CN112733300B - 滚筒洗衣机零部件的选型方法、设备及存储介质 - Google Patents
滚筒洗衣机零部件的选型方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112733300B CN112733300B CN202110058291.XA CN202110058291A CN112733300B CN 112733300 B CN112733300 B CN 112733300B CN 202110058291 A CN202110058291 A CN 202110058291A CN 112733300 B CN112733300 B CN 112733300B
- Authority
- CN
- China
- Prior art keywords
- washing machine
- drum washing
- parts
- collision
- structural parameters
- 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
- 238000005406 washing Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000035945 sensitivity Effects 0.000 claims abstract description 60
- 238000005094 computer simulation Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 238000010187 selection method Methods 0.000 claims abstract description 9
- 238000006073 displacement reaction Methods 0.000 claims description 70
- 238000013016 damping Methods 0.000 claims description 33
- 238000004088 simulation Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013178 mathematical model Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000018044 dehydration Effects 0.000 abstract description 28
- 238000006297 dehydration reaction Methods 0.000 abstract description 28
- 239000000463 material Substances 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 2
- 208000005156 Dehydration Diseases 0.000 description 24
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 239000000725 suspension Substances 0.000 description 6
- 230000002085 persistent effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012827 research and development Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Control Of Washing Machine And Dryer (AREA)
- Main Body Construction Of Washing Machines And Laundry Dryers (AREA)
Abstract
本申请是关于一种滚筒洗衣机零部件的选型方法。该方法包括:对待选零部件的灵敏度信息进行分析得到对于滚筒洗衣机脱水稳定性具有一定影响力的目标零部件,再基于滚筒洗衣机进行动力学仿真的结果得到符合脱水稳定性要求的该目标零部件的型号。本申请提供的方案,能够选出在保证滚筒洗衣机脱水稳定性方面可靠的零部件型号,从而在提高滚筒洗衣机脱水稳定性的同时,节省反复打样测试浪费的人力、物力和时间。
Description
技术领域
本申请涉及洗衣机技术领域,尤其涉及滚筒洗衣机零部件的选型方法、设备及存储介质。
背景技术
随着社会经济水平的提高,洗衣机成为了千家万户都配备的家用电器。目前,滚筒洗衣机在脱水阶段会出现撞桶以及洗衣机移位的现象,不仅严重影响用户体验还会对洗衣机造成损耗,影响使用寿命。因此,解决滚筒洗衣机的撞桶和移位现象,保证滚筒洗衣机的脱水稳定性成为了洗衣机行业的痛点及难点。
