关键词： 塑料齿轮   微观参数   分形接触   摩擦实验   摩擦系数  

摘要： 塑料齿轮执行器已广泛应用于智能汽车、智能家居及服务机器人等领域。实际应用中,常采用金属-塑料齿轮副的传动方案,不仅保证了主动轮的使用寿命,还有效地实现传动系统的减重。而金属与塑料材料属性差异较大,金属齿轮变形量小、散热快,而塑料齿轮变形量大、散热慢,因此塑料齿轮对温度尤为敏感。针对塑料齿轮由于摩擦而容易发生热失效,又尚无成熟的设计准则可遵循的问题,以常用的ADC12-POM齿轮副为研究对象,基于分形接触理论并结合实验开展金属-塑料齿轮副的摩擦特性研究。本文的主要研究内容有以下几点: (1)采集不同粗糙度POM塑料齿轮的齿面形貌,选用结构函数法计算齿面分形维数和特征参数,建立POM塑料齿轮表面微观参数的计算模型,将微观参数与粗糙度建立起联系。 (2)修正现有的齿面接触系数,使其能够应用在金属-塑料齿轮副接触中。根据分形接触模型进行ADC12-POM齿轮副接触分析。以微凸体变形为桥梁,厘清微观参数与齿面接触载荷、接触面积的关系,并分析微观参数变化对金属-塑料齿轮副接触特性的影响。 (3)选配不同尺寸的POM塑料球以及ADC12金属板,通过球盘实验模拟ADC12-POM的曲面接触,测试外部激励变化影响下的摩擦系数。根据离散的摩擦系数测试结果,通过非线性回归拟合出ADC12-POM曲面接触的摩擦系数计算模型,以综合曲率半径、相对滑动速度和法向接触载荷为自变量。 (4)根据拟合的摩擦模型,考虑齿面啮合点周期变化以及载荷分配情况,建立ADC12-POM齿面摩擦系数计算模型。结合齿面接触分析,引入接触应力,建立起摩擦系数与齿面微观参数的联系。通过仿真分析摩擦系数关于齿轮参数和微观参数的变化规律。 通过上述工作,初步建立了ADC12-POM齿轮副的摩擦模型,分析了齿轮参数与微观参数对摩擦系数的影响,为金属-塑料齿轮副的磨损分析、热分析和热胶合分析等研究提供较为准确的摩擦模型基础。

关键词： 齿轮箱故障检测   音视频数据   自监督学习   对比学习   对抗自编码器  

摘要： 齿轮箱作为一种传递动力和扭矩、改变转速和方向的机械部件,在车床、铣床等旋转机械设备中广泛应用,由于高负载、高转速的工作特性导致自身极易出现故障。因此,开展齿轮箱故障检测对于保障车床、铣床等旋转机械设备正常运行具有重要意义。振动信号和音频信号能够表征机械设备运行状态,因此被广泛应用于故障检测,基于振动信号的故障检测需要安装接触式振动传感器,在部分场景下存在安装困难、振动信号难以采集等问题,而视频监控作为一种音视频多模态数据采集设备,具有安装方式简单、数据采集非接触等优点,已在安防、工业生产等领域取得广泛应用。因此,论文基于音视频数据开展齿轮箱故障检测研究,主要研究内容可总结为以下3点:(1)针对单模态盲源分离方法存在的混合音频分离结果无序问题,提出了一种基于自监督学习的齿轮箱声源分离算法,将机械设备的视觉特征融入混合音频特征,根据视觉模态特征实现对应声源分离。为提升声源分离效果,构建了嵌入坐标注意力机制的音频特征提取网络CA-UNet和具有多尺度特征提取能力的视觉特征提取网络Res2Net18。实验结果表明,提出的齿轮箱声源分离算法能有效分离混合音频信号中的齿轮箱音频,为齿轮箱故障检测奠定了基础。(2)针对传统声源定位方法定位结果无法可视化的问题,提出了一种基于对比学习的两阶段视听声源定位算法。训练阶段,通过构建正负样本对进行对比学习,为提升声源定位效果,在对比学习损失中引入监督损失,得到初定位结果;推理阶段,采用预训练的Res Ne St-50作为目标引导模块提取视觉特征,将视觉特征融入初定位结果中以提升定位精度。实验结果表明,提出的声源定位算法能够有效定位齿轮箱声源。(3)针对经典自编码器模型检测故障精度有限的问题,提出了一种基于对抗自编码器的齿轮箱故障检测算法。通过在自编码器模型中增加鉴别网络,在重构误差最小化的同时进行对抗学习,使编码器将输入样本数据映射到标准正态分布上,以提升模型的表达能力,提高齿轮箱故障检测精度。实验结果表明,提出的对抗自编码器相较于经典自编码器的AUC提高了12.6%,证明了对抗自编码器模型的优越性,模型可用于齿轮箱故障检测。

