关键词： 地铁齿轮箱   时频分析   同步挤压变换   故障诊断  

摘要： 齿轮箱是地铁列车动力系统的重要部件,其运行情况与列车的平稳运行具有很大关系。在实际运行中承受着频繁的冲击载荷,且大多处于加减速工况,复杂的运行环境往往会导致多种故障类型。由于齿轮箱工作条件复杂、运行工况多变,现有的时域、频域分析方法,难以对地铁列车齿轮箱的故障特征进行有效提取。研究适合地铁列车齿轮箱复杂工况下的信号处理方法,对提高车辆运行稳定性以及降低维护成本具有重大意义。针对地铁列车齿轮箱主要故障类型,建立仿真数学模型,搭建轴承实验台和齿轮实验台,通过仿真信号与实验信号,证明本文所提算法拥有较强的故障特征提取性能,具有一定的应用价值。以下为本文相应实验和所提算法的描述。(1)研究轴承内外圈磨损、齿轮箱齿面剥落等故障,剖析其故障振动机理及故障特征,建立数学仿真模型模拟故障冲击信号,使用实验台采集多工况下故障振动加速度信号,为后续算法验证提供数据支撑。(2)提出时变窗口参数最小二乘加权插补算法,并在此基础上提出改进自适应短时傅里叶同步挤压变换算法,实现了仿真信号和齿轮箱轴承外圈信号故障特征自适应提取。该算法利用时变信号中任一时刻信号会与前后振动建立联系,实现了时变窗口参数准确预测,大幅提高时变参数的计算时间,并自适应调整短时傅里叶的窗口,通过同步挤压提高时频分辨率。利用仿真信号和实验台数据对所提方法进行了验证,通过EECR指标证明,在全域都取得了良好的分析效果。(3)提出自适应短时傅里叶多同步挤压变换算法,实现了齿轮箱轴承复合故障特征提取。基于自适应短时傅里叶变换理论,完成了自适应短时傅里叶多同步挤压变换算法的数学公式推导,并进行了算法实现,解决了多同步挤压算法时频分析窗口固定,不能根据分析信号故障特征自适应变换窗口大小的缺点,提升了算法对于复杂信号的适应性,获得了更高的频率分辨率。利用仿真信号和实验台数据对所提方法进行验证,证明本章所提算法能准确识别齿轮箱轴承复合故障特征及其特征频率,且取得了良好的诊断效果。(4)提出自适应时间重分配多同步挤压重构算法,实现了低信噪比环境下齿轮箱齿轮故障诊断。基于时间重分配多同步挤压变换理论,依据时频包络谱进行故障特征定位,并进行齿轮故障特征重构,解决低信噪比环境下齿轮箱齿轮故障特征与干扰噪声不易分离的问题,提升信号信噪比。使用包络解调对故障频率进行解调,对齿轮故障进行诊断,实现故障类型及部件定位。利用仿真信号和实验台数据对所提算法进行验证,证明本章所提算法能在低信噪比环境下实现齿轮故障特征重构,并取得了良好的诊断效果。综上所述,本文对地铁齿轮箱的多种故障类型进行了分析研究,针对不同的故障类型,提出了相应的故障诊断算法,能够有效提取对应故障类型的时频特征,对地铁车辆实际运营维护具有一定工程指导意义。

关键词： 面齿轮传动   接触轨迹位置优化   应力特性   齿面修形  

摘要： 面齿轮传动具有重合度大、振动小、传动平稳等优点,尤其适用于大传动比、功率分流的场合,在航空航天、车辆、化工等领域有广泛的应用。如在直升机的主传动系统中采用面齿轮传动技术,可有效降低其结构重量和噪声,并改善传动平稳性。受加工误差、安装误差、承载变形等影响,使齿面产生边缘接触和应力集中现象,从而降低整个齿轮传动装置的使用寿命。故本文针对面齿轮副啮合传动过程的接触轨迹、应力特性以及齿轮修形展开针对性研究。本文研究内容如下: (1)基于面齿轮加工原理推导了面齿轮的齿面方程,并通过CATIA建立面齿轮的三维实体模型;基于啮合原理,推导了面齿轮齿面的接触轨迹方程,并进行求解分析;利用遗传算法对面齿轮的接触轨迹位置进行优化,得到不同条件下位于面齿轮齿宽方向给定位置的接触轨迹。 (2)建立了面齿轮副应力有限元仿真模型,分析了啮合过程中的接触应力和弯曲应力,研究了接触轨迹位置、面齿轮齿宽和安装误差对接触应力和弯曲应力的影响;搭建了试验台,利用电测法测量了面齿轮副啮合过程中齿根弯曲应力,验证了仿真结果的正确性。 (3)为解决面齿轮副啮合传动过程中边缘接触问题,对面齿轮副进行齿顶和齿廓修形研究。建立了修形面齿轮副应力有限元仿真模型,啮合过程中的接触应力和弯曲应力仿真结果表明,对圆柱齿轮齿廓修形可以消除面齿轮进入啮合和脱离啮合时的边缘接触,而齿顶修形可避免脱离啮合时的边缘接触;对面齿轮进行齿廓修形后,整个啮合过程中的接触应力变化平滑,且无应力集中现象。

