关键词： 声信号   振动信号   齿轮故障诊断   深度学习   多模态  

摘要： 随着我国综合国力不断提升,现代制造业也迅猛发展。各种机械设备层出不穷,以应对如今不断增加的各种需求。齿轮传动以其传动效率高,工作平稳,传动比变化范围大等优点,广泛应用于各种机械设备中。然而在长期运行后,齿轮传动部件可能会发生各种故障,可能对设备造成危害,甚至导致生产性能不稳定,造成重大事故。因此,对齿轮部件进行故障诊断显得尤为重要。近年来,随着传感器技术以及计算机科学的快速发展,深度学习技术被广泛应用于故障诊断检测中。然而现有的深度学习齿轮故障检测手段多采用单一信号源进行检测。如条件不恶劣,便于安装的场景,采用基于振动信号的接触式检测;条件恶劣,不便于安装振动传感器的场景,采用基于声信号的非接触检测等。但是有的场景下是可以进行多模态的信号检测的,通过充分利用各种信号下所蕴含的故障信息,可以进行更加准确的故障诊断。但目前利用多模态进行齿轮故障诊断的检测方法很少,因此在研究单一信号源诊断方法的基础上进行基于多模态的齿轮故障诊断技术研究对当前的故障诊断有重要的意义。文章首先研究了在单一信号源下即振动信号或者声信号下的齿轮诊断模型的效果,然后结合各自的优缺点提出了基于多模态的故障诊断模型,使得模型可以充分利用不同信号源中齿轮故障所蕴含的信息,实现更准确的诊断效果。(1)在振动信号下提出了一种基于多尺度LSW1DCNN-Bi GRU的故障诊断模型,利用长短窗口(LSW)实现不同尺度的特征提取,然后将提取出的局部特征输入到双向门控单元实现时间依赖特征的提取,最后完成故障分类任务。(2)在声信号下,考虑到声信号的检测位置的敏感性及噪声干扰较多的特点,使用了阵列声信号采集装置实现覆盖更大的采集区域,多方位采集声信号,降低对检测位置的敏感度。同时利用卷积降噪自编码器(CDAE)提取含噪声信号中的鲁棒特征。通过两阶段的训练分类器的方法实现故障的分类任务。(3)结合振动信号模型和声信号模型的优缺点,将两个模型进行集成,将不同模态信号的特征向量映射到同一多模态空间下,利用余弦相似度损失来控制它们在多模态空间中语义相同的特点,同时利用交叉熵损失实现分类任务,最终实现端到端的多模态故障诊断。

关键词： 深度学习   自动评级   图像分割   迁移学习   图像处理  

摘要： 高铁齿轮长期处于高温与高速工作环境,推重比与功率比要求的不断提高,因此高铁齿轮必须承受复杂的应力、应变、接触疲劳、弯曲疲劳和磨损。渗碳工艺可以大幅度提高齿轮的表面性能,使其具有较高的表面硬度和耐磨性,并使得齿轮心部具有较高的强度和适当的韧性。所以高铁齿轮传动系统主要采用高强度铝合金齿轮箱体、高精度渗碳淬火齿轮,确保齿轮传动的平稳性与可靠性。在齿轮质量安全评估中,内部微观组织结构的判定是检验齿轮质量优劣的重要标准之一。其中对于渗碳齿轮,残余奥氏体与马氏体识别与级别评定直接影响了安全评估结果。目前,从渗碳齿轮金相图采集到最终实验结果对比,主要通过人工完成,存在着效率低、主观性强等缺点。因此,本文以渗碳齿轮为研究对象,基于深度学习框架完成对残余奥氏体与马氏体的组织分割与自动评级。(1)为了解决外界干扰所造成的图像混合噪声问题,从传统滤波降噪与基于深度学习的Dn CNNs降噪两大方面展开研究。实验表明,传统滤波降噪与Dn CNNs降噪相比,Dn CNNs的评价指标与图像质量都优于传统滤波降噪,并且其PSNR高出滤波算法0.01至0.03,平均SSIM值达到了0.9486,更准确地恢复原始图像的细节信息。针对金相数据样本少、采集困难等特点,通过数据增强方式对样本数量进行扩增,如调节对比度、亮度或翻转等,从而构建渗碳齿轮金相数据库,为后续网络模型训练奠定基础。(2)为了实现渗碳齿轮金相组织分割,首先对图像进行灰度转换,从基于阈值、边缘检测、区域图像分割算法展开研究,根据渗碳齿轮金相图灰度分布特性,采用Otsu算法与Niblack算法对图像进行分割。由于金相组织内部特征和属性各不相同,采用了Roberts、Prewitt、Sobel、Canny与LOG算子进行实验。并基于组织间区域特性,使用区域分裂与合并算法与分水岭算法。整体实验结果表明,Otsu算法与Canny算法表现良好,但对于复杂特征图像容易出现过度分割与欠分割等问题。(3)为了实现渗碳齿轮金相组织精准分割,首先使用EISeg进行图像手工标注,提出了CBAM-MV3UNet网络架构,在U-Net架构基础上对其进行改进,选择了Mobile Net V3-Large中bneck模块替换掉U-Net解码部分,并加入CBAM注意力机制完成专注区域与抑制区域的判别,将提取到的特征与上采样特征进行融合,实现深层次语义特征提取,通过加权混合方式改进损失函数并进行参数调优,最终实现了模型对于金相图的精准分割。实验表明,改进模型评价指标MPA与MIOU平均值分别达到了88.19%与84.71%。(4)为了实现渗碳齿轮金相组织自动评级,提出一种基于注意力机制与Res Net50网络的金相组织等级识别模型,并将经过两次预训练好的权重参数放入网络模型中,解决了小样本量识别精度差的问题。通过改进熵函数解决训练过程中模型过拟合问题,提高模型准确率,并将改进模型与Alex Net、Goog Le Net与Res Net50模型进行对比。试验结果表明:与主流的网络模型相比,本研究提出模型对于残余奥氏体与马氏体识别精准度更高,分类识别率达到94.8%与93.63%,同时测得单张金相图识别时长为4.5ms左右,实现了残余奥氏体与马氏体等级的有效识别。

关键词： 离心压气机   氢气   BP神经网络   遗传算法   数值模拟   强度分析  

摘要： 相较于传统能源,氢气具有环保性和经济性等优点,氢能产业以成为世界各国的重点产业之一。目前用于压缩氢气的压气机大多都是往复式压气机,这种压气机相比于离心式压气机压缩的流量小。在长距离管道运输氢气方面,传统的往复式压气机显然不能满足需求,而离心式压气机具有压缩流量大、运行周期长、占地少,维护费用低等优点,更适用于氢气的长距离管道运输。离心式压气机作为发展氢能的重要设备,对其进行深入研究有重要意义。本文以传统工质的离心压气机一维设计理论为基础,详细介绍了以氢气为工质的氢气离心压气机气动设计方法,并自主开发了氢气离心压气机的优化设计程序。选取四个对压气机效率影响较大的参数为优化变量,利用BP神经网络结合遗传算法对氢气离心压气机等熵效率进行单目标优化,得出优化参数。再以一维优化设计的叶轮各截面参数为基础,建立起压气机三维模型,并利用NUMECA软件进行数值仿真计算,并且对压气机的设计工况、变工况性能进行分析及三维流场分析。结果表明:优化之后的氢气离心压气机的效率明显得到提升,通过对压气机进行内部流场分析,验证了氢气离心压气机具有良好的性能。为了探究氢气离心压气机内部流动规律,本文以第一级氢气离心压气机为例,通过改变分流叶片长度、周向位置和叶顶间隙大小对氢气离心压气机进行数值模拟,详细分析了氢气离心压气机的内部流场。结果表明:在氢气离心压气机叶轮内应用分流叶片能够提高压气机的性能,当分流叶片长度系数是0.8、周向位置系数是0.5时,此时氢气离心压气机的性能最佳;随着离心压气机叶轮叶顶间隙的增加,气流在叶顶处产生了部分泄漏,叶顶间隙越大叶顶泄漏量就会也大,从而导致压气机的性能降低。由于压缩的工质是氢气,在设计氢气离心压气机的时候要考虑氢脆问题,根据《石油、化学和气体工业用轴流、离心压缩机及膨胀机-压缩机》(API 617)标准要求,当氢气含量大于90%时叶轮材料的屈服强度不能大于827MPa。所以本文的最后对叶轮进行了强度分析。查阅相关文献,选用具有抗氢脆属性的7075-T6铝合金作为压气机的材料。通过对离心压气机叶轮的强度分析可以得出,叶轮的最大应力出现在轮毂背面轴孔倒角处,其最大应力为328.26MPa小于材料的屈服强度,且叶尖处的最大形变也小于叶顶间隙,所以叶轮强度符合要求。

关键词： 航空发动机齿轮   可靠性分析   区间变量   模糊变量   混合不确定性  

摘要： 航空发动机是航空器的核心部件之一,其质量与可靠性是航空安全的保障。目前世界强国都非常重视对航空发动机的研发,特别是大型复杂结构航空发动机。在航空发动机技术飞速发展的今天,对其推重比等性能参数的要求越来越高。齿轮在航空发动机传动系统中发挥着关键的作用,航空发动机齿轮在材料特性、几何尺寸、载荷和运行工况等均存在着多种不确定性,对其混合不确定性的研究不论是在理论上还是实践应用中都有着重要意义。鉴于此,本文对航空发动机齿轮混合不确定性下的可靠性和优化进行探讨,主要研究内容和成果如下:(1)从制造误差、运行环境、材料性能等方面考虑航空发动机齿轮中的不确定性来源,并基于随机、区间和模糊理论对航空发动机齿轮中的不确定性参数进行量化表征,引入了一种基于熵值相等的随机变量和模糊变量统一量化表征的方法,以便在后续的可靠性分析及优化设计问题中考虑和处理不确定性因素。(2)建立了混合不确定性变量下的航空发动机齿轮结构可靠性分析模型。对随机不确定性中的主动学习代理模型AK-MCS方法中的学习函数进行了改进,以解决随机、区间变量共存的可靠性问题,同时基于方差的思想增加了一个新的收敛准则判定指标,以解决代理模型结果稳定但仍不收敛的问题。通过数值算例和航空发动机齿轮算例分析,验证了该方法在进行可靠性分析时其对计算精度和计算效率都有一定提高。(3)根据抽样和再抽样的思想对基于方差的Sobol灵敏度分析方法进行了改进,使得该算法更适用于计算量较大的灵敏度分析问题,提升了这类算法的计算稳定度,同时计算效率和算法收敛速度也有一定提升。将该方法应用于航空发动机齿轮的可靠性灵敏度分析,计算得出了对其失效概率的不确定性有着重要影响的不确定性参数。(4)建立了随机、区间和模糊变量混合下的航空发动机齿轮可靠性优化模型。利用熵值相等的原理,将模糊变量向正态随机变量进行转化。基于保守策略,在考虑失效概率最大的情况下,建立了针对混合随机、区间和模糊变量的航空发动机齿轮可靠性优化设计方法,并分别利用双循环法和解耦单环法进行求解,通过数值算例和航空发动机齿轮算例验证了解耦法的有效性,同时在计算效率上有一定提升。在保证可靠性要求的前提下,航空发动机齿轮的体积减少了2%左右。

关键词： 车轮多边形   齿轮传动   动力学性能   齿轮裂纹  

摘要： 随着我国高速铁路不断发展,动车运营速度与运营里程持续提升,轮轨间接触疲劳与磨耗现象逐渐突显,车轮多边形磨耗问题也普遍存在于运营现场。车轮多边形磨耗会恶化轮轨接触关系,使轮轨力激增,对动车的安全性与稳定性造成严重影响。齿轮传动作为动车传递动力的关键方式,具有传递功率恒定、承载能力强、传动效率高等优点。然而齿轮经常处于高速,重载等恶劣的工作环境下,不仅受到齿轮周期性啮合激励的影响,还会受到车轮多边形与轨面不平顺激励的影响,极易产生疲劳失效与齿轮故障,影响车辆运行安全。大部分研究仅单独考虑了车轮多边形或者单独考虑了齿轮传动激励对动车动力学性能的影响,很少同时考虑车轮多边形与齿轮传动激励对动车系统的作用。但齿轮传动激励与车轮多边形激励对系统造成的影响均无法忽略,因此有必要开展车轮多边形和齿轮传动激励共同作用下动车的动力学性能研究,揭示考虑齿轮传动系统的车轮多边形阶数和波深幅值的影响规律,对保障动车运行安全具有更普遍的指导意义。主要的研究工作包括:(1)基于多体动力学理论,移动mark点技术与切片式斜齿轮刚度计算方法在动力学软件中建立了考虑齿轮传动系统的动车动力学模型,并对模型的合理性进行验证。传统动车模型行驶采用的方法是给予初始速度并保持匀速行驶,而考虑齿轮传动的动车模型运行采用的方法为电机转子提供转矩,通过齿轮传动系统将动力传递至轮对驱使动车行驶,更符合实际情况。(2)通过理论与仿真对比验证了考虑齿轮传动系统的模型能够模拟出实际工况中的轴重转移现象,并比较分析了各模型的运行品质与运行稳定性。结果表明:考虑齿轮传动系统的模型的在轴重转移模拟方面误差更小,更贴近实际。频谱图中出现齿轮与多边形的调制频率,说明两激励相互影响,有一定的耦合作用。齿轮传动激励在运行品质与运行稳定性方面均有一定影响,该激励不可忽略。(3)利用考虑齿轮传动系统的动力学模型,从时域与频域方面深入研究车轮多边形对车轮运行品质、运行稳定性、运行平稳性的影响。结果表明:车轮多边形激励对轮对振动加速度与轮轨垂向力影响较大,对运行平稳性影响较小。考虑齿轮传动激励后的轮轨垂向力最大值更大,在研究车轮多边形安全界限时,具有更优异的安全性能。(4)通过切片式斜齿轮刚度计算方法得出考虑齿轮裂纹的时变啮合刚度,并输入至动力学模型。通过时域与频域曲线研究了含齿轮裂纹的齿轮传动系统对动车动力性能的影响,并利用有效值、峰度、波形因数等统计指标分析不同齿轮裂纹深度下的动态啮合力的规律。结果表明:含裂纹齿轮传动系统对轮对振动加速度,轮轨垂向力影响较小,对动态啮合力影响作用较为明显。当同时存在多边形与裂纹激励时,含裂纹齿轮传动系统对动态啮合力有更为显著的影响作用。

关键词： 风力发电机   齿轮传动系统   可靠性   寿命预测   维修策略  

摘要： 随着能源问题的日趋严重及对新能源发展的迫切需求，风力发电越来越受到世界各国的普遍关注，在国家“双碳”目标的引导下，风力发电将迎来一个新的发展契机。风力发电作为实现双碳目标的“主力军”，将成为电力系统“脱碳”的主导力量。与此同时，风力发电的成本与传统化石能源基本持平，甚至更为经济，具备了进一步降本增效的发展潜力，风电的规模化发展将会降低整个社会的用电成本，从而使能源的转型朝着更加经济的方向发展。推动能源的绿色、低碳转型，对于我国碳达峰、碳中和的实现具有重要意义。　　风力机齿轮箱作为风电机组传动链的核心部件，由于风电机组安装位置偏远，维修不便且成本高昂等因素，因此对齿轮箱承载能力、动态特性以及可靠性提出了更高的要求。失效形式多样、失效机理复杂，造成了齿轮箱事故频发，严重影响了风电机组的可靠性运行。本文以达坂城风场2MW某型号风力机为研究对象，从齿轮传动系统动态可靠性评估、剩余寿命预测以及维修决策等方面展开研究。综合考虑零部件的强度退化、应力-强度干涉、不同失效形式及多级耦合传动效应的影响，建立齿轮传动系统可靠性分析模型。论文主要研究工作如下:　　①风力发电机齿轮传动系统动力学模型　　综合考虑各轮齿间啮合误差、齿轮副时变啮合刚度等因素，以齿轮啮合原理及lagrange方程为基础，运用集中参数法实现2MW某型号风力机齿轮传动系统动力学模型的构建，分析了风力机齿轮传动系统的固有特性，对传动系统各齿轮间动载荷进行求解，为建立齿轮传动系统动态可靠度模型和疲劳寿命预估提供了数据基础。　　②风力发电机随机风速模型研究　　基于对风能和风力资源的描述，为了能更真实的反映齿轮传动系统的外部风载激励，引入新疆达坂城风电场SCADA监测的真实风速数据，采用双参数Weibull分布模型实现对随机风的模拟，结合空气动力学相关理论计算得到相应的转矩，将其作为传动系统的外部载荷激励，推导得到风速与齿轮箱输入转矩、风速与输入转速之间的函数关系，在此基础上对模拟所得的随机风载荷进行函数变换得到风力机传动系统的时变输入转矩及转速。　　③考虑强度退化的齿轮传动系统动态可靠性分析　　针对2MW风力机齿轮箱结构、运行方式，结合SCADA风场实测数据，在应力-强度干涉模型的基础上，将载荷看作随机过程，引入材料强度退化、零部件失效相关性等因素，针对齿轮失效的主要形式进行分析，分别建立接触疲劳和弯曲疲劳动态可靠度模型，结合工程实际经验，对齿轮箱传动系统可靠性进行了等级划分，为齿轮传动系统状态维修提供了一定基础。　　④风力发电机齿轮传动系统疲劳寿命预测　　本方法综合考虑了影响零部件发生疲劳的各种因素，引入Goodman公式，利用修正系数法获得零件的P-S-N曲线，基于改进的Manson-Halford非线性损伤理论建立了零部件的损伤寿命预测模型，对齿轮传动系统各齿轮进行损伤寿命估算,为风力发电机齿轮传动系统的疲劳寿命预测提供了一定参考价值。

关键词： 齿轮变位   齿廓修形   时变啮合刚度   齿轮偏心   时变摩擦  

摘要： 齿轮在现代机械设备中作为传动部件得到广泛应用,尤其是在一些精密设备中。如何减少系统的振动和噪声是齿轮系统设计时必须要考虑的问题。齿轮变位和修形能够提高齿轮运行的平稳性,从而达到减振降噪,延长齿轮运行寿命的作用。本文以增速齿轮为主要研究对象,考虑齿轮变位、齿廓修形、齿轮偏心、时变啮合刚度以及时变摩擦等因素,基于集中质量法建立齿轮-轴承-转子弯扭耦合非线性动力学模型,以拉格朗日方程为基础推导齿轮系统振动微分方程,以龙格-库塔数值积分法求解系统振动微分方程,得到齿轮副的动态特性。研究内容如下:(1)基于能量法推导并求解变位齿轮时变啮合刚度,分析不同变位系数齿轮时变啮合刚度的变化规律;探究齿轮变位对齿轮传动系统动态特性的影响;研究不同输入扭矩作用下变位齿轮传动系统动态特性的变化。研究表明齿轮变位能够使齿轮啮合提前或滞后。为齿轮变位系数的选择提供了相关依据。(2)推导并求解齿廓修形齿轮时变啮合刚度,探究修形参数作用下齿轮时变啮合刚的变化规律;分别探究了不同齿廓修形量和修形长度作用下修形齿轮传动系统动态特性的变化;研究了齿轮偏心作用下齿廓修形齿轮传动系统动态特性的变化。研究表明齿轮齿廓修形能够有效改变齿轮时变啮合刚度单双齿交替时的突变现象;齿轮偏心对低频更加敏感。为齿廓修形齿轮的设计提供了帮助。(3)求解考虑齿廓修形的变位齿轮时变啮合刚度,研究了齿轮变位和齿廓修形互相作用下齿轮时变啮合刚度的变化;分别探讨了齿轮变位对齿廓修形齿轮系统动态特性的影响,以及齿廓修形对变位齿轮传动系统动态特性的影响。研究表明齿廓修形对变位齿轮啮合特性影响更大。(4)推导并求解齿轮时变摩擦系数,分析转速以及粗糙度对齿轮时变摩擦系数的影响规律;基于能量法推导并求解了考虑定摩擦以及时变摩擦的齿轮时变啮合刚度;分别研究了定摩擦作用下以及时变摩擦作用下齿轮传动系统动态特性的变化;并将考虑齿廓修形的变位齿轮与标准齿轮动态特性作出对比。研究表明,考虑时变摩擦系数时,齿轮刚度在节点位置过渡平缓,对比修正前后的动态特性发现,修正后齿轮运行更加平稳。

关键词： 薄片齿轮参数检测   自动分类   机器视觉   Proteus   LabVIEW  

摘要： 薄片齿轮广泛应用于装备制造、仪器仪表等领域,散乱的薄片齿轮在尺寸和重量上存在着差异,不便于齿轮的选用。目前,齿轮分类中依据齿轮口径大小的传统分类方式会加大零件间相互碰撞的概率和表面磕伤,误检率较高;齿轮参数测量中人工使用量具测量齿轮参数或三坐标测量仪等精密仪器测量的检测方法效率低、操作繁琐,齿轮参数的部分视觉检测研究未系统化或设计的测量系统在数据存储、人机交互方面有待加强。基于上述问题,本研究以散乱放置、不同大小的薄片齿轮为研究对象,以Proteus、LabVIEW、Keil u Vision5为开发平台,先进行散乱的薄片齿轮自动分类系统研究设计;再以LabVIEW及其IMAQ Vision视觉工具包为开发平台,对分类后的齿轮进行参数检测系统设计。主要研究内容如下:(1)对散乱齿轮自动分类系统进行机械结构部分设计,包括排序分离机构、输送机构、称重机构、分类机构设计。(2)完成自动分类控制系统硬件电路设计和上、下位机系统的软件程序设计,对上、下位机进行仿真、联调及实物测试,实现上下位机实时通信,完成对薄片齿轮的自动分类及数据存储。(3)采用模块化编程方式完成齿轮参数视觉检测系统设计,包括图像采集与读取、图像预处理、系统标定、齿轮参数及偏差检测、检测结果分析和数据存储等模块的设计与功能实现。(4)采用0级8.5mm量块进行视觉系统标定,并对0级10 mm量块测量,校验系统检测的准确度;对薄片齿轮的齿数、模数、齿顶圆直径、齿根圆直径、分度圆直径、键槽宽度与深度等基本参数和齿距偏差、齿距累计总偏差、公法线长度偏差等单项误差进行检测。结果表明,自动分类系统能实现散乱薄片齿轮的自动分类,分类准确、开发成本低、便于维护,能有效降低劳动强度;参数检测系统检测准确、工作可靠、误差小、检测效率高、具有良好的人机交互能力。研究所提出的分类方法和参数检测方法能为薄片齿轮的自动分类及参数检测提供一种新的技术途径。

关键词： 风扇驱动齿轮箱   喷油润滑   温度场   喷射参数优化  

摘要： 风扇驱动齿轮箱作为航空涡扇发动机(GTF)主传动系统减速箱,需要满足高承载能力、高转速、超高传动效率的使用要求。齿轮高速旋转带动周围气流运动形成“气障效应”,阻碍油液进入啮合区,使得齿面润滑及散热条件恶化,导致传动系统温升过高,造成齿面磨损、热胶合等问题。因此,合理的风扇驱动齿轮箱喷油参数,能够改善齿轮箱润滑及散热条件,减小功率损耗,降低零件工作温度,对延长GTF发动机使用寿命有重要意义。本文以某GTF发动机风扇驱动齿轮箱为研究对象,采用仿真分析结合理论计算的方法,研究其内部滑油分布、功率损失及平衡温度分布,发现其潜在的润滑及散热问题并进行喷射参数优化,最后通过喷射参数优化后流场及温度场分析验证优化方案的有效性。本文的主要研究内容及结论如下:(1)原喷射参数下风扇驱动齿轮箱喷油润滑仿真分析。基于计算流体力学理论基础,建立原喷射参数下风扇驱动齿轮箱喷油润滑瞬态仿真模型,模拟齿轮箱内部滑油射流运动及分布状态,发现原喷射参数下风扇驱动齿轮箱滑油射流存在偏斜问题,导致各齿轮齿面油液铺展均匀性差,油液体积分数偏低,润滑性能不佳,获得齿轮及轴承滑滚界面油液体积分数、对流换热系数,仿真所得对流换热系数与理论结果相比,误差低于10%,验证仿真计算的准确性。(2)原喷射参数下风扇驱动齿轮箱温度场仿真分析。基于赫兹接触理论推导得到人字齿齿面接触应力,求解内、外啮合人字齿齿面的相对滑动速度和齿面摩擦系数,获得人字齿齿面的时变摩擦热流量;采用解析法计算轴承功率损失及摩擦热流量,仿真分析各齿轮风阻损失,并通过与理论计算结果对比,验证仿真方法的准确性;通过与试验功率损失结果对比,验证本文热源计算的准确性,原喷射参数下风扇驱动齿轮箱总功率损失占总传递功率比为0.67%,接近风扇驱动齿轮箱滑油过热功率损失占比临界值0.7%,功率损失偏高,进而开展风扇驱动齿轮箱稳态温度场仿真分析,获得齿轮及轴承平衡温度分布。(3)基于气场分析的风扇驱动齿轮箱喷射参数优化分析。建立风扇驱动齿轮箱瞬态气场仿真整体模型,研究不同转速下风扇驱动齿轮箱内部气流瞬态特性,分析人字齿轮啮入、啮出侧气流运动及气场分布规律。研究表明:不同转速下箱体内部气流运动及分布规律相似,随着转速提高,箱体内部气流运动加快,啮入侧气流随着齿轮转动向啮合区运动,轴向由端面向退刀槽运动,喷嘴轴向均布不利于啮入侧射流运动;啮出侧气流圆周方向上背离啮合区,轴向由齿轮端面向退刀槽方向流动,对于射流运动来说,表现为阻碍及轴向偏移作用,啮出侧喷嘴向端面移动有利于喷嘴射流运动,气流在啮入、啮出侧形成低流速“三角域”,将喷点布置在该区域有利于减小射流偏斜程度及动能耗散率,同时结合气流轴向运动规律,确定啮入、啮出侧喷射参数优化方案。(4)喷射参数优化后风扇驱动齿轮箱流场及温度场仿真分析。建立喷射参数优化后风扇驱动齿轮箱有限元整体模型并进行瞬态喷油流场及温度场仿真分析。优化后各齿轮润滑及散热性能显著提升,平衡温度明显降低,齿轮箱总功率损失减小14.63k W,减幅为13.3%,验证本文喷射参数优化方案的有效性。

关键词： 行星齿轮箱   故障诊断   生成对抗网络   卷积神经网络   迁移学习   样本不均衡  

摘要： 行星齿轮箱是旋转机械的关键部件之一,由于经常处于恶劣复杂工况下且长时间运转,导致零件易发生故障,影响设备的安全可靠性、运行效率和经济效益。开展行星齿轮箱故障诊断理论与方法的研究,对于保障设备安全稳定运行有着积极的意义。近年来,基于大数据的深度学习方法在故障诊断领域中取得了显著进展,为各类故障诊断提供了新的思路。但是,目前大部分的神经网络故障诊断算法都需要以充足的训练数据为前提,诊断结果容易受到样本数量的限制。在实际中,由于种种限制导致行星齿轮箱的故障信息难以收集,且为故障信息做标签所耗费的人力物力较大,造成故障信息不充分问题,即故障数据远少于正常数据,导致数据样本分布不均衡。本文以行星齿轮箱中的行星轮为研究对象,以提高不均衡样本情况下故障诊断的准确率和诊断结果的可靠性为目标,研究基于生成对抗网络和卷积神经网络的故障信号数据扩充技术和诊断方法。主要内容如下:(1)建立了基于格拉姆角场编码技术和深度卷积生成对抗网络(Deep Convolution Generative Adversarial Networks,DCGAN)的样本增广模型。利用生成对抗网络的样本生成特性,生成与原始故障样本具有相同数据分布的新样本,以此扩充数据,解决样本不均衡问题。利用振动传感器采集故障齿轮的连续周期性信号,利用小波阈值降噪法对信号进行降噪,再通过格拉姆角场编码技术,将一维振动信号转化为二维格拉姆角场编码图,将图像输入到DCGAN网络中进行训练,每次训练结束后调整网络参数,训练完毕后利用DCGAN生成与原始数据分布相同的新样本。(2)提出了基于Alex Net网络的行星齿轮箱智能故障诊断模型。将扩充后的样本集输入到Alex Net网络中进行训练,每次训练结束后调整网络参数,获得最优的Alex Net故障诊断模型。故障分类的结果表明,网络对齿轮箱四种故障的识别准确率最高可达99.2%。将实验室采集的不均衡样本经过信号处理后输入到网络中进行分类,将分类结果与前者网络结果作对比分析,结果表明使用DCGAN扩充样本可以有效提升神经网络的分类精度。采集实验室轴承数据,利用该数据验证了所提GAF-DCGAN+CNN网络模型具有良好的泛化性。(3)提出了基于迁移学习和Efficient Net的行星齿轮箱智能故障诊断模型。解决了以往通过单独改变卷积神经网络的宽度、深度或图像分辨率来提高网络精度所造成的网络模型较大、所需参数量较多、训练速度较慢的问题。在Image Net数据集上进行预训练,利用基于模型的迁移学习方法,将参数权重迁移到Efficient Net网络中,对原始网络中的MBConv模块进行权重加载,达到减少训练时间、提高网络训练效率的目的。将前文扩充好的均衡样本输入到Efficient Net＿B2网络中进行训练,让网络提取并学习图像的细节特征和深度特征。训练完成后,对样本中的四种故障进行识别分类,准确率最高可达99.49%,较之前文所提Alex Net分类网络,精度更高、训练速度更快。并利用实验室轴承数据和东南大学行星齿轮箱故障数据集验证了网络具有良好的泛化性。