关键词： 尾部减速器   虚拟装配   装配误差   接触印痕   齿隙   调整垫片  

摘要： 制造误差和装配误差影响螺旋锥齿轮副接触印痕和齿隙等关键装配性能。对接触印痕和齿隙进行可视化虚拟装配协同调控,构建装配工艺与装配性能仿真预测模型,对于提高装配质量和装配效率,有重要意义。本文以直升机尾部减速器为研究对象,通过虚拟装配仿真探究其装配工艺与接触印痕和齿隙的关联规律,以提高装配效率与装配质量。论文主要工作包括以下方面:(1)求解装配工艺参数对装配误差的影响规律。建立机匣—轴承—齿轮副一体化有限元装配模型,分析多种装配工艺引起的装配误差变化规律。发现垫片对装配误差的敏感性较高,可作为装配调控主要因素。(2)在虚拟环境建立真实螺旋锥齿轮的几何映像。基于理论齿面点、齿坯参数、实测齿面几何误差和齿厚误差建立真实模型,为接触印痕和齿隙的准确求解提供真实边界条件。(3)基于CATIA的虚拟环境功能,开发考虑装配误差的接触印痕和齿隙求解程序。在给定齿轮模型条件下,通过输入不同装配误差,输出可视化的接触印痕,以及量化的接触印痕和齿隙数据,并实现了批量接触分析,为后续的印痕调控提供核心技术。(4)基于预设接触印痕和齿隙得到优选的调整垫厚度。采用自主开发程序经过585组接触分析求解得到各项装配误差对接触印痕和齿隙的关联规律,提出线性逼近法和多点式启发广度优先搜索算法,得到最优的垫片调整量,使接触印痕和齿隙达到技术指标。(5)给出直升机尾减装配试验验证方案,经过装配试验检测接触印痕和齿隙,证明装配仿真模型输出的装配工艺水平和垫片厚度调整量,能够指导装配工艺实现一次装配达到技术指标。本文基于虚拟仿真软件平台构建装配过程中关键工艺的可视化预测、决策与控制体系,输出精确的装配工艺参数水平以指导实际高效精密减速器装配。针对直升机尾减速器装配调整困难的问题,建立了接触印痕和齿隙驱动的尾减速器数字化装调模型,保证装配性能达到技术指标的同时提升装配的精度与效率,为以螺旋锥齿轮为核心传动部件的减速器智能装配提供了创新理论与技术支撑。图76幅,表37个,参考文献79篇

关键词： 机器学习   行星齿轮传动系统   动态啮合力   相关性分析   回归预测模型  

摘要： 行星齿轮传动具有体积小、重量轻、承载能力大、效率高等优点,被广泛应用于冶金、矿山、起重运输等低速重载机械和压缩机、制氧机、船舶等高速大功率传动。行星齿轮传动系统的动态啮合力是系统运行过程中的重要参数,它直接影响齿轮传动系统的性能和寿命,是齿轮传动系统振动和噪声的主要来源之一。 针对行星齿轮传动系统结构复杂,在多参数耦合作用下动态啮合力求解困难的问题,本文提出了一种基于机器学习技术的行星齿轮传动系统动态啮合力分析方法。基于行星齿轮传动系统动力学模型构建系统动态啮合力模拟数据集并进行参数相关性分析;采用机器学习回归算法构建系统动态啮合力预测模型,实现对系统动态啮合力的高效预测。主要研究内容如下: (1)基于三维设计软件SolidWorks建立标准渐开线齿廓斜齿行星齿轮传动系统三维实体模型,将三维实体模型导入到多体动力学软件Adams中,通过齿轮副接触等效、轴承模拟和施加约束建立行星齿轮传动系统动力学模型,从运动学和动力学两方面验证了模型的有效性,为构建机器学习数据集奠定了模型基础。 (2)基于已经验证的建模方法,通过改变系统动力学模型的相关参数并进行仿真计算,构建系统动态啮合力模拟数据集,为后续机器学习模型提供数据源。针对行星齿轮传动系统动态啮合力的数据间存在耦合关系且各参数对系统动态啮合力的影响程度模糊不清的问题,采用Spearman相关系数和最大信息系数MIC两种方式对系统动态啮合力数据集进行相关性分析,量化了系统耦合参数间、系统参数与动态啮合力之间的相关程度。 (3)采用BP神经网络和支持向量机两种机器学习回归算法构建了行星齿轮传动系统动态啮合力预测模型,通过网格搜索法和交叉验证法对预测模型的超参数进行寻优,实现了多参数耦合作用下对系统动态啮合力的高效预测,并从精度和泛化能力两方面对预测模型对比分析。结果表明:支持向量机回归预测模型对行星齿轮传动系统动态啮合力及其分量的预测精度高于BP神经网络回归预测模型,两模型均有良好的泛化能力,验证了所提方法的有效性。 (4)基于前文应用的数据标准化、相关性分析、BP神经网络回归和支持向量机回归等数据处理和数据分析方法,开发了系统动态啮合力分析软件,通过GUI的方式实现了程序的运行,提供了直观的界面和操作方式,简化了操作流程,提高了工作效率。

关键词： 行星齿轮箱   故障诊断   复杂工况   域自适应   特征提取  

摘要： 风力发电具有清洁、可再生和低碳的特点,因此在全球能源布局中地位日渐凸显。但由于风机安装位置等原因,风电机组的内部组件处于相对恶劣的运转环境。同时行星齿轮箱相比其他组件更容易发生故障,因此有必要对其进行故障诊断。处于现实状况中的风力发电机,发生故障时的振动信号一般处于风速变化的复杂工况下,此时的故障特征提取更为困难,同时由于实际工况具有不可复制性,基于传统的智能诊断方法难以诊断复杂工况下的故障。 本文针对上述问题,从理论上分析了行星齿轮箱故障的内部频率分量调制机理,考虑了振动信号传递路径的影响,基于理论推导分析了依靠特征频率进行行星齿轮箱故障分类的不可行性。基于快速谱峭度的时频分析方法,对实测信号进行了分析,验证了行星齿轮箱故障特征提取的困难性。针对行星齿轮箱振动信号复杂性导致的特征提取困难的问题,设计了行星齿轮箱故障特征提取网络,包括卷积循环融合特征提取网络,和基于Transformer特征提取网络,通过对比实验选取了最佳网络层数,利用实验室风机模拟平台在不同工况平稳转速的数据集进行了模型训练,验证了特征提取网络的有效性。针对复杂工况导致的域偏移问题,设计了迁移诊断网络,在特征提取网络基础上引入域自适应模块,对最大相似性度量准则进行优化,采用多核最大均值差异(Multiple Kernel Maximum Mean Discrepancy,MK-MMD)衡量源域和目标域的分布差异,对网络超参数进行优化,确定了网络最优权重系数。进行了特征提取迁移网络对比实验,在恒定工况下与其他主流诊断模型进行对比,进行了域自适应效果实验,在复杂工况下进行了无域自适应、带有MMD域自适应、带有MK-MMD域自适应三种情况的对比,验证了本课题所提出方法的有效性。

