Forschung zum mehrzieligen Optimierungsdesign für hochpräzise Dreh-Fräsmaschinenbetten basierend auf der Taguchi-Methode - FEA | Wissenschaftliche Berichte

Scientific Reports Band 15, Artikelnummer: 27307 (2025) Zitieren Sie diesen Artikel

610 Zugriffe

Metrikdetails

Als hochpräzise Bearbeitungsmaschine erfordert die Dreh-Fräsmaschine, dass ihre Bettstruktur als primäre tragende Komponente hervorragende dynamische und statische Eigenschaften aufweist, die die Bearbeitungsgenauigkeit und -effizienz erheblich beeinflussen. Um die Bearbeitungspräzision zu gewährleisten, schlägt dieses Dokument eine mehrkriterielle kollaborative Optimierungsmethode vor, die die Finite-Elemente-Analyse (FEA) und die Taguchi-Methode integriert. Dieser Ansatz verwendet die FEA-Technologie, um die statischen und dynamischen Eigenschaften der Struktur des Werkzeugmaschinenbetts (MTB) zu ermitteln, gefolgt von einer mehrkriteriellen kollaborativen Optimierung mithilfe der Taguchi-Methode, um eine umfassende Leistungssteigerung zu erzielen. Verglichen mit den herkömmlichen Forschungsmethoden zur Optimierung von Werkzeugmaschinenbetten kann die FEA-Technologie komplexere geometrische Formen und Randbedingungen verarbeiten, die Genauigkeit und Zuverlässigkeit der Daten verbessern und die Optimierungseffizienz durch die Taguchi-Methode steigern, wodurch eine mehrkriterielle gemeinsame Optimierung erreicht wird. Eine vergleichende Analyse zeigt, dass die optimierte Struktur eine 5,14-prozentige Reduzierung der maximalen Verformung, eine 1,75-prozentige Massenabnahme und eine 1,04-prozentige Verbesserung der Eigenfrequenz vierter Ordnung erreicht. Die Ergebnisse bestätigen die Wirksamkeit dieser Designmethode zur effizienten MTB-Optimierung von Dreh-Fräsmaschinen. Gleichzeitig wird die dynamisch-statische Leistung verbessert und gleichzeitig ein Leichtbaukonzept realisiert. Diese Forschung liefert wertvolle Referenzen für die Weiterentwicklung der Präzisionsverbesserung und der umweltfreundlichen Fertigung von Dreh-Fräsmaschinen.

Als Kernträger hochwertiger CNC-Geräte bestimmt die Leistung von Dreh-Fräsmaschinen direkt die Präzision der Bearbeitung komplexer Teile und die Effizienz der Multiprozessintegration1. Das Maschinenbett (MTB) als grundlegende Trägereinheit der Werkzeugmaschine (MT) muss nicht nur Schnittkräften, Trägheitskräften beweglicher Teile und anderen Belastungsquellen standhalten, sondern auch unter dynamischen Arbeitsbedingungen seine strukturelle Stabilität bewahren. Seine mechanischen Eigenschaften wirken sich direkt auf die Positioniergenauigkeit der gesamten Maschine und die Qualität der Bearbeitungsoberfläche aus. Daher ist es notwendig, die dynamischen und statischen Eigenschaften des Maschinenbetts zu optimieren und eine Leichtbauweise umzusetzen. Eine verbesserte Steifigkeit kann die Bearbeitungsgenauigkeit und Stabilität der Werkzeugmaschine effektiv verbessern und gleichzeitig die Auswirkungen thermischer Verformung reduzieren, während eine Leichtbauweise den Energieverbrauch und die Betriebskosten der Produktherstellung senken kann.

Bei der herkömmlichen MTB-Konstruktion wird üblicherweise eine Kombination aus analoger Konstruktion und Korrektur durch empirische Formeln verwendet, wodurch die grundlegenden Anforderungen an die Tragfähigkeit erfüllt werden können, was jedoch häufig zu struktureller Redundanz und übermäßiger Materialverteilung führt2. Studien haben gezeigt, dass ein übermäßiges Vertrauen in die Sicherheitsfaktor-Konstruktionsstrategie zu einer erheblichen Massezunahme des MTB führt, wodurch nicht nur Ressourcen verschwendet werden, sondern auch die nichtlinearen Eigenschaften der dynamischen Reaktion des MT verschlechtert werden. Angesichts der zunehmend strengeren Anforderungen der Hochgeschwindigkeits-Präzisionsbearbeitung an die Leistungsdichte und die dynamischen Eigenschaften von MT ist die Frage, wie die dynamische Leistung optimiert und ein geringes Gewicht bei gleichzeitiger Gewährleistung der statischen Steifigkeit3 erreicht werden kann, zu einem entscheidenden technologischen Engpass bei der Verbesserung der Kernwettbewerbsfähigkeit von MT geworden. Der aktuelle Wandel und die Modernisierung der Fertigungsindustrie stellen höhere Anforderungen an die MT-Ausrüstung, die nicht nur die dynamische Stabilität bei Bewegungen mit hoher Beschleunigung gewährleisten muss, sondern auch die Energieeffizienzstandards des Konzepts der grünen Fertigung erfüllen muss. Das herkömmliche MTB-Gussteil weist eine geringe Materialausnutzung und andere Probleme auf und lässt sich nur schwer an die Designanforderungen einer multikriteriellen Kooptimierung anpassen. Daher ist es notwendig, die MTB-Struktur zu optimieren und ein multikriteriell optimiertes Design der Steifigkeits-, Qualitäts- und Dynamikeigenschaften durchzuführen. Im globalen industriellen Kontext suchen Unternehmen ständig nach neuen Designlösungen, um die Qualität der hergestellten Produkte zu verbessern, die mit dem Herstellungsprozess verbundenen Kosten zu senken und die Flexibilität des Prozesses zu erhöhen4.

In den letzten Jahren hat die Forschung zur Leistungsoptimierung von Werkzeugmaschinen einen Trend zur umfassenden Integration multidisziplinärer Methoden gezeigt. Die Finite-Elemente-Analyse (FEA) als Kerntechnologie wird häufig mit intelligenten Optimierungsalgorithmen, dynamischer Modellierung und experimentellen Entwurfsmethoden kombiniert, um ein effizientes hybrides Optimierungsframework zu bilden und so die dynamische und statische Steifigkeit, Genauigkeit und Schwingungsdämpfung von Werkzeugmaschinen zu verbessern. Im Bereich Strukturdesign und dynamische Leistungsoptimierung setzen Forscher in der Regel FEA in Kombination mit intelligenten Algorithmen ein. Minh et al.5 schlugen eine innovative Methode vor, die das pseudostarre Körpermodell, Lagrange-Dynamik und FEA kombinierte, und führten den Crayfish-Optimierungsalgorithmus ein, um das Design des flexiblen XY-Positionierers zu optimieren und so die Eigenfrequenz deutlich zu erhöhen. Diese Methode wurde erfolgreich beim vibrationsunterstützten Fräsen eingesetzt und verbesserte die Oberflächenrauheit. Chen et al.6 nutzten ein BP-Neuralnetz und einen genetischen Algorithmus, um eine Mehrzieloptimierung an fünfachsigen Werkzeugschleifmaschinen durchzuführen. Durch parametrische FEA-Analyse und Anpassung des Neuronalen Netzes konnte die Werkzeugmaschinenverformung um 21 % reduziert und die Eigenfrequenz um 6–9 % erhöht werden. Im Bereich der dynamischen Modellierung und Echtzeitanalyse konnten Hybridmethoden den Engpass der Rechenleistung beheben. Kim et al.7 entwickelten ein flexibles Mehrkörperdynamikmodell auf Basis der Vereinfachung des modalen Zustandsraums, kombiniert mit FEA, um eine Echtzeit-Vibrationsanalyse digitaler Zwillinge mit einer Vorhersagegenauigkeit von 88 % zu erreichen. Park et al.8 führten maschinelles Lernen und Computer Vision ein, um die Dynamik der Schaufelspitze auf Basis von Finite-Elemente-Simulation und sensorischen Kopplungsmethoden vorherzusagen und so einen neuen Ansatz zur Flatterunterdrückung zu bieten. Präzisionskompensation und Fehlerkontrolle profitieren beide von der Algorithmenfusion. Yasser et al.9 schlugen ein Framework zur geometrischen Fehlerkompensation auf Basis von Partikelschwarmoptimierung vor, das inverse Kinematik und Kollisionserkennung kombiniert, um die Trajektoriengenauigkeit von fünfachsigen Werkzeugmaschinen zu optimieren und die Vorteile metaheuristischer Algorithmen im Umgang mit nichtlinearen Fehlern hervorzuheben.

