关键词： 汽车   齿轮钢   弯冲   接触疲劳   单齿弯曲疲劳  

摘要： 面向国内某摩托车企业产品开发需求,针对3种牌号的车用齿轮钢,进行了弯冲、接触疲劳和单齿弯曲疲劳对比检测,并结合金相、硬度、断口表征手段,综合评价了3种齿轮钢服役性能优劣。在此基础上进一步从零件角度验证了3种齿轮钢的应用成效性。结果表明,16MnCr5H的综合力学性能、工艺性能、接触疲劳和弯曲疲劳与20CrMoH相当,优于20CrMnTiH,因此可代替20CrMoH和20CrMnTiH制造高负荷的摩托车齿轮,满足性能提升及应用性价比目标。

关键词： 塑料齿轮   注塑模具   翘曲   模具设计  

摘要： 塑料齿轮因比强度高、易加工成型、运行平稳、噪声小、成本低等优点,得到广泛的使用,在很多领域逐渐代替金属齿轮使用。注塑是塑料齿轮成型最常用的方法,模具是注塑成型关键装备,模具的质量直接影响齿轮塑件的质量。就目前塑料齿轮常用材料、制品产生的翘曲变形解决方法、模具结构等方面进行了综述。

关键词： 故障预诊与健康管理   系统设计   小波分析  

摘要： 设计开发了基于MATLAB的齿轮箱轴承故障预诊与健康管理无忧运行系统。该系统可对原始机床轴承振动数据进行特征提取和信息融合,并采用复合轴承健康评估算法定量计算轴承运行时候的健康度,对轴承样本进行故障识别。最后,预测预判模块可实现轴承剩余健康寿命的预测,实现轴承全生命周期的管理。

关键词： 机器视觉   塑料齿轮   缺陷分析   自动检测  

摘要： 【目的】彩色塑料齿轮受设计、制造等因素影响,可能会出现缺齿、短齿、披峰等缺陷,引起设备故障或局部失效。因此,对彩色塑料齿轮的品质进行检测显得尤为重要。【方法】本研究设计的彩色塑料齿轮自动检测系统包括硬件平台与软件系统,硬件平台可实现齿轮采样、定位及图像采集等功能,软件系统对采集到的图像进行处理与分析。【结果】经过试验测试与数据分析表明,该系统能有效检测齿轮品质,大幅度提高生产效率,降低生产成本。【结论】检测系统与产品的自动化流水线加工设备配套,可及时发现产品缺陷,最大限度减少经济损失,整个系统可实现高度自动化。

关键词： 采煤机滚筒   传动系统   壳体   齿轮   机械部分寿命  

摘要： 目前井下采煤设备以采煤机为主,采煤机一旦出现故障停机,将会给矿方造成巨大损失。从采煤机滚筒、传动系统和壳体三方面研究了提高工作稳定性、增加设备寿命的方法。

关键词： 热力焚化炉   齿轮副   设计   制造  

摘要： 齿轮副是风机的关键部件,风机则直接影响蓄热式热力焚化炉的废气处理能力。从材料、热处理方式、尺寸、模数、齿数、精度等方面介绍了蓄热式热力焚化炉齿轮副的设计和制造工艺,并给出实例。

关键词： 齿轮泵   故障诊断   振动检测   系统设计  

摘要： 为了提高齿轮泵的检修效率,基于振动信号的检测与处理原理,对一种便携式故障诊断系统进行了设计与研究,能够根据振动响应规律判断齿轮泵关键零部件的故障或损伤类型和特征。确定了系统的总体结构和功能,对信号调理模块、主控模块以及传感器等关键硬件模块进行了设计。数据通信方法包括WiFi和RS485,通信速率与数据采样速率相匹配。通过对齿轮泵中齿轮副和轴承的故障测试和应用可知,该系统的检测数据稳定可靠,能够有效降低液压系统的维护成本。

关键词： 故障诊断   齿轮箱   改进的自适应噪声完备集合经验模态分解   探路者算法   极限学习机  

摘要： 齿轮箱是工业设备中常用的传动部件。针对齿轮箱故障特征提取及诊断精度不足的问题,提出一种基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)及探路者算法(PFA)优化极限学习机(ELM)的故障诊断方法。首先,利用ICEEMDAN对信号进行分解,得到多个本征模态函数(IMF)。其次,基于斯皮尔曼相关系数,筛选出有效的IMF,并计算出每个有效IMF的模糊熵和排列熵作为故障特征向量。最后,利用PFA算法优化ELM中的权值和阈值,构建基于PFA-ELM的故障诊断模型。实验表明,PFA-ELM的故障诊断精度高达98.67%。该方法能够准确描述齿轮箱的工作状态,具有较高的实用价值。

关键词： 18CrNiMo7-6钢   齿轮   第二相析出强化   渗碳淬火   碳化物  

摘要： 结合第二相析出强化原理并采用基于饱和值调整法的工艺路径,使用计算软件辅助制定第二相强化真空渗碳淬火工艺,并对18CrNiMo7-6钢制圆片试样和齿轮试样进行了试验。分别测试了圆片试样与齿轮的表面硬度、淬硬层深度,并观测了圆片和齿轮试样的显微组织。结果表明,第二相强化渗碳工艺可导致在渗碳层中析出大量弥散细小且分布均匀的碳化物,其作为渗碳层中的第二相粒子,提高圆片试样表面硬度至840 HV左右,且高硬度层较深,硬度-层深曲线较为理想,可以应用在齿轮等传动部件以提高其表面硬度。

关键词： 齿轮箱   故障诊断   格拉姆角场   卷积神经网络   极限学习机  

摘要： 针对齿轮箱在噪声、转速、加载电流变化的情况下故障诊断模型泛化性能差的问题,提出一种GAF-Alexnet-ELM的齿轮箱故障诊断模型。利用格拉姆角场(GAF)的方法将齿轮箱的振动信号转化为二维图像,将二维图像压缩至适当大小,再输入卷积神经网络(Alexnet)进行特征提取,最后将Alexnet提取的特征放入极限学习机(ELM)进行故障识别。为了验证模型性能,采用千鹏公司QPZZ-II旋转机械振动分析及故障诊断试验平台系统的数据集进行齿轮箱故障诊断分析,同时进行多组对比实验,验证不同模型的故障诊断性能和泛化性能。结果表明,该模型故障识别准确率达到了96.33%;在噪声、转速、加载电流变化的情况下,故障识别准确率也较高,证明了所提方法具有良好的故障诊断效果和泛化性能。