基于BP神经网络的谐波减速器柔轮疲劳寿命预测研究*

doi:10.16731/j.cnki.1671-3133.2024.04.019

现代制造工程 ›› 2024, Vol. 523 ›› Issue (4): 140-145.doi: 10.16731/j.cnki.1671-3133.2024.04.019

• 设备设计/诊断维修/再制造 • 上一篇下一篇

基于BP神经网络的谐波减速器柔轮疲劳寿命预测研究^*

成元彬¹, 袁文平¹, 张涛², 刘志峰³

1 北京市科学技术研究院智能装备研究所,北京 100061;
2 北京工业大学材料与制造学部,北京 100124;
3 吉林大学机械与航空航天工程学院,长春 130025

收稿日期:2023-09-04 出版日期:2024-04-18 发布日期:2024-05-31
作者简介:成元彬,高级工程师,研究方向为机器人及智能装备。E-mail:cyb369@qq.com
基金资助:
^*北京市科学技术研究院装备改革与发展专项项目(0820230195KF001-01)

Research on fatigue life prediction of flexspline of harmonic reducer based on BP neural network

CHENG Yuanbin¹, YUAN Wenping¹, ZHANG Tao², LIU Zhifeng³

1 Institute of lntelligent Equipment,Beijing Academy of Science and Technology, Beijng 100061,China;
2 Department of Materials and Manufacturing,Beijing University of Technology, Beijng 100124,China;
3 School of Mechanical and Aerospace Engineering, Jilin University,Changchun 130025,China

Received:2023-09-04 Online:2024-04-18 Published:2024-05-31

摘要/Abstract

摘要： 柔轮是谐波减速器的易损零件,在波发生器的高转速带动下转动,其疲劳寿命一直是备受关注的研究重点。以某型号杯型谐波减速器柔轮为研究对象,建立有限元仿真模型,得到柔轮最大应力与筒长、筒体壁厚和不同过渡圆角半径等参数之间的关系。根据柔轮S-N曲线,计算得到柔轮疲劳寿命,利用反向传播(Back Propagation,BP)神经网络实现了柔轮疲劳寿命的预测。

关键词: 柔轮, 应力分析, 疲劳寿命预测, 有限元分析, 反向传播神经网络

Abstract: The flexspline is a vulnerable part of the harmonic reducer. Driven by the high rotation speed of the wave generator, its fatigue life has always been a research focus of concern. Takes flexible wheel of a cup-type harmonic reducer as the research object, establishes a finite element simulation model, the relationship between its maximum stress and the parameters such as the length of the cylinder, the thickness of the cup wall and the radius of different transition fillets were obtained. Based on the S-N curve of the flexspline, the fatigue life of the flexspline was calculated, and the prediction of fatigue life was achieved using BP neural network.

Key words: flexspline, stress analysis, fatigue life prediction, finite element, Back Propagation (BP) neural network

中图分类号:

TH132.43

成元彬, 袁文平, 张涛, 刘志峰. 基于BP神经网络的谐波减速器柔轮疲劳寿命预测研究^*[J]. 现代制造工程, 2024, 523(4): 140-145.

CHENG Yuanbin, YUAN Wenping, ZHANG Tao, LIU Zhifeng. Research on fatigue life prediction of flexspline of harmonic reducer based on BP neural network[J]. Modern Manufacturing Engineering, 2024, 523(4): 140-145.