Zudem hat die Forschung zum Leichtbau von Werkzeugmaschinen die Merkmale der Integration mehrerer Technologien und der interdisziplinären Schnittstelle aufgezeigt. Einschlägige internationale Wissenschaftler haben ihre Forschung hauptsächlich aus drei Dimensionen heraus betrieben: Materialinnovation, Strukturoptimierung und Leistungsverbesserung. In puncto Materialersatz hat Lis Team10 Kunstharzbeton anstelle von herkömmlichen Gussteilen eingesetzt und so eine Gewichtsreduzierung bei gleichzeitiger Wahrung der dynamischen und statischen Eigenschaften erreicht. Li et al.11 haben das Gesamtgewicht der Komponenten durch integriertes Design um 37,9 % verringert und damit das Potenzial der gemeinsamen Optimierung von Materialien und Strukturen aufgezeigt. Strukturelles bionisches Design ist zu einer wichtigen Richtung geworden. Hu et al.12 haben sich die biologische Wabenstruktur zunutze gemacht und durch die Anordnung unregelmäßiger kreisförmiger Rohre ein geringes Gewicht der Werkbank erreicht und damit den Anwendungswert der Bionik im Ingenieurwesen demonstriert. Die Methoden der Strukturoptimierung zeigen einen vielfältigen Trend. Xu et al.13 haben die Finite-Elemente-Verschiebungsmethode verwendet, um die Steifigkeit und Genauigkeit der Spinnmaschine zu verbessern. Dengs Team14 optimierte die dynamische Steifigkeitskonfiguration der Verbindung mithilfe der orthogonalen Testmethode und stellte eine quantitative Beziehung zwischen Testdesign und dynamischer Leistung her. Liu et al.15 schlugen eine quadratische Optimierungsmethode mit Nullordnungsoptimierung und Parameterrundung vor, um ein effizientes Leichtgewicht der Portalrahmenstruktur zu erreichen. Xin et al.16 setzten den NSGA-II-Algorithmus ein, um die Mehrzieloptimierung des Getriebegehäuses mithilfe intelligenter Algorithmen abzuschließen und so Geräusche und Umweltschutz zu erreichen und gleichzeitig das Gewicht um 434 kg zu reduzieren. Xiao et al.17 führten eine innovative Partikeldämpfungstechnologie ein und verifizierten experimentell den synergetischen Effekt von dynamischer Schwingungsreduzierung und Leichtgewicht. Chan et al.18 erreichten durch strukturelle Deformationskontrolle das doppelte Ziel der Leistungserhaltung und -verbesserung: Leichtgewicht und Eigenfrequenzverbesserung. Dies verdeutlichte die Bedeutung der Ausgewogenheit mechanischer Eigenschaften im Leichtbau. Diese Studien zeigen, dass sich moderner Leichtbau von einfacher Gewichtsreduzierung hin zu leistungsorientierter Systemoptimierung entwickelt hat, wobei die kollaborative Innovation von Materialien, Strukturen und Prozessen im Vordergrund steht. Der zukünftige Entwicklungstrend wird einen größeren Schwerpunkt auf die Integration multidisziplinärer Methoden, die präzise Kontrolle dynamischer Eigenschaften und die eingehende Anwendung intelligenter Optimierungsalgorithmen legen, um technische Unterstützung für die Entwicklung effizienter und energiesparender umweltfreundlicher Fertigungsanlagen zu bieten.

Die Taguchi-Methode als Methode für lokal optimales Design unterscheidet sich von anderen Methoden für lokal optimales Design durch ihre Fähigkeit, ein multikriteriell optimales Design zu erreichen. Dabei können durch Erstellen orthogonaler Tabellen in einer minimalen Anzahl von Experimenten die besten Kombinationen während des multikriteriell optimalen Designs gesucht werden. Bereits 2002 kombinierten Fazilat et al.19 im Bereich der Biomechanik die Modellierung mit Finite-Elemente-Modellen mit dem robusten Parameterdesign der Taguchi-Methode, um Unsicherheiten in das Modell zu integrieren. Layeb et al.20 verwendeten die Taguchi-Methode zur Bestimmung der optimalen Designstruktur und führten eine Finite-Elemente-Analyse durch, um den Optimierungsprozess zu validieren. Verim et al.21 übernahmen die Taguchi-Analyse, um die Anzahl der Experimente zu rationalisieren und optimale Druckparameter zur Maximierung der mechanischen Leistung gedruckter Materialien zu bestimmen. Satpute et al.22 verwendeten die Taguchi-Methode zur Bestimmung der idealen Betriebsparameter für einen Solarthermiekollektor mit einem rechteckigen Spiralabsorber und schufen so optimale Bedingungen zur Verbesserung der elektrischen und thermischen Effizienz des Systems.

In diesem Artikel wird eine mehrkriterielle Optimierungsmethode vorgeschlagen, die die Finite-Elemente-Methode und die Taguchi-Testmethode integriert, um die dynamische und statische Leistung des MTB von Dreh-Fräs-MT zu verbessern. Dies geschieht durch die Konstruktion eines parametrischen Finite-Elemente-Modells des MTB zur Analyse der statischen und dynamischen Eigenschaften, die Kombination mit einem orthogonalen Testdesign zur Überprüfung der wichtigsten Designvariablen und die Erstellung einer Optimierungsfunktion mit den Zielen Massenreduzierung, maximale Deformationsreduzierung und Verbesserung der Eigenfrequenz niedriger Ordnung. Mithilfe der Signal-Rausch-Verhältnisanalyse und des Varianztests werden die optimalen Parameterkombinationen ermittelt, und schließlich wird der synergetische Optimierungseffekt aus Massenreduzierung, Verbesserung der Eigenfrequenz vierter Ordnung und Reduzierung der Formvariablen in den wichtigsten Teilen des MTB erreicht.

Mit der rasanten Entwicklung der heutigen CAE-Technologie im Bereich des Industriedesigns wird die Finite-Elemente-Methode im Bereich des Strukturdesigns häufig eingesetzt, um eine höhere Qualität des Produktdesigns und eine vernünftigere Produktdesignstruktur zu erreichen. Durch die Finite-Elemente-Analysesoftware auf der Grundlage einer gröberen Designstruktur für die Finite-Elemente-Simulation23 wird durch die Auferlegung der Randbedingungen der tatsächlichen Arbeitsbedingungen die Struktur der Leistungsparameter erhalten, auf deren Grundlage ein detaillierteres Strukturdesign erreicht werden kann.

Die Finite-Elemente-Analyse ist eine numerische Methode zur Lösung technischer und wissenschaftlicher Probleme durch die Zerlegung komplexer Strukturen in kleinere, miteinander verbundene Einheiten. Bei der FEA wird ein Kontinuum (z. B. ein Körper, eine Schale oder ein Rahmen) zunächst in eine endliche Anzahl diskreter Einheiten unterteilt, die durch Knoten miteinander verbunden sind. Innerhalb jeder Zelle werden einfache geometrische Formen (z. B. Dreiecke, Vierecke, Tetraeder usw.) angenommen und auf deren Grundlage mathematische Modelle erstellt. Dieser Diskretisierungsprozess vereinfacht nicht nur das Problem, sondern ermöglicht auch die Verwendung numerischer Methoden zur Lösung komplexer Kontinuumsprobleme. Um die mathematischen Gleichungen aus jeder Zelle abzuleiten, müssen geeignete Näherungsfunktionen zur Beschreibung der unbekannten Feldvariablen innerhalb der Zelle gewählt werden. Randbedingungen geben Beschränkungen wie Verschiebungen, Geschwindigkeiten oder Kräfte an der Struktur am Rand an, während Anfangsbedingungen den Zustand zu Beginn der Analyse beschreiben, wie z. B. die anfängliche Spannungsverteilung, Temperaturverteilung usw. Die korrekte Festlegung dieser Bedingungen ist für genaue Analyseergebnisse von entscheidender Bedeutung. Die kontinuierliche Weiterentwicklung der Finite-Elemente-Analyse-Technologie hat nicht nur den traditionellen mechanischen Konstruktionsprozess neu konfiguriert, sondern auch neue Arten der intelligenten Fertigung hervorgebracht, wie z. B. digitale Zwillinge und virtuelle Verifizierung, die die Entwicklung industrieller Produkte in Richtung hoher Leistung und hoher Zuverlässigkeit weiter vorantreiben.

Die Taguchi-Methode wurde von Dr. Genichi Taguchi in Japan entwickelt und ist eine Methode der Qualitätstechnik, mit der die Qualität des Produktdesigns auf kostengünstige Weise verbessert werden kann. Sie besteht aus fünf Schritten: Auswählen der Designfunktionen, Bestimmen der Designfaktoren, Festlegen des Optimierungsgrads, Entwerfen der orthogonalen Testtabelle und Analysieren und Überprüfen des experimentellen Designs. Die Taguchi-Methode bewertet die Zielqualität anhand des Signal-Rausch-Verhältnisses (S/N). Je höher das S/N-Verhältnis, desto besser das Designergebnis24. Das Signal-Rausch-Verhältnis wird in verschiedenen Fällen mit unterschiedlichen Formeln berechnet: Größer ist besser „(S/N)1“, Nominal ist besser „(S/N)2“ und Kleiner ist besser „(S/N)3“. Die verschiedenen Formeln zur S/N-Berechnung weisen erhebliche Unterschiede und entsprechende Vorteile auf. Die entsprechende Formel lautet:

wobei n die Gesamtstichprobengröße ist; \({y_i}\) die Teststichprobe ist; \(\widehat {\upsigma }\) die Stichprobenstandardabweichung ist; und \(\bar {y}\) der Stichprobenmittelwert ist.

Mithilfe von Taguchi-Tests können die Parameter für die Optimierung überprüft, die Anzahl der Parametertests verringert und die Qualität und Effektivität der Parametertests verbessert werden. Dadurch kann die Designzykluszeit verkürzt und die Optimierungseffizienz erheblich verbessert werden25.

Basierend auf der Theorie der Mehrzieloptimierung wird ein mathematisches Modell der Mehrzieloptimierung erstellt. Als Optimierungsziele dienen Masse, maximale Deformation und niederwertige Eigenfrequenz des MTB. Die Maschinendeformation ist eine Schlüsselvariable für die Bearbeitungsgenauigkeit. Sie führt unter Einwirkung von Schnittkraft und thermischer Belastung zu struktureller Deformation, die direkt Maßabweichungen, Vibrationsverstärkung und Werkzeugverschleiß verursacht. Sie stellt den zentralen Engpass für die Stabilität des MT dar und ist zum zentralen technologischen Weg für High-End-MT geworden, die Genauigkeitsgrenze zu durchbrechen. Die Deformation wird durch das Finite-Elemente-Modell gelöst, und die Steifigkeitsmatrixgleichung lautet:

wobei \(\left[ K \right]\) die globale Steifigkeitsmatrix ist; \(\left\{ u \right\}\) der Knotenverschiebungsvektor ist; \(\left\{ F \right\}\) der Knotenkraftvektor ist. Durch Vernetzen des Modells und Festlegen der Randbedingungen wird die obige Steifigkeitsmatrixgleichung gelöst, um \(\left\{ u \right\}\ zu erhalten. Schließlich kann durch Verarbeitung das Ausmaß der Verformung ermittelt werden.

Darüber hinaus ist die Eigenfrequenz des MT als inhärente Eigenschaft des MT-Systems selbst ein Parameter, der bereits in der Konstruktionsphase des MT optimiert werden muss. Im Betrieb des MT muss eine Überschneidung mit der Frequenz der externen Anregung vermieden und die Tendenz ihrer Veränderung bei der Wartung der Maschine überwacht werden. Die Stabilität des MT bestimmt direkt dessen Zuverlässigkeit, Bearbeitungsgenauigkeit und Lebensdauer. Die entsprechende Formel lautet:

wobei \({f_n}\) die gewünschte Eigenfrequenz ist, k die Steifigkeit des MT-Struktursystems ist und m die Masse des Systems ist.

Wählen Sie eine gute Designlösung aus und legen Sie den Auswahlbereich ihrer Lösung fest, der wie folgt ausgedrückt werden kann:

wobei \(m\left( X \right)\) die Masse des MTB ist; \({f_d}\left( X \right)\) die maximale statische Verformung nach der Optimierung ist; \({f_d}{\left( X \right)_0}\) die maximale statische Verformung des ursprünglichen MT ist; \({f_f}\left( X \right)\) die optimierte Eigenfrequenz vierter Ordnung ist; \({f_f}{\left( X \right)_0}\) die Eigenfrequenz vierter Ordnung des ursprünglichen MT ist; \({A_j}\) und \({B_j}\) die Ober- bzw. Untergrenze der j-ten Entwurfsvariablen sind; \({x_j}\) der entsprechende Wert der j-ten Entwurfsvariablen ist.

Das mathematische Modell kann durch die Berücksichtigung mehrerer Ziele diversifizierte Ergebnisse liefern. Es ermöglicht außerdem, Kompromisse zwischen verschiedenen Zielen zu finden, um zu vermeiden, dass ein einzelnes Ziel zu sehr verfolgt und andere Ziele vernachlässigt werden. Außerdem ermöglicht es die Auswahl des optimalen Schemas aus einer Vielzahl verschiedener Verbesserungsschemata. Das Flussdiagramm des multiobjektiven gemeinsamen Optimierungsschemas basierend auf der Finite-Elemente-Taguchi-Methode ist in Abb. 1 dargestellt.

Flussdiagramm zur MTB-Optimierung.

Das MTB des in diesem Artikel untersuchten hochpräzisen Dreh-Fräs-MT besteht hauptsächlich aus Verstärkung, Rippenplatte, Spindeltragtisch, Revolvertragtisch, Motortragtisch und Werkzeughalter.

Das MTB besteht aus Grauguss HT300 mit einer Dichte von 7.300 kg/m³, einem Elastizitätsmodul von 143 GPA, einer Poissonzahl von 0,27, einer zulässigen Spannung von 335 MPa und einer Gesamtmasse von 1273 kg. Da die MTB-Struktur komplexer ist, sollte beim Zeichnen und Modellieren der MTB-Struktur eine entsprechende Modellvereinfachung vorgenommen werden. Bei der Finite-Elemente-Berechnung können einige kleine Merkmale zu einer zu geringen Netzqualität führen, was die Genauigkeit der Simulationsanalyse beeinträchtigt. Die Simulationsergebnisse haben kaum Auswirkungen. Normalerweise können solche Größen gelöscht werden, um die Netzqualität sicherzustellen. Die anfänglich vereinfachte MTB-Modellierung ist in Abb. 2 dargestellt.

Etablierung des MTB-Modells und der Rasteraufteilung.

Vor der Designoptimierung wird die ursprüngliche MTB-Struktur auf ihre dynamischen und statischen Eigenschaften analysiert. Die statischen und Schwingungseigenschaften werden mithilfe der Finite-Elemente-Simulationstechnologie analysiert, und die dynamischen und statischen Kennwerte wie Verformungsverschiebung, äquivalente Kraft und Eigenfrequenz des MTB werden ermittelt. Die Mängel der MTB-Struktur und die Stellen übermäßiger Materialredundanz werden identifiziert, um Leitlinien und grundlegende Bewertungskriterien für das anschließende mehrzielige Optimierungsdesign bereitzustellen.

Das 3D-Modell des MTB wird in die ANSYS-Software importiert und für die Finite-Elemente-Analyse vorverarbeitet, einschließlich der Definition von Materialeigenschaften, Vernetzung, Einstellung von Randbedingungen usw. Nach einer Reihe von Experimenten mit Netztyp und Größenanpassung wurde festgestellt, dass bei einer Maschenweite von 20 mm die Spannungsänderungen größer und detaillierter sind, unabhängig davon, ob es sich um die MTB-Ebenenposition oder die Vertiefungsposition oder die Biegeposition handelt. Währenddessen wurden durch die Gitterunabhängigkeitsanalyse die Gittergrößen 20 mm und 14 mm zum Vergleich ausgewählt. Durch Simulationsanalyse wurden Verformungen von 10,017 μm bzw. 10,166 μm erhalten, mit einem Unterschied von etwa 1,5 % bzw. weniger als 5 %, sodass in dieser Arbeit 20 mm als Maschenweite ausgewählt wird. Gleichzeitig wird das MTB-Modell hinsichtlich Fase, Wölbung und anderen Merkmalen vereinfacht, die einen geringen Einfluss auf die Analyseergebnisse haben, wodurch die Schwierigkeit der Netzaufteilung verringert und die Effizienz des Vorgangs verbessert wird. Die netzbezogenen Parameter sind in Tabelle 1 aufgeführt.

Die Hauptlasten entstehen durch die Eigengravitation und den Druck anderer am MTB montierter Teile, insbesondere des Revolver-Tragtisches (F1), des Motor-Tragtisches (F2), des Werkzeughalters (F3) und des Spindel-Tragtisches (F4). Da die Qualität der einzelnen Komponenten unter verschiedenen Arbeitsbedingungen variieren kann, wird bei der Analyse das aus der tatsächlichen Abbildung ermittelte tatsächliche Gewicht der Komponenten vereinfacht, um unnötigen Arbeitsaufwand im nachfolgenden Analyseprozess zu reduzieren. Gleichzeitig werden feste Randbedingungen auf die tragende Basis angewendet. Position und Ausmaß der Belastungen am MTB sind in Abb. 3 dargestellt:

MTB-Lastverteilung.

Die Analyse der statischen Eigenschaften des MTB ist das zentrale Bindeglied zur Gewährleistung der Bearbeitungsgenauigkeit und -stabilität der CNC. Sie bewertet durch statische Simulation präzise die Verformung und Spannungsverteilung der Führungsschiene, der tragenden Gleitschiene und anderer wichtiger Teile unter Belastung. Da sich die Verformung der Führungsschiene direkt auf die Genauigkeit der Werkzeugbahn auswirkt, können Abweichungen im Millimeterbereich zu einer Vervielfachung der Bearbeitungsfehler am Werkstück führen. Daher ist die Analyse der statischen Steifigkeit eine wichtige Grundlage für die Abstimmung zwischen Materialreduzierung und struktureller Leistung im Leichtbau. Sie gewährleistet, dass das optimierte MTB bei gleichzeitiger Gewichtsreduzierung ausreichend Verformungsbeständigkeit aufweist, Vibrationen oder Präzisionsverluste aufgrund unzureichender Steifigkeit vermieden werden und die Anforderungen des MT an hohe Präzision und Langlebigkeit grundsätzlich erfüllt werden.

Die statischen Eigenschaften des MTB werden analysiert und die Spannungskontur ist in Abb. 4 und die Verformungskontur in Abb. 5 dargestellt.

Die Spannungskontur des MTB.

Die Deformationskontur des MTB.

Die Analyseergebnisse zeigen, dass die maximale äquivalente Spannung des MTB 3,09 MPa beträgt und die maximale Verformung etwa 10,02 μm beträgt. Unter statischer Belastung liegt die Verformung innerhalb des zulässigen Bereichs und das maximale Spannungsniveau ist viel kleiner als die zulässige Spannung, sodass das ursprüngliche Design die Anforderungen für die Verwendung des MTB erfüllt. Wie aus Abb. 5 ersichtlich, wird die Hauptverformung des MTB in A, B und C in der Abbildung widergespiegelt, wobei die Verformung in A und B geringer ist und die äquivalente Spannung viel kleiner ist als die zulässige Spannung des Materials an dieser Stelle, was darauf hindeutet, dass an dieser Stelle ein gewisser Optimierungsspielraum für die Gewichtsreduzierung des MTB besteht, während C in der Abbildung die größte Verformung darstellt und ihre Verformung innerhalb des zulässigen Bereichs liegt.

Dreh-Fräsmaschinen stellen als hochpräzise Maschinen höhere Anforderungen an die Steifigkeit ihrer Bettführungen. Liegt die maximale Verformung nahe dem kritischen Wert, kann dies die Genauigkeit des Werkstücks beeinträchtigen. Um die Verformung der Bettführungen zu beurteilen, wurde eine statische Analyse der Bettführungen durchgeführt. Das Verformungskonturdiagramm und die zugehörige Verformungskurve der Bettführungen der Präzisions-Koordinatenbohrmaschine sind in Abb. 6 dargestellt.

Verformungskonturdiagramm und entsprechende Verformungskurve der Bettführungen: (a) Verformungskonturdiagramm der Bettführungen; (b) Verformungskurve der Bettführungsschiene in Richtung Q2-Q1.

Wie in Abb. 6(a) dargestellt, ist die Verformung der Bettführungen in Tischnähe stärker ausgeprägt, während sie an den Vorder- und Rückseiten geringer ist. Abb. 6(b) zeigt die Verformungskurve der Führungsbahn in Z-Richtung vor der Optimierung. Der maximale Verformungswert der Bettführungen beträgt 10,017 μm und der minimale Wert 8,922 μm. Dies spiegelt die Steifigkeit der Bettführungen unter Arbeitsbedingungen wider.

Zusammenfassend lässt sich sagen, dass, obwohl die ursprünglichen Konstruktionsindikatoren innerhalb des zulässigen Bereichs liegen, dies möglicherweise die Genauigkeit des an der Bearbeitung der Werkzeugmaschine beteiligten Werkstücks beeinträchtigen kann. Insbesondere bei längerem Betrieb oder hohen Belastungsbedingungen verformen sich die Führungsschienen der Werkzeugmaschine allmählich leicht. Die Auswirkungen hiervon auf die Bearbeitungsgenauigkeit der Werkzeugmaschine bestehen hauptsächlich in der Beeinflussung des Geradheitsfehlers der Führungsschienen, der Beeinflussung des Parallelitätsfehlers der Führungsschienen und der Verdrehung der Führungsschienen. Unter diesem Einfluss erfährt die relative Position zwischen Werkzeug und Werkstück während des Betriebs leichte Änderungen, die sich direkt auf die Bearbeitungsgenauigkeit des Werkstücks auswirken, was die Verformung der Werkzeugmaschine verschlimmern und somit die Bearbeitungsqualität und -genauigkeit beeinträchtigen kann. Daher ist es umso notwendiger, hier eine Strukturoptimierung durchzuführen, um die Struktursteifigkeit zu verbessern und die MTB-Verformung zu reduzieren

Die Modalanalyse des MTB ist eine Schlüsseltechnologie zur Gewährleistung der dynamischen Stabilität von CNC. Ihr Kern liegt in der genauen Ermittlung der Eigenfrequenz der Struktur, um das Risiko von Resonanzen zu vermeiden. Die Eigenfrequenz, der Kernparameter des Systems zur Widerstandsfähigkeit gegen externe Anregungen, wird direkt durch die Strukturabmessungen, die Massenverteilung und die Steifigkeitseigenschaften bestimmt und ist der grundlegende Index zur Beurteilung der Vibrationsfestigkeit des MT26,27.

Wenn während des Maschinenbetriebs die durch Schnittkraft, Spindelrotation oder Vorschubsystem erzeugte periodische Anregungsfrequenz mit der Eigenfrequenz des MTB übereinstimmt, werden Resonanzphänomene ausgelöst, die zu Abweichungen der Werkzeugbahn, Verschlechterung der Oberflächenqualität des Werkstücks und sogar zu Ermüdungsbrüchen wichtiger Komponenten führen. Durch Quantifizierung der Eigenfrequenz des MTB mittels Modalanalyse können die Strukturparameter bereits in der Konstruktionsphase vorab angepasst werden, um die Eigenfrequenz außerhalb des Anregungsbands anzuheben. Insbesondere bei Leichtbaukonstruktionen darf die Eigenfrequenz nicht unterschritten werden, da dies eine Voraussetzung für die Balance zwischen Gewichtsreduzierung und dynamischer Leistung ist. Daher ist die Modalanalyse nicht nur ein notwendiges Mittel zur Vermeidung von Resonanzen und Verbesserung der Bearbeitungsgenauigkeit, sondern auch eine zentrale Garantie für hohe Zuverlässigkeit und Langlebigkeit des MT. Ihre Daten unterstützen direkt die Optimierung der Strukturdynamik, um die Stabilität des MT unter komplexen Arbeitsbedingungen sicherzustellen.

Die Vernetzungsgenauigkeit wurde der statischen Analyse entsprechend übernommen, und für die Position der unteren Stütze wurden feste Beschränkungen angewendet. Die ersten vier Ordnungen der Eigenfrequenz des MTB wurden durch Modalanalyse ermittelt. Die Simulationsergebnisse sind in Abb. 7 dargestellt.

