CN108984892A - 一种基于轴向游隙贡献量的轴承套圈零件匹配方法 - Google Patents
一种基于轴向游隙贡献量的轴承套圈零件匹配方法 Download PDFInfo
- Publication number
- CN108984892A CN108984892A CN201810743698.4A CN201810743698A CN108984892A CN 108984892 A CN108984892 A CN 108984892A CN 201810743698 A CN201810743698 A CN 201810743698A CN 108984892 A CN108984892 A CN 108984892A
- Authority
- CN
- China
- Prior art keywords
- bearing
- outer ring
- inner ring
- flange plate
- database
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 39
- 239000010959 steel Substances 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 7
- 238000012886 linear function Methods 0.000 claims abstract description 5
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 230000000295 complement effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 238000012417 linear regression Methods 0.000 abstract description 3
- 238000012797 qualification Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Support Of The Bearing (AREA)
Abstract
本发明提供了一种基于轴向游隙贡献量的轴承套圈零件匹配方法。本发明首先利用神经网络算法研究轴承沟道游隙变量与套圈零件的沟道游隙之间多对多的函数映射关系,建立输入元、输出元、中层处理层,建立数据库和阙值函数为学习细胞元;其次,通过线性回归算法,计算出大量不同尺寸的套圈零件和钢珠函数的斜率,建立线性函数模型;然后,根据沟道游隙贡献量建立阙值函数,建立数据库或本地文件来实现算法自主学习能力;最后利用神经网络和线性回归算法,建立基于轴向游隙贡献量的套圈零件整体匹配模型。本发明能够在达到轴向游隙公差要求的条件下实现轴承的智能装配,提升了轴承的匹配合格率,减小了生产成本和周期。
Description
技术领域
本发明属于轴承套圈零件装配技术领域,尤其涉及一种基于轴向游隙贡献量的轴承套圈零件匹配方法。
背景技术
轴承是当代机械设备中一种重要零部件,它的主要功能是支撑机械旋转体,降低其运动过程中的摩擦系数,并保证其回转精度。轴向游隙是轴承的重要指标之一,其对轴承的疲劳寿命、振动、噪声、温升等性能均有影响,是轴承在设计、生产以及使用过程中必须考虑的重要参数。轴承主要由内圈、外圈、法兰盘、钢珠和保持架构成,其中内圈、外圈和法兰盘被称为套圈零件。
目前,大多数轴承生产厂仍采用试装配法设计轴承装配工艺,首先依据全互换方法试装轴承,然后测量其轴向游隙,再依据测量结果选配钢珠,若无符合要求的钢珠,则磨削内圈,使其轴向游隙满足公差要求。此方法虽然原理简单,但轴承合套率得不到保障,通常一次合套率低于80%,而且需要反复试装,剩余零件需重新返工,大大增加了生产成本和生产周期。
由于轴承套圈零件沟道尺寸参数数量众多,且缺少精密测量技术和仪器,给轴承匹配时对轴向游隙的控制带来了困难。因此,急需一种既能避开沟道主要功能尺寸精密测量,又能实现选择装配的新方法。
发明内容
本发明的主要目的在于提供一种基于轴向游隙贡献量的轴承套圈零件匹配方法,应用于轴承的智能选择装配。
轴承零部件中钢珠易于替换,一般情况下优先选择标准钢珠进行装配,当标准钢珠无法满足轴向游隙公差要求时,通过调整钢珠直径来控制轴承的轴向游隙。因此,变更钢珠对于控制轴向游隙贡献量具有重要的作用,建立轴向游隙贡献量补足模型来实现钢珠对轴向游隙的控制。
一种基于轴向游隙贡献量的轴承套圈零件匹配方法,包括下述步骤:
步骤1,建立线性轴向游隙贡献量补足模型。轴承在标准钢珠下测量得出的三个零部件游隙贡献量值,在坐标系上表示为一个点。关于钢珠尺寸的函数为一元线性函数,现根据测量数据已知一条直线上的一个点,可得出直线斜率和常数,进而计算出在不同钢珠尺寸条件下,内圈、法兰盘和外圈的轴承游隙贡献量。点(x,y)表示在标准钢珠条件下测量出来的轴向游隙贡献量,在直角坐标系上表现形式为一个点,可建立尺寸范围内的一万组数据的数据库,来仿真生产中可能出现的情况。
