关键词： 声信号   深度学习   风机齿轮箱   故障检测  

摘要： 近年以来,我国风电产业迅猛发展,呈现规模化、复杂化和集成化的趋势,其中风机设备的长期、稳定、高效运行是风电快速发展的关键。而风机齿轮箱作为风机的核心部件之一,结构复杂,长期工作容易出现故障导致突然停机,降低风电场的经济效益,甚至对人的生命和财产安全造成威胁。所以及时发现和排除风机齿轮箱故障对我国风电的发展和经济效益的提高有着重要的意义。现阶段风机齿轮箱常见的故障检测方式主要是人工检测和振动检测,人工检测巡检周期长、检测故障不及时、主观性强,振动检测对检测装备的安装要求较高。由于机械设备发生故障时声音会发生改变,并且声信号的采集方式为非接触式,方便安装,因此,本文针对以上问题提出一种基于声信号和深度学习算法的风机齿轮箱故障诊断方法。并在此基础上利用Optuna框架对模型的超参数进行寻优,提高了模型的准确性和适应性,实现了风机齿轮箱故障的准确诊断和识别。本文具体研究内容如下: (1)风机齿轮箱声信号远程采集和传输系统的开发 搭建了风机齿轮箱声信号远程采集和传输系统。风机齿轮箱声音的远程传输系统利用STM32F103ZET6单片机进行控制,通过采集模块对风机齿轮箱声信号进行采集,将采集到的声音文件储存在SD卡中,STM32F103ZET6单片机通过控制4G无线通信模块将声音文件传输到云端,随后传输到电脑端。 (2)风机齿轮箱声音数据集的制作与算法的选择 通过采集设备对风机齿轮箱声音进行采集,分别以正常风机齿轮箱声信号、齿面点蚀风机齿轮箱声信号、齿面磨损风机齿轮箱声信号、轴承磨损风机齿轮箱声信号为研究对象,构建风机齿轮箱声音数据集。搭建了Transformer、长短时记忆网络(Long Short Term Memory networks,LSTM)、一维卷积神经网络(1D Convolutional Neural Networks,1DCNN)、多层感知器(Multi-Layer Perceptron,MLP)等主流声信号分类基础模型,基于风机齿轮箱声音数据集进行学习训练,对其诊断性能进行对比研究,确定识别准确率最高的模型Transformer作为风机齿轮箱故障诊断的基础模型。 (3)基于Transformer模型的改进研究 深入分析Transformer模型的故障识别性能,针对模型识别准确率不高、处理长序列能力弱等问题,本文采用在损失函数中引入困难样本挖掘、将自注意力机制变换为稀疏注意力机制、在注意力机制引入门控线性单元三种改进手段,得到改进后的模型Our-Transformer。改进后的Our-Transformer模型故障识别准确率达到93.63%。相较于改进前识别准确率提高6.04%,模型的识别性能得到了很大的提升。 (4)Our-Transformer模型的超参数寻优和模型对比评价 针对改进后Our-Transformer模型在训练前的超参数调整优化问题,本文使用采用Optuna超参数框架进行参数寻优,将寻找到的最优参数代入到Our-Transformer模型中。经验证,该方法得到的最优参数结果可靠,识别率提升了1.22%,模型的识别准确率得到了有效提升。

关键词： 堀田善卫   《齿轮》   茅盾   冷战   新型“世界文学”  

摘要： 日本“战后派”作家堀田善卫曾以基于上海生活经验创作的系列“中国故事”而被誉为“国际作家”。在其前期小说中，堀田有意识地采用了把同时代中国文学文本引入自己作品的写作方法。本文从实证性角度考察堀田小说《齿轮》与茅盾小说《腐蚀》的互文关系，分析堀田通过续写和改写《腐蚀》所表现出来的对中国革命的同情与理解，特别是他对冷战状况下反共意识形态的回应，从而矫正以往战后日本文学史有关堀田文学“国际性特色”之叙述的空疏和暧昧，并进一步指出堀田善卫以独特方式书写的“茅盾论”也是他探索构建新型“世界文学”的一环。

关键词： 行星齿轮   减速器   设计  

摘要： 行星齿轮减速器是一种常见的传动系统,广泛应用于机械工程领域,其基本结构包括行星齿轮、轴承、固定支架等部分。其中,行星齿轮是整个系统的核心部件,它决定了整个系统的性能和可靠性。因此,对于行星齿轮的设计是非常重要的。本文将从行星齿轮减速器的基础理论入手,通过对其传动比计算进行分析,提出了优化设计方案。并通过试验验证新设计方案的效果是否能够达到预期目标,为行星齿轮减速器的设计提供一定的参考。