Die Analyseergebnisse zeigen, dass die modalen Eigenschaften niedriger Ordnung des MTB die grundlegenden Designanforderungen erfüllt haben. Das hochpräzise Dreh-Fräs-MT benötigt jedoch sowohl eine hohe statische Steifigkeit als auch eine dynamische Stabilität bei der Präzisionsbearbeitung. Insbesondere wenn die externe Anregungsfrequenz mit der Eigenfrequenz gekoppelt ist, schwingt das MTB stark und vibriert, was zu Erschütterungen der Bearbeitungszentren und strukturellen Verformungen führt, die die Bearbeitungsgenauigkeit komplexer Teile erheblich beeinträchtigen. Ausgehend von der Annahme, dass die aktuellen Materialeigenschaften unverändert bleiben, muss das nachfolgende Design über die interne Struktur des MTB und die entsprechenden Parameter angepasst werden, um die modalen Eigenschaften des MTB zu verbessern und so die Eigenfrequenz niedriger Ordnung außerhalb des Anregungsbands zu erhöhen, um kinetischen Schutz für die hochpräzise Bearbeitung zu bieten.

Festkörperfrequenz der ersten vier Ordnungen des MTB: (a) Eigenfrequenz erster Ordnung: 89,31 Hz; (b) Eigenfrequenz zweiter Ordnung: 132,72 Hz; (c) Eigenfrequenz dritter Ordnung: 180,85 Hz; (d) Eigenfrequenz vierter Ordnung: 264,42 Hz.

Berechnungen zufolge beträgt die Motordrehzahl der Dreh- und Fräsmaschine im Betrieb etwa 233,3 Hz und liegt damit zwischen der Eigenfrequenz dritter und vierter Ordnung. Um Resonanzen im realen Betrieb zu vermeiden, wurde die Eigenfrequenz vierter Ordnung als Optimierungsziel gewählt. Durch eine optimierte Bettkonstruktion wird die vierte Eigenfrequenz weiter erhöht. Dies kann die durch hochfrequente Anregung ausgelöste lokale Resonanz hemmen, die durch die Optimierung niedrigerer Ordnung nicht abgedeckten dynamischen Risiken ausgleichen und die Schwingungsfestigkeit der Maschine insgesamt verbessern.

Betrachtet man A und B im MTB-Verformungskonturdiagramm, erkennt man, dass die an diesen beiden Stellen auftretende Verformung gering ist. Da MT im eigentlichen Produktionsprozess große Mengen an Abfallspänen erzeugt, wird zur effektiven Späneentsorgung in der Regel ein Späneförderer am Boden des MTB eingesetzt. In dieser Arbeit wurde entschieden, in A ein rechteckiges Loch auszuschneiden. Diese Konstruktion ermöglicht nicht nur eine effektive Leichtbauweise des MTB, wodurch Platz für den Späneförderer bleibt, sondern reduziert auch die durch das Eigengewicht verursachte Verformung effektiv. B ist der MT-Halter. Aus der statischen Strukturanalyse ist ersichtlich, dass die Verformung gering und damit seine strukturelle Festigkeit hoch ist. Gleichzeitig ist aus dem Spannungskonturdiagramm ersichtlich, dass seine äquivalente Spannung weit unter der zulässigen Spannung des MTB-Materials liegt, was darauf hindeutet, dass die Stelle leichtgewichtig sein kann. Durch unterschiedliche Schnittformen und -tiefen des Tests wurde schließlich eine doppelseitige Sacklochkonstruktion für eine Leichtbauweise des Werkzeughalters gewählt. Die optimierte Position von A und B sowie die optimierte Struktur sind in Abb. 8 dargestellt.

Teilansicht des optimierten Bereichs bei A und B des MTB.

Aus Abb. 5 ist ersichtlich, dass die Stelle C die größte Verformung des MTB aufweist. Die ursprüngliche Struktur dieser Stelle ist eine Tic-Tac-Toe-Struktur mit geringer Festigkeit und im unteren Bereich ist kein großer Stützteil vorhanden. In diesem Dokument wird daher die Struktur der Stelle C optimiert. Unter Berücksichtigung der tatsächlichen Verarbeitungsschwierigkeiten und der Zuverlässigkeit der optimierten Struktur wurden für diesen Teil verschiedene Optimierungsschemata ausgewählt, nämlich die Z-förmige Struktur, die X-förmige Struktur, die bionische hexagonale Wabenstruktur und die trapezförmige Struktur. Die Struktur ist in Abb. 9 dargestellt.

Teiloptimierung des MTB(C): (a) Z-Struktur; (b) X-Struktur; (c) Biomimetische hexagonale Struktur; (d) Trapezförmige Struktur.

Um eine optimale Strukturlösung für die Konstruktion der inneren Blende des MTB eines hochpräzisen Dreh-Fräs-MT auszuwählen, werden die Unterschiede zwischen den statischen Eigenschaften der oben genannten Lösungen analysiert, sofern die Massendifferenz nicht zu groß ist. Durch Anpassen der Dicke der Blendenplatte der vier Lösungen in der Modellierungssoftware und Berechnen der Querschnittsoberfläche, um sie im Wesentlichen gleich zu machen, wird die Masse der inneren Blendenplatte unter den vier Lösungen gleichmäßig gesteuert, sodass der Vergleich der Lösungen genauer ist. Bei der Optimierung an dieser Stelle müssen Form, Dicke und Verteilung der Rippen berücksichtigt werden. Sind sie zu dick, kann Schwindungsporosität auftreten; sind sie zu dünn oder unterliegen sie plötzlichen Veränderungen, erschwert dies das Füllen und erhöht das Rissrisiko. Daher müssen bei der Optimierung Leistung und Prozessbeschränkungen in Einklang gebracht werden.

Nach Abschluss der FEA-Vorverarbeitung und Anwendung derselben festen Einschränkungen und Randbedingungen werden die Analyseergebnisse der vier Strukturen in Tabelle 2 angezeigt.

Die obigen Testergebnisse zeigen, dass die Z-förmige Struktur die beste Deformationsoptimierung bietet. Masse und Eigenfrequenz vierter Ordnung unterscheiden sich kaum von den anderen drei Schemata. Da Gegenstand dieser Studie die MTB von hochpräzisen Dreh-Fräs-MT ist, die eine hohe Bearbeitungsgenauigkeit erfordert, wurde die Z-förmige Struktur als Optimierungsschema ausgewählt. Abb. 10 zeigt eine Teilansicht der optimierten Struktur.

Teilansicht des optimierten Bereichs bei C des MTB.

Um die dynamischen und statischen Eigenschaften von MTB und Leichtbau zu optimieren, wurde zur Bestimmung der Versuchskombinationen eine dreistufige Tabelle mit fünf Faktoren ausgewählt. Die fünf Faktoren sind in Abb. 11 dargestellt, wobei der mittlere x1 die Länge der rechteckigen Bohrung am Maschinenboden, x2 die Breite der rechteckigen Bohrung am Maschinenboden, x3 die Länge der Z-Struktur, x4 die Tiefe der doppelseitigen Sacklochbohrung für den kleinen Werkzeughalter und x5 die Tiefe der doppelseitigen Sacklochbohrung für den großen Werkzeughalter ist. Die genauen Abmessungen des Originalmodells sind in Tabelle 3 aufgeführt.

Korrespondenzdiagramm für jeden Faktor.

Beim Taguchi-Test muss die Auswahl der Faktorstufen auf der praktischen Umsetzbarkeit, Ressourcenbeschränkungen und Optimierungszielen basieren. Erfahrung und Vorversuche müssen kombiniert werden, um einen angemessenen Bereich zu bestimmen. Die Höhe des ausgewählten Faktors wird letztendlich anhand der experimentellen Situation der Finite-Elemente-Analyse bestimmt. Dabei wird die Eigenfrequenz anhand der (S/N)1-Kennlinie bewertet, während Masse und Verformung anhand der (S/N)3-Kennlinie bewertet werden.

Angesichts der Instabilität der tatsächlichen Situation wurde der Wertebereich für jeden der fünf Testfaktoren xi (i = 1 – 5) mit (± 10) % angenommen. Bei Verwendung der herkömmlichen Methode wird jeder Wert in diesem fünfparametrigen, dreistufigen Test einzeln berechnet, wodurch mindestens 243 (35) Testreihen abgeschlossen werden können. Nach Eliminierung aller Interaktionen mit der Taguchi-Methode reduzierte sich die Anzahl der Versuche auf 9, was die Effizienz der Versuche deutlich verbesserte. Das orthogonale Testprogramm für das Z-Optimierungsschema ist in Tabelle 4 unten dargestellt.