根据仿真数据建立线性模型的斜率和常数数据库,按照距离最小原则在数据库中找出套圈零件轴向游隙贡献量关于钢珠尺寸的线性函数,然后得出不同钢珠尺寸条件下,内圈、法兰盘和外圈在所有钢珠条件下的沟道轴向综合位置值。距离最小原则模型如下:
aa1=a1(k),bb1=b1(k)
aa2=a2(k),bb2=b2(k)
aa3=a3(k),bb3=b3(k)
其中,M表示生产的内圈、法兰盘和外圈的沟道轴向综合位置测量值,例如Mnei为内圈的测量值;KM表示内圈、法兰盘和外圈的数据库值;CM表示生产的内圈、法兰盘和外圈的测量值与数据库值的差值;MCM表示三个零件CM和的绝对值的最小值;k为常数,代表差值最小值所处的行数,可用k找出对应的斜率和行数;a为斜率数据库,与内圈、法兰盘和外圈的斜率数据库值行数相对应;b为常数的数据库,与内圈、法兰盘和外圈的常数数据库值行数相对应;aa和bb分别为输出的内圈、法兰盘和外圈的斜率和常数。
步骤2,基于神经网络建立轴向游隙贡献量补足模型。基于神经网络算法研究轴承沟道参量与零部件的沟道游隙之间多对多的函数映射关系,建立输入元,输出元,中层处理层,建立数据库和阙值函数为学习细胞元,可实现在变更钢珠的条件下,测量内圈、法兰盘和外圈三个零部件的轴向游隙贡献量。
在模型中xi为原始输入数据,即内圈、法兰盘和外圈的轴向游隙贡献量的测量值;ui为增加过权重之后的组合输出值;ki为神经元的阙值;θi为处理转化过的中层神经元值,这里表示为内圈、法兰盘和外圈的沟道参数值;f(θi)为计算沟道轴向综合位置值的函数。
由于输入的内圈、法兰盘和外圈的轴向游隙贡献量的测量值均为精确测量数据,权重相同,则权重均设为1。ui函数为
轴承内圈、法兰盘和外圈的轴向游隙贡献量与沟道参数值有对应的映射关系,则可建立对应的数据库,通过距离最小原则由内圈、法兰盘和外圈的沟道轴向综合位置值得出沟道参数值。建立阙值函数如下:
aaj=a1(k),j=1,2,...,12
bbj=b1(k),j=1,2,...,12
ccj=c1(k),j=1,2,...,12
其中,k为常数,表示差值绝对值的最小值所处的行数,可以用找出对应的斜率和常数。aa为内圈沟道参数,bb为外圈沟道参数,cc为法兰盘沟道参数。
转化函数f(θi)为计算沟道轴向综合位置值的函数,由阙值函数得出的内圈、法兰盘和外圈的轴向游隙贡献量与沟道参数值可计算出不同钢珠尺寸条件下的轴向游隙值。
步骤3,建立基于轴向游隙贡献量的套圈零件整体匹配模型。目前控制轴承轴向游隙的方法主要有两种:一种是变更钢珠来实现轴向游隙的控制;另一种是通过变换内圈,然后匹配钢珠来控制轴向游隙。若变更钢珠,和变换内圈和钢珠都不能补足轴向游隙,则需要通过磨削内圈来改变轴向游隙。利用步骤1和步骤2中的模型,结合调节轴向游隙的两种方法,建立套圈零件整体匹配模型。
本发明通过建立的数据库,能够直接找出库存中尺寸相匹配的套圈零件,实现轴承的快速选配,提高了轴承的匹配合格率,大大减少了生产成本和周期。
附图说明
图1是本发明的线性轴向游隙补足模型示意图;
图2是本发明的神经网络模型图;
图3是本发明的轴承匹配流程图。
具体实施方式
下面结合附图对本发明作进一步的说明。
首先利用线性回归算法,建立线性轴向游隙贡献量补足模型,如图1;基于神经网络算法,建立轴向游隙贡献量补足模型,如图2;然后使用MATLAB软件产生一组仿真数据,通过上述两个模型,得出这组仿真数据关于钢珠函数的斜率和常数,建立斜率和常数数据库;由于数据库中每一行都是一一对应的,则可以通过距离最小原则在数据库中找出,和成产的内圈、法兰盘和外圈的沟道轴向综合位置值距离最近的数据在哪一行(列);最后建立基于轴向游隙贡献量的套圈零件整体匹配模型,对成产的套圈零件进行选择装配,匹配模型流程图如图3所示。
本发明的匹配模型具体步骤如下:
步骤1:测量内圈、法兰盘和外圈轴向游隙贡献量ΔMnei,ΔMfa,ΔMwai;
步骤2:选择标准零件,试装标准轴承,测出标准内圈、法兰盘和外圈的沟道轴向综合位置值Mnei0,Mfa0,Mwai0;
步骤3:由ΔM=M-M0可以得出,待装内圈、法兰盘和外圈的沟道轴向综合位置值Mnei,Mfa,Mwai;
步骤4:根据距离最小原则,找出测量数据和数据库数据差值最小的数据,进而找到对应的斜率及常数,输出内圈、法兰盘和外圈的斜率a和常数b;
步骤5:由斜率a和常数b,计算出在不同等级钢珠条件下的轴向游隙Ga的值;
步骤6:判断Ga是否达标,若达标,则输出钢珠等级;
步骤7:若未达标,则变换内圈,检索内圈库存,并计算在不同等级钢珠条件下的Ga值;
步骤8:判断Ga值是否达标,若达标,则输出内圈尺寸和钢珠等级,并将该内圈从内圈库存中剔除;