关键词： 稀土Ce   TiN夹杂   齿轮钢20CrMnTi   复合脱氧   改质机理  

摘要： 20CrMnTi钢具备良好的淬透性及较高的低温冲击韧性,其广泛应用于齿轮制造工业。20CrMnTi钢在冶炼时,常加入Ti等微合金元素,在钢液凝固过程中,Ti元素不可避免的与N元素结合生成TiN。随着TiN的长大,逐渐生长为带有棱角的TiN夹杂物,且此类夹杂物在后续轧制及热处理过程中难以消除,会使钢的韧性及抗疲劳性能急剧恶化。钢中加入稀土Ce可有效改质钢中夹杂物形貌、种类、尺寸及分布,研究稀土Ce元素添加数量及方式对钢中TiN夹杂物形成及改质的影响机理,对稳定、高质、高效生产20CrMnTi钢及提升其力学及服役性能具有重要意义。本文采用实验及模拟计算等方法,对20CrMnTi钢中夹杂物形貌、尺寸、分布等进行了研究;在数值模拟计算的基础上,开展疲劳条件下夹杂物种类、尺寸、形貌、数量等对钢基体应力分布影响研究。并与添加Ce后的20CrMnTi Ce钢进行对比,明确添加Ce元素对20CrMnTi中TiN夹杂物改质的积极作用。加入稀土Ce后,齿轮钢20CrMnTi中形成了尺寸更小的CeAlO3-TiN仿球状复合相夹杂物,钢中含TiN夹杂物尺寸均明显减小,20CrMnTi钢疲劳强度提高。为研究稀土Ce添加方式对20CrMnTi钢中TiN夹杂改质影响,又分别对Al、Mg、Si-Ca-Ba等单独脱氧,以及Al-Ce、Mg-Ce、Si-Ca-Ba-Ce等复合脱氧时钢中夹杂物形貌、种类、数量、尺寸及元素分布进行对比研究,并利用EBSD和EDS等研究方法对钢中典型夹杂物进行物相鉴定分析。研究Al-Ce、Mg-Ce、Si-Ca-Ba-Ce复合添加条件下,20CrMnTi钢中含TiN复合相夹杂变迁行为,量化Al-Ce、Mg-Ce、Si-Ca-Ba-Ce等复合脱氧剂中Al/Ce、Mg/Ce、（Si-Ca-Ba）/Ce比例对钢中夹杂物尺寸细化及疲劳性能的影响,明确钢中含TiN夹杂改质过程中Al-Ce、Mg-Ce、Si-Ca-Ba-Ce等复合脱氧剂最佳用量及复合脱氧剂中Ce元素最优比例。Al-Ce合金复合脱氧后,齿轮钢20CrMnTi中未出现稀土复合夹杂物聚集现象,TiN夹杂改质效果较好。Al-Ce复合脱氧剂中Al/Ce比例为7:3时,钢中TiN夹杂改质数量最多,达到含钛夹杂物总量的51.7%,夹杂物平均直径2.4μm;优于Al/Ce比例为8:2时的43.9%与2.9μm,以及Al/Ce比例为9:1时的40.4%与2.6μm。当Al/Ce比例为7:3时改质效果最好,改质后20CrMnTi Ce钢的平均疲劳循环次数为1.12×10～7,优于20CrMnTi的疲劳循环次数8.19×10～5,钢的疲劳性能得到明显改善。Mg-Ce复合脱氧条件下,复合脱氧剂中Mg/Ce比例为7:3时,钢中TiN夹杂有效改质率最高,为48.6%;优于Mg/Ce比例为8:2时的43.4%、Mg/Ce比例为9:1时的40.5%。当Mg/Ce比例分别为7:3、8:2、9:1时,含钛夹杂物平均直径分别为1.12μm、1.16μm、1.22μm。Mg/Ce比例为7:3时,20CrMnTi Ce钢平均疲劳寿命大于10～7;而未加稀土Ce的20CrMnTi钢疲劳旋转次数未能达到10～7,即Mg-Ce复合脱氧可改质钢中TiN夹杂,有效提升钢疲劳性能。Si-Ca-Ba-Ce复合脱氧条件下,齿轮钢20CrMnTi中TiN夹杂被改制为(CaAl12O19-Ba-Ce)-TiN复合相夹杂。Si-Ca-Ba-Ce复合脱氧剂中Si-Ca-Ba与Ce比例为5:1时,TiN有效改质率达46.6%,夹杂物平均尺寸为2.5μm,改质效果较好。阐明稀土Ce添加条件下20CrMnTi钢中含TiN复合相夹杂形核及生长过程中Ti、N等元素和形核核心之间的变迁、传递和相互作用行为,探明Al-Ce、Mg-Ce等复合脱氧条件下钢中夹杂物形核核心的演变历程及改质行为机理。Al-Ce、Mg-Ce、Si-Ca-Ba-Ce三种复合脱氧方式下,形核核心并非CeAlO3、MgAl2O4、CaAl12O19-Ba-Ce等纯物质,其中亦含有少量的Ti、N等元素;外围包裹的TiN相同样含有稀土Ce元素。晶体学边-边匹配计算出Al-Ce复合脱氧条件下,生成的CeAlO3与TiN之间匹配的位向关系为:[010]TiN//[2 （?）]CeAlO3&（002）TiN//(11（?）1)CeAlO3。钢凝固过程中,带有少量TiN的CeAlO3形核核心会聚集长大,验证了CeAlO3-TiN复合相夹杂物中的CeAlO3形核核心含有少量Ti、N等元素现象;随着凝固的继续进行,钢中仍有极少量纯CeAlO3存在的可能性,此时析出的TiN内部可能会存在极少量的CeAlO3,而钢中TiN数量高于CeAlO3,此类复合TiN夹杂在遇到前述长大的带有少量TiN的形核核心CeAl

