关键词： 非圆面齿轮   加工误差   齿面偏差   啮合特性   仿真加工  

摘要： 非圆面齿轮将圆柱齿轮减速功能与非圆齿轮变速功能集于一体,具有封闭条件简单,互换性好和高效轻量的突出优势,在机器人、仪器仪表和工程机械等领域具有广阔的应用前景。但现有齿轮机床由于结构限制无法实现非圆面齿轮的加工,这严重制约了它的应用和发展,为此本文提出了一种基于通用机床的盘形刀具展成加工方法,解决了非圆面齿轮空间各异性复杂齿面的高效加工难题。 根据非圆面齿轮的插齿加工原理与数控五轴机床结构,提出了盘形刀具对非圆面齿轮的包络原理,构建了从盘形刀具坐标系到非圆面齿轮坐标系的坐标转换矩阵,建立了非圆面齿轮的齿廓模型,并通过非圆面齿轮的三维可视化验证了该模型的正确性。 基于盘形刀具对非圆面齿轮的展成加工原理,建立了含加工误差因素的非圆面齿轮的齿廓模型,绘制了各加工误差因素影响下的齿面偏差云图,通过对齿面偏差云图的分析,得到了不同加工误差因素对非圆面齿轮齿面偏差特性的影响规律。 建立了非圆面齿轮副的点接触数学模型,在仿真软件中实现了齿面接触迹线的可视化,通过旋转投影的齿面分析方法,对部分加工误差影响下的齿面接触迹线与无误差条件下的齿面接触迹线进行了对比分析,得到了各误差因素对齿面接触迹线的影响规律。 建立了机床各轴的运动模型,基于该模型编写了非圆面齿轮展成加工程序,并在VERICUT数控仿真软件中进行了非圆面齿轮的仿真加工,将仿真加工所得到的成形齿廓与理论齿廓进行了对比,验证了本文所提出的基于盘形刀具的非圆面齿轮展成加工方法的正确性。

关键词： 高速级齿轮   开式温挤压   18CrNiMo7-6合金钢   本构模型   动态再结晶模型   响应曲面法   流函数  

摘要： 风能作为当今世界最具发展前景和开发潜力的清洁能源之一,风电机组装机数量不断增加、结构越发复杂,其可靠性问题变得非常突出。研究发现风电机组传动系统中齿轮箱的失效率最高,且集中发生在高速级齿轮。因此,提高其综合机械性能,是降低风机故障率的有效手段之一。作为大模数直齿圆柱齿轮,风电机组高速级齿轮的批量生产依然以传统的切削加工方式为主,已经不能满足高效生产低成本、高性能齿轮零部件的要求。本文以风电机组高速级齿轮为研究对象,就其精密塑性成形原理及关键加工技术开展研究,致力于开发一种适用于风电机组高速级齿轮的精密塑性成形技术。 风电机组高速级传动齿轮的材质为18CrNiMo7-6合金钢。通过等温压缩实验对18CrNiMo7-6合金钢的热变形行为进行了分析。分别采用表征参数和物理基体参数建立18CrNiMo7-6合金钢的Arrhenius型本构模型来描述其热变形行为,并建立了考虑应变效应的表征参数和物理基体参数本构模型来预测钢在整个应变范围内的应力。此外,还建立了18CrNiMo7-6合金钢的动态再结晶模型来描述其动态再结晶行为。本构模型与动态再结晶模型的构建,为18CrNiMo7-6合金钢热加工工艺的制定,特别是数值模拟分析提供高精度的模型选择。 通过对直齿圆柱齿轮开式温挤压成形工艺进行分析,设计了凸模、凹模及坯料的结构,利用DEFORM软件建立了直齿圆柱齿轮开式温挤压成形的有限元模型。通过数值模拟的方式,采用单因素循环实验,深入探究了坯料尺寸、挤压速度、成形温度、凹模入模角及摩擦因子对直齿圆柱齿轮开式温挤压成形效果的影响。其中摩擦因子为0.6,凹模的入模角度为35°,坯料直边段高度为25 mm,挤压速度为40 mm/s,成形温度为1073.15 K左右时,成形效果较为理想。 针对成形过程中齿坯产生欠充形段缺陷问题,在深入分析缺陷成因的基础上,探知缺陷产生的原因是在挤压成形过程中速度场失衡,而润滑条件、凹模结构和挤压速度是关键的影响因素。鉴于实际生产中达到理想的润滑条件是高成本的,因此采用响应曲面法,以凹模结构参数和挤压速度为变量,以欠充形段高度和轮齿充形为响应输出,实现了凹模结构和挤压速度的优化设计。优化后变量组合为:偏移量?=0.32 mm;凹模入模角=32.31°;挤压速度v=41.55 mm/s。应用优化后的参数后,使得齿坯顶部欠充形缺陷减少70.1%,齿底轮廓充形提高0.635%。 采用三维流函数法建立了直齿圆柱齿轮开式温挤压成形的理论解析模型,在金属挤压三维流动速度场分析基础上,给出了一种开式温挤压模面形状的设计方法,并对具体的直齿圆柱齿轮挤压时的三维运动速度场进行了计算分析。采用上限法,得到了变形功率的解析表达式。 根据开式温挤压成形工艺要求,设计了实验系统。采用优化的工艺方案进行齿轮连续温挤压生产试制,得到了成形效果较为理想的制件。对实验制件进行了齿形精度检测、动态再结晶组织检测、硬度分布检测和齿面纳米压痕检测,其中,制件齿顶区域均呈负偏差,最大偏差为-0.2175 mm,齿侧大部分区域呈正偏差,最大偏差为+0.303 mm,在预留0.3 mm的整形量的条件下,满足精加工余量要求;轮齿区域发生了动态再结晶;在整个齿形区域,齿顶部分硬度最高,其硬度为HV 728,而齿根部分的硬度最低,其硬度为HV 301;轮齿啮合处的杨氏模量可达298.67 GPa,远高于该材料常规状态下的杨氏模量。