关键词： 弧齿锥齿轮   数字孪生体   模态特性   模型修正  

摘要： 弧齿锥齿轮是动力和运动传输的关键部件,其动态特性、强度、寿命及可靠性对整个传动系统有着至关重要的影响。特别是在航空领域,传动系统向轻质、重载、高速等方向不断发展,齿轮啮合动态特性差的问题日益突出。模态分析是研究结构动力学的主要手段,也是结构动态设计及设备故障诊断的重要方法,对准确预测弧齿锥齿轮真实运行的状态和性能具有重要参考价值。数字孪生技术能够在虚拟空间中建立数字孪生模型,对齿轮进行全生命周期真实镜像。因此,数字孪生技术已经成为未来研究弧齿锥齿轮使役性能的主要手段。而构建一个可信的、高质量的弧齿锥齿轮数字孪生体是开展其数字孪生应用的核心和基础。 本文构建了弧齿锥齿轮模态特性的数字孪生体,并基于试验模态对其进行了修正,主要研究内容和成果如下: 1.采用弧齿锥齿轮齿面实测数据构建数字孪生体几何模型。基于几何模型进行虚拟滚检,分析安装误差对齿面接触印痕的影响,并通过滚检试验对虚拟滚检印痕进行验证。 2.采用实测齿面点替换有限元齿面节点,构建精确弧齿锥齿轮有限元模型。基于仿真模态分析小轮产生模态分裂的原因。进行弧齿锥齿轮模态试验,对试验与仿真振型进行定量的对比分析,采用初等旋转变换法修正仿真模态振型。 3.对比分析试验与仿真的固有频率误差,分析产生频率误差的主要原因。基于响应面法修正仿真模型,降低频率误差。 4.通过对比仿真与试验的频响函数,验证材料参数修正效果。采用单因素优化设计方法修正各阶模态阻尼比,降低频响函数共振峰的幅值误差。通过仿真与试验的对比,验证模态阻尼比修正的有效性;通过对比阻尼比修正前、后和试验脉冲响应函数的综合衰减系数,验证基于频响函数修正模态阻尼比对瞬态响应分析也有明显修正效果。

关键词： 刮板输送机   故障诊断   ShuffleNet-V2  

摘要： 本研究以矿用刮板输送机变速箱齿轮为研究对象,针对传统基于振动信号的齿轮故障诊断方法存在传感器易损坏、难以可靠使用等问题,提出了基于电机电流特征分析(M CSA)的无介入式齿轮故障诊断方法。然而,刮板输送机负载变化具有时变性和随机性,加之电气系统强工频干扰,导致故障特征信息提取困难。本课题依托于陕西省厅市联动重点项目“延安煤炭绿色智能开发”,融合信号处理技术和深度学习方法,解决了故障特征受无关干扰难以精准表达、传统卷积神经网络故障诊断模型结构复杂及耗时等问题。该研究在提高齿轮故障诊断准确率的同时,对提升刮板输送机设备可靠性和安全性具有重要意义。主要的研究内容如下: (1)为解决矿用刮板输送机变速箱齿轮故障诊断中传统振动信号检测方法易受振动冲击干扰的问题。提出建立电机、齿轮一体化机电系统模型,探究故障齿轮的相电流特征,研究典型齿轮故障对刮板输送机相电流的影响机制。融合数据预处理方法和轻量级卷积算法,制定基于MCSA的刮板输送机故障诊断整体方案。 (2)为了提取故障齿轮特征信息,提出基于遗传算法的双重参数优化变分模态分解的信号处理方法,依据齿轮故障子带信号稀疏性较强的特性,采用局部包络熵作为适应度函数,并结合希尔伯特谱实现故障齿轮的特征表达。 (3)为进一步提高微弱故障特征表达效果,提出基于对称点模式(SDP)的特征增强表达策略,通过消除不合理参数影响以及对比正常和故障子带信号的SDP图案臂区别,实现刮板输送机齿轮故障特征信息的增强表达。 (4)为解决传统故障诊断模型复杂以及程序运行耗时问题,提出基于轻量级神经网络ShuffleNet-V2的矿用刮板输送机齿轮故障诊断模型。该模型通过轻量级思想搭建模型、设置超参数,保证网络匹配最佳的分类性能,并对代表不同故障类型的希尔伯特谱数据集进行分类。最后,本研究结合梯度加权类激活映射可视化技术,监督不同故障信息的激活区域,实现网络的可解释性分析。通过与其它模型的对比分析,验证所提出方法的可行性和优越性。

