[發明專利]一種軸承預緊力可變的電主軸的熱誤差預測模型方法

在審

• 申請號: 202111191982.3
• 申請日: 2021-10-13
• 公開（公告）號: CN113935130A
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 宣立宇;戴野;王剛;李兆龍;劉廣東
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/23;G06F30/27;G06N3/00;G06N3/08;G06N20/10;G06F119/08;G06F119/14
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種軸承預緊力可變的電主軸熱誤差預測方法，其特征在于，包括以下步驟：

步驟a、通過有限元分析方法，在主軸系統只改變預緊力大小情況下，分析不同預緊力條件下電主軸狀態，進一步包括：

對電主軸進行結構分析，確定主軸瞬時預緊力應變狀態；

對電主軸進行溫度分析，確定不同預緊力下整體溫度狀態；

對電主軸進行溫度-結構耦合分析，確定因為不同預緊力所產生的應力與主軸溫度變化帶來的內應力相結合產生的電主軸熱誤差改變；

步驟b、基于電主軸不同軸承預緊力條件建立主軸內部熱量傳遞網絡，計算得到電主軸熱量傳遞路徑和部件氣隙換熱系數，建立不同軸承預緊力下電主軸整體溫度場和該溫度場下電主軸關鍵部件尺寸參數；

步驟c、建立電主軸有限元穩態結構模型，用參數化方式將不同預緊力參數和與該預緊力相對應的步驟b中所得到的電主軸部件參數數據導入有限元分析軟件前處理步驟中，分析預緊力條件和溫度條件對主軸熱誤差影響；

步驟d、建立混合灰狼優化算法(DE-GWO)對最優參數C和g進行全局尋優搜索模型；

步驟e、建立支持向量回歸(SVM)熱誤差預測模型對不同軸承預緊力下電主軸熱誤差進行預測。

2.根據權利要求1所述的DE-GWO優化算法尋找最優的SVM中核函數寬度(g)和懲罰因子(c)的方法，其特征在于，包括以下步驟：

d1、初始化灰狼種群，設置狼群數量和α、β、δ狼位置，設置參數取值上界和參數取值下界；

d2、初始化α、β、δ狼的適應度函數并且計算個體適應度，所建立的軸承預緊力可變的電主軸熱誤差預測模型的預測與實際值越接近越可靠；

d3、判斷所搜尋獵物目標函數值與α、β、δ狼目標函數對比，若值小于α的目標函數則將α更新為最優目標函數，若值大于α小于β則將β作為最優目標函數，若值大于β小于δ則將δ作為最優目標函數；

d4、重復d2、d3，直到遍歷整個狼群或者滿足精度停止迭代。

3.根據權利要求1所述的SVM熱誤差預測模型建立方法，其特征在于，包括以下步驟：

e1、將d1-d4后得到的g和c參數值帶入SVM中，得到SVM回歸分析熱誤差預測模型；

e2、把軸承預緊力為800N的溫度場溫度作為訓練輸入，把主軸鼻端熱伸長作為訓練輸出；

e3、把軸承預緊力為1000N和軸承預緊力為1200N的測試輸入，預測1000N和1200N預緊力下主軸鼻端熱伸長。