关键词： 球磨机   小齿轮轴   安装调试  

摘要： 在不动筒体和主电机的情况下,对MQS4866型球磨机小齿轮轴的安装调整方法进行了论述,并对调整后球磨机的调试以及稳定运行做出了详细的检验和说明。对矿山机械中球磨机小齿轮轴的安装调整具有一定的指导意义。

关键词： 工业机器人   RV齿轮箱   故障识别   深度主动学习  

摘要： 工业机器人的传动效率直接影响到工业节能效果。针对齿轮箱故障诊断能力,设计了一种基于深度主动学习(Deep Active Learning,DAL)的工业机器人RV齿轮箱故障识别方法,并开展测试分析。研究结果表明,边缘抽样、深度学习、深度主动学习、随机抽样分别达到77.23%、94.35%、97.18%和84.26%的准确率,表明该方法可以有效地过滤出较难鉴别的样品。分析混淆矩阵表明,在只利用小样本进行训练的情况下,DAL算法取得了比传统学习算法更优的处理结果。该研究有助于提高工业机器人控制效率,具有广泛的应用价值。

关键词： 大型养路机械车轴   齿轮箱   故障诊断  

摘要： 齿轮箱是养路机械设备运行过程中关键的零部件,需要做好车轴齿轮箱的故障检测工作,在使用的早期进行故障智能识别,降低重大事故的发生几率,改变传统的维修管理模式,自动化提取冲击信号。随着故障智能诊断系统的有效应用,能够降低周围环境噪声因素对冲击信号带来的影响,保证识别的精准性。本文从信号滤波对比、特征提取、智能识别分类、诊断分析模型建立等多个角度对大型养路机械车轴齿轮箱早期故障智能诊断工作进行了全面论述。通过建立振动分析模型的方式,从自适应滤波器中提取微弱的振动信号,预测齿轮箱存在的故障类型和故障因素,保证大型养路机械运行的稳定性。

关键词： 发电机组   故障诊断   特征提取   深度神经网络  

摘要： 针对发电机组故障种类多、辨识难度大的问题,通过分析发电机组振动加速度信号特征,得到了齿轮故障与轴承故障引起的振动信号特征规律,在此基础上,提出了一种结合特征提取技术和深度神经网络的多故障诊断方法。结果表明,这2种故障会使信号的时域和频域振幅显著增大,且振动信号的第一主频从6.0 Hz增加到73.0 Hz;齿轮故障主要影响6.3~16 Hz范围内的加速度级,而轴承故障则显著影响630~10 000 Hz范围的加速度级;此外,特征提取可提升7.33%的准确率,故障诊断方法在测试集中准确率达到98.33%。本研究成果对发电机组故障诊断与检修具有重要意义。

关键词： 蒙特卡洛法   遗传算法   修形  

摘要： 为了降低标准齿面人字齿轮在传动过程中的振动和噪音,提高传动系统的稳定性,需要对标准齿面人字齿轮采用修形来改善齿轮的啮合状态。首先采用蒙特卡洛法和遗传算法两种算法,对标准齿面小齿轮进行拓扑修形,修形曲线选择二次抛物线,然后分别对修形后的齿轮进行五种工况下加载分析,最后得到传动误差峰峰值图和接触应力分布图。结果表明:采用两种算法修形均降低了齿轮传动误差峰峰值和接触应力最大值并改善了齿面的接触应力分布,其中采用遗传算法修形的效果更显著。

关键词： 几何量计量   芯棒   探头位置校准   齿廓偏差评估   在线测量  

摘要： 主流的齿轮测量设备大都通过参考球进行探头位置校准,相较于参考球,芯棒不仅安装与操作方便,同时还可以检测机床的静态精度。因此对开发的新型齿轮磨床进行齿轮在线测量时,采用芯棒进行探头校准来实现齿轮测量。为了提高探头定位精度,初步利用最小二乘法(least square method,LSM)拟合芯棒中心来进行探头定位,并在此基础上使用基于AitkenΔ^(2)迭代的算法来补偿LSM的定位误差,进而实现探头位置校准。该方法将非线性拟合迭代过程用线性收敛的数值序列代替,不仅具有较快的收敛速度,同时数值趋于稳定。通过齿廓偏差评估实验证明了该方法的有效性,可对其他齿轮测量时的探头位置校准提供参考。

