机械本体

机械本体（精选6篇）

机械本体 篇1

0 引言

机械设备预知维护与故障诊断是提高制造业运营管理水平和生产效率的有效手段[1]。但由于对设备维护诊断机理的认识不充分,往往会产生大量不确定性因素[2],主要表现在:①诊断知识的来源与结构各异,既有实时监测运行数据,也有根据经验得出的设备运行状态主观判断;②故障的划分边界比较模糊,导致故障征兆定义以及诊断行为建模存在一定程度的模糊性与随意性;③复杂动态诊断维护环境本身存在不可预知性,使得由故障征兆推断故障成因的反向推理成为一种不确定性的过程。如何减小上述不确定性因素的影响是机械设备维护与诊断过程中亟需研究解决的重要问题。

基于本体的智能诊断技术可以减小设备维护诊断过程中不确定性因素影响,其重要基础是维护诊断知识的表示。本体已广泛应用于制造领域中的产品生命周期管理[3]、制造过程管理[4]、产品知识集成[5]等方面,而基于本体的制造过程语义模型通过对诊断行为、工况状态和维护决策等进行建模,实现了协同制造环境下的维护诊断知识共享[6]。但这些应用忽略了本体自身逻辑推理的局限性,模型推理能力仅限于本体语义规则推理,很难进一步对故障原因做出恰当的推理解释。

作为一种不确定性建模与推理工具,贝叶斯网络(Bayesian networks,BNs)可以实现设备维护决策与故障机理分析过程中的诊断推理[7,8]。Gilabert等[9]利用BNs来解决预知维护过程中的不确定性,但诊断维护经验以先验概率的形式表示,设备状态与故障征兆之间的映射对先验概率依赖性很强。姜万录等[10]引入贝叶斯参数估计算法进行了多特征信息融合,然后通过最大后验概率估计值的计算进行故障识别,但诊断结构模型定义不清晰,诊断过程知识缺乏合理的表达形式。

本文将基于本体的维护诊断知识表示与BNs概率推理方法相结合,构建了基于本体的故障诊断贝叶斯网络(ontology-based diagnostic Bayesian networks,OntoDBN)。OntoDBN对诊断语义模型进行概率扩展,实现了诊断贝叶斯网络的概率推理。针对故障知识、诊断证据以及维护诊断过程的不确定性,重点研究了设备工况状态识别与故障成因概率推理算法,根据算法产生的可能故障的概率解释,制订出相应的维修方案和决策。

1 OntoDBN的体系结构

基于诊断知识表达、故障成因分析、因果关系推理等方面不确定性因素的分析,结合本体论与贝叶斯网络,本文提出以本体语义为基础的故障诊断贝叶斯网络模型,其体系结构如图1所示。图中本体语义模型包括状态层、征兆层、故障层和决策层,分别对应了从数据到智能的4个知识加工层次,涵盖了工况识别、特征提取、模式分类以及维护决策等基本诊断步骤所涉及的数据信息;BNs推理引擎以概率形式逐步给出各个层次的诊断实体主观信度,构建出完整的故障诊断贝叶斯网络模型。此外,在保持诊断语义模型及其描述逻辑兼容性的前提下,OntoDBN对本体模型中的关键概念及关系进行扩展,以支持后续的故障概率推理。

贝叶斯网络是由一些节点与有向边组成的有向无环图(directed acyclic graph,DAG),其中,节点代表不同的随机变量或事件,有向边表示这些变量之间的直接因果关联或概率相关性[11]。节点及其直接前驱的条件概率分布与前驱节点的先验概率组成了条件概率表(conditional probability table,CPT)。对维护诊断过程进行BNs建模时,利用随机变量表示维护诊断实体、状态或事件,如Fi表示某个机械部件发生故障的事件;再利用有向边来表示状态或事件之间的依赖关系,如P(Fi|Si)表示故障征兆Si出现时故障Fi发生的概率值。在Markovian假设下,故障向量F=(F1, F2, …, Fn)的联合概率分布为${\rm P}(\mathit{F})={\displaystyle \prod _i{\rm P}}(F{}_i|S{}_i)$。一旦获得了联合概率分布P(F),就可以完成随机变量空间内任意变量的概率推理[11]。OntoDBN推理引擎主要利用贝叶斯分类器与概率推理进行故障分析,其中,异常状态识别区分出工况状态中的异常特征(即故障征兆),而故障模式识别是由故障征兆推理获得故障成因的概率解释。

OntoDBN使用本体作为故障知识的表示形式,通过增加本体语义并添加概率信息,将带有概率信息的故障本体转换为贝叶斯网络,以贝叶斯网络作为底层推理机制,实现对故障诊断知识的不确定性推理研究。将本体语义描述和贝叶斯网络概率推理相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程中不确定性因素的影响。

2 设备维护与故障诊断本体

设备维护与故障诊断涉及设备制造、投运到最终报废的整个过程,关键维护与诊断要素隐藏于海量的生产环境信息流中。因此,首先要过滤这些异构多源的信息并使信息结构化和形式化,然后从多方面扩展设备维护与故障诊断方法,在有效地获取、使用并存储语义知识的基础上建立一个可靠、完备的维护诊断知识本体模型。

2.1 维护诊断本体建模

本体建模的首要任务是理清应用领域中的核心概念,并针对应用实体与行为构造出可扩展的语义模型(即核心本体)。核心本体是定义维护对象、诊断行为、实体关系及维护方法论的顶层本体,且独立于任何特定设备或应用。OntoDBN核心本体包括设备域本体、过程域本体和诊断域本体,见图2。

(1)设备域本体用于描述维护诊断对象实体的功能、结构和依存关系,依照类别、设备、部件、特征4个层次对设备实体进行信息分解,Component和Characterization为设备域本体的核心类(图2中使用灰色标识的类)。

(2)过程域本体是维护过程的知识表示,包括维护行为、工况状态(Condion)、过程步骤(ProcessStep)及测试方法等。过程域本体一方面要与设备域本体建立联系,另一方面还关联到后续的诊断分析与维护决策。