步骤9:若未达标,找出Ga>0.025的内圈,计算出最少磨削量和对应的钢珠等级;
步骤10:若没有Ga>0.025的内圈,则匹配失败,生产的内圈放回库存。
本发明通过建立的数据库,能够直接找出库存中尺寸相匹配的套圈零件,实现轴承的快速选配,提高了轴承的匹配合格率,大大减少了生产成本和周期。
Claims (5)
1.一种基于轴向游隙贡献量的轴承套圈零件匹配方法,其特征在于,包括:
步骤1,建立线性轴向游隙贡献量补足模型,轴承在标准钢珠下测量得出的三个零部件游隙贡献量值,在坐标系上表示为一个点,关于钢珠尺寸的函数为一元线性函数,现根据测量数据已知一条直线上的一个点,可得出直线斜率和常数,进而计算出在不同钢珠尺寸条件下,内圈、法兰盘和外圈的轴承游隙贡献量;
步骤2,基于神经网络建立轴向游隙贡献量补足模型,基于神经网络算法研究轴承沟道参量与零部件的沟道游隙之间多对多的函数映射关系,建立输入元,输出元,中层处理层,建立数据库和阙值函数为学习细胞元,可实现在变更钢珠的条件下,测量内圈、法兰盘和外圈三个零部件的轴向游隙贡献量;
步骤3,建立基于轴向游隙贡献量的套圈零件整体匹配模型。
2.如权利要求1所述的基于轴向游隙贡献量的轴承套圈零件匹配方法,其特征在于:
在步骤1中,根据仿真数据建立线性模型的斜率和常数数据库,按照距离最小原则在数据库中找出套圈零件轴向游隙贡献量关于钢珠尺寸的线性函数,然后得出不同钢珠尺寸条件下,内圈、法兰盘和外圈在所有钢珠条件下的沟道轴向综合位置值;距离最小原则模型如下:
aa1=a1(k),bb1=b1(k)
aa2=a2(k),bb2=b2(k)
aa3=a3(k),bb3=b3(k)
其中,M表示生产的内圈、法兰盘和外圈的沟道轴向综合位置测量值,例如Mnei为内圈的测量值;KM表示内圈、法兰盘和外圈的数据库值;CM表示生产的内圈、法兰盘和外圈的测量值与数据库值的差值;MCM表示三个零件CM和的绝对值的最小值;k为常数,代表差值最小值所处的行数,可用k找出对应的斜率和行数;a为斜率数据库,与内圈、法兰盘和外圈的斜率数据库值行数相对应;b为常数的数据库,与内圈、法兰盘和外圈的常数数据库值行数相对应;aa和bb分别为输出的内圈、法兰盘和外圈的斜率和常数。
3.如权利要求1所述的基于轴向游隙贡献量的轴承套圈零件匹配方法,其特征在于:
在步骤2中,模型中xi为原始输入数据,即内圈、法兰盘和外圈的轴向游隙贡献量的测量值;ui为增加过权重之后的组合输出值;ki为神经元的阙值;θi为处理转化过的中层神经元值,这里表示为内圈、法兰盘和外圈的沟道参数值;f(θi)为计算沟道轴向综合位置值的函数。
4.如权利要求3所述的基于轴向游隙贡献量的轴承套圈零件匹配方法,其特征在于:
由于输入的内圈、法兰盘和外圈的轴向游隙贡献量的测量值均为精确测量数据,权重相同,则权重均设为1,因此ui函数为:
其中,ΔMnei、ΔMfa、ΔMwai分别表示内圈、法兰盘和外圈的轴向游隙贡献量的测量值。
5.如权利要求1所述的基于轴向游隙贡献量的轴承套圈零件匹配方法,其特征在于:
在步骤2中,神经网络模型中阙值函数的公式为:
aaj=a1(k),j=1,2,...,12
bbj=b1(k),j=1,2,...,12
ccj=c1(k),j=1,2,...,12
其中,k为常数,表示差值绝对值的最小值所处的行数,可以用找出对应的斜率和常数;aa为内圈沟道参数,bb为外圈沟道参数,cc为法兰盘沟道参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810743698.4A CN108984892A (zh) | 2018-07-09 | 2018-07-09 | 一种基于轴向游隙贡献量的轴承套圈零件匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810743698.4A CN108984892A (zh) | 2018-07-09 | 2018-07-09 | 一种基于轴向游隙贡献量的轴承套圈零件匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108984892A true CN108984892A (zh) | 2018-12-11 |
Family
ID=64537494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810743698.4A Pending CN108984892A (zh) | 2018-07-09 | 2018-07-09 | 一种基于轴向游隙贡献量的轴承套圈零件匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108984892A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275328A (zh) * | 2020-01-19 | 2020-06-12 | 哈尔滨工业大学(威海) | 基于综合灰关联序的rngru位标器零部件选配方法 |
