mm 23mm +3mm
静变形量 K 27.6um 26.7um -3.3%
一阶频率 F 102.24Hz 102.69Hz +0.4%
重量 M 4735kg 4726kg -9kg
表3  结构优化前后关键尺寸及性能指标对比由表2可以看出,优化后横梁结构满足了优化设计的性能指标,实现了多目标优化;在减小横梁结构静变形量、提高一阶模态频率的情况下,同时横梁结构质量减少了9kg。
2. 设定横梁结构优化设计性能指标为:在满足横梁结构静动态特性的条件下,实现横梁结构的轻量化优化设计。本例讲述分步实现的性能指标,分步实现过程为:首先分别以静变形量、一阶模态频率不变为性能指标,采用极端尺寸调整法,实现单因素的横梁结构轻量化设计;然后在两种方案的基础上,采用极端尺寸调整法,得到最终的横梁结构轻量化设计方案。
(1) 当性能指标为横梁结构静变形量基本不变,尽可能多的减少横梁结构质量时,根据对关键尺寸的灵敏度分析可知,B2、T4的变化对横梁结构静变形量影响较明显,将B2、和T4分为灵敏度大的变量,应增加这些尺寸,减少其余变量的厚度。采用极端尺寸调整方法,得到了优化结构方案:在横梁结构静变形量不变的条件下,质量较原结构减小了181kg。当性能指标为横梁结构一阶模态频率基本不变,尽可能多的减少横梁结构质量时,B3、T2的变化对横梁静变形量影响较明显,应增加这些变量的厚度,减少其余变量的厚度。采用极端尺寸调整方法,得到优化结构方案的尺寸大小,在一阶模态频率不变的情况下,质量减小了278kg。
(2) 在(1)的基础上,取前两种横梁轻量化设计方案中,相同的尺寸保持不变,将其余尺寸采用变尺寸法进行调整,在满足横梁结构静动态特性的条件下,横梁质量减小了152kg,实现了横梁结构轻量化设计。结构优化前后关键尺寸及性能指标对比如表3所示。
关键尺寸名称 变量 原始数据 调整后数据 变化值
前后壁厚 B1 25mm 21mm -4mm
上下壁厚 B2 25mm 27mm +2mm
左右壁厚 B3 25mm 22mm -3mm
横向筋板厚度 T1 20mm 17mm -3mm
纵向筋板厚度 T2 20mm 17mm -3mm
竖向筋板厚度 T3 20mm 16mm -4mm
内部筋板厚度 T4 20mm 23mm +3mm
静变形量 K 27.6um 27.6um    0
一阶频率 F 102.24Hz 102.17Hz -0.07Hz
重量 M 4735kg 4583kg -152kg
从表3可以看出,在满足横梁结构静动态特性的条件下,实现了横梁结构轻量化的结构优化设计。优化后横梁结构的质量减少了152kg,静变形量和一阶模态频率基本不变,实现了横梁结构的轻量化优化设计。
综上所述,运用本发明优化设计方法可以实现数控机床横梁结构多性能指标的优化设计,而且操作简单、方便。
本发明提供一种采用极端尺寸调整的数控机床横梁结构优化设计方法。以上内容是结合一种机床横梁结构优化设计为实施案例对本发明所作的进一步详细说明,本发明的具体实施不仅仅只局限于这些说明,在不脱离本发明构思和方法的前提下,做出的任何简单修改或替代,都应在本发明的保护范畴。

Claims (1)

1.一种采用极端尺寸调整的数控机床横梁结构优化设计方法,其特征是:包括下列步骤:
(1)建立横梁结构三维几何模型;
(2)根据实际工况,建立横梁结构的力学模型并求解;
(3)运用有限元软件对横梁结构进行静动态力学性能分析;
(4)改变横梁结构内部筋板的分布类型,设计若干种横梁结构方案;
(5)对设计的若干种横梁结构方案进行静动态力学性能分析,以静变形量和低阶模态频率为性能指标,判断结构方案是否优于原结构,选择优于原结构且方案中最优的筋板分布类型,确定横梁结构方案;
(6)选取横梁结构方案的关键尺寸作为调整变量,根据横梁结构的模型特征,设置关键尺寸为横梁结构的前后壁厚、左右壁厚、上下壁厚、横向筋板厚度、纵向筋板厚度、竖向筋板厚度、内部筋板厚度;
(7)设定关键尺寸的变化范围,在尺寸可调范围内,对横梁结构关键尺寸进行灵敏度分析;
(8)根据关键尺寸的灵敏度大小,对于可同时进行优化的多项性能指标,在尺寸可调范围内,直接采用极端尺寸调整方法,改变关键尺寸的大小得到横梁结构优化模型;对于不可同时进行优化的多项性能指标,采用极端尺寸调整方法,实行分步优化,最终得到横梁结构优化设计方案;
在步骤(8)中,极端尺寸调整方法为:根据关键尺寸的灵敏度大小,以中间值作为参考,把尺寸变量分为灵敏度大和灵敏度小的两部分,根据尺寸的可调范围,首先把灵敏度大的变量尺寸增加到上限,把灵敏度小的变量尺寸减小到下限,然后建立模型进行有限元分析,判断分析结果是否满足性能指标;如果满足,即得到优化结构;如果不满足,则通过依次减小灵敏度大的变量尺寸和依次增加灵敏度小的变量尺寸进行反复调整,最终得到结构优化方案;所述依次减小灵敏度大的变量尺寸时是从灵敏度大的变量中最小的尺寸开始减小;所述依次增加灵敏度小的变量尺寸时是从灵敏度小的变量中最大的尺寸开始增加。
CN201310255376.2A 2013-06-25 2013-06-25 一种采用极端尺寸调整的数控机床横梁结构优化设计方法 Active CN103310064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310255376.2A CN103310064B (zh) 2013-06-25 2013-06-25 一种采用极端尺寸调整的数控机床横梁结构优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310255376.2A CN103310064B (zh) 2013-06-25 2013-06-25 一种采用极端尺寸调整的数控机床横梁结构优化设计方法