(3)作为故障诊断和维护决策知识的语义描述,诊断域本体给出了设备动态性能的变化规律和故障征兆的识别方法。设备故障(Fault)及其征兆(Symptom)是诊断域本体的核心概念。故障征兆本质上是设备运行状态的另一种表现形式,可划分为数值型征兆(NumericSym)、语义型征兆(DescriptiveSym)和图形征兆(GraphicSym)三类。

2.2 维护诊断本体的概率扩展

为了实现故障的概率推理,需要对OntoDBN核心本体进行概率扩展,在本体实例中加入概率信息。在OntoDBN核心本体模型基础上,实现本体结构向BNs结构的转换,具体包括:本体概念与BNs节点的转换、本体关系与BNs有向边的转换、属性值的转换以及建立合适的CPT。诊断的本质是故障模式识别,因此可以从设备状态、故障征兆以及故障本身的相互关系出发,全面考虑维护诊断过程中涉及的相关因素,建立围绕状态、征兆、故障三者的BNs概率基本模型,见图3。

故障诊断过程中,先要进行设备异常状态的识别(如图3中的转换②),识别的结果表示为故障征兆;而设备的正常运行状态或数据与故障征兆同样重要,故障推理的过程可能会需要参考设备正常运行时的状态数据(如图3中的有向边①);故障模式识别则涉及故障征兆与故障成因的概率推理(如图3中的③)。因此,OntoDBN诊断推理可以分为两个紧密相连的步骤:其一,使用Bayes决策方法从设备运行状态数据中找出异常状态(即故障征兆);其二,根据设备状态或特征值、故障征兆的概率推理出故障发生的概率。此外,诊断过程中的其他相关信息也需要以恰当的方式在诊断知识模型中表现出来,如维护人员与诊断专家的经验、设备运行历史状态等。以下给出了OntoDBN故障本体及其属性集的定义。

定义1OntoDBN故障本体OF={F, I, PF, finst},其中,F为故障类集合,I为故障实例集合,PF为属性集,finst为故障类实例化函数:F→2I。

定义2 属性集PF={hasCause, hasCondition, hasSym, isObserved, hasPriorPr, hasCondPr}。其中,hasCause表示故障原因,hasCondition表示故障发生时设备的运行状态,hasSym表示故障征兆,isObserved表示故障是否被观察到。先验概率与条件概率是表示BNs节点不确定性程度的重要特征,这里我们利用了本体实例的属性hasPriorPr和hasCondPr来分别表示这两种概率值。例如,S表示故障征兆“润滑油温度超限”,F表示“减速箱齿轮故障”,那么P(S=true)=0.7可表示为

<Context rdf:ID=" Oil_temp_exceed">

<hasPriorPr rdf:datatype="&xsd;float">

0.7</hasPriorPr>

<hasConditionrdf:datatype="&xsd;boolean">

true</ hasCondition >

<hasSym rdf:resource="# Oil_temp_exceed_threshold"/>

</Context>

而条件概率P(F=true|S=true)=0.9可表示为

<Decision rdf:ID="Gear_fault_ in_reducer">

<hasCondition>

<Context rdf:ID="Oil_temp_exceed">

<hasCondition rdf:datatype="&xsd;boolean">

true</ hasCondition>

</Context>

</hasCondition>

< hasCondition rdf:datatype="&xsd;boolean">

true</ hasCondition>

<hasCondiPr rdf:datatype="&xsd;float">0.9</hasCondiPr>

<hasCause rdf:resource="#Oil_temp_greater_than_70"/>

</Decision>

3 OntoDBN的概率推理

贝叶斯网络概率推理问题分为三类:后验概率、最大后验假设(MAP)和最大可能解释(MPE)[11]。本文选取部分观测变量组成一个征兆集合,利用Bayes分类器进行工况异常状态识别,然后采用MPE方式通过概率推理计算出某种故障发生时相关的概率分布。

3.1 异常工况状态识别

故障诊断通常需要考虑目标设备在异常工况状态和正常工况状态下的运行趋势,因此正确区分工况正常与异常状态十分重要。某些情况下,由设备工况状态可以直接判定故障的发生(如转子出现断裂情形),而大部分工况状态需要利用各种数据采集设备获取运行数据,再进行数据分析来确定该状态是否为故障征兆。在OntoDBN本体模型中,异常工况状态识别实质上是设备工况状态空间到故障特征空间的本体映射。例如,转轴不平衡引起的振动是旋转机械的常见多发故障,一般需要实时监测转轴的振动频率以获取轴振动方向上的频谱特征,当设备出现异常且进行频谱分析时,这些振动特征量就表现为故障征兆。异常工况状态识别主要依靠设备运行状态类(Condition)、监测特征类(Characterization)、故障征兆类(Symptom)、设备部件类(Component)以及这些类之间的相互关联关系来完成。

根据先验知识对工况状态出现的概率(即先验概率)进行估计时,若设备工况状态空间Ωj=(ω1,ω2,…,ωi,…,ωc),其中ωi(i=1,2,…,c)表示状态空间的一个模式点,那么正常和异常工况状态可以分别用P(ω1)和P(ω2)表示,且P(ω1)+P(ω2)=1。再假定x是表示工况状态的离散随机变量,结合工况状态为ωi时x的概率分布函数P(x|ωi)和Bayes公式可以得出:

${\rm P}(\omega {}_i|x)=\frac{{\rm P}(x|\omega {}_i){\rm P}(\omega {}_i)}{{\displaystyle \sum _{i=1}^c{\rm P}}(x|\omega {}_i){\rm P}(\omega {}_i)}(1)$

设{α1,α2,…,αk}表示有限的k种可能判定行为集,风险函数λ(αi|ωj)表示工况状态为ωj时判定行为αi的风险,那么条件风险定义为

$R(\alpha {}_i|x)={\displaystyle \sum _{j=1}^c\lambda }(\alpha {}_i|\omega {}_j){\rm P}(\omega {}_j|x)(2)$