关键词： 外啮合齿轮泵   浮动侧板   端面间隙   油膜承载力  

摘要： 军用特种车辆液压系统所采用的外啮合齿轮泵因其使用环境恶劣、工况严苛,容易导致侧板偏磨与机械效率降低的问题,针对这一问题,本文从端面间隙润滑状态的转变出发,考虑表面形貌特征,建立端面间隙混合润滑数学模型,分析端面间隙对流场特性以及效率的影响。当出口压力为2.5MPa、转速为2500r/min时,通过分析端面间隙对效率的影响规律,结合摩擦磨损实验提出浮动侧板高压油区面积与机械效率的关系,改进侧板背面高压油区的面积,测试齿轮泵结构改进对齿轮泵效率的影响,验证理论分析。具体研究内容如下: (1)分析齿轮泵端面间隙混合润滑特性的研究背景及意义,在梳理齿轮泵端面间隙润滑特性、齿轮泵性能影响因素、齿轮泵结构优化以及混合润滑建模与实验研究相关国内外文献的基础上,提出齿轮泵结构参数设计存在的问题,阐述研究内容。 (2)建立齿轮泵端面间隙混合润滑数学模型。根据平均雷诺方程模型和表面形貌理论,分析齿轮泵端面间隙润滑状态的转变,建立端面间隙混合润滑特性的数学模型,得出考虑表面粗糙度的流体控制方程。对数学模型进行计算得到压力、转速对摩擦特性的影响规律。 (3)建立外啮合齿轮泵端面间隙的流场仿真模型。改变齿轮泵端面间隙值,在Pumplinx软件中计算齿轮泵的出口流量和油膜反推力等参数,分析齿轮泵端面间隙处的速度场分布、压力场分布,计算出在特定工况下,端面间隙对齿轮泵的容积效率和机械效率的影响规律。 (4)对齿轮端面-浮动侧板摩擦副开展实验研究。加工与齿轮端面-浮动侧板相同材料的试样,在立式万能摩擦磨损试验台上改变工况参数,标定混合润滑实验工况,分析摩擦系数与摩擦量的变化规律。 (5)基于混合润滑理论对浮动侧板结构参数进行设计,将改进前后的浮动侧板在实验台上测试,研究浮动侧板结构参数对齿轮泵出口流量、输入转矩和效率的影响规律,对比理论分析与实验结果,验证理论分析的准确性。

关键词： 细高齿齿轮   有限元分析   齿形优化  

摘要： 一种可以降低齿轮振动噪声的细高齿齿轮成为齿轮工业中一个新的研究方向。本文抽取了二级齿轮减速器齿轮系模型，以.x＿t格式导入ANSYS软件中进行网格划分，利用ANSYS软件对斜齿轮减速器与细高齿齿轮减速器进行应力分析，得到了两种齿轮系的应力云图，对比结果分析了细高齿齿轮与斜齿轮的应力情况。

关键词： 齿轮箱   复合故障   信号降噪   盲源分离   故障诊断  

摘要： 齿轮箱作为机械设备的重要传动装置，通常运行在高负荷、高转速以及高污染等恶劣环境下，同时极易受到温度变化、润滑困难和物理化学因素的影响，这可能导致其关键部件发生故障。一旦齿轮箱出现问题，将会严重影响机械设备的运行可靠性和安全性，甚至可能造成人员伤亡和重大经济损失。因此，开展齿轮箱故障诊断研究对于保证机械设备安全稳定运行具有重要工程应用价值，本文主要工作如下:　　(1)根据轴承和齿轮结构及工作特性建立相应动力学模型，探究振动机理及故障特征，并给出故障特征频率计算公式，为故障特征计算提供先验知识;基于故障振动特征构建轴承和齿轮故障仿真信号，为后续故障诊断方法的验证提供数据。　　(2)针对强背景噪声下齿轮箱故障特征微弱难以提取的问题，提出了一种基于小波阈值降噪(WaveletThresholdDenoising,WTD)的信号降噪预处理方法，基于添加强噪声仿真信号及实验信号进行对比验证，验证了本文提出的IWTD可以在保留信号有用信息的同时对高低频噪声进行有效滤除，提高信噪比，为后续复合故障特征提取提供更好的数据基础。　　(3)针对齿轮箱发生轴承和齿轮复合故障时，故障特征相互干扰难以识别问题，提出了基于单通道盲源分离的复合故障特征提取方法。基于量子遗传算法(QuantumGeneticAlgorithm,QGA)和样本熵(SampleEntropy,SE)进行变分模态分解(VariationalModeDecomposition,VMD)最优参数的选取并将单通道振动信号分解，基于奇异值分解(SingularValueDecomposition,SVD)和临近占优法估计信号源数，并基于峭度指标重构信号矩阵，最后通过快速独立分量分析(FastIndependentComponentAnalysis,FastICA)恢复轴承和齿轮源信号，最后通过处理复合故障仿真信号及实验信号验证了本文提出的基于单通道盲源分离的复合故障特征提取方法可以有效分离提取轴承和齿轮故障特征。　　(4)针对传统信号处理方法进行故障诊断时对人的经验和知识过度依赖的问题，提出了一种基于高效通道注意力机制(EfficientChannelAttention,ECA)和批标准化(BatchNormalization,BN)优化卷积神经网络(ConvolutionalNeuralNetworks,CNN)的复合故障智能诊断方法。基于ECA和BN增强CNN模型的特征提取能力并降低分布差异带来的影响，构建智能诊断模型并通过故障特征提取所得特征信号数据构建数据集，训练并实现齿轮箱多类故障的准确诊断。通过实验信号数据集进行实验验证，并与其他几类智能故障诊断模型进行对比实验，验证了本文方法拥有更高的诊断效率和诊断准确率。

