电动汽车用减速器传动效率分析与实验研究

传动效率是衡量电动汽车用减速器性能的重要指标,对其进行精确的仿真分析和实验研究能为产品设计和优化提供有效支撑。在分析传动效率损失因素的基础上,考虑齿轮啮合损失、轴承损失、搅油与风阻损失和油封损失,建立了传动效率计算模型,并对一种电动汽车用单挡二级减速器的传动效率进行仿真分析。搭建了高速三轴实验台,开展了传动效率实验研究,分析了不同转速和扭矩对传动效率的影响。仿真和实验结果表明,随着输入扭矩增加,传动效率先上升后趋于平稳;随着输入转速增加,传动效率下降;低扭、高速工况下,搅油与风阻损失占比最大;高扭、低速工况下,齿轮啮合损失占比最大。将所建立模型、ISO/TR 14179-1模型、ISO/TR 14179-2模型的仿真结果与实验实测结果进行比较分析,所建模型的仿真结果与实验实测结果的综合传动效率误差为0.03%,优于ISO/TR 14179-1(0.63%)和ISO/TR 14179-2模型(0.86%)。

基于MDS-GA-SVR的电动汽车减速器性能退化预测方法研究

针对电动汽车减速器性能退化预测方法难以充分挖掘退化信息,导致预测精度低的问题,提出了一种联合多维尺度(Multiple Dimensional Scale,MDS)变换和遗传算法优化支持向量回归(Genetic Algorithm opitimized Support Vector Regression,GA-SVR)进行性能退化预测建模方法。通过时域、频域、时频域特征提取方法对减速器的振动信号进行处理,利用MDS算法建立了综合退化特征指标;以信号特征指标与综合性能退化指标作为训练与预测数据集,利用遗传算法确定最优惩罚参数C和核参数g并构建SVR模型;通过试验获得了减速器的寿命数据,并利用所提方法建立了高精度的性能退化模型。结果表明,本文所提模型的预测精度均高于PSO-SVR、GS-SVR以及反向传播(Back Propagation,BP)神经网络预测模型,均方根误差值分别降低了50.63%、75.35%、84.73%,确定系数R2分别提高了3.93%、6.51%、9.51%,证明了所提方法的优越性。

电动汽车用减速器传动效率影响因素研究

减速器传动效率是影响整个传动系统效率的主要因素,建立减速器传动效率模型,并对其影响因素进行分析,对于提升电动汽车用减速器传动效率意义重大。针对电动汽车用减速器的特点,分析了齿轮啮合损失、轴承损失、搅油风阻损失和油封损失4种因素对传动效率的影响,建立了传动效率计算模型,开展了润滑油、转速及转矩对电动汽车用单挡二级减速器传动效率影响的理论研究;搭建高速三轴综合性能检测台架,开展了模型精度及传动效率影响因素的正交试验研究。结果表明,所建模型的仿真结果最大相对误差为-0.59%,优于ISO/TR 14179—1:2001的-1.75%;随着转速增加,传动效率逐渐降低,对传动效率的影响程度最大;随着转矩增大,传动效率逐渐提升;润滑油温度越低,传动效率越低;润滑油牌号对传动效率影响不明显,润滑油黏度越小,传动效率越高,对传动效率的影响程度最小。

基于统计学与BP神经网络的永磁同步电机故障识别方法

针对永磁同步电机三相定子不对称故障识别问题,提出了基于参数统计分析提取优质指标与BP神经网络相结合的识别方法。基于永磁同步电机的数学模型建立仿真模型,模拟正常状态和故障状态下的定子电流数据;通过对电流特征指标的统计分析,筛选出时域特征指标中的优质指标;将筛选出来的指标输入BP神经网络进行故障识别,结果表明所提方法可以实现对永磁同步电机定子电阻三相不对称故障的识别,准确率超过96%。

基于PSO算法的斜齿轮NURBS齿面重构研究

斜齿轮被广泛应用于高速重载的传动系统中,需要通过齿轮接触分析(TCA)以及齿轮承载接触分析(LTCA)进行强度校核。针对传统的齿轮接触分析所采用的有限元几何模型精度差的问题,提出了一种四阶斜齿轮齿面非均匀有理B样条(NURBS)拟合方法,并对齿轮渐开线曲面控制点权重进行粒子群优化(PSO)。通过参数化方程生成斜齿轮齿面型值点以进行节点矢量以及齿面控制点的计算,并利用粒子群优化算法,将拟合点到理论曲面的法向投影距离的最大差值作为拟合误差,对构成齿轮的渐开线曲面控制点权重进行调整,实现更为精确的斜齿轮齿面重构拟合。在10×6的网格控制点下,所生成的斜齿轮NURBS渐开线齿面拟合误差为2.059μm,优化后可以达到1.657μm,满足齿廓总偏差2级精度要求,可以为齿轮接触分析以及齿轮承载接触分析提供精确的几何模型。