关键词： 大功率机车   齿轮传动系统   剥落故障   状态监测指标   车轮不圆  

摘要： 随着铁路运输不断向高速和重载化方向发展,铁路机车的牵引功率不断提高,轮轨动态相互作用愈发剧烈。齿轮传动系统作为机车牵引系统中的关键装置,在齿轮动态啮合和轮轨非线性接触的共同作用下极易发生故障和失效。齿面剥落故障作为一种齿轮典型故障,会降低齿轮传动系统的承载能力,缩短齿轮的服役寿命。剥落故障会改变齿轮的时变啮合刚度,并进一步影响齿轮箱、电机和轮对等机车关键部件的动态响应。然而,在复杂轮轨激扰导致的强振动环境下,机车斜齿轮剥落故障振动特征往往被淹没,尤其是在故障早期阶段,给齿轮状态监测和故障诊断带来严峻的挑战。因此,研究复杂环境中机车斜齿轮剥落故障振动特征,对铁路机车齿轮传动系统典型故障的诊断与识别具有重要的理论意义和工程价值。 本文以某型大功率机车为研究对象,基于斜齿轮时变啮合刚度计算模型,获得了齿轮时变啮合刚度,同时,将斜齿轮剥落故障表征为齿轮时变啮合刚度激励。在斜齿轮传动系统中考虑了由时变啮合刚度引起的非线性内部激励,建立了考虑斜齿轮传动系统的大功率机车动力学模型,通过现场试验数据对模型的准确性进行了验证。 首先,运用建立的动力学模型详细研究了有无轨道不平顺激扰和齿轮不同剥落程度下的机车振动响应,揭示了机车角域响应波形与齿轮状态间的映射关系。基于构造的差分信号,研究了状态监测指标对剥落故障的敏感程度。研究结果表明,轨道不平顺激发的轮轨激扰将淹没机车时域响应中的斜齿轮剥落故障振动特征,角域同步平均技术能有效地减弱轨道不平顺的影响,故角域和频域响应都能反映斜齿轮剥落故障振动特征。电机和轮对垂向振动加速度角域响应波形与齿轮剥落故障齿数、故障相对位置之间存在映射关系。剥落长度越长,机车斜齿轮剥落故障振动特征越显著,剥落宽度的变化对机车振动特征的影响不大。 其次,从时域、频域、角域和差分信号等角度,探究了牵引、制动和不同速度等复杂工况下机车斜齿轮剥落故障振动特征。研究结果表明,在加速牵引和减速制动工况下,电机和轮对垂向振动加速度等动态响应中均可反映机车斜齿轮剥落故障振动特征。机车运行速度越高,轮轨动态相互作用越强,机车斜齿轮剥落故障振动特征越不明显,但构造的差分信号能有效地表征机车斜齿轮剥落故障振动特征。 最后,研究了不同车轮扁疤长度、车轮多边形阶数和波深激扰下的机车斜齿轮剥落故障振动特征。研究结果表明,车轮扁疤长度和特定阶数的车轮多边形波深越长,机车斜齿轮剥落故障振动特征越不明显。在1～21阶车轮多边形范围内,5阶、10阶、16阶和21阶车轮多边形激扰不利于机车斜齿轮剥落故障振动特征的提取。

关键词： 人字齿轮   对称度误差   轮齿接触分析   承载接触分析   误差补偿  

摘要： 人字齿轮一般由两个左右对称的斜齿轮和中间退刀槽构成,具有承载能力强、工作稳定等优点,广泛应用于高速、重载以及大功率传动等场合。但人字齿轮左右两个斜齿轮是分别加工的,由于不可避免的制造误差,无法保证左右齿面的完全对称,从而形成了人字齿轮的对称度误差。对称度误差是人字齿轮特有的特征参数,对齿轮传动系统的振动、噪声以及载荷分布均匀性有着重要的影响,严重制约了高端机械装备动力传输系统的精度问题。因此,开展对称度误差对人字齿轮啮合特性的影响研究,具有重要的工程应用价值。本文以某航空动力人字齿轮为研究对象,根据形状误差给出了对称度误差的定义,建立了考虑对称度误差的人字齿轮副轮齿接触分析模型与承载接触分析模型,开展了不同对称度误差下人字齿轮的轮齿接触分析和承载接触分析,并通过实验进行了验证,系统研究了对称度误差对人字齿轮啮合传动的影响规律。论文的主要研究内容如下:(1)基于齿轮啮合原理,推导了齿轮齿面方程。针对人字齿轮自身传动特点,基于斜齿轮副轮齿接触分析(TCA)模型的建立方法,求解并建立了人字齿轮副轮齿接触分析模型,根据位移协调条件、力平衡条件和非嵌入接触条件等,建立了人字齿轮副承载接触分析(LTCA)模型。(2)对人字齿轮对称度误差进行了定义,建立了考虑对称度误差的人字齿轮副轮齿接触分析模型和承载接触分析模型。同时建立了考虑对称度误差的人字齿轮副有限元模型,对比了有限元模型和承载接触分析模型的仿真结果,验证了本文考虑对称度误差的人字齿轮副承载接触分析模型的正确性以及承载接触分析方法的精确性。(3)对小轮轴向固定和轴向浮动两种情况下的人字齿轮副进行了轮齿接触分析和承载接触分析,通过算例对比了不同对称度误差下人字齿轮副的啮合印痕、传动误差、齿面载荷分布和啮合刚度等,系统研究对称度误差对人字齿轮传动的影响。提出了一种齿面齿向补偿修形的误差补偿方法,该方法可有效改善因对称度误差引起的齿面偏载问题。(4)根据某航空动力齿轮参数,采用三维设计方法设计了一对人字齿轮,并对其进行加工,利用齿轮测量中心对齿轮齿面进行检测,获得具体且详尽的对称度误差值。以实测人字齿轮作为实验样件,搭建了人字齿轮传动系统啮合性能测试实验平台,测试了低转速准静态工况下小轮轴向固定和轴向浮动时人字齿轮的啮合印痕,测量了小轮轴向浮动情况下的轴向窜动量,将实验结果与理论仿真结果进行对比,验证了本文理论研究方法的可行性和仿真分析结果的正确性。本文所提出的人字齿轮轮齿接触分析和承载接触分析方法原理简单、编程方便,可以有效的实现人字齿轮在考虑对称度误差时的啮合特性规律分析,为人字齿轮的设计、制造以及测量提供了理论依据。

