本發(fā)明涉及雙主軸數(shù)控車床，尤其涉及一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、近年來，隨著社會(huì)的不斷發(fā)展，雙主軸車床生產(chǎn)應(yīng)用規(guī)模逐漸擴(kuò)大，其加工質(zhì)量逐漸提高，對(duì)車床加工的穩(wěn)定性和安全性要求也越來越高。和單主軸車床相比，雙主軸車床對(duì)生產(chǎn)精度控制的要求更高。但是，當(dāng)前雙主軸車床在實(shí)際應(yīng)用中的整體工作效率不高，車床穩(wěn)定性不足，嚴(yán)重制約著機(jī)械制造業(yè)的發(fā)展。在現(xiàn)有技術(shù)中，對(duì)整機(jī)中薄弱部件的尋找和優(yōu)化均存在不足，目前，對(duì)薄弱部件的尋找僅采用理論分析或有限元初步分析，前者不僅工作量較大，且與實(shí)際情況存在較大誤差，容易造成誤判，后者容易對(duì)應(yīng)力集中點(diǎn)的部件造成誤判，識(shí)別效果不明顯；同時(shí)，現(xiàn)有技術(shù)對(duì)薄弱部件的優(yōu)化工作量較大，且尺寸優(yōu)化的結(jié)果偏差較大，缺乏實(shí)際參考意義。

2、因此，亟需一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法及系統(tǒng)來解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、基于以上所述，本發(fā)明的目的在于提供一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法及系統(tǒng)，薄弱部件識(shí)別準(zhǔn)確性較高，優(yōu)化效率和效果較佳。

2、為達(dá)上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法，包括：

4、建立雙主軸數(shù)控車床的有限元模型，進(jìn)行模態(tài)仿真分析和計(jì)算模態(tài)質(zhì)量分布矩陣，并確定所述雙主軸數(shù)控車床的待優(yōu)化薄弱部件；

5、確定所述待優(yōu)化薄弱部件的目標(biāo)函數(shù)，基于simp變密度法對(duì)所述待優(yōu)化薄弱部件進(jìn)行拓?fù)鋬?yōu)化，根據(jù)制造工藝對(duì)拓?fù)鋬?yōu)化后的所述待優(yōu)化薄弱部件進(jìn)行規(guī)則設(shè)計(jì)得到一次優(yōu)化薄弱部件；

6、利用有限元軟件對(duì)所述一次優(yōu)化薄弱部件的尺寸參數(shù)進(jìn)行靈敏度分析，篩選出對(duì)所述目標(biāo)函數(shù)影響程度達(dá)到預(yù)設(shè)程度的待優(yōu)化尺寸參數(shù)；

7、根據(jù)所述待優(yōu)化尺寸參數(shù)的預(yù)設(shè)設(shè)計(jì)范圍，在所述有限元軟件中采用中心復(fù)合設(shè)計(jì)方法構(gòu)建實(shí)驗(yàn)設(shè)計(jì)，得到多組待優(yōu)化尺寸參數(shù)-目標(biāo)函數(shù)的數(shù)據(jù)集；

8、構(gòu)建徑向基神經(jīng)網(wǎng)絡(luò)，并采用所述數(shù)據(jù)集對(duì)所述徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到反映所述待優(yōu)化尺寸參數(shù)和所述目標(biāo)函數(shù)之間關(guān)系的近似模型；

9、采用非劣排序遺傳算法對(duì)所述近似模型進(jìn)行尋優(yōu)，得到pareto解集；

10、計(jì)算所述pareto解集中的各個(gè)解集的優(yōu)劣指標(biāo)參數(shù)，選取所述優(yōu)劣指標(biāo)參數(shù)最大對(duì)應(yīng)的解集為最優(yōu)解集，所述最優(yōu)解集對(duì)應(yīng)的待優(yōu)化尺寸參數(shù)為優(yōu)化后尺寸。

11、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，模態(tài)質(zhì)量分布矩陣：

12、

13、式中，mi-雙主軸數(shù)控車床第i階模態(tài)的模態(tài)質(zhì)量，[m]-雙主軸數(shù)控車床的質(zhì)量矩陣，{φki}-雙主軸數(shù)控車床第i階模態(tài)向量對(duì)應(yīng)的各部件振型分量，{φki}＝[φ1i,φ2i,…,φni]，其中，n為雙主軸數(shù)控車床的部件總數(shù)，k為雙主軸數(shù)控車床的部件編號(hào)，k＝1，2，3、、、，n；

14、設(shè)所述雙主軸數(shù)控車床質(zhì)量均勻分布，即m1＝m2＝…＝mn＝ma，則：

15、

16、根據(jù)有限元模態(tài)仿真獲得有限元模態(tài)振型中所述雙主軸數(shù)控車床各部件的最大歸一化振型系數(shù)φki，各階模態(tài)的φ2ki最大對(duì)應(yīng)的部件即為所述待優(yōu)化薄弱部件。

