关键词： 直齿圆柱齿轮   多重网格技术   齿面粗糙度   热弹流润滑   温升特性   时变啮合刚度   油膜刚度   动态传递误差   动态啮合力  

摘要： 随着机械工业的发展,重载齿轮在工业生产中的应用越来越广泛。齿轮在重载传动的过程中工作条件十分苛刻,通常会发生因润滑失效而引起的齿面点蚀、磨损、胶合等失效形式。研究齿轮传动的润滑特性对于提高齿轮传动的稳定性,防止齿面磨损和胶合,提高齿轮传动系统的寿命与传动效率具有重要意义。本文主要研究内容如下: (1)基于牛顿流体建立直齿轮线接触等温弹流润滑模型。应用多重网格技术求解出齿轮沿啮合线方向的油膜压力与油膜厚度,并分析了转速、载荷和润滑油的初始粘度对直齿轮线接触等温弹流润滑特性的影响。 (2)基于直齿轮线接触等温弹流润滑模型,计入温度对齿轮弹流润滑特性的影响,建立粘-温-压方程、密-温-压方程、流体运动方程、能量方程与界面温度方程。对比等温条件与热条件下的弹流润滑特性差异,进一步讨论了转速、载荷和润滑油的初始粘度对直齿轮线接触热弹流润滑特性与温升特性的影响。 (3)采用能量法建立渐开线直齿圆柱齿轮的时变啮合刚度模型。根据牛顿流体热弹流润滑理论,沿膜厚方向将粘弹性油膜等效为无质量弹簧,建立了法向油膜刚度模型,将时变啮合刚度与法向油膜刚度进行耦合得到法向综合刚度模型,研究了转速、载荷和润滑油的初始粘度对法向油膜刚度和法向综合刚度的影响。 (4)依据牛顿力学原理建立考虑齿面润滑效应的直齿圆柱齿轮的动力学方程,并使用Newmark-β法求解了齿轮传动系统的动态响应。对齿轮系统动力学与弹流润滑的耦合效应进行研究,比较了耦合弹流润滑与未耦合弹流润滑时的齿轮传动系统的动力学响应,分析了转速、载荷和润滑油的初始粘度对齿轮系统动力学特性的影响。

关键词： 齿轮   声发射   极点对称模态分解   支持向量机   故障诊断  

摘要： 齿轮作为旋转机械传动系统的核心部件,广泛应用于航空、工业、发电和冶金等领域,常因受到周期往复载荷而容易出现故障。未能及时发现齿轮故障可能导致机械设备效率降低,零部件的损坏,甚至破坏机械传动系统,引发严重事故。因此,加强对齿轮故障识别的研究,对于保证机械设备的稳定运行,维护人员生命与财产的安全至关重要。 声发射技术以其对齿轮故障的高灵敏性和高精度的数据采集能力,在齿轮故障诊断领域广受认可。本文以齿轮作为研究对象,运用声发射技术进行齿轮故障诊断。通过齿轮故障模拟实验平台,获取了正常齿轮、磨损齿轮和沟槽齿轮在不同转速下的声发射信号。 针对非平稳、非线性的声发射信号,本文提出了一种改进ESMD方法用于信号处理。通过对仿真信号经过ESMD算法和EMD算法分解得到的结果进行对比分析,验证了ESMD算法在分解效果和模态混叠抑制方面的优越性。在此基础上,针对ESMD算法优化过程中引入额外噪声误差的问题,提出了改进ESMD方法。接着,本文提取了改进ESMD方法分解齿轮故障声发射信号得到的IMF分量的相关系数、峭度值和能量熵,对比分析表明,这三个特征能有效区分齿轮的故障程度。最后,采用ESMD算法和改进ESMD方法对齿轮故障声发射信号进行分解,并提取上述三个特征组成特征向量,用于后续的故障识别。 针对齿轮故障的识别分类问题,本文提出了改进SSA-SVM的故障识别分类方法。为提高SVM的分类准确率,提出采用麻雀搜索算法对SVM中的惩罚因子和径向基核函数系数进行优化。针对麻雀搜索算法陷入局部最优的问题,本文进一步提出了针对SSA种群初始化和更新方式的优化策略,最终,采用ESMD-SSA-SVM、改进ESMD-SSA-SVM和改进ESMD-ISSA-SVM三种方法进行了故障识别分类。实验结果验证了ISSA算法在SVM参数优化方面的有效性。同时,与ESMD-SSA-SVM方法相比,改进ESMD-ISSA-SVM方法能够更准确识别出齿轮故障类型,证明了改进ESMD-ISSA-SVM方法在齿轮故障诊断方面的可行性。