关键词： 深度学习   卷积神经网络   故障诊断   迁移学习   模型迁移  

摘要： 近年来,在智能制造和大数据的背景下,机械设备的故障诊断技术正朝着高效、智能的方向发展,而齿轮箱作为机械设备中不可或缺的部分,其故障检测分析研究,对设备的安全可靠运行以及避免人员伤亡有着重要意义。目前,基于深度学习的齿轮箱故障诊断方法研究是故障诊断领域的一个热点。然而,现有的故障诊断方法存在诊断准确率不高,泛化能力弱的问题。为此,本文利用卷积神经网络和迁移学习研究齿轮箱故障诊断问题,提出新的故障诊断模型与方法,以提高齿轮箱故障诊断的准确率和模型的性能。论文研究的主要内容如下:(1)介绍课题的研究背景和意义,综述了齿轮箱故障诊断的国内外研究现状,重点阐述了机器学习和深度学习在齿轮箱故障诊断方面的应用,进而引出本文的研究内容。(2)分析了齿轮箱中齿轮和轴承等零件失效的形式和引发齿轮箱故障的原因。详细介绍了深度学习算法中卷积神经网络模型的各层结构和训练过程,以及迁移学习的基本概念、分类与方法,为后文的研究提供理论基础。(3)针对经典一维卷积神经网络模型在齿轮箱故障诊断方面存在准确率不高、泛化能力弱等问题,提出一种基于改进一维卷积神经网络模型的齿轮箱故障诊断方法。该模型第一层卷积采用大卷积核,其余均采用小卷积核,以获得更大的感受野,在卷积层后加入批量归一化层,以提升模型的收敛速度,在前向传播中,在全连接层中加入dropout方法,来抑制过拟合的问题,采用Adam的自适应算法,以优化模型的参数。实验结果表明,相比于其他对比方法,所提方法在故障诊断准确率方面和模型的泛化能力方面均有较大提升。(4)第三章所提方法主要适用于相同工况样本数据下的故障诊断,为研究不同工况样本数据下的齿轮箱故障诊断问题,提出一种基于迁移学习的故障诊断方法。该方法将第三章改进一维卷积神经网络模型作为迁移学习的预训练模型,在用一种工况样本数据对预训练模型完成训练后,将模型迁移到不同工况样本数据下进行测试。基于轴承和齿轮样本数据实验结果表明,相比于第三章提出的方法,该方法同样获得了很高的故障诊断准确率,且模型的收敛速度更快,稳定性好。

关键词： 早期故障   边缘接触效应   时变啮合刚度   动力学模型   故障诊断  

摘要： 齿轮作为旋转机械的关键部件,被广泛应用于飞机、汽车、轨道交通、风电装备等重要机械设备中。在重载、复杂的环境下运行,轮齿表面不可避免会萌生初始缺陷并逐步演化为裂纹、点蚀、剥落等故障,严重影响传动系统精度。因此,及时识别轮齿表面早期故障,对保证传动精度和减少因轮齿故障引起的经济损失具有重要意义。但在实际工作过程中齿轮箱运行工况多变,加上噪声等因素的干扰,造成早期故障特征难以有效提取;此外,齿轮运行过程中,采集的信号基本都是健康齿轮信号,故障信号样本只占据较少部分且故障类型单一,这更加剧了识别齿轮早期故障特征的难度。目前更多的是关注在轮齿表面出现显著故障时的研究,难以对轮齿表面早期故障进行实时监测。因此,亟需对轮齿表面早期故障萌生演化机理开展系统性研究,构建深度学习智能诊断模型,及时识别轮齿表面早期故障,为丰富齿轮箱故障诊断方法与智能分类提供夯实的理论基础和详实的数据支撑。本文以二级直齿圆柱齿轮箱为研究对象,基于改进的能量法,构建齿面缺陷萌生及劣化为剥落故障的时变啮合刚度模型,考虑缺陷横向扩展路径及时变边缘接触效应,研究其对时变刚度的影响规律。建立六自由度齿轮系统动力学模型,厘清故障对齿轮系统动态特性响应的内在关联,并通过试验数据验证模型的正确性。最后基于生成对抗网络(Generative Adversarial Nets,GAN)和堆叠降噪自动编码器(Stacked Denoising Auto Encoder,SDAE)相融合的故障诊断方法,对齿轮早期缺陷进行有效识别。主要研究内容如下:(1)基于改进的能量法,考虑初始裂纹横向扩展路径及边缘接触效应,构建包含正常齿轮、齿根裂纹缺陷、剥落缺陷的时变啮合刚度模型,研究不同故障类型、故障尺寸对啮合刚度的影响规律,同时建立相应的有限元模型,验证分析模型有效性和准确性;(2)基于齿轮系统动力学,建立六自由度齿轮系统动力学模型,研究正常、剥落故障、裂纹故障时的齿轮动态响应特性,揭示不同失效程度对系统动态响应特性的影响情况。并搭设齿轮故障诊断试验台,验证模型的正确性;(3)构建生成对抗网络GAN和堆叠降噪自动编码器SDAE相融合的多网络融合模型,将小波包降噪处理后通过时频变换技术转变的时频信号作为输入样本,利用GAN的生成器生成与原始样本相似的新样本,克服故障样本数据的不均衡问题,同时将SDAE作为GAN的鉴别器,及时提取有效的故障特征和故障类别,奠定有效提高故障诊断的基础,并与SDAE、卷积神经网络(Convolutional Neural Networks,CNN)、支持向量机(Support Vector Machines,SVM)、人工神经网络(Artificial Neural Network,ANN)诊断模型进行对比分析,验证该方法的优越性。

