关键词： 磁齿轮   Z型极靴   聚磁式磁齿轮   结构设计  

摘要： 提出并研究一种Z型极靴聚磁式磁齿轮(ZP-FFMG).在该磁齿轮结构中,Z型极靴可以耦合转子端面和圆柱面的磁通.通过三维仿真可知,Z型极靴聚磁式磁齿轮中存在有助于传递转矩的轴向和径向磁通分量.对比分析传统聚磁式磁齿轮(FFMG)和Z型极靴聚磁式磁齿轮,结果表明,与传统聚磁式磁齿轮相比,Z型极靴聚磁式磁齿轮的传递转矩提高42%,转矩密度增加15 kN·m/m^(3),同时磁通密度也有改善.

关键词： 故障诊断   阶次跟踪   齿轮系统   极值搜索   角度‑时间关系  

摘要： 在变速工况下,齿轮系统的振动信号具有非平稳性,频谱特征模糊,不利于特征提取和故障诊断。阶次跟踪方法作为一种非平稳信号分析方法,将原信号从时间域转换到角度域,有助于抑制变转速导致的频率模糊现象。广泛应用的计算阶次跟踪分析方法在实现等角度重采样过程中,通过提取瞬时转速积分求取瞬时角位移,或者基于相位解调获取角度‑时间关系,受限于积分累计误差或小的转速跟踪范围。利用齿轮系统啮合振动信号峰峰值对应的等角度间隔特征,提出一种基于时域信号极值搜索的无键相阶次跟踪方法。所提方法不需要通过转速积分获取瞬时角位移,同时允许较大转速变化范围,降低了阶次分析域变换过程的误差,抗噪性能良好,使阶次谱能量集中度和特征成分辨识度得到明显提高。理论分析、仿真对比分析和试验测试结果均验证了所提方法的有效性,适用于变转速工况下的齿轮箱非平稳振动信号频谱分析和故障诊断。

关键词： 风电机组   故障诊断   奇异值分解   齿轮箱   硬阈值   软阈值   幅值抑制  

摘要： 针对传统的硬阈值奇异值分解降噪法(HSVD)阈值选取主观性较强、自适应性较弱、易丢失信号特征的问题,首先提出一种自适应的硬阈值选取算法;其次,利用一种非等量最优权值收缩的软阈值奇异值分解降噪(SSVD)方法,并结合HSVD,形成一种混合阈值的奇异值分解(SHSVD)降噪方法;最后再结合所提出的一种幅值抑制(AS)算法用于突出信号的故障冲击特征SHSVD-AS。利用该方法对风电传动系统齿轮箱故障信号进行分析,仿真、实测信号的结果均表明,在强噪声环境下,相较于传统的HSVD、VMD-HSVD方法,SHSVD-AS在风电齿轮故障诊断上性能较好。

关键词： 行星齿轮   承载接触分析   径向浮动   均载   安装误差  

摘要： 为了改善斜齿行星齿轮系统的均载性能,结合行星齿轮功率分流传动、汇流传动及构件浮动的特点,建立系统多个齿轮齿面加载接触分析模型,进行静力学均载特性分析.该模型以安装误差和构件浮动对各齿轮副接触间隙的影响为切入点,将几何分析与力学分析紧密融合,通过数学规划与优化的方法快速得到加载后各齿轮副齿面载荷分布与构件径向浮动量.相比于目前最常用的行星轮系静力学、动力学集中质量建模方法(集中力系模型),该方法是一种分布力系模型,具有一定先进性.结果表明:构件浮动是各内(外)齿轮副相对齿面初始齿间间隙逐渐协调并趋近相等的过程,当仅考虑太阳轮、齿圈中心距安装误差影响时,其径向浮动可实现完全均载;由于轴交角安装误差导致内(外)齿轮副几何传动误差及齿面接触位置不同,因此构件浮动能改善但不能实现理想均载;该方法可为高精度斜齿轮行星传动的均载设计与分析提供理论参考.

关键词： 传动效率   搅油功率损失   流体动力学   接触线   挤压功率损失  

摘要： 在高速工况下,搅油损失在总功率损失中占很大比重,研究齿轮搅油功率损失对于提高传动效率具有重要意义。提出一种基于流体动力学的能够计算斜齿轮副搅油功率损失的计算模型,该模型采用将斜齿轮沿接触线划分为若干个薄直齿轮的方法计算斜齿轮副的搅油损失;将齿轮副搅油功率损失分为周面搅油功率损失、端面搅油功率损失以及啮合区挤压功率损失三部分,分析浸油深度、转速、螺旋角、齿宽、模数对搅油损失的影响以及各部分搅油损失占总搅油损失的比重。结果表明:搅油损失随着浸油深度、转速、螺旋角、齿宽、模数的增大而增大,其中转速、齿宽和模数对搅油损失的影响较大,浸油深度和螺旋角对搅油损失的影响较小;啮合区挤压功率损失在整个搅油功率损失中占最大比重。

关键词： 初始硬质颗粒   齿轮   油液分析   振动分析   冲击  

摘要： 为了探究大型风电齿轮受冲击载荷在三体磨料磨损状态下的磨损特征与演变机理,需对初始磨粒混入的45钢斜齿轮磨损特征与运行状态进行分析研究.试验从齿轮磨损量、齿面磨损形貌分析、油液磨粒分析和振动分析4个方面进行磨损机理研究.利用磁粉制动器施加冲击载荷来模拟实际工况,使用颗粒计数器、单联式铁谱仪和扫描电子显微镜对油样磨粒和齿轮齿面损伤形貌进行观测.结果表明:初始硬质颗粒加速齿轮齿面磨损,导致齿轮提前进入剧烈磨损阶段,并引起齿面发生严重损伤,产生磨粒尺寸较大;对斜齿轮施加冲击载荷的加载方式加剧了磨粒磨损并扩大了应力集中,使得表面大磨粒脱落,齿宽降低,从而导致齿轮断裂失效.研究聚焦风电齿轮在风沙环境下易发生磨粒磨损的异常工况,研究结果将为改善风电齿轮在此类异常工况下的磨损状态,提供理论依据.

