[发明专利]一种基于惯性回转中心调控最优化及智能学习的大型高速回转装备多级零部件选配方法

说明书

本发明提出了一种基于惯性回转中心调控最优化及智能学习的大型高速回转装备多级零部件选配方法，属于机械装配技术领域。第一步、建立多级转子装配同轴度的预测模型；第二步、结合所述预测模型获得转子与静子的偏心误差，实现多级转静子装配后相对间隙的获取；第三步、获得装配后各级转静子定位、定向误差引起的第n级转静子不平衡量；第四步、获得多转静子初始不平衡量；第五步、建立基于各级转静子角向安装位置的多级转静子装配几何量、不平衡量和相对间隙的多目标优化模型；利用遗传算法优化各批次转静子角向安装位置，实现多参数多级转静子选配。

技术领域

本发明涉及一种基于惯性回转中心调控最优化及智能学习的大型高速回转装备多级零部件选配方法，属于机械装配技术领域。

背景技术

航空发动机是飞机的“心脏”，其性能很大程度上决定了飞机的性能。我国要建设成为航空强国，研发和制造高性能的航空发动机是关键之一。多级转静子是航空发动机的主要部件，提升多级转静子的制造和装配精度能够有效的提升整机的性能，减小航空发动机自身振动。多级转静子的优化是目前航空发动机优化设计的研究热点，单级转子或静子的加工制造质量以及多级转静子的装配质量等多方面都对航空发动机性能有较大影响，目前急需一种多级转静子多目标优化方法。目前现有的优化方法中存在的问题为：方法或模型仅实现了多级转静子装配几何量优化测量，建立的同轴度模型未考虑绕X和Y轴的旋转误差，未建立多级转静子不平衡量装配模型，不能综合优化多级转静子装配几何量、相对间隙量以及不平衡量多种参数，最终导致实用性有限。

发明内容

本发明为了解决现有技术中不能综合优化多级转静子装配几何量、相对间隙量以及不平衡量多种参数，最终导致实用性有限的问题，提出了一种基于惯性回转中心调控最优化及智能学习的大型高速回转装备多级零部件选配方法，以解决航空发动机转静子圆轮廓测量精度低，装配同轴度低、装配不平衡量大的问题，改善航空发动机的性能。所采取的技术方案如下：

一种基于惯性回转中心调控最优化及智能学习的大型高速回转装备多级零部件选配方法，其特征在于，所述方法包括：

第一步、建立多级转子装配同轴度的预测模型；

第二步、结合所述预测模型，通过多级转静子装配后的偏心误差，获得转子与静子的偏心误差，并根据偏心误差求得所述转子和静子的相对跳动量，进而实现多级转静子装配后相对间隙的获取；

第三步、利用定位、定向误差引起的偏心误差传递矩阵，获得装配后各级转静子定位、定向误差引起的第n级转静子不平衡量；

第四步、将单级转静子自身不平衡量和装配后各级转静子定位、定向误差引起的第n级转静子不平衡量进行矢量相加，获得各转静子单级不平衡量；然后将各转静子单级不平衡量进行矢量叠加获得多转静子初始不平衡量，实现多级转静子初始不平衡量的计算；

第五步、建立BP神经网络，实现多级转静子初始不平衡量预测后的修正。

第六步、依据所述预测模型中的多级转静子装配后同轴度、多转静子初始不平衡量、多级转静子装配后相对间隙与角向安装位置之间的关系，建立基于各级转静子角向安装位置的多级转静子装配几何量、不平衡量和相对间隙的多目标优化模型；利用遗传算法优化各批次转静子角向安装位置，实现多参数多级转静子选配。

进一步地，第一步所述预测模型的建立过程包括：

步骤一、根据误差在装配过程中传递累积原理，确定n级转静子装配后由各级转静子定位和定向误差引起的偏心误差传递矩阵；

步骤二、确定装配后第n级转静子偏心量；

步骤三、利用同轴度的ISO标准定义，确定n级转静子装配后同轴度；

结合步骤一至步骤三获得的偏心误差传递矩阵、第n级转静子偏心量以及n级转静子装配后同轴度即完成多级转子装配同轴度的预测模型的建立。