Nach Finite-Elemente-Simulationsberechnungen auf Grundlage des Z-förmigen Optimierungsschemas für die neun Testgruppen in der obigen Tabelle mittels detaillierter Finite-Elemente-Analyse werden die Daten ihrer Testergebnisse wie in der folgenden Tabelle 5 dargestellt ermittelt.

Aus den Analyseergebnissen ist ersichtlich, dass Option 8 die optimale Gruppe für die Deformationsoptimierung ist, Option 3 die optimale Gruppe für die Qualitätsoptimierung und Option 2 die optimale Gruppe für die Eigenfrequenzoptimierung vierter Ordnung.

Um die Sinnhaftigkeit und Durchführbarkeit der MTB-Optimierung zu überprüfen, wird das rekonstruierte Modell einer statischen und einer modalen Charakteristikanalyse unterzogen. Materialeigenschaften, Netztyp und -anzahl sowie Randbedingungen des Modells werden in der Analyse mit denen des Modells vor der Optimierung konsistent gehalten. Das Vergleichsdiagramm der Modalanalyse nach der Optimierung und das Verformungskonturdiagramm des MTB sind in Abb. 12 dargestellt.

Vergleich der Deformationskonturen der drei Optimierungsschemata: (a) Option 2; (b) Option 3; (c) Option 8.

Denn die mehrkriterielle Designoptimierung eines Maschinengetriebes zielt darauf ab, mehrere Betriebsdaten des Maschinengetriebes zu optimieren und das wichtigste Optimierungsziel auszuwählen. Für diese Maschine wurde die Maschinenverformung als wichtigster Wert ausgewählt, um ihre Arbeitsgenauigkeit zu verbessern. Die optimale Verformungsoptimierung wurde als Option 8 gewählt, während die Eigenfrequenz vierter Ordnung erhöht und die Maschinenmasse reduziert wurde, was den Anforderungen der mehrkriteriellen Optimierung entspricht. Die Daten vor und nach der Optimierung sowie die Änderungsrate sind in Tabelle 6 unten dargestellt.

Wie aus den Vergleichsergebnissen ersichtlich ist, erhöht sich nach Auswahl von Schema 8 im Vergleich zur Zeit vor der Optimierung die Eigenfrequenz vierter Ordnung des MTB des Dreh-Fräs-MT um etwa 1,04 %, die Masse verringert sich um etwa 1,75 % und die maximale Gesamtverformung des MTB verringert sich um etwa 5,14 %.

Nach Auswahl des Optimierungsschemas wird die Verformung der Führungsbahn unter den aktuellen Bedingungen analysiert und nach Kontrolle der Variablen eine Finite-Elemente-Analyse durchgeführt, um das Verformungskonturdiagramm der Führungsbahn des MTB des optimierten hochpräzisen Dreh-Fräs-MT zu erhalten, wie in Abb. 13 dargestellt.

Verformungskontur und entsprechende Verformungskurve der optimierten Bettführungen: (a) Verformungskontur der optimierten Bettführungen; (b) Verformungskurven der Bettführungsschienen in Richtung Q4-Q3.

Wie in Abb. 13(a) dargestellt, ist die Verformung der optimierten Bettführungen an der Tischposition größer und an den Vorder- und Rückseiten kleiner. Abb. 13(b) zeigt die Verformungskurve der Führungsbahn in Z-Richtung nach der Optimierung. Der Maximalwert der Führungsbahn beträgt 9,732 μm und der Minimalwert 8,817 μm. Nach der Optimierung verringert sich der Maximalwert von 10,017 μm vor der Optimierung um 0,285 μm und die maximale Verformung um 2,85 %, während der Minimalwert von 8,922 μm auf 8,817 μm sinkt, was einer Verringerung um 1,18 % entspricht. Nach der Optimierung ist die Verformung der Führungsbahn reduziert und der Optimierungseffekt ist offensichtlich, was zeigt, dass die auf dem mehrdimensionalen Topologieoptimierungsschema basierende Rippenanordnung effektiv ist. Durch die Reduzierung der Führungsbahnverformung können die geometrische Genauigkeit und Führungsgenauigkeit des Tischbewegungsprozesses wirksam gewährleistet werden, was eine wichtige Rolle bei der Verbesserung der Bearbeitungsgenauigkeit von Teilen spielt.

Schematische Darstellung des Überwachungspfades.

Anschließend wurden in den optimierten Flächenstrukturen an den Punkten A, B und C (wie in Abb. 14 dargestellt) Überwachungspfade eingerichtet und Simulationsanalysen bzw. Datenvergleiche durchgeführt, um die Verschiebungsvergleichskurven und Spannungsvergleichskurven unter den angegebenen Arbeitsbedingungen zu erhalten, wie in Abb. 15 bzw. 16 dargestellt.

Die Verschiebungsvergleichskurve des Hauptoptimierungsbereichs: (a) Optimierungspunkt A1-A2; (b) Optimierungspunkt B1-B2; (c) Optimierungspunkt C1-C2.

Unter den in dieser Arbeit untersuchten Randbedingungen zeigt Abb. 15 die Änderungen der maximalen axialen Verschiebung vor und nach der Optimierung an den Punkten A, B und C der Struktur. Der Optimierungseffekt an Punkt A (Abb. 15a) ist bemerkenswert. Seine maximale Verschiebung hat sich von 7,61 μm vor der Optimierung auf 6,60 μm nach der Optimierung verringert, was einer Verringerung um 1,01 μm und einer Verringerungsrate von 13,32 % entspricht. Im Gegensatz dazu hat sich die maximale Verschiebung an Punkt B (Abb. 15b) nach der Optimierung von 5,37 μm auf 5,68 μm erhöht, was einer Erhöhung um 0,31 μm und einer gleichen Erhöhungsrate von 13,32 % entspricht, was darauf hindeutet, dass die Verformung an diesem Punkt leicht zugenommen hat. Am Punkt C (Abb. 15c) zeigt die maximale Verschiebung nach der Optimierung einen leichten Rückgang von 9,80 μm auf 9,57 μm, mit einer Änderung von 0,23 μm und einer Abnahme von 2,31 %. Zusammenfassend lässt sich sagen, dass die Strukturoptimierung die Verformung an den Punkten A und C (insbesondere am Punkt A) effektiv reduzierte, jedoch zu einer leichten Zunahme der Verformung am Punkt B führte und insgesamt die Verformungsverteilungseigenschaften der Struktur veränderte.

Die Spannungsvergleichskurve des Hauptoptimierungsbereichs: (a) Optimierungspunkt A1-A2; (b) Optimierungspunkt B1-B2; (c) Optimierungspunkt C1-C2.

Abbildung 16 zeigt die Änderungen der maximalen Spannung vor und nach der Optimierung an drei Punkten A, B und C der Struktur. An Punkt A (Abb. 16a) betrug die maximale Spannung nach der Optimierung 0,37 MPa und war damit 0,10 MPa niedriger als vor der Optimierung, was einer Reduktionsrate von 26,44 % entspricht. An Punkt B (Abb. 16b) betrug die maximale Spannung nach der Optimierung 0,22 MPa und war damit 0,01 MPa niedriger als die 0,23 MPa vor der Optimierung. An Punkt C (Abb. 16c) betrug die maximale Spannung nach der Optimierung 0,56 MPa und war damit deutlich um 0,23 MPa niedriger als die 0,79 MPa vor der Optimierung. Insgesamt überschritt die Spannungsschwankung der einzelnen Hauptkomponenten vor und nach der Optimierung nicht 0,1 MPa, die Schwankungsbreite war gering und die Spannungsverteilung an den Punkten A und C war nach der Optimierung ausgeglichener.

