含点蚀的行星齿轮系统动力学特性及损伤评估研究

齿面点蚀是一种典型的行星齿轮系统故障。为识别点蚀状态,本文开展动力学特性研究并提出了一种新型的评估指标。首先,虑及过渡曲线和齿间结构耦合效应,利用改进Weber法建立了精确的含点蚀故障齿轮副啮合刚度模型,并研究了故障程度对啮合刚度的影响规律。然后,综合考虑时变啮合刚度、静态传动误差、齿侧间隙和时变振动传递路径等多种因素构建了行星齿轮系统平移-扭转动力学模型,揭示了点蚀程度对系统动态特性的影响规律,并基于振动信号频谱特点提出了边带能量因子(Sideband Energy Factor,SEF)用于损伤评估。最后,利用实验验证了仿真模型的正确性及所提指标的有效性。

微型行星齿轮传动设计与分析

提出一种应用于某航空发动机中空气涡轮起动机的微型行星齿轮传动设计方案,对传动系统的构型进行结构设计、参数匹配;采用有限元分析软件ANSYS对其重要零部件进行强度校核,基于正交试验法对减速器结构进行优化,为微型行星减速结构在航空发动机起动机等航空产品中的推广与应用提供理论支撑。

基于动态啮合刚度的直齿圆柱齿轮动态特性研究

齿轮系统转速直接影响齿轮系统的动态特性,然而在啮合刚度的计算中该因素却被许多学者们忽略。为了研究转速对啮合刚度的影响,基于有限元框架使用平均加速度法提出了一种计算与转速相关的动态啮合刚度的算法,同时对不同转速下的动态啮合刚度进行仿真计算与分析,最后进一步探究了受动态啮合刚度影响后的齿轮系统所具有的相关动态特性。分析表明,动态啮合刚度始终围绕着静态啮合刚度上下波动;随着转速的增加,其波动幅度增加,振荡次数减少;随着转速的变化,动态啮合刚度计算的动态传动误差振幅相对于静态啮合刚度而言大小关系不一致,且计算的齿轮系统共振转速区间或超前或滞后于静态啮合刚度模型;动态啮合刚度影响特定转速区间的齿轮系统的振动周期。对与转速相关的动态啮合刚度的研究可为直齿圆柱齿轮传动性能的改善及减振降噪提供参考。

改进MFO-LSTM网络的风电机组齿轮箱故障预警研究

风电机组齿轮箱在数据采集与监控系统(SCADA)的帮助下,通过监控齿轮箱油温是否超过阈值实现故障报警,其判断精度不高且问题发现不及时,因此使用长短期记忆网络模型(LSTM)融合SCADA数据实现对齿轮箱油温状态的预测。用齿轮箱正常运行状态下的数据训练LSTM模型,计算油温预测值与真实值之间的残差,根据正态分布的原则设置残差的上下预警阈值,用来对齿轮箱故障进行预警。为简化训练模型的复杂度,在SCADA数据中选用与齿轮箱油温相关性较为密切的参数作为LSTM模型的输入项。为降低因LSTM模型超参数设置不当造成的预测准确度表现不佳,提出改进飞蛾火焰算法(MFO)与LSTM的组合模型,在保留MFO算法强大的全局搜索能力的同时,使其避免陷入局部搜索的陷阱,通过改进MFO对LSTM模型参数进行迭代优化,最终构建合适的模型。最后通过某风电机组SCADA数据验证该方法能够有效预警齿轮箱的故障,并且与其他方法相比准确度更高,预警更及时,迭代效果更好。

基于改进SAGGAN模型的齿轮故障分类方法研究

针对齿轮故障样本获取困难,导致深度学习驱动故障分类模型的可靠性和准确性不足这一问题,提出了一种基于改进自注意力门单元生成对抗网络(SAGGAN)的半监督齿轮故障分类模型。首先,为增强改进SAGGAN模型的特征表示能力,提升齿轮故障的半监督分类效果,在自注意力生成对抗网络(SAGAN)的基础上,引入了门控通道转换模块(GCT)、改进自注意力门控模块(SAG)和预训练的Inception V3分支;然后,使用齿轮故障实验装置采集齿轮断齿、磨损、周节误差和正常四种状态下的振动信号,并将数据划分为训练集、验证集与测试集;最后,将计算结果与现有的半监督分类方法:TripleGAN、Bad-GAN、Reg-GAN、SF-GAN进行了对比,并对改进模块进行了消融实验研究。研究结果表明:在标签样本为40、60、80、100时,改进SAGGAN模型的整体分类准确率分别为89%、90%、92%、94.25%,远高于其他四种方法,特别在只有少量标签样本情况下的优越性更为明显。以上结果揭示了改进的SAGGAN模型在齿轮故障分类领域中的实用性和优越性。

齿轮传动误差峰峰值最小化的拓扑修形优化研究

为了满足齿轮传动系统低噪声、小振动和高传动精度等要求,提出了一种基于传动误差峰峰值最小化的齿轮拓扑修形优化方法。基于直线与抛物线的复合修形叠加曲线,在标准渐开线齿轮的齿廓和齿向方向对齿轮进行修形设计,提出一种拓扑修形齿面形成方法;以齿轮传动误差峰峰值最小为优化目标,基于遗传算法对提出的拓扑修形齿轮齿面进行参数优化,得出拓扑修形齿轮齿面的最佳修形参数;将拓扑修形齿轮和标准齿轮进行对比,分析修形前后齿轮的齿面受载情况和齿根应力分布情况,验证了提出的拓扑修形优化方法的有效性。

高铁齿轮箱飞溅润滑性能数值模拟与型腔结构参数优化

以高铁齿轮箱齿轮啮合处平均压力和输出端集油盒处润滑油平均体积分数为评价指标,通过流体仿真软件ANSYS CFX,采用浸入实体法,建立了高铁齿轮箱斜齿轮飞溅润滑的CFD数值仿真模型。运用响应面Box-Behnken实验研究得出了径向距离、轴向距离、导油筋宽度对集油盒处润滑油平均体积分数和齿轮啮合处平均压力的二次回归模型,并对设计参数进行了优化。结果显示,最优参数为径向距离22.92 mm、轴向距离50 mm、导油筋宽度14.02 mm时,集油盒处润滑油平均体积分数为0.547,齿轮啮合处平均压力为32.452 kPa。

齿轮传动性能检测系统设计与试验

齿轮传动中的啮合角和重合度受制造精度、载荷、齿廓磨损、变形等因素影响会发生改变,导致传动的平稳性和连续性下降。为检测齿轮传动啮合参数,基于机器视觉技术设计了齿轮传动性能检测系统。该系统由轮系、传动装置、测量装置和图像分析系统等组成。使用工业摄像机拍摄齿轮啮合运动图像,基于最小二乘法进行数据分析,检测齿轮节圆、啮合角、重合度等啮合参数。检测结果表明,实际啮合角和重合度值检测结果与设计值相对误差低于5%。该检测系统具有高效、实时、非接触等优点,为齿轮智能制造及检测提供技术支持。

行星滚柱丝杠螺纹副-齿轮副同步啮合动态滑动特性

为揭示行星滚柱丝杠螺纹副-齿轮副同步啮合动态滑动特性,推导了行星滚柱丝杠滑动角计算方法,建立了行星滚柱丝杠数值模型,验证了滑动角计算方法的准确性。首先,基于节圆偏移产生机制,建立了滑动角运动学分析模型,通过与数值解对比,验证其准确性;在此基础上,分析了丝杠转速、螺母负载对滑动角大小以及螺纹副、齿轮副滑动距离的影响规律。结果表明,滑动角随着丝杠转速、螺母负载的增大而增大;滚柱-丝杠侧滑动距离远大于滚柱-螺母侧,且均随着丝杠转速、螺母负载的增大而增大;齿轮副滑动距离随丝杠转速增大而减小,随螺母负载增大而增大。