滚筒洗衣机在脱水阶段会出现撞桶和移位现象是由于其悬挂系统设计有缺陷。目前,在行业中,悬挂系统零部件大多是凭研发人员的经验进行设计,设计后打板进行测试,测试中出现问题后再凭经验进行部件修改,并通过不断打印手板进行脱水稳定性的验证,再反复进行修改得到最终的悬挂系统零部件。
上述方案存在以下技术缺陷:
1、凭借研发人员经验进行悬挂系统零部件的设计,对研发人员的技术要求很高,容易造成设计出的悬挂系统零部件可靠性差。
2、反复打板测试不仅影响样机开发进度,同时浪费了大量人力、物力和时间。
发明内容
为克服相关技术中存在的问题,本申请提供一种滚筒洗衣机零部件的选型方法,该方法通过对灵敏度信息的分析和对滚筒洗衣机进行动力学仿真,能够快速可靠地选出符合滚筒洗衣机脱水稳定性要求的目标零部件型号。
本申请第一方面提供一种滚筒洗衣机零部件的选型方法,包括:
获取滚筒洗衣机上M个防撞点的相对位置信息和相对距离信息,其中M为正整数;
在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件,其中N为正整数;
基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值;
通过比较所述M个防撞点的位移最大值与相对距离信息,得到使所述M个防撞点符合目标条件的N个目标零部件的型号;所述目标条件为基于N个目标零部件的结构参数仿真得到的M个防撞点的位移最大值均不超过M个防撞点的相对距离信息。
在一种实施方式中,所述在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件之前,包括:
获取所述每个待选零部件的相对灵敏度。
在一种实施方式中,所述获取所述每个待选零部件的相对灵敏度,包括:
以所述防撞点的位移最大值为系统目标函数得到以下表达式;
F=f(b1,b2,b3,...,bn)
其中,F为防撞点的位移最大值,f(.)为广义函数,bj(j=1,2,…,n)为所述待选零部件集合的结构参数;
基于有限差分法,令所述待选零部件集合的一个结构参数发生一个参数变化量,其余结构参数不变,得到一个系统响应变化量;
基于所述参数变化量和所述系统响应变化量,根据以下计算公式计算所述待选零部件的灵敏度;
在Δbj非常小的条件下,根据以下计算公式得到所述待选零部件的灵敏度;
基于所述待选零部件的灵敏度的计算公式,去除量纲不同对灵敏度的影响,根据以下计算公式得到所述待选零部件的相对灵敏度;
在一种实施方式中,所述在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件,包括:
将获取的所述每个待选零部件的相对灵敏度由高到低进行排序;
选取排序中相对灵敏度前N位对应的待选零部件作为目标零部件。
在一种实施方式中,所述基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值之前,包括:
获取所述待选零部件集合的结构参数和约束关系;
获取所述滚筒洗衣机中滚筒与箱体之间的阻尼力;
获取所述滚筒洗衣机中滚筒的旋转驱动参数。
在一种实施方式中,所述获取所述待选零部件集合的结构参数和约束关系,包括:
获取所述滚筒洗衣机模型;
对所述滚筒洗衣机模型进行简化处理,得到所述待选零部件集合的结构参数和约束关系;所述待选零部件集合的结构参数包括:弹簧刚度、弹簧原长、上配重密度、前配重密度、上配重位置、前配重位置、弹簧安装角度和阻尼器安装角度;所述约束关系包括:固定副、圆柱副、旋转副和万向节副。
在一种实施方式中,所述获取所述滚筒洗衣机中滚筒与箱体之间的阻尼力,包括:
获取所述滚筒洗衣机中阻尼器的阻尼力和运动速度的测试数据;
基于所述测试数据和以下计算公式求解出Bouc-Wen数学模型的参数,得到所述滚筒洗衣机中阻尼力的数学模型;
基于所述阻尼力的数学模型得到所述阻尼力的仿真函数语言。
在一种实施方式中,所述基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值,包括:
获取N个目标零部件的结构参数;
用所述N个目标零部件的结构参数替代所述待选零部件集合中相同零部件的结构参数,得到优化后的结构参数;
在所述滚筒洗衣机模型中添加偏心质量块;
基于所述优化后的结构参数、所述防撞点的相对位置信息和添加偏心质量块后的滚筒洗衣机模型进行多体动力学仿真,得到所述M个防撞点的位移最大值。
在一种实施方式中,所述通过比较所述M个防撞点的位移最大值与相对距离信息,得到使所述M个防撞点符合目标条件的N个目标零部件的型号,包括:
计算M个防撞点中每一个防撞点位移最大值与距离信息的差值,得到M个防撞点的位移偏差;
取所述M个防撞点的位移偏差中的最大值作为最大位移偏差;
判断所述最大位移偏差是否小于0,若是,则输出所述最大位移偏差以及所述N个目标零部件的结构参数所对应的N个零部件的型号;若否,则更新所述N个目标零部件的结构参数,并重新执行所述基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真的步骤,直至所述M个防撞点符合目标条件。
本申请第二方面提供一种电子设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
