Multi-objective optimization of planetary roller screw mechanism based on improved mathematical modelling

机制(生物学) 机械工程 材料科学 计算机科学 工程类 物理 量子力学
作者
Qin Yao,Mengchuang Zhang,Yongshou Liu,Shangjun Ma
出处
期刊:Tribology International [Elsevier]
卷期号:161: 107095-107095 被引量:22
标识
DOI:10.1016/j.triboint.2021.107095
摘要

The optimization of obtaining the most uniform load distribution is important for the load carrying capacity design of the planetary roller screw mechanism (PRSM). However, the stiffness matrix of PRSM in traditional method based on the relationship between load and deformation of the thread may be destroyed when threads are no longer in contact due to machining errors, which would bring convergence problem in optimization process. In this paper, the mathematical model is firstly established to overcome the above drawbacks by proposing an improved iterative algorithm. Then, the multi-objective optimization is conducted to search the best designed pitches for the most uniform load distribution on both the screw-roller and nut-roller interfaces, and results are verified by the finite element method. • The mathematical model of load distribution considering pitch errors, pitch deviation and installation modes is established. • An improved iterative algorithm is proposed to solve the divergent problems in previous methods. • The effects of pitch errors and pitch deviation on the load distribution are is deeply studied. • The multi-objective optimization is conducted to search the best designed pitches for the most uniform load distribution of PRSM.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
123456完成签到,获得积分10
1秒前
1秒前
2秒前
4秒前
朴实天寿应助小小莫采纳,获得20
5秒前
5秒前
烟花应助啦啦啦采纳,获得10
5秒前
柚子发布了新的文献求助10
5秒前
6秒前
共享精神应助白华苍松采纳,获得10
6秒前
奇奇发布了新的文献求助10
6秒前
winwing发布了新的文献求助30
6秒前
精明人达完成签到,获得积分10
7秒前
yihuifa完成签到 ,获得积分10
8秒前
LH完成签到,获得积分10
8秒前
爱笑灵竹发布了新的文献求助20
9秒前
lll发布了新的文献求助10
9秒前
齐桓完成签到,获得积分10
11秒前
SciGPT应助精明人达采纳,获得10
11秒前
忆楠完成签到,获得积分20
11秒前
orixero应助夕荀采纳,获得10
13秒前
caipengju完成签到,获得积分10
13秒前
依诺完成签到,获得积分10
14秒前
忆楠发布了新的文献求助30
14秒前
15秒前
斯文败类应助Yoo.采纳,获得10
15秒前
june完成签到,获得积分10
15秒前
16秒前
几又完成签到,获得积分10
16秒前
17秒前
郭慧娜完成签到,获得积分10
17秒前
无比璀璨的番茄完成签到,获得积分20
18秒前
19秒前
JamesPei应助火星上香菇采纳,获得10
19秒前
Ghost发布了新的文献求助10
20秒前
SciGPT应助Leo采纳,获得10
20秒前
21秒前
万能图书馆应助keyantong采纳,获得10
21秒前
忧伤的冰淇淋完成签到 ,获得积分10
22秒前
22秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 600
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157298
求助须知:如何正确求助?哪些是违规求助? 2808647
关于积分的说明 7878088
捐赠科研通 2467070
什么是DOI,文献DOI怎么找? 1313183
科研通“疑难数据库(出版商)”最低求助积分说明 630369
版权声明 601919