根据Bayes决策规则,异常工况状态识别问题就是选取合适的异常状态判定行为αi,使得条件风险最小,即

$\alpha {}^{*}=\arg \underset{i}{{\displaystyle \min }}R(\alpha {}_i|x)(3)$

设工况状态特征向量x=(x1,x2,…,xd),为简化问题,我们仅考虑工况状态特征相互独立的情形,即针对独立的二值离散特征量进行分类。由于只考虑正常状态ω1和异常状态ω2两类模式,因此可以采用线性二分分类器[12]来判定工况状态,其判别函数为

$g(\mathit{x})=\ln \frac{{\rm P}(\mathit{x}|\omega {}_1)}{{\rm P}(\mathit{x}|\omega {}_2)}+\ln \frac{{\rm P}(\omega {}_1)}{{\rm P}(\omega {}_2)}={\displaystyle \sum _{i=1}^{d}w}{}_{i}x{}_i+w{}_0(4)$

$w{}_i=\ln \frac{p{}_i(1-q{}_i)}{q{}_i(1-p{}_i)}w{}_0={\displaystyle \sum _{i=1}^d\ln }\frac{1-p{}_i}{1-q{}_i}+\ln \frac{{\rm P}(\omega {}_1)}{{\rm P}(\omega {}_2)}$

其中,pi和qi分别是设备处于正常状态ω1与异常状态ω2时(xi=1)的条件概率值。当g(x)>0时,工况状态判为ω1;否则判为ω2。

3.2 故障诊断概率推理算法

判定目标设备的正常与异常状态之后,就可以采用MPE推理方式进行故障概率分析,即根据已有证据找出所有可能的假设中后验概率最大的假设,即

$\underset{{\rm H}\subseteq F}{{\displaystyle \arg \max }}{\rm P}({\rm H}|C,S)(5)$

其中,P(H|C,S)表示在给定设备运行状态C和故障征兆S的条件下,故障假设子集H中故障发生的概率。3.1节给出了故障征兆的判定方法(即工况异常状态识别),根据贝叶斯定理可知:

P(H|C,S)∝P(C,S|H)P(H) (6)

则式(5)可简化为

$\begin{array}{l}\underset{{\rm H}\subseteq F}{{\displaystyle \arg \max }}{\rm P}(C,S|{\rm H}){\rm P}({\rm H})=\\ \underset{{\rm H}\subseteq F}{{\displaystyle \arg \max }}{\rm P}(C|{\rm H}){\rm P}(S|{\rm H}){\rm P}({\rm H})(7)\end{array}$

式(6)中P(H)为H中故障发生的概率,P(C|H)和P(S|H)为H中故障出现时的工况状态和故障征兆的条件概率。设某种故障f的先验故障概率为P(f),且f∈{0,1},那么:

${\rm P}({\rm H})={\displaystyle \prod _{f\in {\rm H}}{\rm P}}(f){}^f(1-{\rm P}(f))(1-f)(8)$

$\begin{array}{l}{\rm P}(C|{\rm H})={\displaystyle \prod _{c\in C}{\rm P}}(c|{\rm H})=\\ x{\displaystyle \prod _{c\in C}(}1-{\rm P}(c))+(1-x){\rm P}(c)(9)\end{array}$

$\begin{array}{l}{\rm P}(S|{\rm H})={\displaystyle \prod _{c\in S}{\rm P}}(c|{\rm H})=\\ x{\displaystyle \prod _{c\in S}{\rm P}}(c)+(1-x)(1-{\rm P}(c))(10)\end{array}$

其中,$x={\displaystyle \prod _{f\in {\rm H}}(}1-{\rm P}(c|f))$,表示故障假设H成立时,状态c与H中故障f无关的概率。

尽管OntoDBN对贝叶斯网络结构进行了简化,但上述精确推理过程依然是NP-hard问题[13]。为了降低推理的复杂度,可以在每次推理循环中选择最有可能发生的故障(即故障信度值最大)加入故障假设子集,并删除该故障所对应的征兆。当故障征兆集为空时,就认为所有可能的故障都已加入故障假设子集中,此时退出推理循环并获得最大可能的故障解释。

4 应用实例分析

为了验证本文提出的OntoDBN模型,选取某化工企业凉水塔风机机组为诊断对象(图4),并以减速器振动位移、减速器润滑油温度和电机电流作为状态监测特征量。为了简化研究过程,不考虑风机的启停升降速状态,仅研究设备稳定运行过程中的故障诊断分析。

首先,借助Protégé本体建模工具[14]和本体描述语言OWL(web ontology language)建立OntoDBN诊断本体模型,实现OntoDBN诊断本体的主要类、数据属性、对象属性以及实例成员。本体结构与实例存储于关系数据库中,通过Jena[15]提供的应用编程接口进行访问。最后,采用贝叶斯网络开发环境GeNIe[16]实现故障诊断的概率推理计算。主要的推理过程包括风机故障征兆判定和可能故障的概率计算,分析结果用来指导后续的设备维护决策与实施。

4.1 风机故障征兆的判定

风机的主要部件包括叶片、转轴、减速器和电机,其中转轴故障是风机的多发故障。故障征兆的判定过程是在设备工况状态监测的基础上,根据专家及现场操作人员经验给出各类故障发生的主观信度。我们利用实时监测数据和式(4)所给出的征兆特征判决函数,可以区分出风机运行过程中出现的故障征兆,即某种工况状态属于故障征兆的主观判定。

以风机转轴工频振动为例,基频幅值增速过快一般视为转轴不平衡或热弯曲故障的征兆,那么可将实时监测到的转轴基频振动幅值作为工况特征量,根据预先设定阈值和二值特征线性分类器来判断该工况特征量是否属于故障征兆。例如,某化工企业4号凉水塔风机转轴的径向振动出现不断增长趋势,需要对设备状态进行诊断与评估。图5所示为4号风机基频幅值增速异常征兆的判定结果。根据最近15次监测到的转轴基频幅值变化,计算出工况状态ωi下幅值x的概率分布函数P(x|ωi),再由式(1)得出条件概率P(ωi|x),最后结合设备状况和专家经验划分出风机正常状态ω1和异常状态ω2。由图5可以看出,新观测到的证据A应视为基频幅值增速异常征兆。

