一种滚动直线导轨副综合性能评估方法与流程

本发明属于滚动直线导轨副性能评估的领域，特别是滚动直线导轨副综合性能评估方法。
背景技术：
：滚动直线导轨副为直线导向功能部件，其运动精度、摩擦力、振动等性能特性影响着机床的加工精度、加工稳定性和可靠性等。随着滚动直线导轨副生产技术的不断提高及应用领域的不断扩大。现目前对滚动直线导轨副性能评估的研究主要集中于对其某一特定性能进行独立的评价，实际上导轨副各性能参数间相互耦合，片面的评估对我们了解滚动直线导轨副整体性能并没有多大意义。先进的评估标准能为产品质量提供重要保证。建立科学统一的滚动直线导轨副综合性能评估体系有利于全面了解滚动直线导轨副质量，指导生产和选型，同时为国内滚动直线导轨副综合性能的等级评定及验收提供参考，也为国内滚动功能部件的发展及类似设备的研发提供了宝贵的经验，具有较强的现实意义及工程指导价值。国际上，许多滚动直线导轨副的制造公司除了致力于改革加工工艺外，都把评估手段的更新换代放在重要的地位。目前国外很多企业上已经形成了一套较为完整的滚动直线导轨副性能评估体系，但是很多先进的检测技术与评估技术是不公开的，因此很难查到国外关于滚动直线导轨副性能评估方面的资料。国内对滚动直线导轨副的综合性能研究起步较晚，在滚动直线导轨副综合性能评估方面基本处于空白。因此如何对现有滚动直线导轨副性能进行评估已经成为行业内面临的共同难题。技术实现要素：本发明的目的在于提供一种滚动直线导轨副综合性能评估方法。实现本发明目的的技术解决方案为：一种滚动直线导轨副综合性能评估方法，包括以下步骤：步骤1、对滚动直线导轨副综合性能指标z进行定义：z∈[0.1],为无量纲数，最大值1表征综合性能最优，其值越小表征综合性能越差；步骤2、建立滚动直线导轨副评估模型f(x1,x2...xk)＝z，k为滚动直线导轨副性能参数的种类数；步骤3、建立评估数据库，所述数据库的大小即为参评的滚动直线导轨副的数量m；步骤4、确定滚动直线导轨副评估模型f(x1,x2...xk)＝z中的自变量，所述自变量为滚动直线导轨副精度、刚度、摩擦力、振动、噪音及温升6类性能参数，有k＝6。对6类不同量纲的性能参数进行标准化处理，得出自变量xk，所述xk∈[0.1],为无量纲数；步骤5、确定滚动直线导轨副评估模型f(x1,x2...xk)＝z中的应变量z，具体为：首先基于层次分析法建立滚动直线导轨副综合性能指标z的数学模型，之后根据九级比例标度原则，计算出滚动直线导轨副综合性能指标的实际值；步骤6、基于步骤3和步骤4，确定所述数据库中各滚动直线导轨副的精度、刚度、摩擦力、振动、噪音及温升6类性能参数x1,x2...x6及其综合性能指标z，获得m组数据点(x1,x2...x6,z)；步骤7、基于步骤6所述的m组数据点(x1,x2...x6,z)，通过反向神经网络法拟合出的滚动直线导轨副评估关系式f(x1,x2...xk)＝z。本发明与现有技术相比，其显著优点为：1)本发明考虑滚动直线导轨副各性能间的耦合关系，将主观定性分析滚动直线导轨副综合性能问题量化，准确的对导轨副综合性能进行等级划分；2)本发明基于反向神经网络分析法，依据大量客观数据点拟合评估关系式，具有较强的公平性和科学性，适用范围广；3)本发明的评估结果真实有效，与客观事实相符。附图说明图1是本发明的一种滚动直线导轨副综合性能评估方法分析流程图。图2是滚动直线导轨副综合性能评估指标z的层次分析模型图。图3是实施例滚动直线导轨副综合性能评估指标z的层次分析的数学模型图。图4是神经网络拟合滚动直线导轨副综合性能评估关系式的模型图。具体实施方式本发明公布了一种滚动直线导轨副综合性能评估方法，属于滚动直线导轨副性能特性评估领域。现目前滚动直线导轨副能直接测量的性能包括精度特性、摩擦特性、振动特性、温升特性及噪声特性。在特定的使用条件下，如何通过上述性能指标判断滚动直线导轨副综合性能的好坏受到了用户及厂家的广泛关注。本发明介绍了一种滚动直线导轨副综合性能评估方法。由于在不同的使用条件下对滚动直线导轨副质量的关注点不同，根据特定的使用条件，建立滚动直线导轨副综合性能评价模型。充分结合了主观赋权评价法与客观赋权评价法的优点，通过易于试验测量的特性表征滚动直线导轨福综合性能，计算结果与实际情况相符。该评估模型公正准确，具有广泛的适用范围。其核心为：首先对综合性能这一指标进行定义，运用层次分析法建立该综合性能指标的数学模型，计算出各导轨副综合性能指标的实际数值。以实际试验测得的精度、刚性、摩擦力、振动、噪音及温升6类性能参数为自变量，以综合性能指标为应变量建立滚动直线导轨副的性能评估模型。