关键词： 齿轮啮合   滑动轴承   有限元分析   组合泵转子系统   转子动力学  

摘要： 液压泵将机械能转换为液体的液压能,是液压系统中最重要的组件,随着航空航天领域对液压系统超高压与稳定大流量的需求与日俱增,仅依靠液压泵中齿轮泵、叶片泵或柱塞泵的单泵作用,已经不能满足要求,需要开展新型液压泵的研制与性能分析。因此,提出将两种泵组合到一起从而满足高压和大流量的要求。本文以燃油齿轮叶轮组合泵为对象。通过有限元分析,研究了该组合泵转子系统中齿轮啮合作用、轴端支撑的滑动轴承特性以及齿轮和叶轮组合而成的转子系统的运动属性。为了保障泵体的工作稳定性,深入分析了齿轮啮合特性、滑动支撑轴承特性和齿轮叶轮组合转子系统的转动特性。 在燃油齿轮叶轮组合泵齿轮啮合方面,依据齿轮啮合基本定律以及齿轮几何模型,在有限元软件中建立了齿轮啮合有限元模型,考虑组合泵在空载和满载的多工况运行,对主、从动啮合齿轮齿面接触状态进行了研究,包括齿轮轴上速度波动规律、齿面接触应力的分布规律、齿面接触滑移距离变化规律。 在齿轮两端滑动轴承的支撑方面,基于流体润滑基本理论,由经典的雷诺方程建立了适用于燃油齿轮叶轮组合泵轴端支撑滑动轴承数值求解的有限长模型。通过无量纲化、有限差分和松弛迭代法实现了对求解方程的简化、离散和求解。由相关文献的模型验证了求解方法和结果的准确性。并基于该模型开展了对轴承性能影响因素分析,包括轴承几何参数、润滑油物理参数和工作条件引起的油膜压力变化规律。 基于滑动轴承的约束分析和齿轮轴的受载分析,针对齿轮叶轮组合转子系统求解转子系统轴承支撑刚度与阻尼,建立组合泵齿轮叶轮组合转子系统几何模型和有限元模型。综合分析组合转子模型在轴承正常支撑状态和不同轴承失效情况下的转子动力学特性。 基于转子动力学,通过对燃油齿轮叶轮组合泵复杂系统的分析。得到了齿轮叶轮组合泵齿轮在不同转速下主、从动轮速度波动、齿面接触等效应力分布以及齿面滑移距离的变化规律;通过滑动轴承模型深入分析,得到组合泵转子支撑系统提高稳定性措施;综合研究了转子模型在高速转动下的模态,为该齿轮叶轮组合泵长期而稳定工作奠定了理论基础。

