论文部分内容阅读
随着我国重型装备制造业对大型零件加工的需求增加,重型机床作为工作母机日益受到重视。重型机床由于自身和工件尺寸大,行程长,因而易受环境温度变化的影响产生整体热变形;同时因其自身质量和惯量大,各个轴所需驱动功率较大,零部件温升严重,加之车间环境温度状况复杂,各种热源通过不同传热方式将热量传递至机床各构件上,导致其产生较大的热变形。这些热变形相互叠加,使得主轴刀尖点产生偏移,降低乃至恶化机床加工精度。本文以TK6920重型落地镗床为研究对象,针对“TK6920重型落地镗床综合热误差检测及建模研究”这一问题而展开;运用有限元技术对该型机床展开了温度场和热变形场仿真分析,基于虚拟仪器技术开发了热特性检测系统,设计了环境和不同工况下的热特性实验,通过实验分析建立了具有鲁棒性强的多元线性回归热误差预测模型。论文主要开展了如下研究工作:1.在分析TK6920重型落地镗床热源和相应的边界条件基础上,根据经验公式和理论模型确定各热源的大小和对流边界系数的大小,建立了整机和关键部件的有限元模型获得了整机和关键部件的温度场和变形场。2.依据TK6920机床温升和热变形的特点,设计出适合该型号机床的热特性检测系统,并开发了热误差检测专用夹具,合理布置了温度和热变形监测点。3.完成了车间竖直方向上的环境温度和多种工况的研究实验;并分析了环境温度分布规律及对冷机主轴热变形的作用,同样分析了多种主轴热变形规律,结果显示主轴热变形变化与主轴转速变化呈正相关。4.在以上分析基础上,根据关键温度测点优化的相关理论,对该型机床关键温度测点进行分类优化,得到了关键温度测点;建立了相关工况的神经网络和线性回归预测模型,并对比分析了不同工况模型的拟合度及其预测精度,结果证实了线性回归预测精度高于神经网络,从而确定了线性回归模型作为热误差模型;通过该模型中关键温度测点个数进行优化,最终建立了包含环境温度和优化后的关键温度测点模型。