最后基于反向神经网络法拟合出滚动直线导轨副综合性能评估关系式。结合附图，本发明的一种滚动直线导轨副综合性能评估方法，包括以下步骤：步骤1、对滚动直线导轨副综合性能指标z进行定义：z∈[0.1]，为无量纲数，最大值1表征综合性能最优，其值越小表征综合性能越差；步骤2、建立滚动直线导轨副评估模型f(x1,x2...xk)＝z，k为滚动直线导轨副性能参数的种类数；步骤3、建立评估数据库，所述数据库的大小即为参评的滚动直线导轨副的数量m；所述数据库大小为m，要求m≥k，即数据库必须大于滚动直线导轨副性能参数的种类数，且数据库越大，拟合出的滚动直线导轨副综合性能评估关系式f(x1,x2...xk)＝z适用范围越广泛。步骤4、确定滚动直线导轨副评估模型f(x1,x2...xk)＝z中的自变量，所述自变量为滚动直线导轨副精度、刚度、摩擦力、振动、噪音及温升6类性能参数，有k＝6；对6类不同量纲的性能参数进行标准化处理，得出自变量xk，所述xk∈[0.1],为无量纲数；各性能参数标准化处理原则为：①精度指标为等级指标，依据《jb/t717.4-2006滚动直线导轨副第4部分：验收技术条件》中精度等级的划分标准划分等级，得到数据库中各导轨的精度等级r1，对于任意的ri∈r1，则有x1＝(ri-rmin)/(rmax-rmin)；表1滚动直线导轨副精度等级划分表②刚性为正向指标，该指标越大越好；按照正向指标无量纲化属性值方式处理，具体为：r2为数据库中刚性值区域，对于任意的ri∈r2，有x2＝(ri-rmin)/(rmax-rmin)；③摩擦力、振动、噪音及温升为反向指标，r3为数据库中摩擦力值区域，r4为数据库中振动值区域，r5为数据库中噪音值区域，r6为数据库中温升值区域；按照反向指标无量纲化属性值方式处理，具体为：对每一类特征值，ri∈r时，有ri＝(rmax-ri)/(rmax-rmin)。步骤5、确定滚动直线导轨副评估模型f(x1,x2...xk)＝z中的应变量z，具体为：首先基于层次分析法建立滚动直线导轨副综合性能指标z的数学模型，之后根据九级比例标度原则，计算出滚动直线导轨副综合性能指标的实际值；基于层次分析法建立滚动直线导轨副综合性能指标z的数学模型，具体为：步骤5-1、建立递阶层次数学模型，包括目标层、准则层和方案层；步骤5-2、基于九级比例标度原则确定准则层对目标层的判断矩阵a以及方案层对准则层的判断矩阵bm，m为参评导轨副的数量；步骤5-3、计算判断矩阵a的最大特征值λ及其对应的归一化的正特征向量w1(b1,b2...bn)，n为准则层的准则数目；按照相同的方式得到判断矩阵bm归一化的最大特征值ηm及其对应的归一化的正特征向量w2n，m为参评的滚动直线导轨副的数量；步骤5-4、计算数据库中滚动直线导轨副的综合性能指标z,各导轨副综合性能指标的排序向量为l＝(z1,z2...zn)＝(b1·w21+b2·w22...+bn·w2n)。步骤6、基于步骤3和步骤4，确定所述数据库中各滚动直线导轨副的精度、刚度、摩擦力、振动、噪音及温升6类性能参数x1,x2...x6及其综合性能指标z，获得m组数据点(x1,x2...x6,z)；步骤7、基于步骤6所述的m组数据点(x1,x2...x6,z)，通过反向神经网络法拟合出的滚动直线导轨副评估关系式f(x1,x2...xk)＝z，求得该导轨副综合性能指标z的大小，完成对其综合性能进行评价分析。通过反向神经网络法拟合出关系式f(x1,x2...xk)＝z，具体为：采用广泛运用的反向传播神经网络，设置一个隐含层，建立三层神经网络机构拟合出评估关系式，所述三层神经网络机构包括输入层、隐含层和输出层。本发明考虑滚动直线导轨副各性能间的耦合关系，将主观定性分析滚动直线导轨副综合性能问题量化，准确的对导轨副综合性能进行等级划分。下面结合实例对本发明做进一步详细的描述。实施例选用适用于低速重载工况的滚动直线导轨副，参与评估的数据库大小为m＝7。首先确定综合性能指标z的定义，z为无量纲数，z∈[0.1],最大值1表征综合性能最优，其值越小表征综合性能越差。建立滚动直线导轨副评估模型f(x1,x2...x6)＝z。其中自变量为实验获取滚动直线导轨副精度、刚度、摩擦力、振动、噪音及温升6类性能参数，将不同量纲的各性能参数做标准化处理，获得自变量x1,x2...x6。表3为标准化处理后的数据库内各滚动直线导轨副自变量值。自变量处理原则为：①精度指标为等级指标，依据《jb/t717.4-2006滚动直线导轨副第4部分：验收技术条件》中精度等级的划分标准划分等级，得到数据库中各导轨的精度等级r1，对于任意的ri∈r1，则有x1＝(ri-rmin)/(rmax-rmin)。