本申请第三方面提供一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
本申请提供的技术方案包括以下有益效果:
本技术方案基于对待选零部件的灵敏度信息进行分析得到对于滚筒洗衣机脱水稳定性具有一定影响力的目标零部件,再基于滚筒洗衣机动力学仿真的结果得到符合脱水稳定性要求的该目标零部件型号。由于上述目标零部件的灵敏度较高,对其进行优化选型能够大幅度提升滚筒洗衣机的脱水稳定性;在仿真系统中通过调整目标零部件的结构参数使仿真结果表现出良好的脱水稳定性,从而提高了目标零部件型号在脱水稳定性上的可靠性;且在仿真系统中可以随时进行目标零部件结构参数的修改和测试,不需要反复打样,节省了大量人力、物力和时间。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的滚筒洗衣机零部件的选型方法的流程示意图;
图2是本申请实施例示出的灵敏度分析方法的流程示意图;
图3是本申请实施例示出的滚筒洗衣机零部件的选型方法的另一流程示意图;
图4是本申请实施例示出的结构参数和约束关系的获取方法的流程示意图;
图5是本申请实施例示出的阻尼力的获取方法的流程示意图;
图6是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
目前,在洗衣机行业中,悬挂系统的零部件大多是凭研发人员的经验进行设计,设计后反复打板进行测试来达到滚筒洗衣机脱水稳定性的要求,然而基于研发人员的经验进行零部件的打板测试不仅设计得到的零部件可靠性,而且还会耗费大量的人力、物力和时间,影响洗衣机的生产进度。
实施例1
针对上述问题,本申请实施例提供一种滚筒洗衣机零部件的选型方法,能够快速选出符合滚筒洗衣机脱水稳定性要求的可靠的零部件型号。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的滚筒洗衣机零部件的选型方法的流程示意图。
参见图1,所述滚筒洗衣机零部件选型方法,包括:
101、获取滚筒洗衣机上M个防撞点的相对位置信息和相对距离信息,其中M为正整数;
在本申请实施例中,所述防撞点为所述滚筒洗衣机运行脱水模式时,滚筒与箱体之间发生碰撞的潜在点。
所述防撞点的相对位置信息和相对距离信息获取方式不唯一,在实际应用过程中,可以通过多体动力学仿真得到滚筒洗衣机在运行脱水模式时的动画,以动画中滚筒与箱体发生碰撞的几个位置坐标作为防撞点,从而获取得到防撞点的相对位置信息和相对距离信息,或对所述滚筒洗衣机进行实际测试得出滚筒与箱体发生碰撞的位置,计算机基于用户输入的信息获得所述防撞点的相对位置信息和相对距离信息。
可以理解的是,上述对于防撞点的相对位置信息和相对距离信息的获取方式仅是本申请实施例中的一个示例,不应该作为本发明的限定。
102、在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件,其中N为正整数;
在本申请实施例中,在执行所述步骤102之前,还需要执行获取所述每个待选零部件的相对灵敏度的步骤。
在本申请实施例中,所述在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件可以具体表示为以下步骤,示例性的:
将获取的所述每个待选零部件的相对灵敏度由高到低进行排序;
选取排序中相对灵敏度前N位对应的待选零部件作为目标零部件。
在本申请实施例中,对于每个待选零部件的相对灵敏度的获取方式并没有严格的限定,在实际应用过程中,可以通过多种方式获取零部件的相对灵敏度,例如,可以通过灵敏度分析或调用历史数据进行相对灵敏度信息的获取。
可以理解的是,上述对于相对灵敏度的获取方式仅是一个示例,不应作为对本发明的限定。
在本申请实施例中,对于待选零部件集合并没有严格的限定,可以包括箱体、弹簧、阻尼器、外筒、内筒、电机和配重中的若干个零部件,在实际应用过程中,可以根据公司规定或技术要求进行调整,例如,对于一款待优化的滚筒洗衣机,公司规定其使用的阻尼器不可更改,则所述待选零部件集合包括:箱体、弹簧、外筒、内筒、电机和配重。
可以理解的是,上述对于待选零部件集合的描述仅是本申请实施例中的一个示例,不应作为对本发明的限定。
103、基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值;
需要说明的是,在实际应用过程中,任何能够对所述滚筒洗衣机进行脱水模式仿真的动力学仿真方法都适用于本发明,例如,包括多刚体动力学仿真和多柔体动力学仿真在内的多体动力学仿真。
可以理解的是,上述对于动力学仿真的描述仅是一个示例,不应该作为对本发明的限定。
104、通过比较所述M个防撞点的位移最大值与相对距离信息,得到使所述M个防撞点符合目标条件的N个目标零部件的型号;
所述目标条件为基于N个目标零部件的结构参数仿真得到的M个防撞点的位移最大值均不超过M个防撞点的相对距离信息。
在本申请实施例中,除了以防撞点的位移最大值不能够超过防撞点的相对距离信息作为目标条件进行滚筒洗衣机零部件选型之外,进一步地,还可以添加其他目标条件对所述滚筒洗衣机进行零部件选型,例如,所述滚筒洗衣机零部件的总质量不能大于一定数值和/或滚筒洗衣机零部件的主惯性轴不能和箱体的夹角超过一定的偏差。