4.2 风机故障概率的计算

诊断对象的异常征兆判定之后,正常工况状态和故障征兆以先验概率值的形式与设备故障联系起来,结合诊断对象常见故障的先验概率就可以进行故障概率推理计算。表1给出了风机常见故障与工况状态或征兆之间的部分概率关系。在OntoDBN故障推理过程中,先利用GeNIe建立诊断贝叶斯网络结构并导入表1中的概率值,然后输入实时状态监测数据作为推理证据,根据式(8)～式(10)计算出概率推理结果。除了判断最大可能发生的故障之外,还可以利用OntoDBN模型进行其他诊断或预测推理。例如某故障发生时,会出现哪些故障征兆以及这些征兆出现的可能性定量分析等。

图6给出了4号风机故障概率推理实例,由于篇幅原因,这里只列出了在设定证据前后“转子不平衡”与“转子弯曲”两种故障的推理结果。图6a表示在输入推理证据前各节点的先验概率和条件概率值,图6b则表示某次推理过程中输入证据之后目标节点的概率变化。由图6b可以看出,在诊断BNs中输入状态数据后,“转子不平衡”故障发生的概率较大(99%)。设备停机大修结果证明,设备状况与前述诊断分析结论一致,4号风机转轴由于设备老化及叶片结垢等原因而出现了不平衡量的增大,经过现场动平衡校验后,设备运转恢复正常。

5 结束语

为了减小设备维护与故障诊断过程中不确定性因素的影响,本文设计了一种本体驱动的诊断贝叶斯网络(OntoDBN),用于智能故障诊断应用中的知识表示与故障推理。OntoDBN包括诊断语义知识表示模型和故障诊断概率推理算法,用贝叶斯决策理论和概率精确推理方法对设备工况状态、故障征兆以及故障成因进行了定量分析。OntoDBN中的知识表示模型与概率推理算法相互关联且相对独立,在促进知识共享的同时提高了故障诊断推理效率。故障诊断概率推理过程还集成了专家的主观诊断经验,与设备运行状态证据相结合,共同完成基于概率的严格推理过程。某凉水塔风机的故障诊断实例分析表明,基于本体的故障诊断贝叶斯网络适用性较强,在一定程度上消解了故障诊断过程各种不确定性因素的影响。本文所采用的精确推理算法计算复杂度高,当诊断网络结构复杂且连接稠密时难以满足工程应用要求,因此,采用近似推理算法与本体模型结合的方式展开诊断贝叶斯网络研究是今后需进一步研究的重要问题。

机械本体 篇2

1“本体”的概述以及模型构建

本文所述的“基于本体的机械加工工艺知识表示”中的本体, 在此处是指所建立的机械加工工艺知识的领域本体。它是整个体系结构中的基础性模块, 为其他模块提供着依据和参考。本体模型的构建是极其复杂的, 需耗费大量的人力、物力资源。针对领域本体而言, 其模型构建可分三个阶段, 即本体分析阶段、本体构建阶段以及本体评估阶段。

利用本体模型对机械加工工艺知识进行表示, 其中本体描述语言的选用极为重要。与传统的知识表述法相比, 本体表述语有着其独有的优势, 那就是描述的“无二义性”。本体模型能够将机械加工工艺知识中的各种概念以及知识关系准确的、形象化的表示出来, 其所采用的精确语言、句法和语义, 使得领域本体内的各种知识概念、对象以及它们之间的关系更加明确, 可以有效的减少问题处理时出现的错误或是误解。目前, 虽然本体表示语言有很多, 比如XML、OML、OWL、XOL、SHOE、RDF、OEL等, 但是最为实用的当属面向语义网的WEB本体语言OWL。

2 基于本体机械加工工艺知识的模型建构

2.1 机械加工工艺知识的分类

机械加工工艺知识可按照产品生产的工艺过程进行分类, 一般情况下分为工艺层知识、工序层知识、工步层知识三类。其中, 工艺层知识包括工艺方法的选择、毛坯设计、工艺路线、模具设计;工序层知识包括工艺检测、加工机床的选择、工步设计以及工件装夹方式的选择;工步层知识主要有切削用量、量检具使用、加工余量确定、刀具选择等。如图1所示。

2.2 机械加工工艺知识领域的概念、关系、属性的获取

本体模型中的概念主要是指功能、概念、策略、任务、过程、行为等。若以“类”来表示的话, 概念体系在任何领域中都是一个庞大的系统结构。根据图2中所示对机械加工工艺知识的概念、关系和属性进行分析。比如对于工艺层中的机械加工方法, 可分为磨削、车削、镗削、钻削和铣削等;模具可分为铣夹具、车夹具以及钻夹具等。本体的属性描述可分为功能属性、数据属性、基本属性以及对象属性等。夹具的属性有夹具设计者、夹具编号、夹紧方式、名称等;本体概念之间的关系有继承、并列等, 比如内孔车刀、外圆车刀与车刀之间属于继承关系, 而外圆车刀与内孔车刀之间属于并列关系。

2.3 基于本体表示语言OWL的机械加工工艺知识本体编码

(1) 切削加工概念的表示

上文的编码所表示的意义是指“钻削”和“车削”属于“切削加工”中的两个子类, 其中sub Class是指“类公理”, 对两个概念的继承关系进行了描述。

(2) 对象属性的表示

上述编码表示对象属性“车削模具”、“车削设备”、“车削工具”的定义域为“车削”, 其值域范围分别是“车夹具”、“车床”以及“车刀”。

3 结束语

总之, 机械加工工艺知识对于工业生产有着重要的指导作用。只有将其明确的表示出来, 才能对机械加工工艺知识进行有效的管理、分享和利用, 才有利于我国机械加工行业的进步。

