关键词： 动凝聚   点面接触分析   线性互补   有限元方法  

摘要： 有限元方法是研究齿轮传动性能的主要方法,但是其求解过程中大量非线性运算使其分析过程需要耗费大量的计算机资源与时间。因此对三级近似递推缩减公式进行迭代推导得出新的动凝聚公式,提高凝聚方法的计算精度。并且针对齿轮三维动态啮合条件下的接触分析提出一种点面线性互补动态接触分析有限元方法,结合新推导的动凝聚公式将整体计算维度凝聚到主自由度。以Bozzak-Newmark方法将微分方程转变为代数方程,建立主从动齿轮接触的线性互补关系并进行求解。分别利用所提出的方法与ANSYS瞬态动力学计算结果对比,验证线性互补齿轮动态接触分析的计算精度,提高齿轮动态接触分析的计算效率。

关键词： 有限元法   球磨机   齿轮   振动分析  

摘要： 通过有限元分析法对某球磨机齿轮的振动进行了分析,求出小齿轮、大齿轮的前六阶振型及对应的固有频率,并得出大齿轮的轮齿最容易发生变形,从而为球磨机的安全、稳定、长周期运行提供理论基础。

关键词： 渗碳齿轮   淬火   冷却   搅拌  

摘要： 对20CrMnTiH3渗碳齿轮淬火冷却方式进行对比试验,分析了常规快搅拌、慢搅拌、先慢后快淬火搅拌以及先快后慢淬火搅拌等冷却方式下齿轮热处理质量及零件变形情况。结果表明,合适的先慢后快淬火搅拌方式可以改善齿轮内花键变形情况,为同类型渗碳齿轮热处理质量提升提供了工艺参考。

关键词： 数据处理   齿轮箱   多元变分模态分解   多点最优最小熵反褶积调整   特征提取   故障诊断  

摘要： 针对齿轮箱振动信号受复杂传递路径、强背景噪声的影响导致早期微弱故障难以诊断的问题,提出了一种基于多元变分模态分解(MVMD)和多点最优最小熵反褶积调整(MOMEDA)的齿轮箱故障诊断方法。首先,利用MVMD将融合后的多通道振动信号进行模态分解,得到一系列表征信号局部特征的IMF分量;其次,引入峭度值(Ku),选取最佳模态进行信号重构,剔除含噪声分量高的IMF;最后,对重构信号进行MOMEDA特征提取以识别故障频率,从而进行故障诊断。结果表明,所提故障诊断方法可以有效剔除噪声分量的干扰,识别出信号中的故障冲击成分及其倍频进而确定故障类型。MVMD-MOMEDA方法解决了在单一通道问题上无法处理多源信号的缺点以及早期微弱故障特征难以提取等问题,可为故障诊断和多源信号处理提供参考。

关键词： 抓取翻转装置   PLC   自动化   终检线  

摘要： 根据企业齿轮终检线对夹取翻转齿轮提出的个性化需求,开发设计了一套基于PLC控制的齿轮抓取翻转装置。通过对齿轮终检线的工作流程和执行机构气动元器件、传感器等硬件的选型分析,梳理出PLC控制齿轮抓取翻转装置的控制流程图。该装置有效缩短了终检生产线的生产周期,降低了报废率,提高了生产效率和生产线的自动化水平。

