0  引 言       

     螺丝锁付是产品装配过程中的重要工序  ，龙门式多轴自动锁螺丝设备专用于矩阵式排列短小螺丝的快节拍锁付  ，例如应用于电视背板灯条的锁付 。快速的锁付节拍要求机构有良好的稳定性及灵活性 。结构的刚度与固有频率是影响机构稳定性的重要因素  ，轻便的机构使机器具有更好的动态性能 。

    龙门横梁是影响整机运动稳定性的重要部件  ，当前横梁结构优化方法主要分为两大类：横梁板筋形状类型的优化及基于分析软件的尺寸优化 。其中：周乐等对四种不同筋板结构的机床龙门横梁进行对比分析  ，确定O字型筋板具有最好的力学性能  ，并进一步对O字筋板进行分析  ，确定其最佳的尺寸参数范围[1]  ，但其只针对四种常见结构进行比较  ，通用性较差；文献[2]对大型龙门数控机床横梁进行了六种主要工况的静力学分析  ，得出其仍有优化的空间；文献[3]对SIMP拓扑方法进行分析  ，并对龙门石材铣削中心龙门进行拓扑优化  ，实现了小幅度轻量化同时较大幅度的提高刚度；文献[4]对于尺寸变量较多的龙门铣床横梁进行尺寸灵敏度分析  ，确定最主要的影响参数后进行结构优化  ，取得了一定的效果 。但这些优化方法都是针对横梁结构及工况相对复杂、设计变量较多的情况 。龙门式多轴自动锁螺丝设备的横梁结构与薄板结构较为相似  ，且尺寸变量较少  ，为此引入一种新的优化方法  ，能更快更好地根据其结构特征进行结构优化 。

    该方法利用神经网络建立尺寸变量与最大变形量及一阶固有频率的映射关系[5-6]  ，基于Deb可行性规则[7]改进粒子群算法  ，使粒子群算法具备处理约束优化问题的能力  ，并建立粒子群算法与神经网络的数据交互关系 。以横梁质量为目标函数  ，以极限工况下最大变形量及一阶固有频率为约束条件  ，通过改进的粒子群算法进行寻优  ，求得各个关键尺寸的最优参数 。

数控 备注：为保证文章的完整度  ，本文核心内容由PDF格式显示  ，如未有显示请刷新或转换浏览器尝试  ，手机浏览可能无法正常使用！

结 论

      以减少横梁质量为目标  ，以变形量及固有频率为约束条件  ，结合神经网络良好的映射拟合能力及粒子群算法简单快捷的寻优学习机制的优势  ，实现了龙门式多轴自动锁螺丝设备横梁结构轻量优化  ，该优化过程主要包括以下三项工作：（1）建立了包含单个隐含层的BP神经网络  ，结合大量的数据进行网络训练  ，拟合出尺寸设计变量与最大变形量及一阶固有频率的映射关系  ，预测误差基本控制在4%以内；（2）结合Deb可行性准则对粒子群优化算法进行改进  ，使其具有优化带约束问题的能力  ，并通过引入随机扰动因子改善早熟收敛现象；（3）建立神经网络与改进的PSO的数据交互关系  ，通过改进的PSO进行寻优 。

      最终在保证一阶频率基本不变、最大变形量小量增加的前提下  ，质量大幅减少29.61%  ，并通过ANSYS软件仿真  ，验证优化效果的可信度 。

结 论

      基于某典型座椅头枕的碰撞分析  ，研究了座椅头枕结构参数对头枕碰撞安全性的影响规律  ，为座椅头枕的结构性设计提供指导  ，并取得了以下结论：（1）随着头枕厚度和包裹度的增加  ，碰撞时头部的最大加速度值、高加速度持续时间逐渐减小  ，有效提高了头枕的吸能性 。（2）随着头枕密度的增加  ，碰撞时头部的最大加速度值与高加速度持续时间先减小后增大 。这是由于头枕密度过小  ，碰撞时头部易与骨架发生碰撞  ，使最大加速度值较大  ，此时增加头枕密度  ，可有效减小钢球与头枕撞击时的加速度；但头枕密度过大  ，也会使头枕缓冲作用减弱  ，使碰撞时头部最大加速度值升高  ，降低头枕的吸能性 。