关键词： 齿轮箱   时频域特征   剩余使用寿命预测   刚柔耦合模型   数字孪生  

摘要： 在智能制造的大环境下,齿轮箱作为工业传动系统的核心部件,其运行状态直接影响着整个生产线的稳定与效率。因此,准确预测齿轮箱的剩余使用寿命(Remaining Useful Life,RUL)成为了设备预防性维护的关键环节。通过对齿轮箱RUL的精准把握,合理安排设备的维护计划,避免非计划性停机带来的生产损失,同时降低维护成本,提高整体运营效益。现有齿轮箱剩余寿命预测方法中,实验数据为基础的方法占据着重要地位。此方法通过采集和分析齿轮箱在实验条件下的数据,获取各状态下齿轮箱的特征参数,从而为剩余寿命预测提供依据。 齿轮箱实际运行过程中,因工作环境复杂多变的客观因素影响,无法及时获取准确的大样本运行数据,导致对齿轮箱剩余使用寿命的预测分析存在较大的困难。因此,本研究基于数字孪生(Digital Twin,DT)技术,结合动力学仿真数据与实验数据,从微观角度出发,利用实验数据与仿真数据开展齿轮箱齿轮的剩余使用寿命预测研究。现将主要研究内容和创新性阐述如下: (1)针对小样本下齿轮箱剩余使用寿命预测难以有效准确预测以及预测结果精度低的问题,提出了一种小样本下基于长短期记忆-支持向量机组合模型(Long Short-Term menory-Support Vector Machine,LSTM-SVM)的齿轮箱剩余使用寿命预测算法。首先设计合理的齿轮箱加速寿命试验并采集齿根裂缝和缺齿故障下的振动信号数据。然后通过信号时频域分析和经验模态分解(Empirical Mode Decomposition,EMD)方法结合皮尔逊积矩相关系数(Pearson Product-Moment Correlation Coefficient,PPMCC),构建包含时域特征和频域特征的信号特征集。根据LSTM和SVM模型的优缺点,采用最小二乘法优化两者构建了LSTM-SVM组合模型。相较于小样本下单一预测模型的RUL预测精度,组合模型准确率达95%以上,为齿轮箱RUL预测提供了新的解决方案。 (2)针对齿轮箱运行过程,根据多体动力学建模分析理论构建齿根裂缝和缺齿两种故障状态下的齿轮箱数字孪生模型。通过Solid Works构建齿根裂缝和缺齿两种故障下的齿轮箱三维模型,并利用ABAQUS对模型中箱体和故障齿轮部件进行柔性化处理,将所得柔性体和模型输入ADAMS中构建齿轮箱的刚柔耦合模型。在ADAMS所得模型中添加运动约束和仿真参数,建立动力学模型。结合实验条件开展动力学仿真,将动力学仿真结果与实验结果进行对比,验证齿轮箱数字孪生模型的动力学特性与实际运行的动力学特性相符。基于此,分别对比两种故障状态下实验与仿真信号特征频率参数,结果误差在3%以内,说明了数字孪生模型具有高可靠性和高保真性能,为后续的齿轮箱RUL预测做准备。 (3)提出了一种基于数字孪生的齿轮箱剩余使用寿命预测方法,为齿轮箱的维护与管理提供了新的思路。对比两种故障状态不同转速下模型仿真数据和实验数据的时域特征量,验证孪生体的仿真信号能否准确反映实验信号的仿真指标趋势变化是否与实验指标相符。在基本保持一致的基础上,选取合适的转速工况采集数字孪生模型的仿真数据,确定短时间内同一运行状态下的模型仿真数据和实验数据的时域特征变化趋势的是否具有一致性,从而进一步研究基于仿真数据和基于实验数据的RUL预测结果两者之间的差异。结果表明,基于仿真数据和基于实验数据的RUL预测之间准确率达90%以上,表明数字孪生模型在齿轮箱RUL预测应用中的可行性。