关键词： 风电齿轮箱   多源信息   数据治理   状态监测   深度学习  

摘要： 随着风电产业的快速发展,服役机组逐年递增,大量风电机组逐渐走出质保期,运维工作日益成为关注的焦点。风电齿轮箱是风电机组重要传动部件,其发生故障概率虽然较低,但因故障引起的停机时间最长,且难以维修,严重影响风场效益。因此,对风电齿轮箱进行健康状态监测,及时评估风电齿轮箱的健康状态,制定合理运维策略,对保证风电机组安全稳定运行和提高经济效益具有重要意义。数据采集与监测系统(Supervisory Control and Data Acquisition,SCADA)能够监测功率、风速、温度等多种指标量,这些指标量蕴含了风电齿轮箱丰富的运行状态信息,常常采用多源SCADA数据进行风电齿轮箱健康状态监测。深度学习由于其强大的深层特征挖掘能力被广泛应用于SCADA数据的分析和处理。然而,由于采集、传输及网络通信等影响因素,SCADA数据存在重复、异常及缺失等数据质量问题,导致深度学习的数据表征质量存疑,易产生误报或漏报,无法准确反映风电齿轮箱运行状态;此外,由于多维SCADA数据中冗余信息的影响,深度学习模型难以获取有效的特征信息,无法构建准确的监测指标,导致监测效果不佳。针对上述难点,本文开展多源信息深度融合的风电齿轮箱健康状态监测方法研究。论文主要研究内容如下:(1)针对SCADA数据中存在的重复、异常和缺失等数据质量问题,提出一种嵌入UNet的全卷积生成对抗网络的数据治理方法。首先,分析风机运行状态与SCADA变量的关联关系,分析重复和异常数据分布特点,建立检测规则并进行清洗;然后,以生成对抗网络为主体架构,通过改进损失函数增强网络对原始数据整体分布和局部信息特征的挖掘,以嵌入通道注意力机制的UNet网络将不同层级的特征信息有效融合,生成完整数据实现数据修复。(2)针对多源SCADA数据中冗余信息导致风电齿轮箱建康状态监测准确性不高的问题,提出一种基于全局注意力残差自编码网络的监测方法。首先,通过全局注意力模块赋予SCADA数据合理权重,引导网络自适应过滤冗余信息,关注与风电齿轮箱运行状态紧密相关的有效信息;然后,在自编码网络中嵌入残差结构,准确地重建原始数据,获取最小重构误差作为监测指标;最后,将监测指标输入EWMA(Exponentially Weighted Moving Average)控制图中实现风电齿轮箱健康状态监测。(3)进行风电齿轮箱建康状态监测系统集成开发。首先,基于课题组所研发的大型旋转机组健康管理系统软件,将所开发数据治理和健康状态监测模型部署于系统软件之上;然后,基于Hadoop大数据集群,以维度建模方式设计并开发了SCADA数据仓库,通过规范化数据接口与系统平台进行数据交互,将原系统平台大量数据存储与计算功能解耦至大数据集群中;最后,对数据仓库中各项关键指标及模型计算结果进行可视化展示,实现了风电齿轮箱建康状态监测系统。最后,对上述研究进行总结,并对风电齿轮箱健康状态监测的发展趋势进行展望。