关键词： 外啮合圆柱齿轮流量计   DOE分析   Basis-adpative PCE   不确定性优化  

摘要： 外啮合圆柱齿轮流量计(EGF)因其具有测量精度高,对油液不敏感以及耐压性能强等优点被广泛的应用于高精密流量控制和高精度电液伺服系统等领域。因此,在设计过程中要保证高计量精度、低流量脉动和较小的转动阻力。然而,EGF各性能指标除受自身结构参数影响外,油液黏度、压力、温度以及流量等随机因素均可以不同的方式同时影响多个性能指标,从而降低了性能响应的结构鲁棒性并增加了优化设计及后续进行精度补偿的难度。除此之外,加工和装配误差也增大了 EGF系统结构失效的概率。 在EGF优化设计的过程中,存在以下问题和难点。首先,影响因素对性能指标的影响关系复杂且存在耦合影响效果。其次,采用传统的蒙特卡洛模拟(MCS)方法对EGF系统进行不确定性量化存在迭代次数多和计算成本高的缺点,这会显著降低优化的效率。最后,随机因素会严重降低EGF系统的结构可靠度和结构鲁棒性。 针对上述问题,本文基于基自适应的多项式混沌展开(Basis-adpative PCE)代理模型技术,提出了一种EGF结构的不确定性优化设计方法,在保证结构可靠度的同时提高了性能指标响应的鲁棒性。本文主要研究工作如下: (1)性能指标影响因素的灵敏度分析。在实验设计(DOE)分析的基础上,进行敏感分析(SA),得到影响各性能指标的重要因素和各性能指标之间的影响趋势。灵敏度分析结果可为后续进行优化设计奠定了良好的基础。 (2)EGF系统高精度不确定性量化模型的构建。本文采用Basis-adpative PCE方法来代替MCS方法进行EGF系统的不确定性量化。结果表明,采用Basis-adpative PCE方法在保证相同计算精度的同时,计算成本仅为MCS方法的1.60%,从而显著提高了EGF系统不确定性量化的效率并可应用于后续的优化设计。 (3)EGF系统的不确定性优化设计。在对确定性优化最优解进行不确定性分析的基础上,本文确定了不确定性优化指标并进行优化设计。结果表明,与确定性优化结果相比,不确定性优化策略可以显著降低计量齿轮因根切而失效的概率和内泄漏响应的波动,从而有效的改善了 EGF的综合性能并可应用于优化设计当中。 (4)EGF样机设计及加工。在上述优化的基础上,设计并加工样机进行测试。在0-6MPa的压力范围和1-15L/min的流量范围内,样机的测量精度为±1.40%,具备较好的测量重复性和压损特性。