关键词： 18CrNiMo7-6齿轮钢   渗碳淬火   数值模拟   多目标优化   大型语言模型  

摘要： 在现代机械系统中,齿轮作为核心传动部件,其性能直接影响整体系统的效率和可靠性,渗碳淬火作为重载齿轮的关键热处理工艺,能显著提高齿轮的抗疲劳性能和使用寿命。随着现代工业对齿轮可靠性要求的不断提高,传统“试错法”已难以满足工业生产需要,且传统工艺优化方法依赖于有限的经验模型和实验数据,无法实现高效、精准的优化。数值模拟技术的出现为工艺优化提供了有效手段,它可以“可视化”显示温度场、组织场和应力/应变等参数的演变,极大提高了优化效率。本文利用专业的热处理有限元仿真软件COSMAP,建立18CrNiMo7-6齿轮钢基础样本集,开发齿轮钢渗碳淬火小样本多目标工艺优化系统,此外还探讨了基于大语言模型(Large Language Model,LLM)的齿轮钢热处理工艺设计辅助系统,可为用户提供钢材知识检索和工艺优化建议,简化热处理工艺设计过程的工作流程。本文的主要研究内容如下: (1)采用实验研究、模拟计算和理论分析相结合的手段,对18CrNiMo7-6齿轮钢渗碳淬火过程的组织性能演变机理进行研究。分别对圆棒试样和标准行星齿轮样件渗碳淬火过程进行数值模拟,与实验结果进行对比,验证COSMAP有限元软件数值模拟的有效性,并分析渗碳温度和时间等工艺参数对碳含量分布、硬度分布和显微组织分布的影响规律。 (2)利用COSMAP有限元仿真技术,计算18CrNiMo7-6齿轮钢渗碳淬火后的关键性能目标(表面碳浓度、表面硬度和渗层深度),并建立基础工艺样本集。利用机器学习算法扩充样本数量并建立基于神经网络的小样本多目标工艺预测系统,与COSMAP仿真结果进行对比评估。结果反映,神经网络模型表现出卓越的准确性和预测能力,并在保证一定精度的同时,节省了大量的计算时间。该模型通过大规模数据集的训练具有高度的泛化能力和预测精度,为热处理工艺的优化提供了可靠的支持。 (3)基于LLM与构建矢量知识库的方法,对齿轮钢热处理工艺设计辅助系统进行设计、实现与效果评测,为用户提供知识学习问答和工艺推荐功能。测试结果表明,该系统可以为与齿轮钢热处理工艺相关的查询提供准确、快速的答案,并且矢量化方法允许知识库的智能扩展,从知识问答到工艺推荐再到仿真的完整流程,大大简化了热处理从业者的工作流程,提高了研发效率。

