关键词： 风电机组齿轮箱   SCADA数据   数据插补   状态监测   健康评估  

摘要： 随着全球对气候变化的应对措施和低碳经济转型的需求不断增长,风电作为绿色能源的核心组成部分,正在快速发展并得到广泛应用。风力发电装置的规模不断壮大,其高效的维护与管理对于保障系统的稳健性、预防意外中断至关重要。精准的运维监控及健康评估对于提高系统可靠度、降低故障发生概率、减少维护开支以及提升发电效益具有重大意义,对风能技术进步发挥着推动作用。本研究聚焦于风电机组齿轮箱这一关键组件,采用深度学习算法开展状态监测与健康评估,旨在探究通过数据分析方法提高和优化齿轮箱的运行效率与可靠性,具体研究内容如下: (1)风电场SCADA数据的完整性是运营管理的关键,但在采集和传输过程中会因数据丢失而限制其应用价值。为此,提出一种基于Transformer的自适应轻量化GAIN插补策略AT-SGAIN(Adaptive Transformer Slim Generative Adversarial Network,AT-SGAIN),以优化数据插补质量。经过轻量化处理的SGAIN模型通过减少生成器和判别器的层数及采用双曲正切tanh激活函数显著加快了计算速度,并采用双判别器结构,分别用于真实数据和生成数据的鉴别,保障了速度提升过程中插补精度的维护。同时将Transformer编码器集成到SGAIN网络中并作为其生成器和判别器,增强对风电数据动态和时间序列特性的捕捉。并针对Transformer在局部信息敏感性上的不足,设计了通道与空间注意力的并行的自适应双分支注意力机制。通过自适应权重系数,实现了通道和空间注意力权重的精准分配,强化了对局部信息和时间序列的捕获,这使得ATSGAIN在插补过程中能够精准地捕捉风电数据的特性,并生成与真实数据分布高度一致的结果。 (2)针对提高风电机组齿轮箱故障监测与预警准确性的需求,提出一种采用双核t分布随机领域嵌入(Bikernel t-distributed Stochastic Neighbor Embedding,Bikernel t-SNE)算法的风电机组齿轮箱状态可视化监测模型。双核t-SNE通过引入输入数据核矩阵和特征核矩阵,实现低维至高维的双重核映射,以提升离群点识别精度。此外,通过核熵成分分析(Kernel Entropy Component Analysis,KECA)对特征核矩阵进行转换,即使面对接近零的异常样本特征值也能够明显区分正常与异常值,实现精确故障识别。利用平方马氏距离和椭圆置信边界在二维可视化散点图进行故障检测,通过核密度估计和协方差确定预警阈值,特征超出椭圆边界,则说明故障并发出报警信号。 (3)针对风电机组齿轮箱的早期故障识别和难以评价的问题,提出一种(Bikernel t-distributed Stochastic Neighbor Embedding-Bidirectional Long ShortTerm Memory,Bikernel t-SNE-BiLSTM)风功率预测模型,该模型通过精细捕捉和记忆时间序列中的长期依赖关系,显著提升了风功率数据预测的准确性。基于此模型提供的风功率数据,进一步结合云模型构建了风电机组齿轮箱健康评估框架。该框架从数据预处理与归一化处理入手,通过相似性度量指标和云模型参数计算出综合健康状态指标,并据此判定齿轮箱的健康等级,分为健康、良好、注意和故障四个状态。该方法旨在提供对运行状态波动和趋势变化的准确分析,支持早期故障识别与维护策略的制定,对提高风电场运维效率具有一定的参考价值。

摘要： 历史的长河只要足够长，就会激荡出诸多有趣的比较。例如，《史记》与《资治通鉴》这两部经典史书的比较就跨越了史学界与文学界。从体例上看，《史记》创纪传体之先河；《资治通鉴》虽然采用了传统的编年体，却别有深意地选择从周威烈王二十三年（前403），韩赵魏三家分晋的大逆不道的行径却获得了周天子的认可起笔。从内容上看，太史公记载了上自三皇五帝、下讫自己生活的汉武帝时期共3000余年的历史；