CN112231857A (zh) * | 2020-09-30 | 2021-01-15 | 中国航空工业集团公司雷华电子技术研究所 | 一种盖板和壳体的智能匹配方法 |
-
2018
- 2018-07-09 CN CN201810743698.4A patent/CN108984892A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275328A (zh) * | 2020-01-19 | 2020-06-12 | 哈尔滨工业大学(威海) | 基于综合灰关联序的rngru位标器零部件选配方法 |
CN111275328B (zh) * | 2020-01-19 | 2022-02-22 | 哈尔滨工业大学(威海) | 基于综合灰关联序的rngru位标器零部件选配方法 |
CN112231857A (zh) * | 2020-09-30 | 2021-01-15 | 中国航空工业集团公司雷华电子技术研究所 | 一种盖板和壳体的智能匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106125574B (zh) | 基于dpi模型的压电陶瓷微定位平台建模方法 | |
CN108984892A (zh) | 一种基于轴向游隙贡献量的轴承套圈零件匹配方法 | |
CN105046079B (zh) | 一种基于d-最优内表设计的田口试验设计方法 | |
CN108416086A (zh) | 一种基于深度学习算法的航空发动机全包线模型自适应修正方法 | |
Kim et al. | An experimental study on the optimization of controller gains for an electro-hydraulic servo system using evolution strategies | |
CN107276070B (zh) | 计及一二次调频的发输电系统运行可靠性建模评估方法 | |
CN112149903B (zh) | 基于bp神经网络算法的火电机组一次调频分析与优化方法 | |
CN102589092A (zh) | 基于新型模糊控制器的室内环境热舒适度控制方法 | |
CN111443718B (zh) | 基于预报误差法的高速列车状态反馈预测控制方法及系统 | |
CN109635337A (zh) | 一种基于块增量随机配置网络的工业过程软测量建模方法 | |
CN101533483B (zh) | 金属塑料复合自润滑材料塑料工作层成分优化方法 | |
CN112990601B (zh) | 基于数据挖掘的蜗轮加工精度自愈系统及方法 | |
CN112765787A (zh) | 动态环境下考虑性能指标聚类的退化建模与寿命预测方法 | |
Bhat et al. | Design and test of a Pareto optimal flat pad aerostatic bearing | |
CN114485800B (zh) | 适用于气体多参数移动监测仪的远程质控方法 | |
CN105117530B (zh) | 一种粗细结合调节实现汽轮机及其调速系统参数辨识方法 | |
CN111829638B (zh) | 一种体重实时测量方法 | |
CN108509735A (zh) | 一种缸套-活塞环磨合状态预测方法 | |
CN109117597B (zh) | 一种基于对应分析法的加工关键因素分级方法 | |
CN110362959A (zh) | 滚珠丝杠运动结合部虚拟梯度材料建模及参数获取方法 | |
CN107544578B (zh) | 基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制方法 | |
CN112365022A (zh) | 一种基于多阶段的发动机轴承故障预测方法 | |
CN114841075B (zh) | 一种电-气综合能源系统的最优能流计算建模方法 | |
Lipski et al. | Implementation of artificial intelligence in optimisation of technological processes | |
CN114547945B (zh) | 一种用于回转支承动态特性仿真分析的动力学建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181211 |