可以理解的是,上述对于目标条件的描述仅是本申请实施例中的一个示例,不应该构成对本发明的限定。
本申请实施例基于对待选零部件的灵敏度信息进行分析得到对于滚筒洗衣机脱水稳定性具有一定影响力的目标零部件,再基于滚筒洗衣机动力学仿真的结果得到符合脱水稳定性要求的该目标零部件型号。由于上述目标零部件的灵敏度较高,对其进行优化选型能够大幅度提升滚筒洗衣机的脱水稳定性;在仿真系统中通过调整目标零部件的结构参数使仿真结果表现出良好的脱水稳定性,从而提高了目标零部件型号在脱水稳定性上的可靠性;且在仿真系统中可以随时进行目标零部件结构参数的修改和测试,不需要反复打样,节省了大量人力、物力和时间。
实施例2
在实际应用中,本申请实施例对上述实施例1中步骤102中灵敏度信息的获取方法进行了设计,图2为灵敏度分析方法的流程示意图,具体请参见图2,所述灵敏度信息的获取方法,包括:
201、构建所述防撞点的位移最大值的系统目标函数表达式;
示例性的:
以所述防撞点的位移最大值为系统目标函数得到以下表达式;
F=f(b1,b2,b3,...,bn)
其中,F为防撞点的位移最大值,f(.)为广义函数,bj(j=1,2,…,n)为所述待选零部件集合的结构参数。
202、基于所述系统目标函数表达式计算每个待选零部件的灵敏度;
示例性的:
基于有限差分法,令所述待选零部件集合的一个结构参数发生一个参数变化量,其余结构参数不变,得到一个系统响应变化量;
基于所述参数变化量和所述系统响应变化量,根据以下计算公式计算所述待选零部件的灵敏度;
在Δbj非常小的条件下,根据以下计算公式得到所述待选零部件的灵敏度。
203、基于所述待选零部件的灵敏度计算所述待选零部件的相对灵敏度。
示例性的:
基于所述待选零部件的灵敏度的计算公式,去除量纲不同对灵敏度的影响,根据以下计算公式得到所述待选零部件的相对灵敏度;
本申请实施例中提供一种灵敏度信息的获取方法,基于有限差分法计算出每个待选零部件的变化量对所述防撞点的位移最大值造成的影响,从而得到每个待选零部件的灵敏度,为了更好地进行灵敏度的比较,本申请实施例基于得到的每个待选零部件的灵敏度进行每个待选零部件的相对灵敏度的计算,去除量纲不同对其造成的影响,从而使得待选零部件的灵敏度之间具有可比性,从而保证了选出的目标零部件能够对滚筒洗衣机的脱水稳定性产生足够大的影响,从而使得优化选型后的零部件在保证滚筒洗衣机的脱水稳定性上具有足够的可靠度。
实施例3
本申请实施例提供了一种详尽的滚筒洗衣机零部件的选型方法,该方法不仅对实施例1中步骤103和步骤104进行了设计,还提供了进行动力学仿真前,对仿真所需信息进行前置处理的方法。图3为滚筒洗衣机零部件的选型方法的另一流程示意图,具体请参见图3,所述滚筒洗衣机零部件的选型方法包括:
301、获取所述滚筒洗衣机的动力学参数;
在本申请实施例中,所述获取所述滚筒洗衣机的动力学参数可以依照以下具体步骤执行,示例性的:
获取所述待选零部件集合的结构参数和约束关系;
获取所述滚筒洗衣机中滚筒与箱体之间的阻尼力;
获取所述滚筒洗衣机中滚筒的旋转驱动参数。
需要说明的是,上述对于所述滚筒洗衣机的动力学参数的具体步骤及其执行顺序的描述仅是一个示例,即上述的具体执行步骤之间没有严格的时序限定,所述结构参数和约束关系、所述阻尼力和所述旋转驱动参数的获取步骤可以同步执行或先后执行。
可以理解的是,上述对于获取所述滚筒洗衣机的动力学参数的描述仅是一种示例,不应该作为对本发明的限定。
302、获取滚筒洗衣机上M个防撞点的相对位置信息和相对距离信息;
在本申请实施例中,步骤302与上述实施例1中步骤101的内容一致,此处不再赘述。
需要说明的是,本申请实施例中步骤302与步骤301并没有严格的时序关系,步骤302可以在步骤301之前执行或与步骤301并行。
可以理解的是,上述对于步骤301与步骤302的顺序描述仅是一个示例,不构成对本发明的限定。
303、在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件;
在本申请实施例中,步骤303与上述实施例1中步骤102的内容一致,此处不再赘述。
304、获取N个目标零部件的结构参数;
在本申请实施例中,所述N个目标零部件的结构参数为以步骤301中获取的结构参数为基础进行调整后得到的结构参数。
本申请实施例对于该调整过程中使用的方法并没有严格的限定,该调整过程可以是研发人员基于自身经验对所述N个目标零部件的结构参数进行设置或计算机基于一定的调整幅度对步骤301中获取的结构参数进行调整,例如,选出的目标零部件为弹簧,步骤301中获取的弹簧原长为140mm,以5%的调整幅度对其进行调整,调整后得到目标零部件的结构参数为147mm。
可以理解的是,上述对于所述获取N个目标零部件的结构参数的描述仅是一个示例,不构成对本发明的限定。
305、用所述N个目标零部件的结构参数替代所述待选零部件集合中相同零部件的结构参数,得到优化后的结构参数;
在本申请实施例中,所述优化指的是待选零部件集合的结构参数中,仅有目标零部件对应的结构参数发生了更新,其余的零部件参数仍然为步骤301中获取到的结构参数。