关键词： 注意力机制   齿轮箱   故障诊断   深度学习  

摘要： 齿轮箱作为关键的传动部件,具有体积小、传动比大的优点,被广泛应用于各类大型机械设备中。由于设备的传动系统长期处于负载、转速变化的工况下,齿轮箱内部各零件极易发生磨损导致故障,不利于设备的安全运行。因此,研究齿轮箱故障诊断方法对保障机械设备正常运转,提升工业安全水平具有重要的现实意义。随着工业采集系统逐渐完善,可以得到大量齿轮箱运转时产生的振动数据,使用基于数据驱动的方法能降低人工成本,实现高精准度的故障诊断。然而,主流的基于数据驱动的深度学习方法要求大量高质量且有标签的真实样本,面临存在噪声干扰、缺少标签样本以及实际待测工况训练数据无标签的挑战。而注意力机制可以有效提升模型故障特征提取能力,因此本文采用结合注意力机制的深度学习方法针对齿轮箱在工业场景下样本质量不理想以及数量受限的问题展开深入研究。具体研究工作内容如下: (1)针对处于变速高载复杂工况下的齿轮箱振动信号夹杂噪声,其非线性、非平稳属性影响模型特征提取的问题,提出使用多尺度卷积提取特征,并构建基于注意力机制的特征融合模块强化网络的故障特征识别能力。首先将原始振动信号输入多尺度卷积神经网络进行特征的多尺度分离,提取局部时域特征和频域特征。再通过特征融合模块对多尺度特征进行高效融合,利用注意力机制捕获其中的故障敏感信息,保持融合后特征不增加维度,降低了后续网络的计算成本。网络中添加批量归一化加快网络训练,稳定收敛,添加自适应池化层进行特征降维,减少模型整体参数量。最后使用齿轮箱数据集进行仿真实验,结果表明所提端到端故障诊断方法即使在噪声干扰下仍有较好的性能,且具有一定的迁移性能。 (2)针对齿轮箱相关设备昂贵,导致有标签故障样本难以获取导致数据不平衡的问题,提出基于模糊距离聚类的半监督动态图注意故障诊断模型。首先经快速傅里叶变换提取数据集原始振动信号的频域特征作为图网络节点集,在最近邻聚类前使用合适的池化函数处理节点,用模糊距离取代欧式距离计算节点间的相似度实现聚类,提升预分类效果。然后构建动态多头图注意网络,解决静态注意力权重分配类似的问题。训练时首先训练有标签节点,同时提取其相邻无标签节点的信息,当一定轮次后采用标签传播算法设置伪标签,扩充有标签节点训练,最终实现少标签样本下的半监督故障诊断。结果表明所提方法能够从无标签样本中提取有效的故障信息,并能通过少量有标签样本联系故障类别与实际信号特征,有效提升了有标签样本数量受限条件下的故障诊断准确率。 (3)针对实际齿轮箱变转速工况下有标签样本采集困难导致故障诊断模型跨域迁移性能受限的问题,提出基于注意嵌入的对比迁移学习跨域故障诊断方法。将对比学习预训练和迁移学习域自适应技术相结合,使用分支动态注意力提升网络的域自适应能力。首先对输入信号作最大最小归一化处理,降低变转速下同类故障信号幅值变化给模型带来的影响,然后利用源域有标签样本和目标域无标签样本作对比学习,旨在提取振动信号的一般属性特征,并为之后的迁移学习训练提供良好的初始化度量空间,最后采用基于最大均值差异的域自适应方法对齐源域与目标域的数据分布,提升模型迁移性能。实验结果表明,基于注意嵌入的对比迁移学习跨域故障诊断模型能在缺少变转速工况有标签样本的条件下,结合稳定工况的有标签样本实现高精度故障诊断。

关键词： 风电齿轮箱   销轴偏差   齿面载荷分布系数   齿轮均载系数   齿轮强度  

摘要： 本文通过Romax软件建立了5.2MW风电齿轮箱仿真模型，主要研究销轴位置度偏差对齿面载荷分布系数、齿轮强度和齿轮均载系数的影响规律。使用蒙特卡洛方法，分析KHβ对销轴位置度偏差的敏感性，对多组销轴位置度超差后的数据进行统计分析，并汇总各公差带内的KHβ结果，来验证行星销轴位置度偏差对KHβ及齿轮性能的影响。最后，考虑设计公差、制造和装配偏差等因素，进行批量DoE分析，获取Kγ值的分布并进行工程决策。通过本文的研究，可以为风电齿轮箱的可靠性和稳定性提升提供科学依据和实际应用价值。

