Oblikovanje težkega tečaja z velikim kotom vrtenja, ki temelji na optimizaciji roja delcev_hinge znan

Tečaji so bistvene komponente v mehanskih napravah, ki omogočajo gibanje in vrtenje. Medtem ko se v panogah, kot so vrtljivi tečaji, tečaji, sferični tečaji, hidravlični cilindri in pari krogličnih vijačnih oreščkov, še vedno uporabljajo različne vrste tečajev, ki so še vedno določene omejitve. Na primer, pod velikimi obremenitvami morajo biti tradicionalni tečaji debeli, da lahko izpolnjujejo zahteve glede togosti. Poleg tega se v posebnih primerih, ko je prostor omejen, in obremenitve so velike, tradicionalni tečaji se lahko borijo za izpolnitev svoje funkcije.

Kot rezultat tega je bilo vse večje zanimanje za raziskovanje novih modelov tečajev. Algoritem optimizacije rojev delcev (PSO), vrsta algoritma inteligence Swarm, je pridobila pomemben razvoj in uporabo na inženirskih področjih. Ta algoritem uporablja vedenje skupin ptic, ki letijo za hrano, da dosežejo optimalne rešitve v zapletenih prostorih s sodelovanjem in konkurenco med posamezniki. Algoritmi PSO so zelo učinkoviti, enostavni za izvajanje in obsežno uporabljene v inženirski praksi. Osnovni postopek algoritma PSO vključuje inicializacijo, let delcev in določitev rezultatov. Algoritem se začne z naključnim ustvarjanjem začetne populacije delcev, ki se premikajo znotraj izvedljivega območja. Z izračunom vrednosti kondicije vsakega delca algoritem določa novo smer gibanja in hitrost vsakega delca. V vsakem krogu gibanja delcev imata optimalni delček in zgodovinski optimalni delček večji vpliv na naslednji krog gibanja. Po več iteracijah algoritem pridobi optimalno rešitev.

Konvergenčna zmogljivost algoritma PSO je bila izboljšana z uvedbo inercijskih uteži, kot sta predlagala Shi in Eberhart. Enačba evolucije delcev vključuje več komponent, vključno z inercijo, spoznanjem in socialnim sodelovanjem. Parametri algoritma, kot sta hitrost delcev in število ponovitev, je mogoče prilagoditi na podlagi posebnih zahtev. Algoritmi PSO so postali široko uporabljeni algoritem inteligentne optimizacije v inženirskih aplikacijah in pogosto presegajo genetske algoritme. Vendar se algoritmi PSO še vedno srečujejo z izzivi, kot je prezgodnja konvergenca. Zato so bile pomembne raziskave, namenjene izboljšanju algoritma PSO in reševanju njegovih omejitev.

V okviru zasnove tečajev zahteve projekta vključujejo obremenitev 3 ton in kota vrtenja ± 90 stopinj, pri čemer dimenzije ne presegajo 2000 mm x 500 mm x 1000 mm. Za izpolnitev teh zahtev je kot mehanizem tečaja izbran mehanizem 2RPR. Ta mehanizem je sestavljen iz vrtljivega para in premikajočega se par, ki ponuja visoko togost, prilagoditev napak in kompenzacijske zmogljivosti. Poleg tega je mehanizem simetričen, kar omogoča enostavno namestitev in vzdrževanje.

Med postopkom načrtovanja optimizacije se z uporabo geometrijskih omejitev izpolnjujejo zahteve za vrtenje in velikosti. Ključni izziv pa je pri zagotavljanju, da ima mehanizem odlične zmogljivosti prenosa sile. To običajno dosežemo z nastavitvijo minimalnega kota prenosa za mehanizem.

Za analizo prenosa sile je za objekt za analizo izbran palici CE. Ob predpostavki, da je obremenitvena masa M in razdalja D med središčem mase in vrtečim parom, se pregleda sila, ki se izvaja na palici. Če upoštevamo kote med silami in palico ter kotom med palico in osi x, izhaja enačba sile. Ta enačba zagotavlja zmogljivosti prenosa sile mehanizma.

Na podlagi rezultatov analize je premični par ustrezno zasnovan. Električni model jeklenke, GSX40-1201, je predhodno izbran, ob upoštevanju dimenzij možganske kapi, potiska in os. V končni zasnovi so upoštevani tudi drugi dejavniki, kot je velikost komponent. Drsni ležaji iz aluminijastega brona so izbrani za vsak vrtljivi par, glede na njihove visoke obremenitvene zmogljivosti in natančne zahteve. Glavne komponente so narejene iz 35Crmnsia Apluy Steel, ki ponuja visoko natezno trdnost in elastični modul.

Po zaključku mehanske zasnove je vzpostavljen model CAD za vizualizacijo končne zasnove. Algoritem optimizacije roja delcev je uspešno optimiziral zasnovo tečaja velikega kota in tako zagotovil, da izpolnjuje vse zahteve za oblikovanje.

Za zaključek se je algoritem optimizacije rojev delcev izkazal za učinkovito pri optimizaciji zasnove tečaja z velikimi rotacijami. S skrbno konfiguracijo in analizo smo dosegli optimalno zasnovo mehanizma 2RPR. Mehanska zasnova, vključno z izbiro komponent in materialov, je bila uspešno zaključena. Model CAD zagotavlja vizualno predstavitev končne zasnove. Na splošno algoritmi za optimizacijo rojev delcev ponujajo dragoceno orodje za učinkovito in učinkovito oblikovanje tečajev in prispevajo k izboljšanju zmogljivosti in funkcionalnosti mehanskih naprav v različnih panogah.

Reference:

1. Wei Minhe, Han Xianguo, Zhang Jun. Optimizacijske raziskave na 3-up/s tečaji vzporednih biljardnih kroglic [J]. Aerospace Manufacturing Technology, 2011 (3): 19–23.

2. Chen Lishun, Li Li, Zhang Hongliang. Skupna zasnova novega super-redkega robota. Mehansko oblikovanje in proizvodnja, 2010 (6): 148-150.

3. Yang Shun, Cai Anjiang. Optimalna zasnova parametrov nastavitve napetosti na elektronski pospeševalnik, ki temeljijo na algoritmu optimizacije roja RBF in delcev [J]. Mehanska zasnova in proizvodnja, 2011 (1): 72–74.