关键词： 车辆工程   齿轮箱   故障诊断   改进辅助分类生成对抗网络   数据增强   谱归一化  

摘要： 针对现有生成对抗网络(GAN)难以高效率生成多模式的故障样本和训练不稳定问题,提出了一种改进辅助分类生成对抗网络(ACGAN),并将其用于齿轮箱多模式数据增强和智能故障诊断,以确保运载工具的安全运行;引入独立的分类器构建新型ACGAN框架,改善了经典ACGAN的分类精度与判别精度之间的兼容性;使用Wasserstein距离定义具有平滑特性的新型对抗损失函数,以此克服GAN易出现模式崩塌和梯度消失的缺点;引入谱归一化方法替代权重裁剪,限制判别器的权重参数,提高对抗训练过程的稳定性;为验证改进ACGAN的有效性和优越性,对齿轮箱的6类健康状态样本进行试验分析。分析结果表明:改进ACGAN生成的故障样本在数据层面和特征层面取得了更好的质量评估结果,其中基于结构相似度的评估指标平均优于对比方法0.2493,基于最大平均差异的评估指标平均优于对比方法0.6966;改进ACGAN的训练过程更加稳定,其损失函数具有更优的收敛性,同时在多模式故障诊断情景下具有更高的效率,其训练时间缩减为对比方法的20%;针对故障样本缺失的情况,改进ACGAN的生成样本能有效辅助深度学习智能故障诊断模型的训练,可将诊断精度由75.34%提升至97.06%。

关键词： 8620系齿轮钢   轻压下   点状裂纹法   宏观偏析  

摘要： 通过使用拉矫机在铸坯凝固前沿压出的点状裂纹推算出8620系齿轮钢(/%:0.18~0.24C,0.18~0.32Si,0.65~1.0Mn,0.45~0.55Cr,0.50~0.80Ni,0.15~0.25Mo,≤0.025P,≤0.020S)300 mm×340 mm连铸坯经过每一台拉矫机处铸坯的坯壳厚度(点状裂纹法),以此数据代入并校准铸坯凝固模型,计算出铸坯中心固相率,并设计压下量参数,采用第5、6、7、8共4台拉矫机进行压下,压下量分别为2、3、5、4 mm,总压下量共14 mm,试验后,在铸坯和轧材试样上钻孔进行碳硫分析。结果显示,和未经轻压下的铸坯相比,8620系齿轮钢铸坯碳偏析指数0.97~1.03的比例由原工艺的83.5%提升至94.2%,轧材碳偏析指数0.97~1.03的比例由原工艺的91.5%提升至98.8%,低倍试样原位分析致密度由0.899 9提升至0.976 9,疏松度由0.100 3降低至0.017 8,铸坯成分偏析和致密度有所改善。

关键词： 机械式变速器齿轮磨齿   磨齿夹具定位   夹具几何模型   夹具定位稳健模型   定位优化设计  

摘要： 机械式变速器齿轮磨齿夹具定位过程中受车辆振动的影响,导致机械式变速器齿轮位置会有一定的偏移,且由切削力和夹具自重所引起的变形和振动也会给准确定位带来难度,为此提出一种地铁车辆机械式变速器齿轮磨齿夹具定位方法。首先建立夹具几何模型,通过该模型完成定位源偏差和变速器齿轮磨齿位置偏差分析;然后构建齿轮磨齿夹具定位稳健模型实现初步夹具定位;最后设计磨齿夹具和变速器齿轮弹性系统的平衡方程,优化夹具定位,提高夹具定位的精度。实验结果表明:该方法误差较小、精度高、装配成功率较高,夹具定位稳定性能较佳,定位效果较好。

关键词： 不平衡样本   智能故障诊断   深度强化学习   奖励函数   探索策略  

摘要： 由于旋转机械大部分时间处于健康状态,并且很难获得足够的故障数据,历史监测数据将高度偏向健康状态,在非平衡样本条件下的深度学习故障诊断方法的诊断精度将会严重降低。本研究结合强化学习框架和深度学习算法,提出一种基于演员-评论家结构的深度强化学习的齿轮箱智能故障诊断方法。智能体以原始振动信号作为输入,将智能体输出概率值的分布与真实标签one-hot编码的Jensen-Shannon(JS)散度距离作为连续奖励函数,并以不平衡比为基准来提高智能体正确识别故障样本时的奖励值;设计一种使智能体在训练初期尽可能探索状态空间而在训练后期逐渐收敛的探索策略。实验证明:在PHM2009数据集中,健康样本和故障样本不平衡比例为10时,本研究所提的智能故障诊断方法在3种工况下平均识别精度可达99%,相较于其他诊断精度方法提升37%~49%。