摘要：随着我国社会主义市场经济的进步和发展, 机械工业在我国社会建设中所起到的作用越来越关键。机械加工工艺是指利用机械对毛坯进行加工处理, 改变其尺寸、性质、形状等, 最后形成合格的零件。以此类推, 机械加工工艺知识就是对这个加工过程中的技术进行书面描述。机械加工工艺知识对工艺生产有着重要的指导作用, 是提升加工质量的重要保证。本文针对基于本体的机械加工工艺知识表示做了较为简略的研究。

关键词：本体,机械加工,工艺知识,表示,模型构建

参考文献

[1]宋海峰.技工学校《车工工艺与技能训练》一体化教学研究[J].湖南农机, 2013, (7) :215-215, 217

机械本体 篇3

发射梁本体是一种薄壁细长盒形件, 它由一系列的部件组合而成的, 如某些机加件和钣金件, 通过对上述应用环节的优化, 来保证其机械加工过程中变形现象的避免。该变形现象的避免, 主要针对的其焊后的工作环节及其机械加工过程中的环节, 通过相关应用环节的规范, 可以实现良好的工作效果。所谓的机械加工工艺就是通过一系列的机械设备的应用, 来保证相关原材料的有效应用, 使其形成质量比较优秀的产品。为了研究发射梁本体自身机械加工工程的优化问题, 首先要针对平常的机械加工工艺展开分析。机械制造厂中的生产过程包括原材料的运输和保存, 产品的技术准备和生产准备, 毛坯的制造, 零件的机械加工及热处理, 产品的装配、调试、检验, 以及产品的销售和售后服务等。在生产过程中, 直接改变生产对象的形状、尺寸、相对位置和性质等, 使其成为成品或半成品的过程称为工艺过程。如生产过程中的毛坯的制造, 零件的机械加工及热处理, 产品的的装配、调试、检验等过程。机械加工工艺过程是指用机械加工方法改变毛坯形状、尺寸、相对位置和性质, 使其成为零件的全过程。

2 机械加工的质量保证环节的分析

2.1 发射梁本体自身机械加工环节的

优化, 离不开机械加工过程中的相关环节的协调。通过有效划分这些应用环节, 提升该零件的机械加工效益。机械加工工序需要实现相关人员的操作, 从而保证日常工艺操作的稳定开展。在发射梁本体的工序应用过程中, 要控制相关因素, 满足工作的需要。通过对这些环节的综合性应用, 来满足日常发射梁本体的机械加工的需要。在日常工作过程中, 发射梁本体自身机械加工工艺环节的优化, 离不开其整体应用环节的深入应用。完成一个工序的工序内容, 有时需要多次装夹工件, 工件经一次装夹后所完成的那一部分工序内容称为安装。在带有转位夹具的机床上进行加工时, 在一次装夹中, 工件相对机床要经过几个位置依次进行加工, 此时, 为完成一定的工序部分, 一次装夹工件后, 工件与夹具或设备的可动部分一起相对刀具或设备的固定部分所占据的每一个位置, 称为工位。工步是划分工序的单元, 在一个工序中, 工步是在加工表面和加工工具不变的情况下, 所连续完成的那一部分工序。加工表面和加工工具两个要素中有一个发生变化就是另一个工步。对于在一次安装中连续加工的若干相同工步, 可写成一个工步。

2.2 在发射梁本体的工序应用过程

中, 要遵守工艺流程的规范, 这样有利于降低发射梁本体在加工过程中的变形的情况。比如在焊接后的程序中, 相关人员在进行工序加工时, 要保证其加工环节的顺序性、规范性, 科学性, 从而满足日常工序的加工需要。促进其粗加工环节、细加工环节的优化, 避免梁体变形。要保证加工的持续性。在粗加工之后, 要遵守相关操作行为, 避免出现变形现象。为了防止相关问题的产生, 也要做好比如粗加工环节、精加工环节的协调。需要保证加工顺序, 有利于消除梁体变形。优化相关梁体工艺流程, 比如焊接环节、时效环节等优化。在应用中, 要根据相关的工艺参数, 协调发射梁实体机械加工系统的内部各个环节的。组合焊接件的特点, 在粗加工之前必须进行人工时效, 方法是在特制的加热箱中加热至时效温度, 保温数小时后开门空冷。优点是比自然时效缩短了周期近50倍, 而且能够使焊接应力充分释放.粗加工后所留的余量过大, 会造成精加工时不必要的工作量, 延长生产周期。余量过小, 很可能会因变形造成精加工量不够而产生超差或报废。所以合理留出精加工余量是保证产品质量很关键的一环.第二次时效, 目的是为了释放焊接, 装夹及粗加工造成的残余应力。精刨时应松动一下夹紧部位, 然后再次重新夹紧.以减少装夹造成的变形.第一次装夹应首先加工间距大的两个槽, 保证B平面到凹槽加工平面的精度要求, 另外保证两平面装夹状态平面度小于08第二次加工中分两次装夹的目的是为了去掉第一次加工中由于焊接应力释放、装夹应力和切削应力所造成的变形量, 使梁本体变形减少到最低限度.