关键词： 故障诊断   遗传算法   聚类   聚类集成  

摘要： 齿轮箱作为机械设备中最常用的部件,在机械传动系统中起着关键作用,但由于工作环境恶劣(如高温、高湿、多尘、大振动等),可能导致故障频发。已有研究虽利用振动信号分析和小波变换提取信号特征,改善信号的质量和可靠性,但受限于齿轮箱结构复杂和振动信号耦合特性,导致准确性不足。聚类能够在无标签的情况下将齿轮数据进行分类,而聚类集成是一个聚类算法多次运行或多个聚类算法运行的方法,能有效提高聚类的质量。另一方面,遗传算法作为一种优化算法,可以帮助优化特征选择和参数设置,减少早熟现象,从而提升故障诊断的准确性。因此,本文围绕融合遗传算法、聚类和聚类集成方法展开研究。有两种思路:一是将遗传算法与单一聚类算法结合;二是采用遗传算法与聚类集成算法相结合,以提高齿轮故障诊断的准确性和效率。 本文的主要贡献和创新点如下: (1)针对单一聚类算法容易受到异常值影响的缺点,提出了一种融合遗传算法与模糊C均值算法的齿轮故障诊断方法(GAFCM算法)。通过选择合适的适应度函数和交叉、变异策略,利用遗传算法优化模糊C均值算法的参数,能更好地处理真实的齿轮故障数据,提高齿轮故障诊断的能力。首先,在UCI数据集上进行了预实验,验证融合遗传算法与模糊C均值算法的齿轮故障诊断方法的有效性。其次,将GAFCM算法应用于东南大学齿轮箱数据集的齿轮数据判断齿轮故障。实验数据显示,与运行结果较好的GK算法对比,三种聚类结果评价指标NMI、ARI、F值分别提升0.11%、1.22%、0.52%。 (2)聚类集成能有效提高单一聚类的质量,但在选择成员方面比较困难。因此,提出了基于遗传算法的选择性聚类集成方法诊断齿轮故障(FGACE算法)。该算法是遗传算法和聚类集成方法的融合,可以忽略聚类成员之间的差异性,用遗传算法的进化操作来替代繁琐的挑选成员的过程。FGACE算法将聚类成员集合作为遗传算法的初始种群,以聚类的内部评价指标作为目标函数,使用精英选择和轮盘赌相融合的策略进行进化操作,最终得到优秀的聚类结果,判断出齿轮故障类型。实验结果与运行结果较优秀的SCE算法对比,NMI、ARI、F值分别提升1.42%、1.47%、0.93%。

关键词： 齿轮   故障诊断   变工况   小样本   域对抗网络   元学习  

摘要： 在工程实际中,机械设备通常在不同的运行工况下工作,以满足不同任务的需求。此外,机械设备不允许在故障情况下长时间运行,很难获取足够的标签数据。因此,工程实际中普遍存在变工况问题,尤其是小样本下的变工况问题,将会严重降低传统的故障智能诊断方法的性能。综上所述,本文以旋转机械设备的关键零部件——齿轮为研究对象,旨在研究泛化性能强、稳定性高的智能诊断方法,以解决工程实际中变工况下的齿轮故障诊断问题,为避免重大安全事故、提高机械设备运行可靠性奠定基础。主要研究内容如下: (1)针对工程实际中源域和目标域分布不一致的变工况问题,提出了一种基于改进域对抗网络的故障智能诊断模型。该模型主要包含故障识别模块和域自适应模块两个部分。在故障识别模块,利用Inception网络构建特征提取器,以提取丰富的故障信息,提高模型的分类效果。同时,在域自适应模块引入对比损失,量化数据分布的相似性,增大类间距离,降低样本靠近边界的概率,从而进一步提高模型在变工况下的准确率。利用PHM齿轮数据集和齿轮故障综合实验台两个齿轮故障数据集对所提出来的变工况下基于改进域对抗网络的诊断模型进行了有效性验证。 (2)在变工况的基础上进一步考虑工程实际中存在的故障样本稀缺的问题,从而综合考虑小样本和变工况带来的齿轮故障诊断的难题,提出了一种基于混合策略的元学习齿轮故障智能诊断模型。该模型主要包含多尺度特征提取器、故障分类器和元度量模块。在传统元学习网络的基础上,利用多尺度空洞卷积和多头注意力机制搭建一个多尺度特征提取器,以提取丰富的可鉴别特征,从而提高模型的诊断准确率和稳定性。此外,提出了一个混合训练策略,结合广义监督训练和元学习的情景训练,通过融合单个样本的特征信息以及支持集和查询集之间的相似信息,以进一步提高元学习在小样本任务下的泛化能力,从而解决小样本变工况下的齿轮故障诊断。最后,通过DDS齿轮箱数据集和齿轮故障综合模拟实验台验证了所提元学习方法的有效性,并利用对比实验和消融实验验证了所提方法在小样本变工况下齿轮故障诊断的有效性。