关键词： 多通道多分量分解(MMD)   优化问题求解   海洋捕食者算法(MPA)   变转速工况   齿轮箱   故障特征提取  

摘要： 变转速工况下齿轮箱振动信号的分量通常具有时频重叠和跨频带特征,分量直接分离非常困难。对此,引入一种新的多通道多分量分解(multichannel multipoint distribution, MMD)方法,并利用新型群体智能优化算法——海洋捕食者算法(marine predators algorithm, MPA)求解MMD方法中的关键优化问题,进而提出了基于MPA优化的MMD(MPA-MMD)方法。MPA-MMD方法将每一个分量表示为一组加权特征向量的线性组合,因为不依赖时间尺度特征,所以特别适合分解具有时频重叠或跨频带特征的复杂信号。通过设置具有分量重叠、跨频带和波动性特征的加噪仿真信号,将MPA-MMD与基于其他优化算法的MMD,以及多通道变分模态分解进行了对比分析,结果表明MPA-MMD在分解效果、收敛性和抑噪性方面的优势;在此基础上,针对变转速工况下齿轮箱振动信号具有分量重叠和跨频带的复杂特征,将MPA-MMD应用于变转速工况下齿轮箱振动信号的特征提取,具有针对性的试验信号分析结果表明,MPA-MMD可直接准确地获得受转速影响的故障分量。

关键词： 电驱动三合一   齿轮啸叫   重合度   Masta系统仿真  

摘要： 某电驱动三合一产品在开发过程中齿轮啸叫噪声较大,不满足设计要求.为优化改善齿轮噪声,依据齿轮啮合接触线理论,详细列出重合度分布规律,并结合产品实际,重新优化提高了齿轮啮合重合度.通过搭建的Masta系统仿真分析模型,针对新的齿轮宏观参数,进行了特定的微观修形,并在整车上对优化方案的电驱系统进行振动噪声测试.结果表明,新方案对齿轮啸叫噪声改善效果较好,噪声结果满足设计要求.研究结果可作为电驱动系统齿轮设计的参考经验,对改善现有产品问题及开发新产品,具有重要的量化指导意义.

关键词： 齿轮   FCA模块   STFT   故障诊断   DenseNet模型  

摘要： 针对齿轮信号具有较强非平稳性、易被强烈噪声干扰及不同故障类型间易混淆的问题,本研究提出了融入频率通道注意力(Frequency Channel Attention,FCA)机制和DenseNet45模型的齿轮故障诊断方法,实现了对故障类型的精确识别和分类。首先,对齿轮信号进行短时傅里叶变换(Short-time Fourier Transform,STFT),得到二维时频谱图作为样本,将样本按照4:1划分为训练集和测试集;然后调用更少的密集连接块构造DenseNet45模型,同时将FCA模块融入DenseNet45模型的卷积层中,并将训练集输入到模型中进行学习,通过改变学习率下降的速度来提升模型性能;最后,将学习好参数的网络模型应用于测试集进行验证,输出测试集故障识别的准确率。结果表明,所提方法在两种工况下的准确率分别达到99.875%和99.75%,能有效将不同类型的故障进行识别并分类,与其他典型卷积神经网络模型相比,所提方法准确率更高,收敛速度更快。

关键词： 齿轮箱   多维特征   状态监测   粒子群优化算法   长短时记忆神经网络  

摘要： 针对单独从振动特征、油液特征对齿轮箱进行磨损状态监测存在特征维度单一、准确率低的问题,提出基于油液-振动多维特征与粒子群优化算法-长短时记忆神经网络(PSO-LSTM)的齿轮箱磨损状态监测算法。对铁谱图像进行预处理,提取磨粒浓度特征、磨粒个数特征,对振动信号进行小波阈值去噪,并提取时域特征,得到油液振动十四维特征作为LSTM模型的输入;采用粒子群优化算法对LSTM模型进行参数寻优。实验验证:使用油液振动十四维特征的PSO-LSTM模型的识别准确率要优于单独使用振动和油液特征的PSO-LSTM模型,PSO-LSTM模型对于油液振动十四维特征数据的识别准确率全面优于未经优化的LSTM模型。

关键词： 转向架   驱动布置形式   轴重转移   黏着利用率  

摘要： 文章基于齿轮箱抱轴式驱动的特点,建立了三轴小齿轮空心轴C_(0)转向架及其单个轮对的力学模型,然后在此基础上构建了转向架变形关系及求解方程。以某型三轴小齿轮空心轴C_(0)转向架的参数为例,对比分析了四种驱动布置形式对轴重转移和左右轮重增减载的影响,并提出了转向架驱动布置形式的建议。