参考文献

[1] SAERENS E, CRISPEL S, GARCIA P L, et al. Scaling laws for robotic transmissions[J]. Mechanism and Machine Theory, 2019,140:601-621.
[2] PHAM A D, AHN H J. High precision reducers for industrial robots driving 4th industrial revolution: state of arts, analysis, design, performance evaluation and perspective[J]. International journal of precision engineering and manufacturing-green technology, 2018,5:519-533.
[3] KAYABAS O, ERZINCANLI F. Shape optimization of tooth profile of a flexspline for a harmonic drive by finite element modeling[J]. Materials and Design,2007,28:441-447.
[4] OSTAPSKI W. Analysis of the stress state in the harmonic drive generator-flexspline system in relation to selected structural parameters and manufacturing deviations[J]. Technical Sciences,2011(58):683-698.
[5] ZHANG X, JIANG G, ZHANG H, et al. Time-dependent reliability analysis of harmonic drive based on transient FEA and accelerated life test[J]. Engineering Computations, 2020,37(7):2293-2317.
[6] LI W, HAO L J. Study on the degradation law of harmonic gear drive backlash with wear and assembly errors[J]. Engineering Failure Analysis, 2022,140:106614.
[7] 张弦,姜歌东,梅雪松,等.采用瞬态有限元及加速寿命试验的谐波减速器时变可靠度评估方法[J].西安交通大学学报, 2020,54(4):1-9.
[8] 付军锋,董海军,沈允文.谐波齿轮传动中柔轮应力的有限元分析[J].中国机械工程, 2007,18(18):2210-2214.
[9] 高海波, 李志刚, 邓宗全. 基于ANSYS的杯形柔轮结构参数对柔轮应力的敏感度分析[J]. 机械工程学报, 2010,46(5):1-7.
[10] 李俊阳. 空间润滑谐波减速器失效机理及其加速寿命试验方法研究[D].重庆:重庆大学,2012:18-25.
[11] 韩欣荣.玻璃制瓶机谐波传动柔轮寿命分析及参数优化[D].武汉:华中科技大学,2020:45-49.

[1]	顾栩, 李明相, 钱红, 高关胜, 杨春红, 雷志刚. 波纹管参数对TRB管坯液压成形V型波纹管壁厚分布影响的研究及预测^*[J]. 现代制造工程, 2025, 536(5): 115-120.
[2]	刘佳元, 程祥, 唐铭泽, 郑光明. 基于ANSYS的微小型定、变基圆渐开线涡旋盘多场耦合分析^*[J]. 现代制造工程, 2025, 534(3): 77-83.
[3]	李良辉, 李乐, 王茜, 张喜明. 基于DBO-BP的永磁同步电机损耗预测模型^*[J]. 现代制造工程, 2025, 533(2): 130-137.
[4]	邢士龙;乔健;刘杰;徐宝卫;秦升学. 铰链式带锯床锯架结构分析与优化[J]. 现代制造工程, 2023, 515(8): 87-91.
[5]	王敬龙;朱晓宇;王效岗. 基于GA-BP神经网络板材辊式矫直工艺预测模型[J]. 现代制造工程, 2023, 515(8): 115-120.
[6]	李伟豪，茅健，郑武，张婷. 基于拓扑优化的多复合材料3D打印增强方法及实验研究[J]. 现代制造工程, 2023, 513(6): 26-32.
[7]	闫光辉，王效岗，韩培盛，朱晓宇. 齿轮参数对小型鼓形齿联轴器承载能力的影响[J]. 现代制造工程, 2023, 519(12): 6-12.
[8]	汪存喜;梅标;杨永泰. 基于尺寸和自由形状联合优化技术的叉车货架轻量化设计[J]. 现代制造工程, 2023, 517(10): 86-93.
[9]	冯清国，李金键，任家智，常昊雨. 棉纺精梳机钳板驱动机构动力学及有限元分析[J]. 现代制造工程, 2022, 503(8): 71-76.
[10]	张天成，耿争言，董九志，陈云军，蒋秀明，. 碳/碳复合材料预制体缝合机针设计及性能分析[J]. 现代制造工程, 2022, 500(5): 138-144.
[11]	赵宇豪，赵慧，谭代彬. 基于波纹管软体驱动器的设计与制作[J]. 现代制造工程, 2022, 498(3): 35-40.
[12]	蒋金良，甘长勇，周维林，徐中明. 某电动商用车车架轻量化改进[J]. 现代制造工程, 2022, 497(2): 64-69.
[13]	尹长城;李青春;朱大松;韩瑞远. 商用车驾驶室安全性仿真与改进[J]. 现代制造工程, 2022, 505(10): 51-57.
[14]	王敏，万长东，王炜，杜浩，苏振驰. 一种基于CATIA的蜗轮蜗杆建模方法研究及应用[J]. 现代制造工程, 2021, 490(7): 60-65.
[15]	康盼，刘军强，吴伏家，周浩. 电熔爆等离子体电弧的多场耦合仿真与试验分析[J]. 现代制造工程, 2021, 489(6): 69-74.

基于BP神经网络的谐波减速器柔轮疲劳寿命预测研究^*

Research on fatigue life prediction of flexspline of harmonic reducer based on BP neural network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics