一种机器学习辅助的柔性铰链有限元设计方法,涉及柔性铰链设计技术领域。构建柔性铰链的结构参数库;通过三维建模将结构参数库转化为三维模型库;对三维模型在不同工作环境下进行模拟分析,构建对应的网格库;使用仿真软件生成柔性铰链的三维仿真数据库;利用机器学习的方法,建立结构参数与性能特性参数库;通过机器学习方法对设计方案进行优选;基于机器学习预测设计参数,进行柔性铰链性能特性预测与方案优选。采用机器学习方法预测柔性铰链的最优设计方案,结合有限元分析软件对柔性铰链三维模型的力学性能进行仿真,并通过有限元实验验证性能评估指标,减少实验成本并提高设计效率,避免昂贵的实验和繁重的计算需求。
背景技术
柔性铰链因无间隙传动、高柔性、高精度和较强的承载能力在各类高端机械系统中受到广泛关注,其性能直接影响柔性结构的传动与导向功能,在超精密运动与导向机构中对提升机械系统运动性能具有重要意义。
但柔性铰链复杂的工作环境及多变的力学条件使其设计面临严峻挑战,不同的设计参数组合,如半圆弧半径、铰链厚度、铰链宽度、铰链长度及载荷等,都会显著影响柔性铰链的承载能力、刚度及旋转性能等性能表现。因此,在特定工作条件下深入研究柔性铰链的设计方案与其相应的力学特性至关重要。此外,由于柔性铰链的加工周期长且实验条件难以控制,使其实验优化成本高,模拟计算量大,也为柔性铰链的设计与应用造成困难。
实现思路