关键词： 生物进化论算法   自适应消噪   粒子群优化   故障特征提取   故障诊断  

摘要： 齿轮传动系统作为机械设备的重要组成部分,因具有传动平稳、传动比恒定、可以实现动力传递和转速改变等特点,广泛应用于高精密机床、轨道交通等重要领域。然而齿轮传动系统工作环境复杂恶劣,在长周期的运行工作中其内部等零件往往易发生局部故障而影响运行的可靠性和安全性,如若能够在出现早期故障时便及时发现并采取有效措施,可降低风险或避免经济及人员损失。但早期微弱故障引起的周期性冲击成分常以调制方式分布在机械的啮合频率及其谐频、或机械共振频率附近,故障特征的表现往往十分微弱,加之受到强背景噪声、传递路径及系统结构和运行工况等诸多因素的影响,进一步削弱了振动信号中的故障特征信息。因此,研究强背景噪声消除及早期微弱故障特征提取的方法等具有重要的理论意义和工程价值。本文围绕齿轮箱强背景噪声消除和早期微弱故障特征提取,开展了非平稳性时变噪声的消除、信噪比提升及故障特征信息提取等方面研究,提出了粒子群优化的生物进化论自适应消噪算法及增强性滤波分解的故障特征提取方法,通过数值仿真和齿轮故障实验研究,验证了所提方法的有效性和可行性。具体包括:(1)针对传统的生物进化论算法存在的克隆个体随机性强、计算资源浪费等问题,结合粒子群算法形成了一种具有伪梯度的克隆个体搜索方法,构建了粒子群优化的生物进化论算法模型,改善了算法的搜索稳定性和收敛速度。通过构造多峰和单峰的误差性能曲面,验证了粒子群优化的生物进化论算法在全局最优搜索方面的可行性和优越性。(2)针对振动信号中强背景噪声的消除问题,考虑信号在不同尺度下信噪比强度不一且处于较低水平的特点,结合自适应消噪技术提出了粒子群优化的生物进化论自适应消噪算法,实现了全局最优噪声抑制。仿真结果表明,该消噪算法实现了噪声干扰成分的有效抑制和信噪比的提升,同时分析了惯性权重、搜索速度和学习因子对粒子群优化的生物进化论自适应消噪算法的消噪性能和收敛特性的影响。(3)针对时变非平稳、非均匀强噪声干扰下故障特征准确定位和提取问题,考虑故障诱发的特征信息具有微弱性和时变性,提出了增强型滤波分解的故障特征提取方法,采用粒子群优化的生物进化论自适应消噪算法来抑制振动信号中的噪声成分对故障特征信息的干扰,结合变分模态分解方法实现了对故障调制频带的定位和分离,提高了强背景噪声环境下早期微弱故障特征信号的提取能力。(4)搭建了齿轮箱故障模拟实验系统,获取故障齿轮的实验数据,通过实验结果的对比分析,验证了粒子群优化的生物进化论自适应消噪算法在消噪效果和收敛特性方面的优越性、增强型滤波分解方法在早期微弱故障特征提取上的可行性。

