秦顯軍 于洪金 張號



摘 要:打標機的應用范圍非常廣泛,其中應用最為廣泛的是氣動打標機。氣動打標機具有標記工整清晰,操作簡單,軌跡易于控制等優點。本文從實際工況出發,對氣動打標機進行運動分析,對傳動部件的滾珠絲杠進行設計。
關鍵詞:氣動打標機;傳動部件;滾珠絲杠
DOI:10.16640/j.cnki.37-1222/t.2019.17.098
1 緒論
在經濟發展模式轉變的背景下,提高產品的質量則是制造業必然的追求,所以要對產品的每個細節都要精益求精。產品標記影響著產品的外觀,所以對產品的打標技術提出了更高的要求。隨著科技的發展,為自動化打標機發展奠定了深厚的技術基礎,使得打標機變得更加智能化,柔性化。不僅可以在平面上進行打標,同時可以在曲面等復雜工作平面進行打標。自動化打標機按照不同的標準可以分成很多類型。
氣動打標機[1]能夠通過計算機控制鋼針自動在物體表面留下標記,一定程度上實現工業生產的自動化,這種打標方式不僅不會損害工件、簡便易行,而且效率較高,更能節省成本,還能加快產品更新換代的時間,為相關企業帶來企業優勢和經濟效益。
本文中的氣動打標機[2]主要由機械本體、氣動回路以及控制回路等組件組成,其中,機械本體的結構和穩定性制約著氣動打標機的性能,所以需要對機械本體進行可靠性分析,尤其是對關鍵部件進行校核。
2 氣動打標機的運動分析
打標機的運動可以分別為三個方向,分別為水平X、Y方向和垂直Z方向。通過鋼針Z方向的運動進行打印標記,因此,Z方向的定位影響著打標的深度和打標精度。Z向垂直運動是通過伺服電機帶動滾珠絲杠完成的,將滾珠絲杠驅動旋轉運動轉換為打標頭的上下垂直運動。伺服電機驅動方式具有更高的定位精度,通過電機的抱閘,避免出現相對位置的滑動。對于傳動部件的滾珠絲杠,其性能制約著打標機的定位精度和重復定位精度,因此要對滾珠絲杠進行選型和強度校核。
3 滾珠絲杠的設計條件
根據具體的工況的要求,滾珠絲杠應該滿足以下的要求,見表1所示。
3.1 滾珠絲杠的力學可靠性校核
3.1.1 絲杠精度的選擇[3]
當絲杠長度為400mm時,絲杠的定位精度為±0.1mm,但根據實際的工況,絲杠的長度為400mm,那么準許定位精度誤差是為±0.2mm。在選擇滾珠絲杠需滿足最低的定位精度要求,根據滾珠絲杠機構精度等級-導程誤差表(見表2),滾珠絲杠的精度等級應達到C8,其精度最低為±0.05mm/300mm,高于工況的要求±0.1mm/400mm,故選用C8級的滾珠絲杠。
注:±E表示導程累計誤差,e表示變動量。
3.1.2 導程的選擇
根據實際工況的要求,所選伺服電機的額定轉速為3000r/min,伺服電機和滾珠絲杠是直接連接,故減速比為i=1。故根據轉速需要,確定絲杠的導程,因此絲杠的導程需要滿足:
3.1.3 絲杠直徑的選擇
絲杠軸向間隙保持在0.2mm以下,根據滾珠絲杠間隙表(表3)可知,0.20mm的軸向間隙,絲杠外徑應該為在30~32mm之間。故選定絲杠外徑為30mm,絲杠的導程為6mm。
絲杠的臨界轉速為:
3.2 螺母的力學可靠性校核
3.2.1 螺母的軸向載荷精度校核[4]
根據絲杠的參數,選用滾珠絲杠螺母,選定類型為WTF2006,這種螺母的軸向額定靜載荷為C0a=13.6kn,沖擊載荷最大為5.4kn,本文種的螺母校核時選定的安全系數為f=2.5,因此螺母能夠承受的最大軸向載荷的大小為:
3.2.2 螺母的額定壽命校核
絲杠的整個運動可以劃分為勻加速、勻減速和勻速運動三個階段,在三個階段所對應的時間分別為t1、t2和t3,所對應的路程分別為l1、l2和l3,軸向載荷分別為Fa1、Fa2和Fa3,根據設計要求有:
4 結束語
本文在氣動打標機運動分析的基礎之上,對傳動部件的滾珠絲杠和螺母的進行了詳細的闡述。根據實際的工作要求,確定絲杠參數的基本要求,結合具體運動情況,考慮絲杠的剛度[5]和使用壽命。由于傳動部件的壽命和強度等重要性能,影響著氣動打標機的性能,所以需要對絲杠和螺母進行校核和分析。在本文中,重點了考慮了絲杠的軸向載荷以及絲杠和螺母的相互作用力,并進行了理論驗證從而確定了絲杠和螺母的型號。如果為獲得更高的定位精度和重復定位精度,還需要對滾珠絲杠的熱誤差[6]進行充分的考慮。
參考文獻:
[1]錢國慶.QDB-I型精密氣動打標機的研究與開發[D].南京理工大學,2002.
[2]陳健,姜曉明,王進等.面向大尺寸氣瓶類工件的氣動打標機設計與研制[J].機械設計與制造,2012(06):1-3.
[3]聞邦椿.機械設計手冊 第五版[M].北京:機械工業出版社,2010.
[4]蓋光江,趙連玉.一種嵌入式智能打標機的研制[J].機電工程,2010,27(01):88+9.
[5]黃亮生,張維云,朱春貴.多針頭氣動打標機在新鋼中板生產線上的應用[J].寬厚板,2006,12(06):44-46.
[6]Chang BR,Tsai HF.Forecast approach using neural network adaptationto support vector regression grey model and generalized autoregressiveconditional heteroscedasticity[J].Expert systems with applications,2008(34):925-934.