参数优化的IZOA-SVM机械设备故障诊断方法

在复杂的工作环境中,机械设备振动信号的复杂性常常会导致机械设备故障诊断的准确性不高,为解决设备运行中因信号复杂性引发的故障诊断难题,提出了一种参数优化的斑马优化算法优化支持向量机(IZOA-SVM)的故障诊断方法。首先,引入了柯西变异和反向学习的改进策略到斑马优化算法(ZOA)中,提出了改进的斑马优化算法(IZOA),旨在改善原有斑马优化算法在迭代后期容易陷入局部极值等问题,从而有效增强了其全局搜索能力;其次,利用IZOA优化支持向量机(SVM)的核参数g和惩罚参数c以寻找SVM最优参数组合[c,g],并构建了IZOA-SVM模型;然后,计算了样本的13个时域特征以构成特征向量,并将特征向量分别输入到IZOA-SVM模型、斑马优化算法优化支持向量机(ZOA-SVM)模型、粒子群算法优化支持向量机(PSO-SVM)模型、遗传算法优化支持向量机(GA-SVM)模型和支持向量机模型,进行了故障分类;最后,通过旋转机械振动及故障模拟试验验证了该方法的有效性。研究结果表明:IZOA-SVM模型在分类准确率方面得到了明显的提高,达到了98.33%;该模型能够精准而稳定地识别故障类型,提高故障识别的准确性,在准确率方面相较于其他对比方法表现出更为显著的优势。因此,该方法在全局搜索和故障分类准确性方面都取得了明显的改进,为复杂环境下的故障诊断提供了可参考的解决方案。

弧齿锥齿轮齿面建模和参数化设计系统软件开发

基于弧齿锥齿轮的复杂齿面设计和实际啮合情况,提出一种利用齿廓成型刀具的齿廓建模方法,能有效实现弧齿锥齿轮齿廓的精确建模.以弧齿锥齿轮为主要建模对象,提出自动化建模及装配方法,开发一种参数化设计系统软件.该软件能够实现弧齿锥齿轮的自动化快速建模和装配,缩短建模时间,提高设计质量与效率,有助于推动产业数字化转型,发展高端装备制造业.

双圆弧齿廓椭圆齿轮建模与运动学仿真

为了满足齿轮变传动比运动、提高轮齿承载能力,结合齿轮啮合理论和双圆弧齿廓曲线结构参数特征,提出了一种新型双圆弧齿廓椭圆齿轮。阐述了其节曲线的设计方法,利用SolidWorks软件建立了双圆弧齿廓椭圆齿轮三维模型;使用Adams软件对双圆弧齿廓椭圆齿轮副模型进行了运动学仿真,分析了不同偏心率对双圆弧椭圆齿轮副传动比变化规律的影响,并对比理论传动比曲线,分析了仿真传动比曲线存在波动误差的影响因素;为了减小齿轮副振动脉冲,给出了偏心率适当的取值范围。本文的设计方法和分析结果对双圆弧齿廓非圆齿轮的参数化设计有理论参考价值,可为双圆弧齿廓椭圆齿轮副数控加工制造及应用提供依据。

内凹刀盘加工的直齿锥齿轮齿面接触分析

为了在国产数控弧齿锥齿轮机床上采用内凹刀盘加工直齿锥齿轮,对使用内凹刀盘加工直齿锥齿轮的原理和齿面接触分析(Tooth Contact Analysis,TCA)方法进行了研究。基于内凹刀盘的加工原理和结构特点,建立了内凹刀盘加工的直齿锥齿轮的齿面数学模型,给出了相应的齿面接触分析方法;编写齿面接触分析程序,计算得到了齿轮副的接触斑点和传动误差曲线;通过实际的切齿加工和接触斑点检验,验证了齿面数学模型以及TCA方法的正确性。研究为锥齿轮加工参数及刀具参数的确定与啮合质量控制提供了理论依据。