Zusammenfassend zeigen die Analyseergebnisse, dass bei der Optimierung die Materialien in den wichtigsten krafttragenden Bereichen beibehalten und Redundanzen in nicht krafttragenden Bereichen entfernt werden. Das optimierte MTB des Dreh-Fräs-MT ist im Vergleich zur Originalstruktur hinsichtlich Leichtbauweise, statischer mechanischer Leistung und dynamischer Leistung deutlich verbessert, was auf ein sinnvolles Design der neuen MTB-Struktur hindeutet. Die Gesamtanalyse der Abbildungen 15 und 16 zeigt, dass die Strukturänderungen im optimierten Bereich keinen Einfluss auf die Integrität der Ergebnisse haben. Die in diesem Artikel vorgeschlagene Methode der mehrkriteriellen Optimierung bietet nicht nur erhebliche Vorteile hinsichtlich der Optimierungseffizienz, sondern kann auch die MTB-Leistung deutlich steigern.

Diese Studie schlägt eine mehrkriterielle Optimierungsmethode vor, die die Finite-Elemente-Analyse (FEA) und die Taguchi-Methode integriert, um der Nachfrage nach einer kollaborativen Optimierung der dynamischen und statischen Leistung des MTB des Dreh-Fräs-MT gerecht zu werden. Durch parametrische Modellierung und Sensitivitätsanalyse werden wichtige Designvariablen präzise herausgefiltert. Das orthogonale experimentelle Taguchi-Design und die mehrkriterielle gemeinsame Optimierung werden systematisch integriert, um den Effizienzengpass der traditionellen Versuch-und-Irrtum-Methode zu überwinden. Der etablierte technische geschlossene Kreislauf „Simulation – Optimierung – Verifizierung“ mit der FEA als Kernwerkzeug kombiniert die Signal-Rausch-Verhältnisanalyse, um die widersprüchlichen Ziele statischer Steifigkeit und dynamischer Eigenschaften effektiv auszugleichen und bietet ein neues Paradigma für die mehrkriterielle kollaborative Optimierung komplexer Strukturen.

Nach der Optimierung konnte die MTB-Masse von 1273 kg auf 1250,7 kg (1,75 % weniger) reduziert werden, die maximale Verformung um 5,14 % verringert und die Eigenfrequenz vierter Ordnung um 1,04 % erhöht werden, wodurch der Verformungswiderstand und die dynamische Stabilität effektiv verbessert und gleichzeitig ein geringes Gewicht erzielt werden konnte. CNC-MT haben durch die Optimierung von Präzisionsverbesserung und Qualitätsreduzierung erhebliche Vorteile hinsichtlich Kosten, Energieeffizienz und Produktivität gezeigt. Die hochpräzise Verarbeitung reduziert Abfall und Nacharbeit erheblich und senkt so die Betriebskosten weiter. Das Leichtbaudesign senkt den Energieverbrauch, optimiert die Wärmeableitungsleistung, verringert die Belastung des Kühlsystems und entspricht dem Konzept der umweltfreundlichen Fertigung. Darüber hinaus hat die Kombination aus hoher Präzision und geringem Gewicht die Verarbeitungseffizienz und die flexible Produktionskapazität verbessert, schnelle Modellwechsel und Multitasking-Verarbeitung unterstützt und eine intelligente Transformation gefördert. Diese Optimierung hat nicht nur den wirtschaftlichen Nutzen erhöht, sondern auch die Modernisierung der Fertigungsindustrie in Richtung High-End und Umweltfreundlichkeit erleichtert.

Im Vergleich zur herkömmlichen Versuch-und-Irrtum-Methode verkürzt die Forschungsmethode in diesem Artikel den Optimierungszyklus durch systematisches Screening der Designvariablen und orthogonales experimentelles Design, was den praktischen technischen Wert belegt. Darüber hinaus gleicht die Optimierungsstrategie die Beziehung zwischen statischer Steifigkeit und dynamischen Eigenschaften aus, was die Machbarkeit der multikriteriellen Kooptimierung bestätigt. Die Methodik kann auf die Konstruktion und Optimierung anderer Präzisions-MT-Strukturkomponenten ausgeweitet werden. Diese multikriteriell-gemeinsame Optimierungsmethode kann zukünftig auf die Konstruktion von Strukturkomponenten für Präzisionswerkzeugmaschinen wie Säulen und Spindelstöcke ausgeweitet werden und bietet der Branche wiederverwendbare theoretische Optimierungswerkzeuge.

Diese Studie liefert nicht nur datengestützte Entscheidungshilfen für die Konstruktionsgestaltung von Dreh-Fräs-MT, sondern legt auch den Technologieansatz „Simulation-Optimierung-Verifizierung“ fest, um einen wiederverwendbaren theoretischen Rahmen für die dynamische Konstruktion hochpräziser Geräte bereitzustellen, was sich positiv auf die Förderung der MT-Branche in Richtung leistungsstarker und intelligenter Entwicklung auswirkt. In zukünftigen Arbeiten ist es möglich, den Aufbau eines digitalen Zwillings von Werkzeugmaschinen zu versuchen, um eine Datensynchronisierung und Verarbeitungssimulation in Echtzeit zu erreichen, einen intelligenten geschlossenen Optimierungskreislauf zu bilden und gleichzeitig das System auf proaktive, vorausschauende Wartung umzustellen, ungeplante Ausfallzeiten zu reduzieren, die Gesamteffizienz der Geräte zu verbessern und den Grundstein für den Bau intelligenter Fabriken zu legen.

Die während der vorliegenden Studie verwendeten und analysierten Datensätze sind auf angemessene Anfrage beim entsprechenden Autor erhältlich.

Yang, ZJ, He, JL, Liu, ZF, Li, GF & Chen, CH Jüngste Fortschritte in der Zuverlässigkeitstechnologie von CNC-Werkzeugmaschinen[J]. J. Mech. Eng. 59 (19), 152–116 (2023).

Google Scholar

Yang, JS, Zhou, ZW, Lin, XL, Deng, XL & Wang, JC Mehrziel-Gelenkoptimierungsdesign eines hochpräzisen Drehfräs-Verbundmaschinen-Werkzeugbetts basierend auf der nichtparametrischen Regressions-Response-Surface-Methode[J]. Fertigungstechnologie & Werkzeugmaschinen 05, 128–133 (2024).

Li, TJ, Ding, XH & Li, HL Forschungsfortschritte im Leichtbau von Werkzeugmaschinenstrukturen[J]. J. Mech. Eng. 56 (21), 186–198 (2020).

Google Scholar

Bruni, C., Forcellese, A., Gabrielli, F. & Simoncini, M. Hartdrehen eines legierten Stahls auf einer Werkzeugmaschine mit einem Polymerbetonbett[J]. J. Mater. Process. Tech. 202 (1), 493–499 (2007).

Google Scholar

Minh, PD, Chi, TT, Hieu, GL, Vo, QAT & Hong, VTModellierung und Designoptimierung eines neuartigen nachgiebigen XY-Positionierers für vibrationsunterstütztes CNC-Fräsen[J]. Machines 12 (8), 534–534 (2024).

Google Scholar

Chen, HY, Tang, QC, Li, XY, Yang, YH & Qiao, P. Optimierung der Struktur einer fünfachsigen Werkzeugschleifmaschine basierend auf einem BP-Neuralnetzwerk und einem genetischen Algorithmus[J]. Int. J. Adv. Manuf. Technol. 133 (5–6), 2565–2582 (2024).

Google Scholar

Kim, CJ, Oh, JS, Park, CH & Lee, CH .Schnelle flexible Mehrkörper-Dynamikanalyse von Werkzeugmaschinen mithilfe modaler Zustandsraummodelle[J]. CIRP Annals - Manuf. Technol. 72 (1), 341–344 (2023).

Google Scholar

Park, SS, Amani, S., Lee, DY & Lee, J. Nam e.maschinelles Lernen basierende Substrukturkopplung von Werkzeugmaschinendynamik und Ratterstabilität[J]. CIRP Annals - Manuf. Technol. 73 (1), 297–300 (2024).

Google Scholar

Yasser, Z., María, JO, José, AA & Sergio, A. Benutzerdefinierter Postprozessor basierend auf dem PSO-Algorithmus für die 5-Achsen-Werkzeugmaschinenkompensation[J]. J. Manuf. Process. 132, 963–976 (2024).

Google Scholar

Li, YT, Wu, RR, Huang, H. & Tang, LW Strukturdesign und Leistungssimulationsanalyse einer Werkzeugmaschinensäule aus Harzbeton[J]. Mech. Sci. Technol. Aerosp. Eng. 41 (02), 192–198 (2022).