关键词： 直齿圆柱齿轮   挤压成形   模具   金属陶瓷  

摘要： 直齿圆柱齿轮作为重要的传动部件,已广泛应用于汽车及各种机械设备中。目前,直齿圆柱齿轮通常采用滚齿和插齿加工生产,这不可避免地破坏了轮齿区域的金属流线,从而降低了齿轮的使用强度和使用寿命。为了解决以上问题,本文研发了一种直齿圆柱齿轮一步挤压成形工艺。通过有限元仿真以及实验验证的方式探索了该挤压成形工艺的可行性,并通过优化该工艺上模具结构、工艺参数以及下模具材料以减小挤压成形过程中下模具的磨损。 通过有限元仿真研究了挤压成形工艺中坯料的金属流动和等效应变累积对齿轮成形质量的影响。齿轮齿顶区域坯料的径向位移量一致且达到齿轮精度要求,表明齿轮轮齿区域已完全充填。齿轮不同区域对应点处的等效应变累积量差异较小,表明齿轮塑性变形均匀、成形质量高。通过进行齿轮挤压成形实验,验证该直齿圆柱齿轮一步挤压成形工艺的可行性。通过腐蚀实验得到轮齿齿形处的金属流线,并与仿真得到的结果进行对比,验证了该挤压成形工艺所制备齿轮的金属流线均匀、一致且连续的优势,证明了该工艺制备的齿轮具有良好的力学性能。 通过分析齿轮挤压成形过程中下模具磨损机理,并利用Archard磨损模型和该挤压成形工艺的下模具之间的磨损关系确定了从模具结构、工艺参数上对该工艺进行优化以减小下模具磨损。通过设计不同圆角半径的上模具并进行齿轮挤压成形仿真实验,得到了不同圆角半径的上模具与下模具磨损的关系。确定了圆角半径为6mm的上模具为该挤压成形工艺的最佳上模具结构。在保证齿轮成形精度的前提下,确定了上模具进给余量与坯料体积的关系,确定了上模具最佳进给余量（1.5mm）以及在该进给余量参数下所需的坯料体积。通过对下模具预热温度、摩擦系数、上模具进给速度进行响应面分析,得到了使下模具磨损最小的工艺参数:下模预热温度为280℃、摩擦系数为0.27、上模进给速度为8.3 mm/s,根据以上工艺参数进行模拟,得到下模具最大磨损深度为1.77×10-6mm。在保证齿轮加工余量的前提下,预测该挤压成形工艺下模具磨损失效前约能生产的齿轮数量约为11000件左右。 在以（Ti,W）C为基体的材料体系中,将微/纳米Al2O3作为添加相,通过SPS放电等离子烧结的方式制备（Ti,W）C基金属陶瓷模具材料。经过力学性能测试实验与微观形貌分析得出,当微/纳米Al2O3含量各为15wt.%时,材料的相对密度和晶粒尺寸最佳分别为98.8%±0.21%和1.23±0.21μm,该组分下的力学性能同样达到最优,抗弯强度940±23MPa、维氏硬度19.01±0.35GPa、断裂韧性8.9±0.29MPa·m1/2。当微/纳米Al2O3含量各为15wt.%时,金属陶瓷模具材料的抗热震性最好、摩擦系数以及磨损率最低。设计了挤压成形下模具反成形烧结制工艺,通过SPS放电等离子烧结制备出挤压成形工艺下模具,并通过精度测量验证了反成形烧结制备工艺的可行性。

