关键词： 可变形卷积   鲁棒性   泛化能力   故障诊断  

摘要： 齿轮作为工业领域中机械系统的关键部件，对其进行故障诊断以预防事故发生至关重要。在复杂噪声背景下，针对卷积神经网络在卷积过程中感受野受限，以及对带有噪声的特征图的形变适应能力不足等问题，本文提出了一种基于可变形卷积网络 (deformable convolutional network， DCN)的齿轮故障诊断方法。首先，为了提高其对高阶故障特征形变的适应能力，在5层卷积架构的基础上，将模型最后一层的卷积层换作可变形卷积层，实现对特征图采样位置的动态调整。其次，为了避免网络在训练时出现的梯度消失问题，又将每一层的卷积层后加批标准化 (batch normalization， BN)层处理。最后，通过在东南大学齿轮箱数据集进行实验验证，结果表明，本文的网络模型表现出较好的鲁棒性和泛化能力。

关键词： FZG齿轮箱   浸油润滑   热-流耦合   流场   温度场  

摘要： 浸油润滑是齿轮传动1种重要的润滑与散热方式，直接影响齿轮传动系统运行温度、应力应变等服役性能。本文中以FZG齿轮箱为研究对象，构建了齿轮传动系统浸油润滑热-流耦合数值仿真模型，揭示了在不同FZG载荷级、不同转速下齿轮箱流场和温度变化规律。发现随载荷级升高，轮齿散热能力提升，系统各零部件温差逐渐加大；随转速的增加，搅油功率损失增加，最高转速下约占系统功率损失的79%。用无线温度测试系统开展了FZG齿轮箱齿轮及箱体温度测试试验，发现模型预测值与试验值相比误差在6%以内，验证了模型的准确性，为齿轮传动系统温度预估和控制提供了理论支撑。

关键词： 时变啮合刚度   齿根裂纹   振动响应   变负载  

摘要： 针对齿轮系统裂纹故障的机理复杂、负载较易波动等问题，本文首先提出了基于势能法的修正算法，分析了裂纹参数对时变啮合刚度的影响。其次建立了考虑综合啮合误差的齿轮系统动力学模型，分别研究了稳定工况下和变负载下含裂纹齿轮系统的振动响应特性。同时采用5种统计指标对裂纹齿轮振动信号进行了敏感度分析。研究结果表明：随裂纹深度和角度增大，啮合刚度降低，且裂纹深度影响更大。时域中周期性冲击和频域中啮合频率及其倍频周围的边频带幅值与裂纹扩展程度正相关；在变负载工况下振动信号与负载波动趋势类似，低频成分与负载有关，波动幅度越大，故障特征越不明显。峭度对裂纹齿轮振动信号最敏感。

关键词： 风力发电机组   故障诊断   原因分析   故障闭环   齿轮开裂  

摘要： 综合运用振动信号分析、内窥镜检查、宏观观察、金相分析、扫描电镜(Scanning Electron Microscopy,SEM)分析、能谱仪分析(Energy Dispersive Spectroscopy,EDS)和力学性能试验等多种技术手段,针对某型号风电齿轮箱出现的沿齿槽径向开裂现象进行了故障诊断与原因分析。通过振动信号分析发现异常振动,并通过频谱分析和时域特征提取了确定异常振动的特征;通过内窥镜检查确认故障位置,拆解后利用SEM检测确认裂纹源存在一块大尺寸夹杂物,并通过EDS明确了夹杂物的成分;进一步分析确定齿轮贯穿性开裂的整个过程,通过综合分析确定了故障原因和位置,为设备维护提供了科学依据,并为提高生产效率、延长设备寿命、降低故障损失和维修成本提供了参考。

关键词： 齿轮箱故障诊断   格拉姆角差场   注意力机制   卷积神经网络  

摘要： 针对齿轮箱同时处于变负载和含有噪声的复杂环境下的故障诊断难题,提出一种基于格拉姆角差场(Gram Angle Difference Field,简称GADF)和改进的具有多注意力机制的卷积神经网络(Multiple Attention Mechanism Convolutional Neural Network,简称MACNN)的齿轮箱故障诊断方法。首先将采集得到齿轮箱的一维振动信号的故障数据集进行预处理;然后通过格拉姆角差场将一维数据集转为二维图像数据;其次,将二维数据集数输入到改进的带有多注意力机制的卷积神经网络模型中进行训练;最后采用Softmax对齿轮箱故障数据集进行分类。通过试验验证,这里所提的方法在两个负载数据集上都可以达到99.80%以上,改进之后的模型训练效率更高、耗时更短,同时这里所提方法也优于一些已经发表的齿轮箱故障诊断的方法,此外本方法对齿轮箱在同时处于变负载和噪声的复杂环境中,依然有着较强的故障诊断能力。