关键词： 少样本   重叠采样   深度迁移   故障诊断  

摘要： 传统故障诊断需要大量有标记的数据样本进行训练。针对变转速工况下锥齿轮故障诊断样本数量少的问题,根据一维故障信号的时序性和周期性,采用滑动窗口重叠采样的方式扩充数据集,增加模型训练迭代次数,建立由多级交替卷积层和多级交替池化层组成的锥齿轮故障诊断1CNN(1D Convolutional Neural Network)模型,完成对原始输入故障信号深层次的特征提取,迁移经高层参数适应调优的模型,实现变转速工况下的故障诊断。为验证该方法的有效性,利用MFS机械故障综合模拟实验台开展锥齿轮故障测试实验,获得4种转速工况下的振动时域频谱。结果表明:在4种变转速工况深度迁移学习中,1CNN模型故障识别率能提高12.85%,为少样本条件下的机械故障诊断提供参考。

关键词： ANSYS   行星齿轮减速箱   有限元仿真   模态分析  

摘要： 随着光纤激光应用的成熟和普及,在汽车制造、船舶、医疗和航空航天等方面得到广泛的应用。为了进一步提高光纤激光设备的高可靠性、高稳定性和高效率,有必要对行星减速器进行有限元分析和模态分析。通过建立行星齿轮减速器的简易模型,以行星齿轮减速器为研究对象,分析其传动过程中的载荷及工况,利用三维软件ANSYS建立行星齿轮减速器的三维模型,并将模型导入至有限元分析软件ANSYS Workbench中,对三维模型进行了静力学有限元分析和模态分析。试验研究表明,整个行星减速器的等效应力和应变主要分布在太阳轮与3个行星齿轮啮合处,且最大应力发生在太阳轮的齿根圆角处,其最大值为119.64 MPa;最大应变发生在啮合齿轮齿根处,最大位移发生在太阳轮齿轮顶部,其最大值为9.75×10^(-3)mm;行星齿轮减速器的模态结果主要表现为行星齿轮的扭转变形,其设计结果满足要求。

关键词： 抽油机   齿轮齿条   偏载特性   接触应力   修形优化  

摘要： 针对抽油机齿轮齿条重载工况下齿条齿面上出现偏载损伤的问题,对重载齿轮齿条偏载特性修形优化进行了研究。根据石川法结合切片法计算齿轮齿条受载以后的变形量及重合度,通过理论计算了齿轮齿条偏载变形公式,从而确定修形量。并分析了不同修形方案对低速重载齿条齿面偏载的影响。结果表明,齿轮齿条机构在低速重载中,受偏载力的作用,其沿着齿向会呈现重合度逐渐减小,载荷不断增大,变形量逐渐增大。采用齿向齿廓同时修形能最大程度减少偏载时的接触应力。

关键词： 风电机组   齿轮箱   状态预测   模糊综合   迁移学习  

摘要： 随着风电装机规模的日益增长,同时风电场中现有历史故障数据不足且各风电齿轮箱之间的监测数据分布存在差异,给风电运维后市场带来了巨大挑战。为了能够将现有故障数据样本用于其他风电齿轮箱的健康状态预测以优化运维策略,提出一种基于长短时记忆网络和模糊综合的状态标定方法,以及基于迁移学习与动态加权的风电齿轮箱群组健康状态预测方法。并利用我国山西盘道梁风电场中某5台风电机组共计2年的历史监测数据对所提方法进行验证。结果表明,该组合状态标定方法能够提前检测到风电齿轮箱的故障信息,可实现单个风电齿轮箱健康状态评估。此外,剔除远离“风速-功率”曲线的样本数据后,基于深度迁移学习网络的跨设备状态预测平均准确率为92.06%,表明该方法能够将现有故障数据样本用于其他风电齿轮箱的状态监测。该研究对风电装备健康状态预测具有重要的理论价值与工程实际意义。