关键词： Legendre多小波变换   复合故障诊断   卷积神经网络   胶囊网络   注意力机制  

摘要： 齿轮箱是旋转机械中最常用的一种动力传递部件,由于长时间高负荷运转,齿轮箱内部的齿轮、轴承、轴等零件极易发生故障。且齿轮箱上的单一零件发生故障后短时间内便会传递到其他部位,导致形成多种故障互相耦合的复合故障。使用现有的方法很难有效地识别和解耦这些复合故障,进而造成巨大的人力、物力损失。因此,深入探索齿轮箱的复合故障诊断技术,不仅具备极高的现实意义,而且具有显著的应用价值。本文基于Legendre多小波分解(Legendre Multi-wavelet Decomposition,LMWD)与深度学习技术,对齿轮箱的复合故障诊断方法进行了深入研究,具体主要内容如下。 (1)针对齿轮箱的复合故障信号复杂导致的特征提取困难的问题,本文提出了一种基于LMWD的特征提取方法,从多尺度和多频率上提取故障特征。Legendre多小波除了具有多小波的性质外,还有正交性、高阶消失矩和紧支撑性等多种优秀特性,使得它适合用于复合故障的特征提取。随后本文研究了一种多分辨率重组构图法将其分解的多分辨率信号重构为特征图像,保留了信号的各种信息的同时还增加了额外的空间特征。最后,对于齿轮箱复合故障的解耦问题,本文采用了一种多标签分类方法,它可以从神经网络中独立的输出各种故障的发生概率,完成复合故障的解耦任务。 (2)强噪声环境下故障诊断模型往往表现不佳,本文基于LMWD与多通道注意力机制卷积神经网络(Multi-channel Attention Mechanism Convolutional Neural Network,MACNN)提出了一种轻量级齿轮箱复合故障诊断模型。该方法首先使用LMWD将复合故障信号分解到不同的小波频率中,并使用多分辨率重组构图法将其构造为特征图像,有效避免了噪声干扰。所设计的轻量级MACNN网络模型仅由一个SE注意力机制层和两个卷积层和池化层组成,无需人工特征提取,可自适应从不同通道的特征图像中提取最有价值的故障特征。最后在全连接层中,采用多标签分类方法对齿轮箱的具体故障类型进行识别。在实验中分别采用了PHM 2009齿轮箱复合故障数据集和Paderborn大学轴承复合故障数据集验证所提方法的性能。实验结果表明,与现有方法相比,所提出的轻量级网络模型在强噪声环境下能够有效的识别复合故障类别,具有较高的识别准确率和鲁棒性。 (3)卷积神经网络需要使用大量的样本训练才能有较好的表现,然而在实际工程环境中,获取充足的故障样本通常需要耗费大量的物力与财力,成本高昂。针对此问题,本研究将LMWD与改进的胶囊网络(Improved Capsule Network,ICN)相结合提出了一种少量样本下的齿轮箱复合故障诊断方法。胶囊网络相比于卷积网络,能够额外从特征图中捕捉空间特征,保证了从少量样本中也能提取到丰富的故障特征信息。此外,本文在胶囊网络中,增加了残差模块来解决网络加深引起的梯度消失与梯度爆炸问题,同时注意力机制也被用于自适应的提取LMWD分解后不同频域中的特征。最后,由挤压激励模块实现特征的自动融合,并使用动态路由算法自动学习复合故障中具体故障类别的特征,有效的提高了复合故障特征的提取能力。在实验部分,设计了不同样本数量下的性能测试与抗噪性能测试。实验结果表明所提出的方法能够在少量样本和高噪声的双重困难条件下,完成齿轮箱复合故障的分类解耦任务。

关键词： 尾传输出锥齿轮组件   轴承   相对转动   磨损   改进设计  

摘要： 本文针对某型直升机传动系统主减速器尾传输出锥齿轮组件轴承内环和齿轮轴由于相对转动导致的磨损问题，通过分析故障原因，确定失效原因为轴承所受压紧力不足。针对该故障，对尾传输出锥齿轮组件进行改进设计，通过增大轴颈过盈配合量及增加压紧装置，抑制轴承内环发生转动，解决轴承内环和轴颈磨损问题。经计算分析和试验验证表明，该尾传输出锥齿轮结构改进设计效果明显，方案切实可行，可为今后其他型号主减速器的研制和改进设计提供参考。