关键词： 风力发电机   自适应阈值降噪   故障检测   性能退化评估   寿命预测  

摘要： 在风机传动系统中,齿轮箱起着关键的机械角色,由于风机齿轮箱常处于高速、重负载和剧烈冲击等恶略环境下运行,因此齿轮箱发生故障的频率较高。为了提高风力机组的发电效率、降低运维成本,研究风力发电机组齿轮箱故障检测和剩余寿命预测方法具有重要意义。基于以上研究背景,本文的主要工作如下: 针对风力发电机组齿轮箱局部磨损故障信息通常会被强背景噪声所掩盖使得早期微弱故障特征难以识别的问题,提出了一种基于自适应阈值降噪和1.5维谱分析的齿轮箱早期故障检测方法。首先,将风电齿轮箱局部磨损故障信号通过互补集合经验模态分解(CEEMD)得到局部磨损故障信号的本征模态函数(IMFs);然后,通过建立峭度-相关系数准则,选取出富含故障信号的IMF分量。建立了自适应阈值函数以对选择到的IMF分量进行降噪处理;最后,引入1.5维谱对重构信号进行分析,实现风力发电机组齿轮箱局部磨损故障检测。通过仿真数据和风场数据验证了本文方法的可行性。 为准确描述风力发电机组齿轮箱性能退化趋势和预测剩余寿命,提出了一种基于图拉普拉斯算子范数结合LSTM模型的预测方法。首先,用风力发电机组齿轮箱的振动信号构造路图,并获得路图信号。然后,利用图拉普拉斯算子范数能够体现数据内部的结构特点且具有计算简洁和特征单一等优点,将其运用到风力发电机组齿轮箱的退化指标提取中,最后,结合长短时记忆网络(LSTM)实现风力发电机组齿轮箱寿命预测。本文提出的路图拉普拉斯算子范数作退化特征和传统的峰峰值、峭度、波形因子等作为特征值组成特征向量进行了比较,验证了所提方法的可行性。

关键词： 双旋翼动力传动系统   差动行星齿轮   混合弹流润滑   啮合效率  

摘要： 差动行星齿轮具有功率密度高、承载能力强等特点,是下一代高功率双旋翼动力传动系统的核心构型之一。但由于系统元件多、轮齿承受动载荷复杂、相对滑动速度大、混合润滑状态等因素制约,齿面摩擦功率损失较为严重,制约该类构型的推广应用,因此开展差动行星齿轮啮合效率计算及影响因素分析,对提升齿轮系统传动效率具有重要的理论意义和工程价值。 本文以差动行星齿轮传动效率为研究对象,通过开展混合弹流润滑下差动行星齿轮摩擦接触分析,构建齿轮系统动力学-摩擦学耦合迭代模型,揭示耦合作用下的动态接触特性变化机制,进而对齿轮系统啮合效率进行计算得到影响规律。论文主要研究内容如下: (1)根据差动行星齿轮几何参数进行接触分析和运动学分析,计算啮合副的时变接触线长度以及齿面综合曲率半径、卷吸速度、相对滑动速度和滑滚比;基于最小弹性势能原理确定稳态工况的载荷分配规律,并采用弹流润滑理论建立混合弹流润滑状态下的动态摩擦系数计算公式。 (2)综合考虑混合润滑作用下的摩擦激励、时变啮合刚度、油膜阻尼和动态传递误差等因素,采用集中参数法建立差动行星齿轮动力学-摩擦学耦合迭代模型,开发出迭代耦合模型求解算法,对耦合作用下的差动行星齿轮动态特性、摩擦系数和润滑特性进行分析,结果表明:齿面摩擦和润滑作用会使振动位移和动态啮合力幅值出现明显增大,外啮合副的动态啮合力波动尤为显著;内啮合副摩擦系数高于外啮合副,耦合动态载荷下的内外啮合副摩擦系数数值均出现明显波动,且外啮合副摩擦系数波动较大,内外啮合副摩擦系数在节点处最小;动态载荷会使油膜厚度和油膜压力数值出现明显波动,且外啮合副的波动更为剧烈,润滑性能变差。 (3)推导出动力学-摩擦学耦合下的差动行星齿轮动态啮合效率计算方法,与传统效率公式对比验证了本文所提方法的一致性与合理性;通过对不同表面粗糙度和输入转速下动态啮合效率的影响规律研究,得出齿轮动态啮合效率随着表面粗糙度的升高而降低;在特定转速范围内,随着转速的增加,动态啮合效率也同时增加,且外啮合副的动态啮合效率波动更为明显,与摩擦系数的规律一致。