[发明专利]一种RV减速器传动精度的优化方法有效
申请号: | 201810218411.6 | 申请日: | 2018-03-16 |
公开(公告)号: | CN108563831B | 公开(公告)日: | 2019-12-24 |
发明(设计)人: | 金寿松;佟小涛;王亚良;黄雪梅;曹海涛 | 申请(专利权)人: | 浙江工业大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 33201 杭州天正专利事务所有限公司 | 代理人: | 王兵;黄美娟 |
地址: | 310014 浙江省杭州*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 正交试验 传动 仿真软件 虚拟样机 影响因素 实验组 三维建模软件 多体动力学 传动误差 方案构建 工作载荷 结果数据 零件配合 零件误差 最优组合 输入端 对正 构建 优化 测量 预测 分析 | ||
1.一种RV减速器传动精度的优化方法,包括以下步骤:
S1、确定RV减速器传动精度的影响因素,包括零件误差、零件配合间隙、工作载荷;
S11、选取RV40-E型减速器为研究对象,根据零部件传动关系选取若干零件误差为影响因素;
S12、对RV减速机中零件间隙对传动精度的影响关系进行分析,选取主要的几个零件配合间隙为影响因素;
S2、结合影响因素构建正交试验方案;
S3、采用三维建模软件CREO与多体动力学仿真软件ADAMS依据正交试验方案构建虚拟样机实验组;
S31、采用三维建模软件CREO根据正交试验方案中零件误差建立RV减速器虚拟样机模型,由于ADAMS中难以构建复杂的三维模型,所以采用CREO根据正交试验方案建立RV减速器虚拟样机实验组,建模过程中对部分零部件进行简化,在CREO中建立摆线方程获得摆线轮齿廓曲线,摆线方程如下:
其中rz为针齿中心圆半径,zb为针齿齿数,rzz为针齿半径,za为摆线轮齿数,e为偏心距,drz为移距修行量,drzz为等距修行量;
通过方程绘制完整摆线轮的半个齿廓,然后通过镜像、阵列、拉伸命令得出摆线轮三维模型,其他实体模型的建立方法与此相似;将所有零件实体模型进行装配,随后对装配体进行无干涉检验,确定装配正确无零件干涉后将装配体保存为CREO与ADAMS中间文件格式parasolid(*.x_t);
S32、将虚拟样机模型导入到多体动力学仿真软件进行材料特性的定义;通过File/Import命令将中间格式的模型文件导入ADAMS软件,并进行零部件材料的定义,基于ADAMS接触碰撞理论,零件接触碰撞时产生的弹性变形也会对RV减速器回转误差有所影响,所以添加模型各零件的弹性模量、密度、泊松比材料特性;
S33、在ADAMS中对虚拟样机添加约束关系;为保证各零部件相对运动的正确性,构建虚拟样机也需要根据零部件运动轨迹提供约束或接触关系,通过RV减速器零部件的运动和接触分析,确定各零部件约束、接触关系;
S34、对虚拟样机进行仿真,验证所构建的模型是否正确;测量输入轴、行星架转速两者比值与RV减速器理论传动比进行比较,验证模型是否准确;
S4、在仿真软件Adams中测量各虚拟样机实验组的传动误差;
选取回转误差为传动精度的评价指标,所选RV减速器试验模型传动比为121,根据回转误差计算公式
式中,为转角误差;为输入轴输入转角;为输出轴实际转角;i为减速器传动比;
在ADAMS中对输入轴、输出架的转角进行实时测量,输出两者转角曲线,建立测量函数
FUNCTION=.JOINT_1_MEA_1/121—.JOINT_16_MEA_1
式中,FUNCTION为实际输出转角与理论输出转角的差值,即回转误差;JOINT_1_MEA_1为输入轴转动副转角;.JOINT_16_MEA_1为行星架转动副转角;
根据正交实验表分别建立虚拟样机模型并导入ADAMS仿真,测得各组回转误差,完善正交试验结果表;
S5、对正交试验结果进行分析;
对正交试验结果进行性极差分析,极差分析即使用数据极差来分析问题,通过对比各实验结果的平均极差,找出影响试验指标的主要因子;其原理是在考虑单因子A对结果的影响时,认为其它因子对结果的影响是均衡的,A因子各水平的差异是由于A因子本身引起的;极差越大,说明该因子对实验指标的影响越大,各因素的极差R下列公式计算得到;
R=max{ki}-min{ki}
T=∑ki
式中,R为极差;i为因素的水平数;ki为i水平时所对应的回转误差之和的均值;Ki为i水平时所对应的回转误差之和;n为任一列上各水平出现的次数;T为回转误差之和;
根据各影响因素极差大小得出RV减速器动态回转误差各因素影响灵敏度程度从大到小序列与因子水平最佳组合;
S6、将正交试验结果数据作为BP神经网络的输入端数据,进行最优组合的预测;
S61、BP人工神经网络的建立和训练;
以正交试验设计中影响RV减速器回转误差的主要因素作为所建BP神经网络的输入层,网络的输出层包含一个输出节点对应评价指标回转误差;采用MATLAB软件进行编程,选择隐含层传递函数、输出层传递函数、训练函数;设置隐含层、训练精度、学习率参数,对含不同神经元数的网络进行训练对比;
S62、采用BP人工神经网络进行最优组合的预测;
应用MATLAB软件编程,通过对实验数据样本的训练及BP神经网络参数的优化,成功建立了能够准确的描述RV减速器回转误差与其评价指标之间函数关系的BP神经网络模型,应用所建立的网络模型进行仿真模拟,以正交试验的若干影响因素值作为自变量,再分别为其赋值,设置一个合适的步长,使用MATLAB中的相关函数对每个因素的定义域值进行编程,以求其输出值回转误差的最小组合值;
S63、优化结果检验;
根据上步骤中的优化结果建立虚拟样机,并导入ADAMS进行多体动力学仿真,测得虚拟样机回转误差,同正交试验结果中进行对比得出传动精度优化效果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810218411.6/1.html,转载请声明来源钻瓜专利网。