Publications (2)

Publication Number Publication Date
CN103310064A CN103310064A (zh) 2013-09-18
CN103310064B true CN103310064B (zh) 2015-10-21

Family

ID=49135276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310255376.2A Active CN103310064B (zh) 2013-06-25 2013-06-25 一种采用极端尺寸调整的数控机床横梁结构优化设计方法

Country Status (1)

Country Link
CN (1) CN103310064B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005640B (zh) * 2015-06-19 2017-12-29 武汉理工大学 满足抗偏载性能的大吨位精冲压力机机身优化设计方法
CN105893665B (zh) * 2016-03-30 2018-12-04 南通大学 一种采用组合赋权-灰色关联的机床横梁优化设计评估方法
CN108090252A (zh) * 2017-11-27 2018-05-29 华侨大学 一种数控铣床横梁的优化设计方法及优化设计的横梁
CN108460191B (zh) * 2018-02-06 2021-02-02 南通大学 基于质量功能展开的机床横梁设计方案的优选方法
CN108804773B (zh) * 2018-05-22 2023-08-15 南通大学 采用多筋板结构复合的箱中箱式机床横梁优化设计方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100032396A1 (en) * 2008-08-08 2010-02-11 Hiwin Mikrosystem Corp. Extendable gantry
CN102063540A (zh) * 2010-12-30 2011-05-18 西安交通大学 一种机床床身结构优化设计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100032396A1 (en) * 2008-08-08 2010-02-11 Hiwin Mikrosystem Corp. Extendable gantry
CN102063540A (zh) * 2010-12-30 2011-05-18 西安交通大学 一种机床床身结构优化设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龙门加工中心结构动力学建模与优化设计研究;倪向阳;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20070715;第三、四章 *

Also Published As

Publication number Publication date
CN103310064A (zh) 2013-09-18

Similar Documents

Publication Publication Date Title
CN103310064B (zh) 一种采用极端尺寸调整的数控机床横梁结构优化设计方法
CN102063540B (zh) 一种机床床身结构优化设计方法
CN109359353B (zh) 一种基于拓扑优化的机床立柱结构优化设计方法
Zhang et al. Optimal topology design of internal stiffeners for machine pedestal structures using biological branching phenomena
CN103995914B (zh) 基于动态特性分析的磨齿机立柱结构优化设计的方法
CN103034766B (zh) 一种确定层合板复合材料的铺层角方向与厚度的方法
CN107774994B (zh) 自动调节金属3d打印机供粉量的方法
CN103612688A (zh) 基于多体动力学和拓扑优化技术的汽车底盘件轻量化方法
CN105574300A (zh) 基于bp神经网络和遗传算法的钢轨焊缝精铣机床横梁体优化设计方法
CN104850696A (zh) 基于等效弹性模量的大型机械结构静刚度优化方法
CN101811257A (zh) 机床床身结构优化设计方法
CN105243240B (zh) 高刚轻质机床大件结构优化设计方法
CN106777693A (zh) 一种基于catia数模的实时优化设计方法
CN106096183B (zh) 一种基于特征线法的多重并行方法
CN106650178A (zh) 一种基于细分构型的机床龙门结构刚度的优化设计方法
CN105138750B (zh) 一种可扩展多线交叉机身线框模型构建方法
CN102779211B (zh) 大型电除尘器烟箱结构优化设计方法
CN114169233A (zh) 材料颗粒粒径优化方法、系统、设备及存储介质
CN110633533B (zh) 一种针对箱体类零件的模态分析有限元网格密度优选方法及系统
CN116974241B (zh) 面向绿色低碳制造的数控机床几何优化方法及装置
CN103279614B (zh) 一种机床结构大件筋板布局及设计方法
CN102661730B (zh) 一种飞机高速颤振主梁模型空心梁截面尺寸的确定方法
CN103235851B (zh) 一种面向高比刚度的机床支撑件筋板布局智能化设计方法
CN116451537A (zh) 一种功能梯度材料构件等几何稳健拓扑优化方法
CN104991990B (zh) 一种切条机关键结构优化设计方法

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
C56 Change in the name or address of the patentee
CP01 Change in the name or title of a patent holder

Address after: 226019 Jiangsu city of Nantong province sik Road No. 9

Patentee after: Nantong University

Patentee after: Nantong Guosheng Intelligent Technology Group Limited by Share Ltd

Address before: 226019 Jiangsu city of Nantong province sik Road No. 9

Patentee before: Nantong University

Patentee before: Nantong Guosheng Electromechanical Group Co., Ltd.