关键词： 振动噪声   齿轮箱压电耦合实验   声学仿真   减振优化   声学实验  

摘要： 在工业生产中,机械设备振动噪声是不可避免的,机械设备振动噪声的大小直接影响到生产效率和工作质量。如何控制机械设备的振动噪声,从而提高机械设备的使用寿命,降低其对环境的噪声污染一直是社会的热点话题。本文主要以某型齿轮箱为研究对象,将EMI技术应用到对齿轮振动特性分析的研究中。本文主要进行了以下几个步骤的工作:(1)对压电材料进行了简单的介绍。并对正逆压电效应与压电方程进行了推导。其后阐述了压电阻抗技术的基本原理并对压电材料与结构耦合的阻抗公式进行了推导计算;最后对齿轮箱产生振动噪声的原理和振动噪声的传递路径进行了分析。(2)对齿轮箱的振动特性进行分析。首先推导出模态分析的基本理论,进行分析,利用工业分析软件对所建模型进行模态分析,得到其固有频率与振型云图,判断齿轮箱在工作过程中发生共振;其后对内部齿轮传动系统进行动力学仿真分析,基于Herz理论在动力学分析软件中传动系统的动力学模型并进行仿真分析,仿真分析得到齿轮系统的动态激励数据,并将齿轮啮合频率与动力学仿真得到的各参数频域结果的峰值频率点进行对比分析,验证了仿真模型的准确性;最后选用模态叠加法对有限元模型进行谐响应分析,得到齿轮箱的振动速度与振动加速度。(3)对齿轮箱的辐射噪声进行分析。利用仿真软件中的声学模块建立齿轮箱声学有限元模型并进行声学仿真分析,得到齿轮箱的表面声压级变化和齿轮箱表面振动加速度云图,通过对声压频谱图与各测点表面声压级变化分析得出齿轮箱在2250Hz(三倍啮合频率)处的振动最为强烈,并且振动噪声较大;最后对箱体进行面板划分计算声学贡献量,计算得出声学贡献系数较大的面板,可为齿轮箱的减振降噪优化实验提供数据基础。(4)设计构建齿轮箱的声学实验平台对齿轮箱进行声学激振实验,利用LABVIEW中的快速傅里叶变换模块对得到的数据信号进行处理,得到声压频域图像。其后利用阻抗分析仪对齿轮箱进行阻抗模态实验,并将实验结果与仿真实验结果进行对比,验证了仿真模型的正确性并证明EMI技术在研究振动噪声方面的有效性。

关键词： 风电齿轮箱   故障诊断   小波变换   卷积神经网络   粒子群优化算法   诊断系统  

摘要： 风能作为一种新型且蕴含巨大发展空间的环保能源，在世界各国的用电需求满足上发挥了巨大作用。但由于多数风力发电机无法长时间地、较为系统地采集到故障的数据信息，使得风电机组的齿轮箱有标签故障数据样本缺少，导致深度学习模型容易过拟合，泛化能力差。风电机组齿轮箱发生故障的可能性和因此所导致的停机时间均比其他零部件高，所以对齿轮箱故障诊断进行研究很有必要。　　论文首先研究双馈式风电齿轮箱结构、常见的故障类型及其故障机理，分析齿轮箱中的齿轮为什么会产生振动及其振动原理，简述齿轮振动中的主要参量和频谱的主要构成。通过齿轮振动的数学模型得出齿轮在发生不同故障时频谱的主要特征。　　搭建风电机组齿轮箱实验平台和选择信号处理方法。该风电机组齿轮箱实验平台可模拟旋转机械多种状态及振动，可以通过该实验台获取齿轮正常、断齿、磨损三种状态的振动信号，对其频谱特性进行比较与验证。介绍比较短时傅里叶变换和小波时频变换，使用小波时频变换构造出齿轮箱齿轮振动的时频图像数据集。　　提出基于小波时频变换的粒子群优化多分支模块卷积神经网络。该方法首先将原始振动信号数据进行小波时频变换，获取时频二维图作为模型输入;然后在卷积神经网络引入多分支模块和引入粒子群优化算法对卷积神经网络进行参数优化。通过实验分析，该方法的平均准确率能超过99％,验证该方法在风力机齿轮箱故障诊断中的有效性与准确性。　　最后，在LabVIEW嵌入MATLAB编写的故障分析算法，开发出一套可实现信号提取、信号处理、信号分析三种功能于一体的风力机齿轮箱故障诊断分析系统。