关键词： 高速齿轮   点蚀   裂纹   两相流   接触空化   空化射流冲击  

摘要： 齿轮传动作为常见的传动系统,其可靠性和稳定性直接关系到机械设备的运行安全。齿轮在高转速工况下,由于振动和啮合原因很容易产生空化现象。当齿轮出现齿面损伤时,较强的振动会使空化更加剧烈,空化气泡溃灭产生的射流冲击齿面,造成巨大的安全隐患。但是,目前关于含齿面损伤齿轮的振动空化机理以及空化射流冲击对齿面的影响问题,尚未有系统的研究。本文以圆柱直齿轮为研究对象,提出了含齿面损伤的齿轮啮合空化两相流模型和接触空化等效模型,分别讨论了啮合区域和接触区域中影响空化行为的主要因素,探究振动和空化之间的内在联系,同时基于空化产生的射流冲击,分析了齿面应力位移特征及齿面损伤高风险区域。 本文首先利用有限元软件,建立了含齿面损伤齿轮的三维仿真模型,获取了齿轮啮合过程动态特性,并将其作为动网格边界条件求解齿轮空化两相流模型,获得啮合区域流场压力、速度及空化蒸汽分布等特征。结果表明:(1)啮合区域空化会随着转速上升而更严重,并且在高转速下,含齿面损伤的齿轮和正常齿轮之间的空化的差距要比低转速下更大。(2)不同齿面损伤程度也会对空化气相产生影响。点蚀深度的加深并不会持续增强空化,当点蚀深度从0.075 mm增加到0.1 mm时空化确实有增强,但当点蚀深度达到0.3 mm时,齿轮啮合区域及齿轮边上空化程度反而降低。在齿面裂纹损伤方面,随着裂纹的加深,空化强度会不断增加,但是增强的速率并不是一直增加,会出现先升后降的趋势。 其次,通过齿轮接触空化等效模型探究接触区域振动空化机理。研究发现:(1)空化强度受转速的影响最明显,负载转矩对空化的影响主要体现在空化曲线的振荡幅度上。(2)在轻载下,齿轮振动拍击会造成较大振动,导致空化波动较大。在高载荷下振动也较强,空化波动同样很严重,因此可能存在一个最佳的负载扭矩,使空化波动处于最佳范围。 最后,通过微元段加载水锤压力的方式,模拟空化气泡溃灭产生的射流对齿面造成的冲击。研究表明:(1)射流会在接触点靠近啮出侧造成较大的局部应力和位移,在高转速下应力及位移的波动更剧烈,低转速下基本不存在波动。(2)50 N·m轻载造成的应力和位移在接触前段较小,在接触后段较大,与齿轮轻载振动拍击有关,600 N·m重载下,接触边上应力和位移的数值及波动都最大。 本文针对含齿面损伤齿轮振动空化机理问题,研究了动力学耦合下的空化演变规律,探究了空化射流冲击对齿面的影响,为有效抑制空化破坏,提高齿轮传动装置极端工况下的工作稳定性和可靠性,提供了重要的科学参考意义和工程应用价值。

关键词： 卷积神经网络   齿轮故障诊断   灰狼算法   长短期记忆神经网络   支持向量机  

摘要： 齿轮可用于传递运动与动力,在船舶机械设备的变速与换向中发挥关键作用。齿轮的工况直接关系到船舶机械设备的可靠性和稳定性,其故障诊断是确保机械设备无故障运行的关键技术。智能故障诊断算法具有高精度、高效率和鲁棒性等特点,为解决齿轮故障诊断中的关键问题提供了可能,因此也成为本论文研究的主要内容。为了提高齿轮故障诊断准确率,本文采用了仿真方法补充故障数据,补充数据和实验数据相结合形成融合数据,基于智能算法对融合后的特征数据进行故障特征的挖掘和故障诊断。具体内容如下: 对齿轮故障类型及诊断机理进行分析后,基于千鹏诊断公司公开的齿轮数据建立齿轮模型,将三维模型导入ANSYS中Transient Structural模块中,对齿轮传动过程进行仿真分析。并提取齿轮在不同转速、力矩下的速度与加速度数据,将其与理论和实验状态下对比,证明仿真方法的有效性。 将仿真得到的速度、加速度的数据和实验数据相结合形成融合数据。分别采用浅层学习与深度学习进行齿轮故障诊断,浅层学习采用决策树算法、支持向量机算法、全连接神经网络,深度学习采用卷积神经网络。基于MATLAB编写故障诊断程序,开展仿真实验。实验结果表明,支持向量机在诊断准确率有优势,而卷积神经网络在参数共享等方面有优势,故本文将卷积神经网络作为进一步优化的对象。 利用Matlab软件编写3种不同优化机理的故障诊断程序。采用实测数据进行故障诊断对比结果如下:基于支持向量机改进的卷积神经网络相比传统卷积神经网络的诊断结果的准确率为96.20%;基于长短期记忆网络改进的卷积神经网络准确率为89.04%;基于灰狼算法改进的卷积神经网络诊断的准确率达到95.22%。采用支持向量机改进的卷积神经网络处理融合数据,其齿轮故障诊断准确率进一步提升为99.29%。