详见表1②刚性为正向指标，该指标越大越好。按照正向指标无量纲化属性值方式处理：r2为数据库中刚性值区域，对于任意的ri∈r2，则有x2＝(ri-rmin)/(rmax-rmin)；③摩擦力、振动、噪音及温升为反向指标，r3为数据库中摩擦力值区域，r4为数据库中振动值区域，r5为数据库中噪音值区域，r6为数据库中温升值区域。按照反向指标无量纲化属性值方式处理，具体为：每一类特征值，ri∈r时，则有ri＝(rmax-ri)/(rmax-rmin)。表2滚动直线导轨副自变量数据表导轨编号精度刚性摩擦力振动噪声温升10.441.000.310.960.350.3921.000.890.370.990.400.0030.670.701.000.990.400.8640.230.000.430.910.001.0050.000.720.000.960.440.1060.330.570.3311.000.1470.230.50.150.480.180.20应变量为滚动直线导轨副综合性能指标z，其建模参照图1来进行说明，目标层为综合性能指标z，准则层为关注的各性能指标，方案层为数据库中各滚动直线导轨副。具体为：根据特定的使用要求，基于九级比例标度原则确定准则层对目标层的判断矩阵a以及方案层对准则层的判断矩阵bm；计算判断矩阵a的最大特征值λ及其对应的归一化的正特征向量w1(b1,b2...bn)，n为准则层的准则数目。同理得判断矩阵bm归一化的最大特征值ηm及其对应的归一化的正特征向量w2n，m为参评的滚动直线导轨副的数量；计算数据库中滚动直线导轨副的综合性能指标z,各导轨副的综合性能指标的排序向量为：l＝(z1,z2...zn)＝(b1·w21+b2·w22...+bn·w2n)；计算得出矩阵a的最大特征值为：λ＝5.1244,归一化的正特征向量为w1(b1,b2,b3...bn)＝(0.0513,0.0451,0.1169,0.2659,0.5207)。判断矩阵bm归一化的最大特征值ηm及其对应的归一化正特征向量w2n如下：η1＝14.5513，w21＝(0.1886,0.1827,0.0965,0.1305,0.1321,0.1060,0.1635)；η2＝16.1349，w22＝(0.1861,0.1899,0.0835,0.1097,0.1635,0.1064,0.1610)；η3＝13.9415，w23＝(0.1599,0.0721,0.1538,0.1138,0.1940,0.1242,0.1822)；η4＝18.4626，w24＝(0.0988,0.2288,0.0634,0.1280,0.2107,0.0833,0.1870)；η5＝14.5849，w25＝(0.1502,0.2314,0.0997,0.1173,0.1292,0.1132,0.1590)。各导轨副的综合性能指标的排序向量为：l＝(z1,z2...z5)＝(b1·w21+b2·w22...+b5·w25)＝(0.1411,0.2070,0.0956,0.1199,0.1603,0.1039,0.1698)基于反向神经网络法，运用matlab中神经网络工具箱，隐含层设置为1，将数据库中各导轨标准化处理的精度、刚度、摩擦力、振动、噪音及温升6类性能参数x1,x2...x6及基于特定使用工况通过层次分析法计算出的滚动直线导轨副指标z作为学习数据输入，拟合出滚动直线导轨副综合性能评估关系式。f(x1,x2...x6)＝0.6092x1-0.1248x2-0.1299x3-0.0102x4-0.4873x5+0.2644x6＝z。由于列举实例数据库小，一次线性函数关系式就可满足，当数据库越大时，拟合约束条件越多，拟合的滚动直线导轨副综合性能评估关系式适用范围越广泛。对数据库外的导轨副，通过该模型即可完成对其综合性能进行评估。具体为将未知导轨副标准化的精度、摩擦力、振动、噪音及温升各性能参数x1,x2...x6为自变量带入拟合的滚动直线导轨副综合性能评估关系式f(x1,x2...x6)＝z中，即可求得该导轨副综合性能指标z的大小，完成对其综合性能进行评价分析。本发明结合主观赋权评价法与客观赋权评价法的优点，运用大量数据点拟合得出滚动直线导轨副的性能评估关系式。通过所述滚动直线导轨副的性能评估关系式，可实现用易于测量的性能参数表征滚动直线导轨福综合性能的优劣，计算结果与实际情况相符。该评估模型公正准确，具有广泛的适用性。当前第1页12