加工过程中, 也要遵守发射梁实体的应用原则。通过对上述发射梁实体的整体应用环节的优化, 从而优化其承力面的相关环节。只有保证较大的加工表面, 才能有效控制单位面积内的承受力, 保障其压紧力的均匀性。装夹前的准备工作, 将专用垫块清除干净并除去飞边毛束鱿;基面用锉刀锉去飞边毛刺并擦干净;清扫床面保持干净、清洁.刨削时的装夹。采用挤压方法。以三个凹槽处底平面为基准, 垫上专用垫块, 装夹找正;装夹部位选择在两侧平面夹紧力要均匀分布铣削时装夹, 采用压板压紧形式。

通过优化相关平面应用环节, 促进其装夹环节的稳定。在相关部位的压紧过程中, 要通过对其梁内腔控制位置的选择, 促进其压紧部位的有效选择。在发射梁体的机械加工过程中, 为了满足机械加工的需要, 需要进行压紧力环节的规范, 从而促进其夹牢性, 这样有利于保证发射梁本体的下序应用环节的优化。该环节的开展, 要实现与相关环节的协调, 只有这样才能保证发射梁本体的整体机械加工质量效率的提升。压紧力要保证在夹牢的前提下尽可能由于发射梁本体属于焊接结构机加工件, 尺寸大.结构复杂, 有89个零件组成, 刚性差, 精度高, 容易变形, 是某产品的关键部件, 曾一度成为我厂难以攻克的工艺课题.为了解决现实中的发射梁本体的机械加工过程中的难题, 要实现其相关应用实践试验的开展, 从而总结经验。通过工艺试验并在实践中逐步形成了一套完整的加工方法, 克服了加工中变形量过大的弊病;达到了设计要求, 方法可靠, 质量稳定, 具有可操作性和推广性, 可广泛用于其它各型号同类产品。

结语

发射梁本体的整体机械加工环节离不开其应用步骤的优化和内部机械加工系统的内部各个环节的协调, 提升日常机械加工综合效益, 这需要引起相关机械管理技术人员的重视, 通过对机械加工工序环节、机械管理环节等的优化, 来保障日常工作的稳定运行。

参考文献

[1]机械加工及焊接工艺手册[Z].

机械本体 篇4

关键词：点焊机器人,机械本体,动力学分析,有限元分析

工业机器人是集机械、电子、控制和计算机技术为一体的高端科技产品, 是现代化工业技术的一个缩影和标志。我国工业机器人开发始于20世纪80年代, 但发展缓慢, 远远落后于国外, 产品依靠从国外大量引进, 在维护、更新改造方面对国外的依赖也相当严重。

为了满足日益增长的需求, 奇瑞公司于2007年末成立机器人项目, 联合国内高校和研究所, 共同进行机器人的产业化开发, 以形成中国的工业机器人自主品牌。通过2年多来的努力, 已经开发出负载为165 kg点焊, 210 kg点焊机器人和负载为6 kg弧焊机器人并在汽车生产线上成功应用, 其他型号的工业机器人也正在研发之中。

165 kg机器人本体设计分5个步骤完成: (1) 根据市场调研结果和机器人设计理论确定性能指标和设计方案; (2) 根据性能指标初步选择电机和减速器及确定各个关键零部件的材料等; (3) 建立机器人三维动力学模型, 对零部件进行有限元分析、动力学仿真等; (4) 根据仿真和分析结果确定机械结构、电机和减速器; (5) 加工制造、装配和检测实验[1]。

1 机器人本体设计方案和性能指标

负载为165 kg的六自由度关节型点焊机器人是汽车焊装生产线上使用最多的机器人型号之一, 由于汽车生产企业对产品的质量和生产节拍要求越来越高, 机器人的重复定位精度、运动速度和工作范围是工业机器人设计需要重点考虑的性能指标。通过对应用要求的分析, 同时参考国外知名品牌机器人的性能参数, 确定165 kg机器人指标参数, 如表1所示。

2 机械本体设计

首先根据165kg六自由度点焊机器人设计图纸, 利用Solidworks软件虚拟设计出机器人的三维模型。165 kg点焊机器人机械本体包括底座部分、平衡缸部分、大臂、小臂部分、手腕部分和外围部分。165 kg机器人有6个转动自由度, 1、2、3轴转动实现末端的位置变化, 4、5、6轴实现末端姿态的变化。165 kg点焊机器人采用数字交流伺服电机驱动, 最新RV减速器传动, 结构简洁, 传动链少, 精度高。机器人机械结构如图1所示。

3 动力学分析过程

三维模型建立后要对模型进行动力学仿真分析, 研究虚拟样机的参数和性能是否符合要求, 在产品制造出来之前, 就可以发现并更正设计错误, 完善设计方案, 降低工程制造和测试费用, 缩短产品的开发周期。

这里用ADAMS[2]对机器人进行动力学分析。 (1) 单轴极限运动, 从而得到单轴运动时的参数; (2) 各轴联动, 在这个过程中, 需要多考虑各种联动的姿态, 包括同方向运动, 以及能够产生科氏加速度的联动, 多考虑轨迹; (3) 典型工位的运动, 根据现场所应用到的工作, 进行姿态较为正常的情况下的仿真。

多次运动后的结果形成统一的表格形式, 然后进行分析对比, 从而找出最大值和平均值, 初步选定电机和减速器, 选定后, 将真实减速器和电机模型进行第二轮仿真验算。同时将得到的结果进行对比、校验, 得到最符合条件的电机和减速器。

4 关键件的有限元分析

近年来随着计算机技术的普及和计算速度的不断提高, 有限元分析在工程设计和分析中得到了越来越广泛的重视, 已经成为解决复杂的工程分析计算问题的有效途径, 这里对关键件进行有限元分析, 主要是求解关键部件的应力, 对其强度、刚度进行校核。首先要对关键件进行静力学分析, 求出各个关键件所受到的力及力矩、扭矩等, 然后用有限元分析软件进行有限元分析。图2、图3是手腕连接体的最大正应力安全系数图和应力强度安全系数图。

各个关键件进行有限元分析, 可以得出各个位置的应力值、最大应力、安全系数等, 为关键件的结构优化提供依据。这只是手腕连接体的部分分析图, 还可得到其应变图、位移图等等, 根据分析结果可以对各个件安全系数小、强度不够的地方进行优化, 以满足性能要求。

5 性能测试

外围部分的设计和安装由专门人员设计。机械本体设计完成后, 就可进行加工、制造和装配。根据各个过程中出现的问题, 不断地修改完善机构模型和图纸, 产品出来后就要对产品进行试验, 试验各性能是否符合或达到要求, 达不到要求的则要进一步进行修改完善。对初步完成的机器人进行性能测试, 测试得到的最大运动速度、负载率及重复定位精度如表2、表3所示。