关键词： 螺旋锥齿轮   铣齿机   双电机消隙   PMAC控制器   实验平台  

摘要： 螺旋锥齿轮在航空、船舶、工业机床等许多领域广泛应用,需要依靠专用的螺旋锥齿轮铣齿机才能生产制造。螺旋锥齿轮铣齿机的转台进给系统采用齿轮传动的形式对位置、速度等指令进行传递,为避免齿轮啮合时出现“卡死”现象,齿轮副齿廓间会留有间隙。然而齿轮间隙的存在会严重降低系统的传动性能,直接影响铣齿机的加工精度和稳定性;此外,齿隙还会引起齿轮之间的冲击碰撞,导致系统出现振荡现象。因此,对于数控铣齿机来说,消除齿轮间隙具有重大意义。 针对上述情况,本文设计了一种基于PMAC的双电机消隙方案,重点分析双电机消隙的基本原理及消隙过程,成功搭建了双电机驱动系统的消隙仿真模型和实验平台,通过仿真和实验的结果验证所设计方案的正确性。论文主要内容如下: (1)对螺旋锥齿轮铣齿机的发展情况进行介绍,概括消除齿隙的方法以及研究现状。将双电机消隙法与调整中心距、双传动链等传统的机械式消隙法进行比较,重点分析双电机驱动系统的消隙原理并详细阐述消除齿隙的启动过程和换向过程,得到小齿轮与大齿轮齿面啮合的运动状态。 (2)以死区模型为基础构建单电机驱动系统的动力学模型,将双电机驱动消隙系统等效为两套完全相同的单电机驱动系统以对称式结构分布于负载两侧,随后在单电机模型的基础上结合现代控制理论推导出双电机驱动系统的动力学模型。以偏置力矩消隙方法和推导出的双电机驱动系统动力学模型为基础,以仿真软件为建模环境,建立双电机驱动系统的消隙仿真模型,以阶跃响应和正弦响应为位置指令进行仿真分析,验证双电机消隙方法的可行性。 (3)在上位机是工控机、下位机是PMAC运动控制器的开放式数控系统的基础上搭建双电机驱动系统消隙实验平台,在Power PMAC IDE中设计双电机消隙控制程序,并根据相关参数在实验平台上进行测试,实验结果与仿真结果相同,证实本文所提出的双电机消隙方案能够满足实际需求。

关键词： 风电齿轮箱   圆锥滚子轴承   计算机辅助设计   结构优化  

摘要： 随着不可再生能源的过度开采，能源短缺已成为当今世界共同关注的首要问题之一。风能作为一种无污染的可再生能源已受到了全球各国的大力支持。风能的主要利用方式是通过风电设备产生的电能造福人类。圆锥滚子轴承作为风电齿轮箱中的重要零部件，其性能的好坏决定着风电设备运行时间的长短。通过对风电齿轮箱用圆锥滚子轴承的结构优化及性能分析，可提高圆锥滚子轴承的工作寿命和承载能力，进一步延长风电设备的运行时间。　　本文首先提出一种风电齿轮箱用圆锥滚子轴承结构优化设计方法，以圆锥滚子轴承基本额定静载荷和基本额定动载荷为优化目标，以圆锥滚子轴承内部结构几何尺寸关系为约束条件，以圆锥滚子轴承内部非标准化结构尺寸为设计变量，建立了风电圆锥滚子轴承的优化模型。编写了NSGA-II的接口程序和制定了数据工程化处理规则，并编写了相应的程序，得到了某750kW风电齿轮箱用圆锥滚子轴承设计变量的多组最优解。随后基于VisualBasic和SoildWorks软件研制了风电齿轮箱用圆锥滚子轴承参数化设计程序，实现了圆锥滚子轴承三维模型的计算机辅助设计。使用Workbench有限元分析软件对风电齿轮箱用圆锥滚子轴承三维模型进行静力学分析，得到优化前后风电齿轮箱用圆锥滚子轴承中滚子与内、外圈之间的接触应力和接触应变分布图。最后对风电齿轮箱用轴承系统中成对安装的圆锥滚子轴承在不同装配方式下的当量动载荷进行分析，推导获得在四种情况下成对使用轴承中最大当量动载荷的表达式，并完成优化前后风电齿轮箱用圆锥滚子轴承的工作寿命计算。研究结果表明，在保证轴承外部结构尺寸不变的情况下，通过轴承内部结构尺寸优化使轴承基本额定静载荷和基本额定动载荷较标准轴承分别提高了15%和17%。通过Workbench对轴承进行性能分析，在相同轴向力和径向力的工况条件下，优化后轴承最大等效应力减少了22%，最大等效应变减少了24%。通过轴承的工作寿命计算进一步说明优化后轴承的工作寿命较优化前轴承的工作寿命提升了20%。上述结果表明，本文提出优化方法是可行的和可靠的，可为丰富轴承产品系列、高性能轴承设计与制造提供了有效的支撑，为满足客户的多样化需求提供了保障。