可以理解的是上述对于优化后的结构参数的描述仅是本申请实施例中的一个示例,不构成对本发明的限定。
306、在所述滚筒洗衣机模型中添加偏心质量块;
在本申请实施例中,在所述滚筒洗衣机模型中添加偏心质量块具体可表示为在所述滚筒洗衣机的滚筒内添加偏心质量块以模拟衣物脱水时的偏心状况。
需要说明的是步骤306与步骤304和步骤305没有严格的时序关系,即步骤306可以在步骤304之前执行,或在步骤304与步骤305之间执行。
可以理解的是,上述对于步骤306的执行顺序描述仅是一个示例,不构成对本发明的限定。
307、对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值;
示例性的:
基于所述优化后的结构参数、所述防撞点的相对位置信息和添加偏心质量块后的滚筒洗衣机模型进行多体动力学仿真,得到所述M个防撞点的位移最大值。
308、计算M个防撞点中每一个防撞点位移最大值与距离信息的差值,得到M个防撞点的位移偏差;
在本申请实施例中,假设测量得到一个防撞点与箱体的相对距离信息为S1,仿真后获取该防撞点的位移最大值为S2,则该防撞点的位移偏差为△S1=S2-S1。基于上述过程,该步骤执行完成后,可以得到△S1,△S2,△S3,...,△Sn共M个位移偏差。
可以理解的是,以上符号S1、S2和△S1的使用仅为了方便描述,不构成对本发明的限定。
309、取所述M个防撞点的位移偏差中的最大值作为最大位移偏差;在申请实施例中,示例性的,根据以下计算公式得到最大位移偏差:
△S=max(△S1,△S2,△S3,...,△Sn)
其中,△S为最大位移偏差。
可以理解的是,以上符号的使用仅为了方便描述,不构成对本发明的限定。
310、对所述最大位移偏差进行判断。
判断所述最大位移偏差是否小于0,若是,则输出所述最大位移偏差以及所述N个目标零部件的结构参数所对应的N个零部件的型号;若否,则更新所述N个目标零部件的结构参数,并重新执行所述基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真的步骤,直至所述M个防撞点符合目标条件。
在本申请实施例中,所述最大位移偏差的判断过程具体为:
判断△S≤0是否成立,若成立,则基于步骤304中获取到的N个目标零部件的结构参数搜索得到其对应的零部件的型号,并将所述零部件的型号和△S输出;若不成立,则返回执行步骤304直至△S≤0成立。其中,△S为最大位移偏差。
进一步地,步骤304至步骤310可以重复执行,得到若干个最大位移偏差△S及其对应的目标零部件的型号,选取其中最小的△S对应的目标零部件的型号作为所述滚筒洗衣机的零部件的型号。
可以理解的是,上述对于最大位移偏差的判断过程的描述仅是本申请实施例的一个描述,不应该作为对本发明的限定。
本申请实施例中,对仿真所需的信息进行了前置处理,使得仿真效果更符合滚筒洗衣机的实际运行情况;对于仿真得到的防撞点的位移最大值进行处理后得到最大位移偏差,对最大位移偏差进行数值判定,保证得到的目标零部件的型号能够满足脱水稳定性的要求,进一步地对最大位移偏差进行比较,可以得到在保证滚筒洗衣机上脱水稳定性上具有足够可靠度的目标零部件的型号;且仿真系统可以自动对目标零部件的结构参数进行调整,直至得到的仿真结果符合目标条件,无需反复进行打样测试,从而节省了大量的人力、物力和时间。
实施例4
在实际应用中,本申请实施例对实施例3的步骤301中待选零部件集合的结构参数和约束关系的获取方法进行了设计,图4为结构参数和约束关系的获取方法的流程示意图,具体请参见图4,所述待选零部件集合的结构参数和约束关系的获取方法,包括:
401、获取所述滚筒洗衣机模型;
在本申请实施例中,所述滚筒洗衣机模型的获取方式并不唯一,例如,可以通过扫描滚筒洗衣机的二维码获取所述滚筒洗衣机模型或使用增强现实技术AR对所述滚筒洗衣机进行扫描获取模型。
可以理解的是,上述对于滚筒洗衣机模型的获取方式的描述仅是一个示例,不应该作为对本发明的限定。
402、对所述滚筒洗衣机模型进行简化处理,得到所述待选零部件集合的结构参数和约束关系;
所述待选零部件集合的结构参数包括:弹簧刚度、弹簧原长、上配重密度、前配重密度、上配重位置、前配重位置、弹簧安装角度和阻尼器安装角度;所述约束关系包括:固定副、圆柱副、旋转副和万向节副。
在本申请实施例中,所述简化处理的具体过程为去除与动力学仿真无关的零部件,例如,进水管和排水管。
在本申请实施例中,所述约束关系包括但不限于固定副、圆柱副、旋转副和万向节副,在实际应用中还可以包括滑移副和球铰副。
在本申请实施例中,所述约束关系的获取方式并不唯一,可以基于研发人员输入的信息获取或通过扫描滚筒洗衣机的二维码获取。
可以理解的是,上述对于所述约束关系的描述仅是一个示例,不应作为对本发明的限定。
本申请实施例提供了一种待选零部件集合的结构参数和约束关系的获取方法,基于简化处理去除了与动力学仿真无关的零部件,减少了仿真系统的计算量,从而提高了仿真系统的处理速度,节省了滚筒洗衣机零部件选型的时间。
实施例5