Google Scholar

Li, MX et al. Multiobjektive Optimierung des Designs von Schutzkomponenten für Fahrgestellschutzmodule für unbemannte gepanzerte Fahrzeuge.[J]. Sci. Rep. 15 (1), 6975 (2025).

CAS PubMed PubMed Central Google Scholar

Hu, L., Zha, J., Kan, F., Long, H. & Chen, YL Forschung an einem fünfachsigen Arbeitstisch für Bearbeitungszentren mit bionischer Waben-Leichtbaustruktur[J]. Materials 14(1), 74 (2021).

Xu, WC, Jiao, J., Chen, Y., Jiang, XW & Wang, SP Analyse des Designs und der Optimierung einer neuen vertikalen Gegenrollen-Drückmaschine mit vier Rollenpaaren[J]. Schmiedestempel. Technol. 44 (01), 102–112 (2019).

Google Scholar

Deng, CY, Yin, GF, Fang, H. & Xiao, H. Optimale Konfiguration der dynamischen Steifigkeit von Werkzeugmaschinenverbindungen basierend auf orthogonalen Experimenten[J]. J. Mech. Eng. 51 (19), 146–153 (2015).

Google Scholar

Liu, SH, Du, YB & Lin, M. Studie zum Designsystem zur Optimierung der Leichtbaustruktur für Portalwerkzeugmaschinen[J]. Concur. Eng. 27 (2), 170–185 (2019).

Google Scholar

Xin, W., Zhang, YY, Fu, Y., Yang, W. & Zheng, HP Ein mehrzieliger Optimierungsansatz für das Design großer Planetengetriebe für den Bergbau[J]. Sci. Rep. 13 (1), 18640 (2023).

ADS CAS PubMed PubMed Central Google Scholar

Xiao, WQ, Xu, ZH, Bian, HC & Li, ZK Leichte, hochbelastbare CNC-Horizontaldrehmaschine auf Basis von partikeldämpfenden Materialien[J]. Mechanical Syst. Signal. Processing 147, 107127 (2021).

Chan, TC, Aman, U., Bedanta, R. & Chang, SL Finite-Elemente-Analyse und Strukturoptimierung einer hochpräzisen Werkzeugmaschine vom Gantry-Typ[J]. Sci. Rep. 13 (1), 13006 (2023).

ADS CAS PubMed PubMed Central Google Scholar

Fazilat, HD, Judith, RM & Richard, MA Statistische Methoden in der Finite-Elemente-Analyse[J]. J. Biomech. 35 (9), 1155–1161 (2002).

Google Scholar

Layeb, N., Barhoumi, N., Oldal, I. & Keppler, I. Verbesserung der Festigkeitseigenschaften von PLA-Acetabulum-Linern durch Optimierung des FDM-3D-Drucks: Taguchi-Ansatz und Validierung der Finite-Elemente-Analyse[J].

Özgür, V. et al. Untersuchung der Auswirkungen von 3D-Druckparametern auf mechanische Tests von PLA-Teilen, die im MEX-3D-Druck mit der Taguchi-Methode hergestellt wurden[J].

Google Scholar

Satpute, J. et al. Leistungsoptimierung für thermische Photovoltaiksysteme mit spiralförmigem rechteckigen Absorber unter Verwendung der Taguchi-Methode[J].

CAS PubMed PubMed Central Google Scholar

Moaz, HA, Ansari, MNM, Basim, AK, Bashir, M. & Oshkour, AA Simulationsbearbeitung von Titanlegierungen (Ti-6Al-4V) basierend auf der Finite-Elemente-Modellierung[J]. J. Brazilian Soc. Mech. Sci. Eng. 36, 315–324 (2014).

Google Scholar

Cai, FF, Ren, W. & Chen, XX .Optimierung der Schnittparameter der Hochgeschwindigkeitsbearbeitung für Integralimpeller basierend auf der Taguchi-Methode und Varianzanalyse[J]. Maschinenbau. Hydraulik. 44 (02), 4–6 (2016).

Google Scholar

Chen, WH, Chen, CY, Huang, CY & Hwang, CJ Leistungsanalyse und -optimierung von zwei Windturbinen mit geraden Rotorblättern und vertikaler Achse[J]. Appl. Energie. 185, 223–232 (2017).

ADS Google Scholar

Selvakumar, A., Ganesan, K. & Mohanram, PV Dynamische Analyse eines Drehbetts aus Mineralguss[J]. Proceedings of the Institution of Mechanical Engineers, Teil B: Journal of Engineering Manufacture, 227(2):261–266 (2013).

Sui, YH, Gui, P., Tang, B., Yang, H. & Lv, L. Analyse des Einflusses starrer Stützen unterschiedlicher Höhe auf die Eigenfrequenzen von Werkzeugmaschinen[J]. Noise Vib. Control. 39 (05), 18–22 (2019).

Google Scholar

Download Referenzen

Diese Forschung wurde finanziell unterstützt von der National Natural Science Foundation of China (52175472; 62302263), der Zhejiang Provincial Natural Science Foundation of China (LD24E050011; ZCLTGS24E0601), der Natural Science Foundation of Zhejiang Province for Distinguished Young Scholars (LR22E050002); Longyou County Competitive Science and Technology Plan Project (JHXM2023004).

Der/die Autor(en) erklärten, dass hinsichtlich der Forschung, der Urheberschaft und/oder der Veröffentlichung dieses Artikels keine potenziellen Interessenkonflikte bestehen.

Schlüssellabor für intelligente Fertigung aerodynamischer Ausrüstung der Provinz Zhejiang, Quzhou-Universität, Quzhou, 324000, China

Wu Hongyi, Li Haozhen, Wang Xuanyi, Yang Junshou, Jiang Runze und Jianchen Wang

Hochschule für Maschinenbau, Jiaxing-Universität, Jiaxing, 314001, China

Deng Xiaolei

Hochschule für Maschinenbau, Technische Universität Zhejiang, Hangzhou, 310032, China

Wang Xuanyi

Autor suchen auf: PubMed Google Scholar

Autor suchen auf: PubMed Google Scholar

Autor suchen auf: PubMed Google Scholar

Autor suchen auf: PubMed Google Scholar

Autor suchen auf: PubMed Google Scholar

Autor suchen auf: PubMed Google Scholar

Autor suchen auf: PubMed Google Scholar

W HY, W XY und L HZ verfassten den Haupttext des Manuskripts, Y JS und J RZ erstellten Abbildungen, D XL und W JC lieferten Forschungsmodelle zur Orientierung der Forschungsideen. Alle Autoren überprüften das Manuskript.

Korrespondenz mit Deng Xiaolei.

Die Autoren erklären, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt in Bezug auf Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access: Dieser Artikel ist unter der Creative Commons Namensnennung – Nicht kommerziell – Keine Bearbeitungen 4.0 International Lizenz lizenziert. Diese Lizenz erlaubt die nichtkommerzielle Nutzung, Weitergabe, Verbreitung und Vervielfältigung in jeglichem Medium und Format, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz angeben und angeben, ob Sie das lizenzierte Material verändert haben. Diese Lizenz gestattet Ihnen nicht, bearbeitetes Material, das aus diesem Artikel oder Teilen davon abgeleitet wurde, zu verbreiten. Die Bilder oder sonstiges Drittmaterial in diesem Artikel unterliegen der Creative Commons Lizenz des Artikels, sofern im Quellenvermerk nichts anderes angegeben ist. Sofern das Material nicht unter die Creative Commons Lizenz des Artikels fällt und Ihre beabsichtigte Nutzung nicht nach gesetzlichen Bestimmungen erlaubt ist oder die erlaubte Nutzung überschreitet, müssen Sie die Genehmigung direkt beim Rechteinhaber einholen. Diese Lizenz finden Sie unter http://creativecommons.org/licenses/by-nc-nd/4.0/.

Nachdrucke und Genehmigungen

Wu, H., Li, H., Wang, X. et al. Forschung zum mehrzieligen Optimierungsdesign für hochpräzise Dreh-Fräsmaschinenbetten basierend auf der Taguchi-Methode - FEA. Sci Rep 15, 27307 (2025). https://doi.org/10.1038/s41598-025-13263-1

Zitat herunterladen

Empfangen: 05. Juni 2025

Akzeptiert: 22. Juli 2025

Veröffentlicht: 26. Juli 2025

DOI: https://doi.org/10.1038/s41598-025-13263-1

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Zur Verfügung gestellt von der Content-Sharing-Initiative Springer Nature SharedIt