关键词： 惯性放大装置   准零刚度   能量收集   齿轮   可调节  

摘要： 准零刚度系统的优异的隔振与能量收集性能在各种工程应用中广受好评,这主要是因为它们能够在极大程度上对低频状态下的振动进行隔离。这种实现的方式不同于主动隔振,它是属于隔振的被动型。准零刚度类型的机制是利用竖向弹簧支撑质量元件并隔离振动源,在不影响弹簧系统的静态承载能力的同时,降低竖直方向的振动。许多研究致力于从振动机械设备中获取能量的问题。从技术角度来看,可以通过多种方式从人类环境中回收能量。在工业规模上,它通常来自所谓的可再生能源,包括太阳能、风能或水。在大型工业规模中,这些能源并不总是需要或可用的。因此,另一种方法是使用小型简单的机电系统,将机械振动的能量转化为电能。然而,在系统的运行过程中很难对系统参数进行调节,因此无法在多种外部扰动下实现高效的振动隔离和能量收集。因此我们提出了一些可调节装置,它们可以满足这一需求。本文使用MATLAB软件进行编程计算和图像的绘制,完成的主要研究工作和成果如下: (1)提出了一种带有惯性放大装置的准零刚度能量收集系统。它可以通过改变系统的动态有效质量来改变准零刚度系统的固有频率,从而调节系统的共振频率,并在此基础上进行能量收集。利用多尺度方法得到了系统处于主共振状态时的幅频响应方程和曲线。此外,还绘制了系统的共存吸引盆图,并研究了系统在不同初值状态下的轨迹变化和能量收集变化。结果表明,减小惯性放大装置的初始角度可以增加准零刚度系统的动态有效质量,提高系统在超低频段的能量收集效率。系统的共存吸引盆可以给出一个很好的优化方案,从而在一定范围内有效地提高能量收集效率。 (2)研究了在多个谐波激励作用下的带有惯性放大装置的准零刚度系统的非线性动力学行为。建立了带有惯性放大装置的准零刚度系统的机电耦合方程。采用Runge-Kutta法和牛顿-拉夫逊潮流计算法对系统的机电耦合方程进行求解。通过分析系统的相关参数,绘制了位移和电压的RMS值图、时程曲线以及最大Lyapunov指数。结果表明,带有惯性放大装置的新型准零刚度隔振和能量采集系统能够有效调节位移RMS值的峰值频带。谐波激励的频率比值会直接影响到系统的混沌区域的激活程度。电压的RMS值的局部峰值出现在周期解区域或者周期解与混沌解交汇区域附近。 (3)使用了一种与压电感应系统相连的可调齿轮装置,用于使能量收集适应各种外部环境。该装置使用四个对称的倾斜弹簧。弹簧的一端与齿轮相连,另一端与质量元件相连。通过旋转齿轮可以改变系统的几何参数,从而改变系统的动态刚度。推导出系统的动力学方程,并对其非线性项进行泰勒扩展。通过使用谐波平衡法求解,得到了系统的幅频响应曲线。使用Runge-Kutta法获得了感应电压和电功率的RMS值的多色图。结果表明,该装置具有出色的可调控性能,可用于各种不同环境下的能量采集。 (4)采用了一种与压电感应系统相连的可调齿轮和惯性放大装置,用于在各种外部环境中进行能量采集。该装置采用两对斜向弹簧,其中一端连接齿轮,另一端连接质量元件。通过旋转齿轮,可以改变系统的几何参数,从而改变系统的动态刚度。质量元件垂直连接到惯性放大装置上,以改变系统的动态质量。利用谐波平衡法求对系统的机电耦合方程进行求解,并绘制出系统的幅频响应曲线。使用四阶Runge-Kutta法获得了感应电压和电功率的RMS值的多色图。结果表明,该装置易于使用,可用于提高各种不同环境下的能量收集效率。 图[80]表[3]参[150]

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。