在实际应用中,本申请实施例对实施例3的步骤301中所述阻尼力的获取方法进行了设计,图5为阻尼力的获取方法的流程示意图,具体请参见图5,所述阻尼力的获取方法,包括:
501、获取所述滚筒洗衣机中阻尼器的阻尼力和运动速度的测试数据;
在本申请实施例中,对于进行阻尼器测试的仪器并没有严格的限定,可以使用任何能够检测到阻尼器运行时的阻尼力和运动速度的仪器进行阻尼器测试,本申请实施例中采用的是疲劳试验机。
可以理解的是,上述对于阻尼器测试的描述仅是本申请实施例中的一个示例,不应构成对本发明的限定。
502、基于所述测试数据计算出所述阻尼力的数学模型;
示例性的:
基于所述测试数据和以下计算公式求解出Bouc-Wen数学模型的参数,得到所述滚筒洗衣机中阻尼力的数学模型;
可以理解的是,上述对于阻尼力的数学模型的描述仅是本申请实施例中的一个示例,不构成对本发明的限定。
503、基于所述阻尼力的数学模型得到所述阻尼力的仿真函数语言。
在本申请实施例中,所述阻尼力的仿真函数语言的获取方法可以为基于数学模型用计算机语言编写源代码或用可视化仿真工具Simulink建立系统框图。
需要说明的是,上述对于所述仿真函数语言的描述仅是一个示例,不构成对本发明的限定。
本申请实施例提供了一个滚筒洗衣机中阻尼器的阻尼力和运动速度测试数据的获取方法。由实验可知,滚筒洗衣机中阻尼器的力为一变阻尼力,基于仪器测试得到的阻尼力和对应运动速度计算出的阻尼力的数学模型,能够准确地描述阻尼器实际运行的情况,通过对数学模型进行转换得到的仿真函数语言能够使系统准确地对滚筒洗衣机运行状况进行仿真,从而提高仿真结果的可靠性。
图6是本申请实施例示出的电子设备的结构示意图。
参见图6,电子设备1000包括存储器1010和处理器1020。
处理器1020可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1010可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器1010可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器1010可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器1010上存储有可执行代码,当可执行代码被处理器1020处理时,可以使处理器1020执行上文述及的方法中的部分或全部。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种滚筒洗衣机零部件的选型方法,其特征在于:
获取滚筒洗衣机上M个防撞点的相对位置信息和相对距离信息,其中M为正整数;
在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件,其中N为正整数;
基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值;
通过比较所述M个防撞点的位移最大值与相对距离信息,得到使所述M个防撞点符合目标条件的N个目标零部件的型号;所述目标条件为基于N个目标零部件的结构参数仿真得到的M个防撞点的位移最大值均不超过M个防撞点的相对距离信息;其中,防撞点的相对距离信息指的是各防撞点与箱体的相对距离。
2.根据权利要求1所述的滚筒洗衣机零部件的选型方法,其特征在于,所述在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件之前,包括:
获取所述每个待选零部件的相对灵敏度。
3.根据权利要求2所述的滚筒洗衣机零部件的选型方法,其特征在于,所述获取所述每个待选零部件的相对灵敏度,包括:
以防撞点的位移最大值为系统目标函数得到以下表达式;
F=f(b1,b2,b3,…,bn)
其中,F为防撞点的位移最大值,f(.)为广义函数,bj(j=1,2,…,n)为所述待选零部件集合的结构参数;
基于有限差分法,令所述待选零部件集合的一个结构参数发生一个参数变化量,其余结构参数不变,得到一个系统响应变化量;
基于所述参数变化量和所述系统响应变化量,根据以下计算公式计算所述待选零部件的灵敏度;
在Δbj非常小的条件下,根据以下计算公式得到所述待选零部件的灵敏度;
基于所述待选零部件的灵敏度的计算公式,去除量纲不同对灵敏度的影响,根据以下计算公式得到所述待选零部件的相对灵敏度;
4.根据权利要求1所述的滚筒洗衣机零部件的选型方法,其特征在于,所述在待选零部件集合中,根据每个零部件的灵敏度信息选出所述滚筒洗衣机的N个目标零部件,包括:
将获取的所述每个待选零部件的相对灵敏度由高到低进行排序;
选取排序中相对灵敏度前N位对应的待选零部件作为目标零部件。
5.根据权利要求1所述的滚筒洗衣机零部件的选型方法,其特征在于,所述基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值之前,包括:
获取所述待选零部件集合的结构参数和约束关系;
获取所述滚筒洗衣机中滚筒与箱体之间的阻尼力;
获取所述滚筒洗衣机中滚筒的旋转驱动参数。
6.根据权利要求5所述的滚筒洗衣机零部件的选型方法,其特征在于,所述获取所述待选零部件集合的结构参数和约束关系,包括:
获取所述滚筒洗衣机的模型;
对所述滚筒洗衣机的模型进行简化处理,得到所述待选零部件集合的结构参数和约束关系;所述待选零部件集合的结构参数包括:弹簧刚度、弹簧原长、上配重密度、前配重密度、上配重位置、前配重位置、弹簧安装角度和阻尼器安装角度;所述约束关系包括:固定副、圆柱副、旋转副和万向节副。
8.根据权利要求1所述的滚筒洗衣机零部件的选型方法,其特征在于,所述基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真,得到所述M个防撞点的位移最大值,包括:
获取N个目标零部件的结构参数;
用所述N个目标零部件的结构参数替代所述待选零部件集合中相同零部件的结构参数,得到优化后的结构参数;
在所述滚筒洗衣机的模型中添加偏心质量块;
基于所述优化后的结构参数、所述防撞点的相对位置信息和添加偏心质量块后的滚筒洗衣机的模型进行多体动力学仿真,得到所述M个防撞点的位移最大值。
9.根据权利要求1所述的滚筒洗衣机零部件的选型方法,其特征在于,所述通过比较所述M个防撞点的位移最大值与相对距离信息,得到使所述M个防撞点符合目标条件的N个目标零部件的型号,包括:
计算M个防撞点中每一个防撞点位移最大值与距离信息的差值,得到M个防撞点的位移偏差;
取所述M个防撞点的位移偏差中的最大值作为最大位移偏差;
判断所述最大位移偏差是否小于0,若是,则输出所述最大位移偏差以及所述N个目标零部件的结构参数所对应的N个零部件的型号;若否,则更新所述N个目标零部件的结构参数,并重新执行所述基于所述N个目标零部件的结构参数和所述M个防撞点的相对位置信息对所述滚筒洗衣机进行动力学仿真的步骤,直至所述M个防撞点符合目标条件。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-9中任一项所述的方法。
11.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058291.XA CN112733300B (zh) | 2021-01-14 | 2021-01-14 | 滚筒洗衣机零部件的选型方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058291.XA CN112733300B (zh) | 2021-01-14 | 2021-01-14 | 滚筒洗衣机零部件的选型方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733300A CN112733300A (zh) | 2021-04-30 |
CN112733300B true CN112733300B (zh) | 2023-03-31 |
Family
ID=75591750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110058291.XA Active CN112733300B (zh) | 2021-01-14 | 2021-01-14 | 滚筒洗衣机零部件的选型方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733300B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763636A (zh) * | 2018-04-19 | 2018-11-06 | 南京航空航天大学 | 基于动力学仿真的滚筒洗衣机振动辐射噪声预测方法 |
CN110106664A (zh) * | 2018-02-01 | 2019-08-09 | 青岛海尔洗衣机有限公司 | 一种洗衣机偏心的判断方法及波轮洗衣机 |
CN110592878A (zh) * | 2019-09-11 | 2019-12-20 | 珠海格力电器股份有限公司 | 滚筒洗衣机的防撞筒方法、装置及滚筒洗衣机 |
CN111650881A (zh) * | 2020-05-12 | 2020-09-11 | 武汉理工大学 | 数控机床定位误差预测与补偿方法、系统及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10066333B2 (en) * | 2014-02-21 | 2018-09-04 | Samsung Electronics Co., Ltd. | Washing machine with ball balancer and method of controlling vibration reduction thereof |
KR102652592B1 (ko) * | 2019-02-01 | 2024-04-01 | 엘지전자 주식회사 | 세탁기 및 세탁기의 제어방법 |
-
2021
- 2021-01-14 CN CN202110058291.XA patent/CN112733300B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110106664A (zh) * | 2018-02-01 | 2019-08-09 | 青岛海尔洗衣机有限公司 | 一种洗衣机偏心的判断方法及波轮洗衣机 |