测量得到的重复定位精度0.3 mm, 满足技术要求。另外还有噪声测试、温度测试等都符合设计要求, 说明设计完成的机器人各项性能指标均达到要求, 可以用于生产应用。

机器人的设计开发是一个很复杂的过程, 周期较长, 涉及方面较多。机械设计过程及动力学分析过程、有限元分析过程、试验阶段等都是非常重要的, 因此都要进行反复校验最终得出理想的机器人结构和性能参数。

参考文献

[1]蔡自新.机器人原理及应用[M].中南工业大学出版社, 1998

机械本体 篇5

我国当代油画的发展目前是以多样性的创作而展现的,所谓多样性,就是在审美观念和思维创作上表现出的多样化,这是目前我国当代油画发展的一种最基本的状态。自由不受任何约束的状态是目前很多画家共同的追求,但是在绘画艺术中很多应根据行业的定位而给画家很多不一样的创作空间,随着社会生活文化人性化的趋势和艺术实验的合法化,促使我国当代油画随着西方油画的风格不断演绎,变得复杂而又宽广。

不管是我国的油画还是西方油画,它们都有一种共同的价值本源。一直以来,我国油画在着重创作时,忽略了油画艺术价值本体的两个关键,就是画家群体和风格。这与西方油画有很明显的对比。目前很多的艺术家觉得,中西方油画的结合就是以中国的审美意识与西方绘画技法相结合,从而创新自我的油画理论,表面看起来是很有道理的,实际上却很简单。真正意义上的中西油画结合主要表现在创作思维上,应该把两种文化和艺术美学体系相互结合,然后才是形成艺术共同的交织,但是这并不是什么取长补短,而是多元文化中艺术的诞生。理论上说,多年来我国油画注重的都是油画的审美本体,也就是画的内涵和画本身的审美,基本上很少有人能从油画的价值本体上有一定认识。价值本体是油画的一种身份,也是在西方的风格和画家群体上构成的。西方当代油画缺乏对传统的油画认识,只知道油画是用油彩和画布绘画的,因此,价值本体理论如:风格,群体,形式,派别,已经成为无关紧要的表面特征。而我国注重传统美学文化理论,以“天人合一”、“成竹在胸”、“气韵生动”在我国油画作为主要的审美。因此这种审美意境只能自己意会,而不可言传,而风格理论在油画中被认为有或无。现在很多画家都只管画的好不好,而不管油画的风格,这种审美意识已经失去了我国当代油画本身的价值本体和审美本体。

二、中国当代油画的创作观念与“多元化”构成

在艺术家中,创作观念就是作品创作的思维和审美体系,也是一种以自我为主导的创作性思维。我国当代油画在创作观念上有两点:第一,艺术里面都有一个“主旋律”,而在油画里面,“主旋律”是以主题的方式表现审美;第二,画家的创作思维都是经过长时间的关注的题材为方向的。我国当代油画的创作方向是通过社会的审美精神指引的,而既要吸引人们的目光又要把握好大众的审美观念,画家一定得掌握好主题性。社会的需求和大众的审美是引导着我国当代油画的发展和进步,画家与群众这种相呼应的关系只在于对应了两者的各自需求,而油画本身的价值是什么,无人去了解。目前,我国当代油画的创作理念和世界艺术相连接会变得很复杂。从理论上说,多元化实际就是多样性的表现,而油画创作观念的不同恰恰就是“多元化”的基础。因此,西方和东方的油画风格不同并且风格种类多,说法也不一样,西方的艺术评论家很少说是“多元化”,而东方的评论家不一样,只要稍微的风格上的改变就被说成“多元化”的构造。所以,在油画的创作思维上看,“多元化”并不是画的表面的主要的内容表现,于是在我国当代油画多样性发展上是一个很重要的趋势,而多元化还是处于发展之中。

三、中国当代油画家群体的审美意识

我国当代油画家很多都是以自由不受约束的状态创作的,大多数是以独特的审美个性为中心,与西方的画家群体的审美意识不同,其主要表现为:第一,我国当代油画家主要是以中国艺术的“和合”思想为主,主观化的审美意识让中国油画家认为材料和工具是表达自我的方式,而西方油画的本质在中国艺术的审美意识里一般是受到排斥的;第二,中国的油画家大多都是以“画自己的画,随别人说去”这样的心态创作的,很多作品也是有风格,但无确定性和专项性。很多人都觉得画家只是画画而不需要做理论研究,导致了很多人对画家的评论都是赞扬,而没有实质性的理论分析;第三,我国油画家和观赏者都喜欢看画的表面,而对真正的画中的价值本质舍去和抛弃,及意象化的界定,才有今天的中国式油画。这也是在我国当代油画中特殊诠释。

就目前而言,我国当代油画是以自己的艺术审美意识结合着西方艺术理论形式的生存状态,主要是因为西方的多元文化被我国的美学的心、物、能三者一体的观念所排斥。不管油画是在西方还是在东方,都有自我的本体结构。油画的价值本体的构成就是百年传承和风格体系,以及画家群体的结构体系。就现在的油画实践发展的境界中,很多艺术家开始发觉我国油画还有很多的缺点与不足,很多画家都把学习西方油画传统文化的话题放在嘴边。然而该怎么学?没有人去过多的解释,因此就这样的一个富有深刻的话题就成了一段空话。

四、我国当代油画风格理论体系的建构

目前,我国当代油画还没有具体发展成多样化的学术性的风格理论体系。而我国油画家一般首要主张绘画的审美,不喜欢专注一种风格和形式,而是发挥自我的表达。从一定程度上讲,我国油画的创作从一开始都与风格理论上有着不相连接的表现,这些理论都是从油画的历史中展现出来的,从而缺乏美学意识上的知识。一直以来,我国油画的审美本体都是靠我国传统艺术的审美观念引导的,才会把很多西方油画的文化风格挡在外面,然而与传统的艺术理论还是无法连接,导致我国油画没有明显的风格体系。其次,我国很多油画家都只看作品不评论的现状也说明了很多问题。目前,我国油画艺术发展来看,也有很多的关于风格的词语,但是这些词语都是借鉴西方油画的风格,并没有我们自己的一套风格体系。