非对称齿轮啮合刚度精确求解及齿廓参数分析

非对称齿轮是一种轮齿两侧采用不同压力角的新型渐开线齿轮,其齿廓参数对齿轮齿廓形状、运动特性、承载能力、传动效率和动力学特性等有至关重要的影响。基于齿轮啮合原理,运用李特文矢量法,根据加工刀具齿廓参数方程推导了非对称齿轮全齿廓方程;应用材料力学理论,建立非对称齿轮时变啮合刚度的数值求解模型,并通过有限元方法验证了该模型的有效性。基于所建立数值分析模型进行算例研究,总结了刀具圆角、压力角和变位系数对齿轮啮合刚度和重合度的影响规律。结果表明,随着轮齿工作侧压力角的增大,齿轮齿根厚度增加,单齿对的啮合刚度加大,齿轮的承载能力得到有效提高。加工工作侧轮齿齿廓刀具圆角的增大,也有利于提高齿轮的啮合刚度;同时,工作侧齿廓压力角的增大会使齿轮的齿顶厚度降低、啮合重合度减小,会导致齿轮的齿顶强度和冲击韧性降低。非对称齿轮齿廓设计时,应根据实际工况合理设置压力角参数。

基于ASMVMD和MOMEDA的齿轮特征提取方法

针对齿轮信号易被强噪声干扰,导致损伤特征难以提取的问题,提出了一种基于自适应逐次多元变分模态分解(ASMVMD)和多点最优最小熵解卷积(MOMEDA)的齿轮故障特征提取方法。首先,采用加权黑猩猩优化算法对SMVMD分解参数进行了自适应寻优,以SMVMD分解后各个通道的所有分量的平均包络谱峰值因子(Ec)之和的相反数作为寻优的适应度函数,确定了最大惩罚因子α和最大分解模态数k的最优值;然后,采用ASMVMD方法对齿轮多通道故障数据进行了自适应分解,根据Ec指标提取了各通道特定分量,并将这些分量相加,进行了信号重构;最后,采用MOMEDA解卷积处理了重构信号,进一步强化了齿轮故障的冲击特性,并利用包络谱分析解卷积信号,提取了齿轮的故障特征频率。研究结果表明:通过仿真信号和模拟实验信号的分析,可知利用ASMVMD-MOMEDA相结合的方法处理得到的信号降噪效果显著,能有效抑制无关干扰成分的影响,从包络谱中可以清晰地看到故障频率的前几阶倍频;与多元经验模态分解(MEMD)-MOMEDA相结合的方法进行对比,发现采用ASMVMD-MOMEDA方法得到的包络谱较MEMD-MOMEDA方法的谱线更加干净,各阶倍频更加明显,进一步证明ASMVMD-MOMEDA方法可以准确提取齿轮故障特征。

面齿轮在机测量综合预行程误差补偿及齿面匹配方法

在机测量可在加工过程中实时测量,有效提高面齿轮的加工质量及测量效率。考虑面齿轮在机测量预行程误差对齿面精度的影响和齿面匹配精度低的问题,制定了基于蜗杆砂轮磨齿机的在机测量策略,将多种误差影响因素作为输入,测头综合预行程误差作为输出,构建基于PSO-CNN神经网络的综合预行程误差预测模型完成误差补偿。提出齿面精匹配方法,构建六参数优化模型使测量齿面与理论齿面进行匹配得到齿面误差。最后,测量实验结果显示,左齿面精度提高61.33%,右齿面精度提高71.15%,在机测量与克林贝格测量仪测量结果基本一致,满足面齿轮在机测量精度要求。

非对称变位斜齿轮参数化建模和接触应力分析

为构建非对称渐开线变位斜齿轮精确模型并分析压力角对其接触应力的影响,根据齿轮啮合原理以及C#对SolidWorks二次开发,建立了从齿条刀具展成非对称渐开线变位斜齿轮的数学模型以及精确的实体模型;同时,采用有限元法分析其齿面接触应力,并与传统公式法计算的对称变位斜齿轮齿面接触应力进行了比较。研究表明,当一侧齿面压力角相同时,非对称变位斜齿轮一侧齿面接触应力与对称变位斜齿轮十分接近,接触应力随压力角变化的增减趋势基本一致,说明了非工作侧齿面压力角的变化对工作侧齿面接触应力的影响并不明显。因此,用来计算对称变位斜齿轮齿面接触应力的传统公式法同样可以近似计算非对称变位斜齿轮的齿面接触应力。该方法可为非对称渐开线变位斜齿轮的设计提供参考。