17、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，基于simp變密度法對(duì)所述待優(yōu)化薄弱部件進(jìn)行拓?fù)鋬?yōu)化包括：

18、根據(jù)所述待優(yōu)化薄弱部件確定初始結(jié)構(gòu)形狀、約束條件和目標(biāo)函數(shù)；

19、根據(jù)所述目標(biāo)函數(shù)的預(yù)設(shè)優(yōu)化目標(biāo)，對(duì)所述待優(yōu)化薄弱部件以逐漸減少20％-50％的體積比例進(jìn)行拓?fù)鋬?yōu)化，確定材料保留區(qū)域和材料去除區(qū)域；

20、結(jié)合制造工藝對(duì)所述材料去除區(qū)域進(jìn)行規(guī)整設(shè)計(jì)，得到所述一次優(yōu)化薄弱部件。

21、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，在所述有限元軟件中采用中心復(fù)合設(shè)計(jì)方法構(gòu)建實(shí)驗(yàn)設(shè)計(jì)包括：

22、建立所述一次優(yōu)化薄弱部件有限元模型；

23、選取中心復(fù)合設(shè)計(jì)試驗(yàn)點(diǎn)：選取一個(gè)中心點(diǎn)；2m-ζ個(gè)立方點(diǎn)，其中m為待優(yōu)化尺寸參數(shù)數(shù)量，ξ為析因系數(shù)，根據(jù)待優(yōu)化尺寸參數(shù)確定；2m個(gè)軸向點(diǎn)；

24、確定所述待優(yōu)化尺寸參數(shù)的取值范圍，得到多組試驗(yàn)樣本點(diǎn)，所述試驗(yàn)樣本點(diǎn)為在取值范圍內(nèi)的所述待優(yōu)化尺寸參數(shù)；

25、計(jì)算得到所述一次優(yōu)化薄弱部件有限元模型在每組所述試驗(yàn)樣本點(diǎn)下對(duì)應(yīng)的響應(yīng)值，所述響應(yīng)值為所述一次優(yōu)化薄弱部件有限元模型在所述待優(yōu)化尺寸參數(shù)下對(duì)應(yīng)的目標(biāo)函數(shù)值，從而得到多組待優(yōu)化尺寸參數(shù)-目標(biāo)函數(shù)的數(shù)據(jù)集。

26、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，所述徑向基神經(jīng)網(wǎng)絡(luò)包括輸入層、隱藏層和輸出層，所述輸入層的輸入為x，x＝[x1,x2,...,xm]t，其中，xm為第m個(gè)待優(yōu)化尺寸參數(shù)，所述隱藏層中神經(jīng)元的作用函數(shù)為高斯函數(shù)，所述隱藏層神經(jīng)元節(jié)點(diǎn)為c，c＝[c1,c2,…,cd]，其中，d為所述隱藏層神經(jīng)元節(jié)點(diǎn)個(gè)數(shù)，所述輸出層中神經(jīng)元的作用函數(shù)為線性函數(shù)，所述輸出層的輸出為y，y＝[y1,y2,…,ye]，其中，ye為第e個(gè)目標(biāo)函數(shù)，所述隱藏層和所述輸出層之間的權(quán)值向量ω＝[ω11,ω12,…,ωde]，故：

27、

28、式中：xm-輸入向量；ci-第i個(gè)高斯函數(shù)的中心值；δ-損失函數(shù)，其中bi-第i個(gè)高斯函數(shù)的寬度；ωde-單一隱藏層在輸出層中的權(quán)重。

29、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，還包括對(duì)所述近似模型進(jìn)行精度評(píng)估：

30、分別計(jì)算決定系數(shù)r2、均方根誤差rmse、平均絕對(duì)誤差mae、平均相對(duì)誤差mre：

31、

32、式中，q-數(shù)據(jù)集總數(shù)；yi-數(shù)據(jù)集中的目標(biāo)函數(shù)值；-近似模型的預(yù)測目標(biāo)函數(shù)值；

33、若r2、rmse、mae、mre的值在預(yù)設(shè)范圍內(nèi)，則判斷所述近似模型達(dá)到預(yù)設(shè)精度。

34、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，采用非劣排序遺傳算法對(duì)所述近似模型進(jìn)行尋優(yōu)包括：

35、隨機(jī)初始化種群p0，并對(duì)p0排序得到父代種群pt，給父代種群pt中的每個(gè)個(gè)體賦予序號(hào)；

36、用二元錦標(biāo)賽法在種群pt抽取個(gè)體，同時(shí)進(jìn)行交叉和變異操作，得到子代種群qt；

37、將種群pt及qt組合產(chǎn)生新的種群rt＝pt+qt；

38、利用rt進(jìn)行非支配，通過估算分個(gè)體間的擁擠度，依據(jù)精英策略抽取n個(gè)個(gè)體，形成新一代父種群pt+1；

39、循環(huán)第二步至第四步，直至迭代達(dá)到終止條件。

40、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，計(jì)算所述pareto解集中的各個(gè)解集的優(yōu)劣指標(biāo)參數(shù)包括：