总体来说,我们从中国油画的发展方向上研究,知道了油画的发展不仅从民族文化和时代需求上进行艺术评判和价值体现,还要从创作新方向和思维上来创作出自己的体系,实际上讲就是以世界性油画的标准衡量。目前来讲,创造自己的油画风格体系,加强我们自己创作的相关理论体系;把我国当代油画的风格展现出来,促使画家意识自由而不受任何的左右,创造出不同的创作意识和风格体系,让每一个作品都能清晰的表达内容;提高油画家的艺术责任意识,构造我国油画的自身价值本体,这些都是我国现在画家需要改善的首要任务,也是我国当代油画发展的主要路径。

参考文献

[1]尚辉.从“舌尖中国”到“笔端中国”[J].中国油画,2012,(4):82-82.

[2]张祖英.中国油画有着宽广的发展空间[J].中国油画,2013,(3):44-47.

机械本体 篇6

关键词：哲学,本体,度

过去、现在、未来, 这种空间化的时间系列便是历史。人生意义不局限于特定的时空却仍然从属于人类的总体, 此即:“主体性”, 即历史积淀成的人类学历史本体。

“本体论”所探究的是一切实在万物的最终本质、本性或最终实在。康德指出:“本体”指现象对立的不可认识的“自在之物”。“历史本体论”探讨的对象是人与自然, 即“强调以人与自然 (包括内在自然与外在自然) 的历史总体行程来作为一切现象, 包括“我活着”这一体己现象的最后实在”。李泽厚认为“度”是哲学的“逻辑起点”, 人与自然通过度的历史构建所形成的人化关系与前景, 才是历史本体论探索的课题。

黑格尔认为“度”是“质”与“量”的统一, 并由“限度”深化为“程度”。相对于主客观统一论的黑格尔, 唯物辩证法吸取了他观点的精华。在“质变量变规律”中也讲到了“度”, 就事物自身变化而言, 是“程度”, 但主客观相互作用的矛盾统一体就是一种事物, 事物内在的矛盾双方力量对比超过一定的限度, 事物整体就要出现相应程度的变化, 这里的“度”是纯客观的。

所谓“度”、“阴阳”、“动静”才是宇宙的最高法则。“度”首先是出现在人类的生产—生活活动中, 即实践—实用中。它本身是人的一种创造, 一种制作。从而, 不是“质”或“量”或“存在” (有) 或“无”, 而是“度”。“度”的运用是广泛的, 它存在于人类的生产生活实践中, 是人类学历史本体论的第一范畴。这一范畴, 不是静态的, 而是动态的。人类依靠生产技艺中的“度”生存延续, “度”便随着这种生产, 发展, 生活的新变化而不断的更新变化。如古代女子以三纲五常为行事尺度, 稍行不慎就会遭到当时度的惩罚, 危及生存。而现在随着人类文明——“度”的提高, 度的概念和范畴被注入了新的因素, 所有不良衡量法度都被废除, 呼应了更高民主社会的要求。

“度”既不存在于客观对象中, 也不是主观感受、意志的表达, 而是在人类实践—应用中的秩序构成。人们依靠生产技艺中的度的掌握而生产、延续、维系族类的存在。度随着人类的生存、存在而不断调整、变化、扩大、更改, 因为度的活生生的存在, 不难理解随着时代的更迭, 人类生活生产结构和形式的更新。所以李泽厚“度”的提出, 不同于普通的哲学观念, 也是对黑格尔理论的深化发展, 对研究历史本源具有重要的创新和启发作用。

中国哲学在世界哲学史上是特殊的。很多哲学专家认为中国没有哲学, 甚至金岳霖也说:“中国哲学确定不曾注重过一种严整的逻辑形式。”在我看来, 中国源远流长的传统使得中国哲学变得复杂而抽象。中国有没有哲学?有的, 只是和西方哲学不同。西方哲学强调理性与科学, 中国哲学强调感性和经验。古时说的“天命”就是很好的例证。认识的差别, 导致了中西哲学和认识价值的不一。

从矛盾方向来说, 中国和希腊文化本质上很像, 都大大充斥这矛盾发展、对立依存的趋势。以中国“阴阳”为例证。李泽厚以为:本由人的操作、货代、动静、作息两种既区分、对立又彼此渗透、依存的状态概括而来。“阴阳”本身便是矛盾的, 从而才会衍生出男女、善恶、天地等元素, 但它们的地位是一样的, 而且富有鲜明的矛盾对立色彩。两者互为倒立, 却融为一体, 形成最和谐的圆, 可见两者的互补关系。

爱因斯坦曾这样比较中西方哲学:“西方科学的发展以两个伟大的成就为基础, 那就是:希腊哲学家发明的形式逻辑体系, 以及通过实验系统发现可能找出因果关系。在我看来, 中国的贤哲并没有走上这步。”中国哲学长时间忽视了本体的存在, 主要有两个原因:

1、中国哲学在世界哲学史上是特殊的。“中国哲学确定不曾注重过一种严整的逻辑形式。”中国源远流长的传统使得中国哲学变得复杂而又抽象。西方哲学强调理性之道, 中国哲学强调感性和经验。如《道德经》中, 中国人崇尚的是“天一之道”, 认为世界是一个无限发展而且永恒不变的自因自果的过程式世界;而西方则崇尚牛顿的“万有引力”, 他们认为世界的无限发展变化是由于一个外部的 (上帝的) 动力和牵引所推动的。这就导致了中西哲学的差异。

2、中国传统哲学信奉神秘主义。本体在中国就是“是”, 而“是”被广泛应用于主体和客体、主观和客观之间, 作为一个链词, 没有实在的意义。同时, “是”由“时”演变而来, 时间是流动虚幻不可把握的, 因此“是”也被虚化了, 这种传统导致了中国哲学时间和空间上的虚化。