关键词： 微型齿轮   传动效率   设计优化   耐用性   精密机械  

摘要： 微型齿轮传动装置在精密机械装置和小型设备中扮演的角色日益重要，然而其运行效率不高、使用寿命不长以及装配精准度难以控制等短板，大幅限制其发展。本文借助先进制造技术、先进材料及精细表面加工技术等途径，对微型齿轮传动装置进行深入优化设计。通过实际案例研究，这些创新设计在机械设备中发挥作用得以体现。经过试验，改良后的齿轮构造在功效、稳固性、热量产生以及使用寿命等多个关键指标上均出现显著提升。

关键词： 齿轮轴   机器视觉   机械手   PLC  

摘要： 智能产线是现代制造业的核心组成部分,它集成先进的自动化技术、信息技术和人工智能技术,实现生产过程的智能化、柔性化和高效化。智能产线的设计初衷是为满足企业的生产需求,其操作复杂、技术性强,往往需要专业的技术人员进行操作和维护。这种专业性和复杂性使得智能产线对于大多数学生来说,学习门槛较高,难以直接上手操作。 齿轮轴是电动机、发电机、减速机等机械装置中广泛应用的零件,用于支撑和传动的机械装置。特别在减速机中,齿轮传动占比达到70%以上。目前的装配过程大部分采用人工加机械工具如吊车等辅助进行装配,劳动强度大,生产效率低,装配一致性较低。随着智能制造与自动化装配技术的快速发展,传统的人工装配手段已无法满足现代制造业对于高精度、高效率、高自动化的要求。 论文以西安理工大学智能制造工程专业智能产线实验室的减速机装配背景,设计减速机智能装配产线方案,并提出基于机器视觉的齿轮轴自动装配及控制系统。具体研究内容如下: (1)考虑齿轮轴识别与装配检测需求,设计齿轮轴装配系统模型、齿轮轴识别与控制系统主要装配硬件模块设计。电控采用PLC作为主控制器,PC作为数据处理端,利用基于机器视觉的目标识别与定位技术,结合自动化装配技术,搭建一种基于机器视觉的减速机齿轮轴自动装配系统。 (2)齿轮轴的位置信息采用基于YOLOv8的目标检测算法。设计基于改进SAM模型和Imgaug数据增强的齿轮轴数据构建方法。齿轮轴数据集采用人工标注和数据半自动标注结合技术构建齿轮轴数据集,共计1158张图像。在此数据集基础上完成算法的训练与验证,平均检测速度为43.6ms,齿轮轴目标识别率为98%。最大定位误差为0.45,满足齿轮轴检测于定位需求。 (3)减速机齿轮轴装配控制系统采用PLC控制齿轮轴自动化装配产线、机械手实现齿轮轴的自动化抓取与装配。并进行视觉相机的参数标定、机械手的运动学建模、电气接线与控制柜布局设计、齿轮轴控制流程设计和人机交互界面设计。通过PLC编程实现机械手的精确运动控制和气动夹爪的协同工作。设计减速机齿轮轴产线控制系统子程序,包括产量统计子程序、系统初始化程序、传送带电机控制程序、安全门控制程序、装配控制系统电路设计等。同时为实现人机交互的教学目的,编写人机交互界面。 本文完成对齿轮轴装配系统搭建和相关电气控制接线,对人机交互界面进行验证,并进行齿轮轴自动化装配实验。齿轮轴自动装配成功率为98.9%。装配结果检出成功率为96%以上,装配结果平均检出率为97.25%。装配平均效率为10.49秒/台,验证了仿真结果的准确性。在长时间工作的情况下,系统报警与故障处理功能可靠,能够及时处理和解决产线运行过程中出现的各种问题,保证产线的稳定和学生的人身安全。