CN108763636A (zh) * | 2018-04-19 | 2018-11-06 | 南京航空航天大学 | 基于动力学仿真的滚筒洗衣机振动辐射噪声预测方法 |
CN110592878A (zh) * | 2019-09-11 | 2019-12-20 | 珠海格力电器股份有限公司 | 滚筒洗衣机的防撞筒方法、装置及滚筒洗衣机 |
CN111650881A (zh) * | 2020-05-12 | 2020-09-11 | 武汉理工大学 | 数控机床定位误差预测与补偿方法、系统及存储介质 |
Non-Patent Citations (5)
Title |
---|
基于ADAMS的滚筒洗衣机参数化模型研究;孙益民等;《机械工程师》;20080510(第05期);第60-62页 * |
基于ADAMS的滚筒洗衣机悬挂系统参数优化;郭远虎等;《机械工程师》;20170210(第02期);第116-118页 * |
基于多柔体动力学分析的滚筒洗衣机轴承选型研究;梁泉等;《电器杂志社会议论文集》;20201029;第1167-1169页 * |
滚筒洗衣机动态特性及结构参数优化研究;郭远虎;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20180315(第3期);第C042-2618页 * |
高转速滚筒洗衣机脱水振动分析与控制;侯凯泽等;《环境技术》;20191025;第37卷(第5期);第105-111页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112733300A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734691B (zh) | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 | |
Demeler et al. | Monte Carlo analysis of sedimentation experiments | |
CN108509324B (zh) | 选择计算平台的系统和方法 | |
CN110019660A (zh) | 一种相似文本检测方法及装置 | |
CN115600891B (zh) | 应用于水性丙烯酸树脂生产监测的大数据分析方法及系统 | |
KR101187065B1 (ko) | 시험 장치, 시험 방법 및 기록 매체 | |
Lombao et al. | The effects of blank size and knapping strategy on the estimation of core’s reduction intensity | |
WO2019235603A1 (ja) | 関係性分析装置、関係性分析方法および記録媒体 | |
CN112733300B (zh) | 滚筒洗衣机零部件的选型方法、设备及存储介质 | |
CN116542984A (zh) | 五金件缺陷检测方法、装置、计算机设备及存储介质 | |
KR102546340B1 (ko) | 노이즈 필터를 이용한 이상치 탐지 방법 및 장치 | |
CN108040250A (zh) | 一种智能电视性能的评估方法和装置 | |
CN111160667A (zh) | 一种提高食品安全预测模型鲁棒性的方法及装置 | |
CN107133137A (zh) | 一种便捷的获取rmt测试信息的方法 | |
CN115114865A (zh) | 流场数据计算方法、装置、计算设备及存储介质 | |
CN115878986A (zh) | 一种变工况轴承的退化趋势评估方法 | |
CN111143220B (zh) | 一种软件测试的训练系统及方法 | |
CN115310327A (zh) | 多工况组合的仿真分析方法及装置 | |
CN108763092A (zh) | 一种基于交叉验证的代码缺陷检测方法及装置 | |
Grabowicz et al. | Novelty in 2D CartPole Domain | |
CN111883226A (zh) | 一种信息处理和模型训练方法、装置、设备及存储介质 | |
Atanassov et al. | A Monte Carlo method for image classification using SVM | |
CN116541713B (zh) | 基于局部时频特征迁移学习的轴承故障诊断模型训练方法 | |
CN117876359B (zh) | 一种橡胶制品缺陷检测方法、装置、设备及介质 | |
US20220262455A1 (en) | Determining the goodness of a biological vector space |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |