气动打标机传动部件的设计与研究

1、 气动打标机传动部件的设计与研究 秦显军 于洪金 张号摘 要：打标机的应用范围非常广泛，其中应用最为广泛的是气动打标机。气动打标机具有标记工整清晰，操作简单，轨迹易于控制等优点。本文从实际工况出发，对气动打标机进行运动分析，对传动部件的滚珠丝杠进行设计。Key：气动打标机;传动部件;滚珠丝杠DOI：10.16640/ki.37-1222/t.2019.17.0981 绪论在经济发展模式转变的背景下，提高产品的质量则是制造业必然的追求，所以要对产品的每个细节都要精益求精。产品标记影响着产品的外观，所以对产品的打标技术提出了更高的要求。随着科技的发展，为自动化打标机发展奠定了深厚的技术基础，使得打

2、标机变得更加智能化，柔性化。不仅可以在平面上进行打标，同时可以在曲面等复杂工作平面进行打标。自动化打标机按照不同的标准可以分成很多类型。气动打标机1能够通过计算机控制钢针自动在物体表面留下标记，一定程度上实现工业生产的自动化，这种打标方式不仅不会损害工件、简便易行，而且效率较高，更能节省成本，还能加快产品更新换代的时间，为相关企业带来企业优势和经济效益。本文中的气动打标机2主要由机械本体、气动回路以及控制回路等组件组成，其中，机械本体的结构和稳定性制约着气动打标机的性能，所以需要对机械本体进行可靠性分析，尤其是对关键部件进行校核。2 气动打标机的运动分析打标机的运动可以分别为三个方向，分别为水

3、平X、Y方向和垂直Z方向。通过钢针Z方向的运动进行打印标记，因此，Z方向的定位影响着打标的深度和打标精度。Z向垂直运动是通过伺服电机带动滚珠丝杠完成的，将滚珠丝杠驱动旋转运动转换为打标头的上下垂直运动。伺服电机驱动方式具有更高的定位精度，通过电机的抱闸，避免出现相对位置的滑动。对于传动部件的滚珠丝杠，其性能制约着打标机的定位精度和重复定位精度，因此要对滚珠丝杠进行选型和强度校核。3 滚珠丝杠的设计条件根据具体的工况的要求，滚珠丝杠应该满足以下的要求，见表1所示。3.1 滚珠丝杠的力学可靠性校核3.1.1 丝杠精度的选择3当丝杠长度为400mm时，丝杠的定位精度为0.1mm，但根据实际的工况，丝

4、杠的长度为400mm，那么准许定位精度误差是为0.2mm。在选择滚珠丝杠需满足最低的定位精度要求，根据滚珠丝杠机构精度等级-导程误差表（见表2），滚珠丝杠的精度等级应达到C8，其精度最低为0.05mm/300mm，高于工况的要求0.1mm/400mm，故选用C8级的滚珠丝杠。注：E表示导程累计误差，e表示变动量。3.1.2 导程的选择根据实际工况的要求，所选伺服电机的额定转速为3000r/min，伺服电机和滚珠丝杠是直接连接，故减速比为i=1。故根据转速需要，确定丝杠的导程，因此丝杠的导程需要满足：3.1.3 丝杠直径的选择丝杠轴向间隙保持在0.2mm以下，根据滚珠丝杠间隙表（表3）可知，0.

5、20mm的轴向间隙，丝杠外径应该为在3032mm之间。故选定丝杠外径为30mm，丝杠的导程为6mm。丝杠的临界转速为：3.2 螺母的力学可靠性校核3.2.1 螺母的轴向载荷精度校核4根据丝杠的参数，选用滚珠丝杠螺母，选定类型为WTF2006，这种螺母的轴向额定静载荷为C0a=13.6kn，冲击载荷最大为5.4kn，本文种的螺母校核时选定的安全系数为f=2.5，因此螺母能够承受的最大轴向载荷的大小为：3.2.2 螺母的额定寿命校核丝杠的整个运动可以划分为匀加速、匀减速和匀速运动三个阶段，在三个阶段所对应的时间分别为t1、t2和t3，所对应的路程分别为l1、l2和l3，轴向载荷分别为Fa1、Fa2

6、和Fa3，根据设计要求有：4 结束语本文在气动打标机运动分析的基础之上，对传动部件的滚珠丝杠和螺母的进行了详细的阐述。根据实际的工作要求，确定丝杠参数的基本要求，结合具体运动情况，考虑丝杠的刚度5和使用寿命。由于传动部件的寿命和强度等重要性能，影响着气动打标机的性能，所以需要对丝杠和螺母进行校核和分析。在本文中，重点了考虑了丝杠的轴向载荷以及丝杠和螺母的相互作用力，并进行了理论验证从而确定了丝杠和螺母的型号。如果为获得更高的定位精度和重复定位精度，还需要对滚珠丝杠的热误差6进行充分的考虑。Reference：1钱国庆.QDB-I型精密气动打标机的研究与开发D.南京理工大学，2002.2陈健，姜

7、晓明，王进等.面向大尺寸气瓶类工件的气动打标机设计与研制J.机械设计与制造，2012（06）：1-3.3闻邦椿.机械设计手册 第五版M.北京：机械工业出版社，2010.4盖光江，赵连玉.一种嵌入式智能打标机的研制J.机电工程，2010，27（01）：88+9.5黄亮生，张维云，朱春貴.多针头气动打标机在新钢中板生产线上的应用J.宽厚板，2006，12（06）：44-46.6Chang BR，Tsai HF.Forecast approach using neural network adaptationto support vector regression grey model and generalized autoregressiveconditional heteroscedasticityJ.Expert systems with applications，2008（34）：925-934.山东工业技术2019年17期