关键词： 直齿圆柱齿轮   接触疲劳   残余应力   非均质材料   风险评估   Dang Van准则  

摘要： 磨齿、喷丸、表面光饰等齿轮表面处理技术会在材料内部产生残余应力，同时，金属材料中不可避免地存在杂质，残余应力与杂质对齿轮的接触疲劳寿命均有显著影响。为有效评估齿轮的接触疲劳风险，该文提出了一种综合考虑残余应力与杂质共同作用的数值模型。该模型使用等效夹杂法将齿轮内部的杂质转化为含本征应变的夹杂，并在位移方程中考虑了杂质与残余应力的耦合作用。研究过程中，计算了残余应力与杂质作用下的应力分布，并通过有限元法对模型进行了验证；使用Dang Van准则计算了等效应力，并将其代入Lundberg-Palmgren寿命模型，计算了齿面接触疲劳的最小循环次数，分析了残余应力、杂质等对齿轮接触疲劳寿命的影响规律。分析结果表明：杂质对齿轮接触疲劳寿命的影响远远大于残余应力的影响，且对疲劳最早出现的啮合位置具主导性；残余拉应力与杂质共同作用下，次表层最大应力增大且位置向材料表层偏移，齿轮更容易发生接触疲劳。

关键词： 行星齿轮箱   经验小波变换   多点最优最小熵解卷积   稀疏引导   微弱故障诊断  

摘要： 行星齿轮箱出现早期故障时，由于工业环境的背景噪声干扰和故障冲击在复杂传递路径中衰减，其微弱故障特征难以有效提取和识别。针对此问题，提出了稀疏引导的改进经验小波变换（improved empirical wavelet transform，简称IEWT）结合多点最优最小熵解卷积（multipoint optimal minimum entropy deconvolution adjusted，简称MOMEDA）的微弱故障特征提取方法。首先，提出了一种新的故障综合指标（fault composite index，简称FCI），结合信号频谱的幅值包络线将原始信号自适应分解为一组IEWT分量；其次，通过稀疏引导方法选出敏感分量作为原始微弱故障信号的稀疏表示；最后，对敏感分量信号进行MOMEDA处理，降低信号噪声并提取微弱信号故障特征频率用于检测。仿真和实验结果表明，所提方法对含有噪声的非平稳非线性行星齿轮箱故障信号有良好的诊断效果，验证了该方法的有效性，为工程实践中行星齿轮箱弱故障的诊断和检测提供了一种方法。

摘要： 弧齿锥齿轮运行过程中会产生异常温升,本文通过建立基于真实齿面的螺旋锥齿轮单齿模型和点接触热弹流润滑分析数值模型,并通过 LTCA 得到齿面的相关运动学变量,在考虑滑动摩擦生热时不同表面热边界条件的基础上,通过有限元稳态和瞬态热分析得到了螺旋锥齿轮单齿的稳态本体温度场和接触点的瞬时闪温。结果表明:高温区位于齿面中点偏向大端且靠近齿顶的位置,靠近端面的齿面出现低温区,与啮合齿面高温相对应的凸面区域出现了相对高温区。

关键词： 故障诊断   行星齿轮箱   MobileNetV3   时频变换   特征融合   分层最近邻图嵌入的有效降维算法  

摘要： 针对现有特定时频变换方法在提取振动信号中的复杂动态特征时存在一定局限性，以及传统MobileNetV3网络中存在的通道注意力机制特征选择偏差与池化层策略设计不当导致的信息丢失等问题，本文提出了一种基于融合时频变换的MobileNetV3-AHFF和MS-HNNE的行星齿轮箱故障诊断方法。首先，通过集成短时傅里叶变换、连续小波变换和Chirplet变换图像编码技术，将行星齿轮箱的振动信号转化为多维时频图像，进而融合这些时频特征，构建出全面表征信号特性的特征图像；其次通过设计自适应分层特征融合（AHFF）模块，提高深度学习网络的表征能力；然后，采用监督型MS-HNNE算法取代MobileNetV3全连接层前的池化层，在维度约简的过程中保留数据的内在结构和关键信息；最后使用Softmax函数完成低维数据的分类任务。DDS和东南大学行星齿轮箱故障诊断实验结果表明，该方法相较于现有故障诊断模型，不仅诊断准确率显著提高，而且模型泛化能力也得到了增强，其最高诊断准确率达到99.9%，具有一定的应用前景。

关键词： 故障诊断   齿轮箱   多特征融合   PCA降维   多层感知机   波搜索算法  

摘要： 为解决齿轮箱故障诊断传统研究中样本特征不充分、高维数据处理困难以及故障诊断精度不够等问题，提出一种融合齿轮箱故障信号多特征信息与波搜索算法（Wave Search Algorithm,WSA）优化的多层感知机(Multi-Layer Perceptron,MLP）模型。首先融合提取故障信号的时域、频域特征，以及通过小波包分解后的时频域特征，然后对融合后的特征信息经过主成分分析法（Principal Components Analysis,PCA）降维，再将降维后的特征信息与时域、频域和时频域单独进行特征提取方法相比较。最后为提高MLP模型的性能，运用WSA对MLP模型的权重和偏置项进行参数优化，建立基于多特征融合的WSA-MLP齿轮箱故障诊断方法。与MLP、粒子群优化算法（Particle Swarm Optimization,PSO）-MLP模型相比较，WSA-MLP模型的故障诊断精度最高，且模型复杂度没有明显提升。