关键词： 齿面磨损   动态载荷   齿面误差   接触应力   腹板式齿轮  

摘要： 齿轮因其传动精确、效率高和结构紧凑等特点被广泛应用于机械工程的各个领域。在其运行过程中,齿面磨损在不断累积,进而造成传动精度降低、传动误差增加、噪声和振动加剧、齿面动载荷增加等影响,因此研究复杂齿轮表面的磨损过程就显得尤为关键。本文建立了考虑齿面误差的齿轮齿面准静态和动态磨损预测模型,并根据此模型研究了齿轮几何与工作参数、不同修形方式和不同误差对齿面磨损的影响,以及分析了磨损前后齿轮啮合刚度、动态传递误差和动态接触应力的变化。 (1)利用齿面承载接触分析模型和齿轮啮合理论对接触应力、滑动距离和磨损系数进行了计算,基于Archard磨损模型建立了齿轮副齿面准静态磨损预测模型。通过和以往齿面磨损模型进行对比验证,确定了建立模型的准确性。并根据齿轮副齿面准静态磨损预测模型计算、分析了不同参数对齿面磨损的影响。 (2)建立齿轮系统动力学模型,将动力学模型与齿面承载接触分析模型相结合,计算出齿面动载荷、动态接触应力,将其代入到齿轮副齿面准静态磨损预测模型中,形成齿轮副齿面动态磨损预测模型。将模型计算结果与以往试验结果进行对比,验证了齿面动态磨损预测模型的准确性。随后根据此模型对比分析了齿轮齿面动态磨损和准静态磨损的区别,计算、研究了不同转速对齿面动态磨损的影响。 (3)在齿轮副齿面动态磨损预测模型中代入修形和误差,计算不同修形情况下的齿面动态磨损,并分析了磨损前后啮合刚度、动态传递误差和动态接触应力的变化。又研究了含误差齿轮在不同输入扭矩下齿面磨损差异以及相同输入扭矩不同误差幅值齿轮的齿面磨损差异。 (4)将有限元法融入模型,使模型能够计算腹板式齿轮齿面磨损,并利用该模型讨论了不同的腹板偏置、腹板厚度和轮缘厚度对动态接触应力和齿面磨损的影响。计算了腹板式修形齿轮的齿面磨损,模拟出了腹板式修形齿轮齿面动态磨损过程中动态接触应力的变化。 综上所述,本文建立了考虑齿面误差的齿轮副齿面准静态和动态磨损预测模型,对不同参数齿轮磨损深度进行了计算,分析了磨损前后齿轮啮合刚度、动态传递误差和动态接触应力的变化,对提高齿轮传动精度、减振降噪和延长寿命等具有重要现实意义。