41、將需要進(jìn)行優(yōu)劣排序的解集個(gè)數(shù)記為s，得到原始的數(shù)據(jù)矩陣y：

42、

43、其中yij-第i個(gè)對(duì)象的第j個(gè)指標(biāo)的原始值；

44、對(duì)y進(jìn)行歸一化處理得到g：

45、

46、其中，

47、對(duì)yij進(jìn)行加權(quán)處理，得到加權(quán)規(guī)范矩陣z：

48、

49、其中，zij＝y(tǒng)i′j×ε(i＝1,2···,n；j＝1,2···,m)，ε-第j個(gè)指標(biāo)的加權(quán)系數(shù)；

50、將待評(píng)估指標(biāo)進(jìn)行排序，最優(yōu)、最劣解分別用z+，z-表示，則可得最優(yōu)、最劣值：

51、

52、計(jì)算最優(yōu)與最劣值與不同評(píng)價(jià)對(duì)象的距離：

53、

54、計(jì)算每個(gè)評(píng)價(jià)對(duì)象的優(yōu)劣參數(shù)指標(biāo)：

55、

56、ci的值在[0，1]之間，ci的值越大，對(duì)應(yīng)的評(píng)價(jià)對(duì)象越優(yōu)。

57、作為一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法的優(yōu)選方案，得到所述優(yōu)化后尺寸后還包括優(yōu)化效果的驗(yàn)證：

58、根據(jù)所述優(yōu)化后尺寸重新建立有限元模型，并進(jìn)行有限元分析得到優(yōu)化后尺寸對(duì)應(yīng)的目標(biāo)函數(shù)；

59、根據(jù)優(yōu)化后尺寸對(duì)應(yīng)的目標(biāo)函數(shù)和優(yōu)化前尺寸對(duì)應(yīng)的目標(biāo)函數(shù)，計(jì)算優(yōu)化率。

60、一種雙主軸數(shù)控車床薄弱部件優(yōu)化系統(tǒng)，包括：

61、薄弱部件分析模塊，用于確定雙主軸數(shù)控車床的薄弱部件；

62、拓?fù)鋬?yōu)化模塊，用于對(duì)所述薄弱部件進(jìn)行拓?fù)鋬?yōu)化；

63、尺寸優(yōu)化模塊，用于對(duì)拓?fù)鋬?yōu)化后的所述薄弱部件進(jìn)行尺寸優(yōu)化。

64、本發(fā)明的有益效果為：

65、本發(fā)明提供一種雙主軸數(shù)控車床薄弱部件優(yōu)化方法，通過模態(tài)仿真分析和計(jì)算模態(tài)質(zhì)量分布矩陣確定雙主軸數(shù)控車床的待優(yōu)化薄弱部件，薄弱部件識(shí)別準(zhǔn)確性較高；通過拓?fù)鋬?yōu)化能先對(duì)待優(yōu)化薄弱部件進(jìn)行外形和形狀優(yōu)化，確定一次優(yōu)化薄弱部件的結(jié)構(gòu)；通過靈敏度分析便于后續(xù)針對(duì)性地對(duì)影響目標(biāo)函數(shù)的待優(yōu)化尺寸進(jìn)行優(yōu)化，減少優(yōu)化工作量，提高優(yōu)化效率；再通過中心復(fù)合設(shè)計(jì)方法構(gòu)建實(shí)驗(yàn)設(shè)計(jì)能得到多組用于訓(xùn)練徑向基神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集，方便快捷，效率較高；還通過訓(xùn)練得到近似模型，能反映待優(yōu)化尺寸參數(shù)和目標(biāo)函數(shù)之間的映射關(guān)系，并通過非劣排序遺傳算法能在優(yōu)化尺寸參數(shù)和目標(biāo)函數(shù)之間的映射空間中尋得目標(biāo)函數(shù)最優(yōu)解集組，同時(shí)通過引入優(yōu)劣指標(biāo)參數(shù)作為目標(biāo)函數(shù)最優(yōu)解集組的決策結(jié)果，最終獲得最優(yōu)解集，從而得到優(yōu)化尺寸，實(shí)現(xiàn)對(duì)雙主軸數(shù)控車床薄弱部件的最終優(yōu)化，得到的優(yōu)化結(jié)果較為客觀，具有實(shí)際的參考意義。

66、本發(fā)明還提供一種雙主軸數(shù)控車床薄弱部件優(yōu)化系統(tǒng)，該雙主軸數(shù)控車床薄弱部件優(yōu)化系統(tǒng)包括薄弱部件分析模塊、拓?fù)鋬?yōu)化模塊和尺寸優(yōu)化模塊，通過對(duì)雙主軸數(shù)控車床薄弱部件的優(yōu)化，能有效地提高整機(jī)的穩(wěn)定性和零件生產(chǎn)穩(wěn)定性以及加工效率。