关键词： 特深井顶驱   齿轮箱箱体   载荷谱   疲劳寿命  

摘要： 为满足顶驱齿轮箱在特深井作业过程中高承载和高可靠性的需求，研究箱体的疲劳失效行为，本文以用于15000米特深井的某型号顶驱齿轮箱箱体为研究对象，建立了箱体有限元仿真模型，通过疲劳缺口系数、尺寸系数和表面系数修正得到了箱体的弯曲疲劳S-N曲线，基于Morrow-Manson-coffin算法对不同恒幅载荷作用下箱体的疲劳寿命进行分析。结合现场服役监测数据，构建了箱体在正常工况和极端工况下的起钻载荷谱，初步评估了箱体在设计井深下的疲劳寿命，并分析了残余应力对箱体疲劳寿命的影响。研究结果表明，在起下钻作业过程中，箱体的疲劳寿命会随着轴向载荷峰值的增大呈对数递减，疲劳失效首先发生在箱体的前提环销外侧边缘，箱体的疲劳性能可满足特深井作业要求。本研究可为顶驱及相关钻井装备的疲劳失效分析提供参考。

关键词： 齿轮非线性系统预测模型   人工神经网络   机器学习   集中质量法   振动预测   故障诊断   性能优化  

摘要： 针对齿轮非线性动力学模型中因多源非线性因素导致计算效率低下，以及传统方法动态响应预测泛化性不足的双重难题，提出了一种基于人工神经网络（ANN）的齿轮非线性系统预测模型，通过理论与实验相结合的方法，验证其在实际应用中的可行性。首先，采用集中质量法建立了齿轮非线性系统模型，并通过数值仿真获取数据样本；然后，构建了包含两个线性层的ANN模型，指出了模型的3个评价指标，并通过训练该模型确定了最优的模型参数，进而完成了对齿轮系统振动情况的有效预测工作；最后，搭建了齿轮系统实验台架，将实验数据分三个批次进行了独立训练，进一步验证了预测模型的有效性。研究结果表明：基于ANN的预测模型仅在振动加速度均方根值(x2)的低值范围内对其预测效果相对一般；然而，x2在数值较大的区间内与仿真值高度吻合；此外，随着扭矩(Fem)的增大，模型对振动位移均方根值(x1)和振动加速度均方根值(x2)的预测精度逐步提升；尽管实验样本数据量有限，但预测模型的决定系数(R2)均超过了0.98，且损失函数值均远低于0.1，充分证明了模型的高度准确性和可靠性。该研究可以为齿轮系统的振动预测、故障诊断以及性能优化提供理论支撑和实践指导。

关键词： 橡胶弹性支撑   裂纹   材料成分分析   有限元分析   应力应变  

摘要： 为解决大功率风电齿轮箱橡胶弹性支撑开裂的问题，采用傅里叶变换红外光谱(FTIR)、气相色谱-质谱联用(GC-MS)、扫描电子显微镜(SEM)及有限元分析对开裂产品和未开裂产品进行了综合分析。通过对比分析开裂产品和未开裂产品材料成分、不同力矩下应力应变和开裂产品断面，分析了橡胶弹性支撑开裂的原因。分析结果表明，开裂产品和未开裂产品的材料主要成分一致，初步认为非原材料成分差异导致橡胶开裂。有限元分析显示，在高载荷(2 200 kN)工况下，橡胶型面应力应变达到临界值(48.47 MPa/1.154),导致应力开裂。结合有限元分析结果，采用SEM对开裂产品断面进行进一步分析与验证，裂纹起始于镜面区，属于典型的应力开裂形态。本研究为进一步优化橡胶弹性支撑结构设计提供了参考依据。

关键词： 圆柱齿轮   挤压成形   灰色关联分析   主成分分析  

摘要： 为了提高圆柱齿轮挤压成形精度，设计了一种综合运用主成分分析(Principal components analysis， PCA)与灰色关联方法(Grey Relational Analysis， GRA)的组合优化方法，使圆柱齿轮挤压成形工艺参数优化多目标优化过程转变成单目标灰色关联优化过程，经寻优计算确定最佳组合参数再对各项工艺条件实施验证。研究结果表明：随着关联度的提高，目标序列不断趋于最优值，得到工艺参数优化组合条件为: μ=35°、R=1.8mm、T=1mm、L=5mm。回归模型方差表明此时模型预测值跟实验结果形成了良好的吻合状态，形成了3.13%的平均相对误差。模型显著性P取值小于0.05，判断回归模型满足显著性条件。以PCA和GRA组合方法构建的回归模型达到了优异拟合优度与理想的预测性能，可将其用于后续工艺参数的优化分析。

关键词： 齿轮裂纹   故障诊断   主成分分析   支持向量机   粒子群优化  

摘要： 为了弥补支持向量机(SVM)会造成局部极小或出现过拟合情况，把粒子群优化(PSO)加到SVM模型内，完成SVM模型核函数的优化效果。针对齿轮裂纹故障诊断情况，设计了一种基于核主成分分析(KPCA)和PSO-SVM组合算法，并开展实际信号分析。研究结果表明：以PSO优化SVM核函数达到了高精度，获得更高分类精度。频域特征会降低分类精度，频域特征具备比时域特征更高精度。相比较其他算法，PSO-SVM算法达到最高精度，具备优异稳定性，获得合适的计算时间。当提高样本数量后，分类精度获得明显提升，设置过多训练样本则会产生过拟合问题，并且实际测试样本数不多，造成不稳定的分类状态。该研究对提高齿轮裂纹故障诊断效率具有很好的理论支撑价值，易于推广应用到其他的机械传动系统上。