关键词： 风力发电机   多级行星齿轮系统   动力学   故障   振动分析  

摘要： 行星齿轮箱作为双馈式风电机组的核心部件,承担着至关重要的传动功能。其中,多级行星齿轮传动系统因其体积小、效率高、传动比大、承载能力强等优势,在大功率风电机组齿轮箱中被广泛应用。不同于单级行星齿轮系统,多级行星齿轮系统在内外部激励和级间耦合影响下表现出更复杂的非线性振动,这种非线性振动是造成现代风能产业中众多可靠性问题的主要原因之一。因此,本文以风电机组多级行星齿轮系统为研究对象,研究了参数变化以及故障影响下系统的动力学特性和振动机理,强调了非线性分析在确保系统稳定运行和进行故障检测中的关键作用。此外,通过全参数行星齿轮箱故障模拟实验台对部分理论结果进行了验证。 论文的主要研究内容及结论如下: (1)基于行星齿轮箱一体化建模的思想,提出了一种综合考虑级间耦合、内外部激励和多种非线性因素影响的多级行星齿轮系统动力学模型。运用全局分岔图等非线性振动分析方法研究了参数变化下多级行星齿轮系统的非线性动力学特性,并利用最大Lyapunov指数对系统的动力学行为进行了验证。此外,通过分析系统动态啮合力变化,研究了参数变化下系统的啮合冲击特性。研究结果表明,系统的动力学行为与动态啮合力密切相关。通过增加输入转矩和啮合阻尼,可以使系统通过倒倍周期分岔路径由混沌转变为周期运动,表明增大输入转矩和啮合阻尼可以抑制系统混沌,提高系统的稳定性。此外,研究发现增大输入扭矩可以改善系统的啮合状态,有助于降低系统的振动水平。增大齿侧间隙将导致系统经历从周期到混沌,再到周期运动的复杂演变过程,演变过程中可以观察到吸引子共存和跳跃不连续现象。齿侧间隙影响系统的动力学行为和啮合状态,可以发现,当齿侧间隙过小时,尽管系统保持周期运动状态,但啮合过程中却出现双边冲击现象,这种双边冲击会引起额外的振动和噪声,加速齿面磨损。因此,为了避免双边冲击和混沌,预留合适的齿侧间隙是必要的。 (2)鉴于多级行星齿轮系统振动信号具有非线性和非平稳性的特点,本文从非线性动力学角度出发,建立了太阳轮齿根裂纹故障状态下的多级行星齿轮系统动力学模型,通过研究其振动响应和故障机理,旨在为多级行星齿轮系统的故障检测提供理论基础。在仿真计算中含裂纹齿轮副的啮合刚度是通过改进势能法确定的,通过对无裂纹和裂纹故障状态下系统的动态响应进行分析和比较,研究了齿根裂纹故障及其演化对系统动力学行为的影响。结果表明,裂纹故障降低了系统的稳定性,具体表现为吸引子不规则扩张及相轨迹发散。裂纹故障的存在会导致动态啮合力和振动响应幅值增大,时域图中出现周期性脉冲,频谱图中啮合频率附近出现以太阳轮故障特征频率为间隔的边频带。此外,研究发现裂纹故障特征与转速紧密相关,不同转速下裂纹故障特征的可识别性呈现明显差异,因此,为了更准确的识别裂纹故障,应结合不同转速下振动响应的均方根值和故障特征进行综合分析,依赖单一转速下的响应信号可能不足以准确地诊断出故障信息。为了验证所建立动力学模型的准确性,开发了一套全参数行星齿轮箱故障模拟实验台,实验中采用应变片和振动传感器分别从动态啮合力、时域和频域分析角度对理论结果进行了部分验证,证实了动力学模型的有效性。 (3)在行星齿轮传动系统中,由于行星轮既公转又自转,使得行星轮出现齿面故障时,振动信号呈现复杂的调制现象,其振动机理尚未被完全理解和表征。因此,本文考虑行星轮齿面剥落故障,构建了行星轮剥落故障状态下的非线性动力学模型,研究行星轮剥落故障影响下系统的振动机理和动力学行为的变化特征。选取不同状态指标评估了剥落故障的影响,采用最大Lyapunov指数比较了无剥落和剥落故障状态下系统的运动状态。研究表明,由于剥落故障的影响,低激励频率时系统的单周期运动转变为二周期运动,行星轮剥落故障导致相轨迹偏差增大,对系统混沌吸引子和最大Lyapunov指数有显著影响,会激发系统由周期运动进入混沌,使系统的混沌特征发生改变。 (4)考虑局部故障发生在平行轴齿轮级的情况,本文进一步构建了一个含齿根裂纹故障的平行轴齿轮-转子-轴承系统的动力学模型。为了精确模拟系统的实际传动方式,动力学模型进一步考虑了传动轴和轴承非线性、齿面摩擦、原动机和负载的影响。采用平行轴齿轮-转子-轴承系统的实际参数对振动微分方程进行数值求解,研究了齿根裂纹故障对系统弯扭耦合振动响应、动态啮合力、啮合状态以及固有频率的影响,揭示了裂纹故障下平行轴齿轮-转子-轴承系统的非线性特性。研究结果可以为齿轮系统的动态设计、振动控制和故障检测提供理论基础。