论文部分内容阅读
重型机床是机床众多类型中的一个重要分支，床身作为机床的主要承重部件，承受溜板箱、尾座等机床部件的载荷，其结构及动静态特性直接影响机床的加工质量，因此床身的性能分析与结构优化具有重要的意义。 本文以CWZ61160型双刀架重型机床为研究对象，将有限元分析、优化设计及人工智能领域的神经网络结合起来研究重型机床床身的结构设计问题，尤其针对床身静力学性能分析预测及结构优化进行了研究，具体研究工作如下: 首先，利用ANSYS的静力学分析模块，结合APDL语言，快速高效地得到床身多个结构参数变量与床身的最大变形量、最大等效应力之间的映射关系;对CWZ61160重型机床的床身进行了强度和刚度分析。结果表明:床身满足许用应力要求，且床身变形量在工程应用要求范围内。 其次，建立了床身的静力学性能预测模型，按照正交试验原则，选取具有代表性的ANSYS分析结果作为训练样本，最终分别建立起了基于RBF神经网络和BP神经网络的床身性能预测模型，并对两种网络模型进行了评价。结果表明:RBF神经网络模型预测效果比BP网络模型更准确，预测误差维持在0％-17％之间，多数情况下预测误差在5％左右，预测精度较高。 最后，建立了床身优化数学模型，选取床身的RBF神经网络性能预测模型表达了床身结构参数与性能之间的非线性映射关系，并将该关系应用到床身优化模型的非线性约束条件当中，实现了有限元分析、RBF神经网络、床身结构优化设计三者的有机结合;选取MATLAB中的单目标函数工具实现了床身的优化。研究结果表明:床身重量得到了有效的降低，且减重后床身动静态特性均较好。 本文提出了将RBF神经网络应用于床身静力学性能预测中的方法，并将所得到的床身结构参数与静力学性能之间的非线性映射关系应用于床身的单目标优化中，实现了床身的轻量化设计。