高速电主轴轴承温度预测与温升影响因素分析

本资料包含pdf文件1个，下载需要1积分

doi：10.3969/j.issn.1673-159X.2013.01.017Temperature Prediction and Analysis of Temperature Influence Factors forthe Bearing of High Speed Motorized·SpindleLIAO Min ，W ANG Xin-xin(1.School ofMechanical Engineering and Automation，Xihua University，Chengdu 610039 China；2.Weinan Technician College，Weinan 714000 China)Abstract：Bearings generate a large amount of frictional heat when a high speed motorized-spindle runs，and the temperature of thebeatings is a main factor affecting stiffness and accuracy of the spindle.When the high speed motorized-spindle without load lqlns indiferent speeds，151 sets of temperature are tested.Based on the principle of BP neural network，as far as each tested temperature isconcerned，the former 100 temperature data are used to establish and train the network.Then the network is used to SO]Ve absolute val-ue of accumulated error of the later 5 1 data.The network training resuhs show that the BP neural network has higher generalization a-bility.Accordingly，the network is used to predict the temperature in 5 diferent operating conditions.The results show that there is asmal absolute error between the predicted values and the experimental values.In addition，bearing preload，spindle speed and the vis-cosity of the lubricant are investigated SO as to analyze the efect on the increase of bearing temperature.The results show that the spin-dle speed is the main factor affecting the bearing temperature increase。

Key words：high speed motorized-spindle；BP neural network；temperature prediction；angular contact ball bearing高速精密加工技术是未来20年中国装备制造业发展趋势之-l1]。机床的高效和高精度要求受制于主轴轴承系统的转速和刚度。目前，机床主轴轴承主要采用高速精密角接触球轴承。主轴的高速性能受到多种因素的影响，其中，轴承的高速性能是主要影响因素之-。主轴轴承的速度性能常收稿日期：20126-26基金项目：四川侍育厅重点资助项目(10ZAIO1)；四川省重点实验室开放研究基金资助项目(SZJJ2009-025)。

作者简介：廖 敏(1971-)，男，副教授 ，博士，主要研究方向为机械 CAD/CAM。E-mial：liaominxhu###163.tom第 1期 廖敏：高速电主轴轴承温度预测与影响因素 91丑簿籁陋图 12 轴承套拟合曲线在 BP神经网络构建和训练的基础上，利用后51个温度值和神经网络分别求解了各输出参数误差绝对值的累积和，见表1。

表 1 各输出参数误差绝对值累积和表 1(续)由图 5的线 性 回归图线及相关系数 值(0.999 99)、图6-12的网络拟合曲线以及表 1的网络累积误差值可知，所建立的网络泛化能力强。

2.2 主轴轴承温度预测根据所构建的 BP神经网络，输入主轴转速和环境温度，对各个测试点输 出参数 (温度)进行预测。温度预测结果见表2。

表 2 用 BP神经网络预测的主轴轴承温度图13是每个工况(输人参数为主轴转数和环境温度)下，各个输出温度参数的预测值与真实值曲线。从图中可以看出，每组预测值与实际值的拟合度较高。由表2可知，预测值与实际值的误差的绝对值很小(误差绝对值最大为0.172 9)；因此，用BP神经网络建立的温度预测模型预测在-定转速和环境温度下的主轴轴承各测点温度的精确度较高，符合现场温度测试数据的规律和特点。

西华大学学报 ·自然科学版图13 预测值与实际值的曲线3 主轴轴承温升的影响因素高速电主轴轴承温升受多种因素的影响，如主轴转速、轴承预紧力、轴承的润滑方式、冷却油量、润滑油量等 - 。根据图3中数据，绘制了轴承各测试点在不同转速下的温升曲线图(图 14)；并且运用同样的实验装置(图 1)，在轴承预紧力和润滑油黏度不同的条件下，得到轴承在各测试点的温升曲线，见图15和图 16。

图 16 润滑油黏度对温升的影响由图 14可知：随主轴转速增加，轴承系统摩擦生热越多，温升曲线上升越明显；滚动体的温度最高，轴承内外圈沟道(及内外圈)的温度次之，轴承套的温度影响最小，因为轴承生热是滚动体与沟道的摩擦产生的，远离滚动体处温度较低。

由图 15可知，预紧力增大也会使轴承的温升增高，因为预紧力增大使滚动体与滚道问的摩擦增加，但是增加的幅度不明显，曲线较平滑。

由图 16可知，随着黏度的增加，系统各节点的温度也会上升，但是润滑油的黏度对系统的温度影响较低，温度上升的幅度不是很大。

综上所述，转速对轴承系统的温度影响最大，转速的增加温度急剧上升。

4 结论在温度测试的基础上，重点利用 BP神经网络进行温度预测，同时还分析了轴承温升的影响因素。

1)用 BP神经网络建立了主轴轴承温度预测模型。由仿真曲线、相关系数和累积误差表明，所建的 BP神经网络模型泛化能力强。同时利用网络进行了实际的预测，由预测值与实际值的曲线图及所求的误差绝对值可知，所建的模型精度较高。

2)利用实验装置分别测试了在转速、预紧力以及润滑油黏度不同时轴承各测试点的温升情况。

其结果表明转速对主轴轴承的温度影响最为明显，预紧力次之，润滑油的黏度影响不大。