关键词： 梯度双边滤波   齿轮边缘缺陷检测   最大类间方差法   峰值信噪比  

摘要： 针对Canny算子在齿轮边缘缺陷检测中存在识别相似度低、因图像噪声影响导致微弱边缘难以提取、边缘连续性与鲁棒适应性差的问题,提出了一种改进Canny算子的齿轮边缘缺陷检测技术。改进滤波器,使用梯度双边滤波进行图片预处理,平滑图像并减少图像噪声;改进了卷积核,在45°和135°梯度方向上对像素点进行非极大值抑制,增加了微弱边缘被保留的概率;采用最大类间方差法(Otsu算法)计算图像的高阈值,通过双阈值的办法自适应寻找图像强弱边缘;将Prewitt算子和Canny算法以及改进算法进行对比实验验证。结果表明,改进算法可以提取更完整的齿轮边缘,处理后图片的峰值信噪比(PSNR)相比Canny算法提升了16%,检测效果提升了30%,重叠系数高达81.9%,提升了25.1%,为齿轮边缘缺陷检测提供了一定的参考价值。

关键词： 风电齿轮钢   超声波探伤   夹杂物   精炼   CaO-MgO-Al_(2)O_(3)-SiO_(2)   18CrNiMo  

摘要： 超声波探伤是大规格风电用齿轮钢的缺陷检测手段之一,而探伤缺陷的出现意味着使用性能的不合格。为了改善风电齿轮钢中超声探伤缺陷频出的问题,探究了这种缺陷的形成原因。通过缺陷观察和精炼过程取样分析,明确了缺陷的类型和形成阶段。再结合热力学计算得出缺陷夹杂物的形成原因,并提出工艺改进措施。结果表明,这些探伤缺陷是由固态的镁铝尖晶石与液态的CaO-MgO-Al_(2)O_(3)-SiO_(2)夹杂物聚集而成的大尺寸夹杂物,且外围附着少量CaS,尺寸为30~100μm。缺陷夹杂物的主体是CaO-MgO-Al_(2)O_(3)-SiO_(2)夹杂物,而该夹杂物源自VD过程产生的高SiO_(2)含量的CaO-MgO-Al_(2)O_(3)-SiO_(2)夹杂物。分析发现,VD过程钢液中过低的[Al]含量是高SiO_(2)含量的CaO-MgO-Al_(2)O_(3)-SiO_(2)夹杂物形成的根本原因。由于[Al]含量过低,钢液中的[Si]将夹杂物中的Al_(2)O_(3)还原,形成高SiO_(2)含量的CaO-MgO-Al_(2)O_(3)-SiO_(2)夹杂物;随着钢液中[Al]含量重新升高,夹杂物中的SiO_(2)被部分还原,但是仍然有高SiO_(2)含量的CaO-MgO-Al_(2)O_(3)-SiO_(2)夹杂物残留。提高VD过程钢液中的[Al]质量分数至0.010%以上是减少高SiO_(2)含量的CaO-MgO-Al_(2)O_(3)-SiO_(2)夹杂物出现的合理措施,从而可以达到有效降低风电齿轮钢中探伤缺陷出现率的目的。

关键词： 采煤机   齿轮箱   振动参数   故障分析  

摘要： 摇臂齿轮箱是采煤机故障高发部件,对煤矿井下常用的7LS06采煤机摇臂齿轮箱故障位置进行了诊断,发现其减速齿轮及轴承经常发生故障,由于齿轮及轴承在正常运行状态下会产生固定的振动频率,而缺陷或故障会导致其结构发生改变,从而使原有的振动频率发生变化,因此,现场采用振动测试平台获取采煤机齿轮箱的振动信号,将测试结果与现场监测结果进行比对分析,进一步验证了故障诊断技术的可靠性。

关键词： 采煤机   热弹耦合   行星齿轮   强度分析  

摘要： 以MG2X250/1200-WD型采煤机行星齿轮传动系统为研究对象,完成了轮齿啮合面的热弹耦合应力分析,结果表明,太阳轮和行星轮啮合位置的最大应力数值为490.65 MPa,主要的失效方式为疲劳。为了提高轮齿的疲劳强度,对现有的轮齿进行鼓形修行,并进行有限元仿真分析,结果表明,改进后的行星齿轮传动系统的最大接触应力数值为433.07 MPa,与改进之前相比降低了约11.7%。轮齿改进的成功,对减小采煤机行星齿轮传动系统结构尺寸,提高其工作稳定性和疲劳寿命具有重要的参考价值。