考虑齿形误差影响的摆线针轮承载特性分析

针对缺乏考虑齿形误差的承载分析软件,导致分析结果不符合实际工程状况的问题,提出了1种包含摆线轮齿形误差的摆线针轮副承载特性分析方法。利用三次非均匀B样条准确描述出包含齿形误差的摆线轮实际齿廓,构建并分析了摆线针轮误差齿廓接触分析模型(error tooth contact analysis,E-TCA),得到了初始啮合位置参数及啮合间隙。在此基础上,建立了齿形误差影响下的摆线针轮副负载接触分析模型,确定了零部件多体接触之间的力矩平衡和变形协调关系,利用能量最低原理获取了真实承载特性。通过有限元模型验证了RV-40E型号减速器的摆线针轮承载特性。结果表明:由于齿形误差的影响,啮合齿数减少了1对,啮合应力和传动误差增大了5.3%和5.7%。

基于RCMFME和AO-ELM的齿轮箱损伤识别策略

针对模糊熵只考虑信号的局部特征而忽略信号的全局特征,导致齿轮箱故障识别的准确率不佳的问题,提出了一种基于精细复合多尺度模糊测度熵(RCMFME)、天鹰优化器(AO)优化极限学习机(ELM)的齿轮箱故障诊断方法。首先,在精细复合多尺度模糊熵的基础上,对矢量的构造方式进行了改进,提出了能够同时考虑时间序列局部特征和全局特征的RCMFME方法;随后,利用RCMFME指标提取了齿轮箱振动信号的熵值,组建了故障特征向量;接着,利用AO算法对极限学习机的参数进行了自适应搜索,生成了参数最优的多类别分类器;最后,将训练样本的故障特征向量输入至AO-ELM分类模型中进行了模型训练,以构造性能最优的分类器,并实现了对齿轮箱测试样本的故障识别目的;利用两种齿轮箱振动数据集进行了实验,在识别准确率和识别稳定性方面,与相关的特征提取方法进行了对比。研究结果表明:采用基于RCMFME和AO-ELM的故障诊断方法能够分别取得100%和98%的分类准确率,平均识别准确率分别达到了100%和98%,优于精细复合多尺度全局模糊熵(RCMGFE)、精细复合多尺度模糊熵(RCMFE)、精细复合多尺度样本熵(RCMSE)。该方法具有显著的应用潜力。

基于RCMDE和ISOMAP的行星齿轮传动耦合故障辨识研究

现有针对行星齿轮箱的故障诊断方法一般仅研究单一故障,但实际行星齿轮箱的故障一般由多个故障耦合而成,耦合故障的故障机理比单一故障的故障机理更复杂,振动信号中的非线性因素对特征提取的干扰更严重。针对该问题,提出了一种基于精细复合多尺度散度熵(RCMDE)、等距特征映射(ISOMAP)和遗传算法优化核极限学习机(GA-KELM)的行星齿轮箱耦合故障诊断方法。首先,利用振动加速度计采集了行星齿轮箱单一故障和耦合故障下运行时的振动信号,构建了故障数据集;随后,利用RCMDE提取了行星齿轮箱振动信号的故障特征,建立了初始的特征样本;接着,利用ISOMAP对故障特征进行了降维,并以可视化的方式获取了低维的特征样本;最后,将新特征输入至GA-KELM分类器中,对行星齿轮箱的不同故障类型进行了识别,并基于行星齿轮箱多点损伤样本,对RCMDE方法的可靠性进行了研究。研究结果表明:基于RCMDE和ISOMAP的故障特征提取方法能够有效提取振动信号中的故障特征,而GA-KELM的故障诊断准确率达到了98.13%,平均诊断准确率达到了96.25%。相较其他故障特征提取方法,基于RCMDE、ISOMAP和GA-KELM的行星齿轮箱耦合故障诊断方法能够更好地诊断行星齿轮箱的耦合故障,具有更高的诊断准确率。