关键词： 面齿轮   车齿加工   差曲面   拓扑修形   接触斑点  

摘要： 面齿轮传动具有结构紧凑、传动比大、噪音低、易安装等优点,在航空、直升机动力传输领域具有广泛的应用前景,近年来在其他工业领域也逐渐显露出潜在的优势。但由于面齿轮齿面结构的特殊性,目前车齿加工存在着误差难以精确控制,加工效率亟待提高等方面的一些技术难题。为提高面齿轮副的加工精度与啮合质量,本文对直齿面齿轮车齿加工的形成误差、配对圆柱齿轮的拓扑修形方法展开分析研究,主要内容如下: (1)建立直齿面齿轮车齿加工数学模型。利用空间齿轮啮合原理,根据车齿刀与工件之间的相对位置与运动关系,建立了面齿轮车齿加工数学模型,推导了面齿轮齿面方程;利用微分几何学建立了齿面啮合方程;建立了齿面与二维坐标平面的映射关系,将齿面进行离散化处理,通过数值方法求解了车齿刀模型、车齿加工的齿面三维坐标点。 (2)车齿面齿轮齿面偏差分析与比例修正方法。建立了面齿轮插齿齿面数学模型,以插齿齿面作为理论齿面,分析了车齿齿面与插齿理论齿面之间的原始偏差关系,以及机床调整参数对齿面精度的影响规律;以齿面顶点偏差为典型结构,建立了主要机床调整参数:偏置距、轴向切深、轮坯安装角、滚比变化量与齿面偏差的比例关系,构建了偏差敏感性矩阵,给出了齿面偏差的比例修正方法。 (3)圆柱齿轮与面齿轮适配拓扑修形。采用多项式表达齿条刀具齿面,构建了齿条刀具展成加工圆柱齿轮的数学模型,推导了圆柱齿轮齿面方程,给出了齿面修形参数的构造方法,求解了齿面修形梯度曲面。利用共轭原理构建了面齿轮副的差曲面,通过改变多项式系数,分析了二阶抛物面、扭转抛物面以及四阶抛物面修形效果,得到了面齿轮副不同程度适配的接触区、接触路径和传动误差。 (4)完成了面齿轮副加工以及滚检试验。基于现有的数控机床,编制了面齿轮车齿加工、圆柱齿轮成形磨削数控程序,完成了面齿轮车齿加工与圆柱齿轮成形磨削试验。通过Gleason 650GMS齿轮测量中心对面齿轮、圆柱齿轮的精度进行了检测。对齿轮副进行了接触质量检验,获得了齿面接触斑点。 齿面偏差测量与车齿加工比例修正表明,所建立的齿面偏差比例修正关系可靠;齿面滚检接触斑点与理论仿真结果一致性较好,证明论文理论研究与仿真方法的正确性。

关键词： 齿轮故障诊断   深度学习   残差网络   注意力机制   长短期记忆  

摘要： 齿轮是工业机械中最常见的传动部件之一,齿轮故障如果不及时发现并排除可能会酿成重大安全事故。因此,准确可靠的齿轮智能诊断技术对保证传动设备运行安全、提高生产效率和降低维护成本具有重要意义。本文以齿轮传动振动信号为研究对象,研究了基于深度学习的齿轮故障智能诊断算法,并开发了实现齿轮故障实时智能诊断的软硬件系统,为齿轮故障实时智能诊断系统的工业应用提供了技术基础。本文的研究内容和成果如下: (1)针对齿轮故障数据采集问题,从机械故障诊断技术和齿轮啮合动力学基本理论出发,设计了齿轮故障信号采集实验平台。结合国际标准和近年来专家学者的相关研究确定了齿轮故障标签,并选用加速度传感器采集齿轮运行数据。制作的齿轮故障数据集数据量充足、特征明显、分布均匀,可用于齿轮故障诊断的深度学习。 (2)针对目前机械故障诊断算法不能兼顾局部特征提取和时序性学习的特点,提出了一种用于齿轮故障诊断的深度学习模型。该模型被命名为1D-RLT模型,模型包含输入层、残差网络层、长短期记忆层、时间注意力层和输出层。残差网络层用于局部重要特征的提取,长短期记忆层用于发掘这些局部特征在时序性上的关联,时间注意力层则用于长短期记忆层输出的权重赋值。该模型可以快速地从复杂的齿轮振动信号中提取故障特征,避免了传统算法无重点学习时产生的计算力浪费。并且由于长短期记忆层的加入,振动信号包含的时序性信息也得以发掘,提高了齿轮故障诊断的准确率。 (3)采用1D-RLT模型开展了齿轮故障诊断的测试实验,实验结果表明1D-RLT模型有着优秀的齿轮故障诊断能力,测试集的识别准确率可以达到98.34%。在对比分析中发现1D-RLT模型相较于时域分析法、时频域分析法、一维卷积网络以及残差网络都有着明显的性能优势。 (4)为了剖析深度学习神经网络背后的数学原理,创新性的引入专家标定特征作为深度学习背后含义的解释。虽然深度学习网络有着诊断优势,但是深度学习提取出的深度特征同专家设定的故障诊断指标起到了同样的诊断作用,借助相关系数矩阵发掘高度抽象的深度学习特征和具有物理意义的故障诊断指标间的关联。结果表明,部分深度特征与专家标定特征高度相似,反映了深度学习神经网络在具备故障诊断特征情况下仍具有归纳故障诊断通用判据的能力。 (5)根据工业应用的实际需求,设计并搭建了齿轮故障诊断硬件系统并开发了相应的软件系统,诊断系统包括了振动采集模块、故障诊断模块、辅助模块和云平台,实现了基于深度学习算法的齿轮故障的实时智能诊断。系统还能给出齿轮的运行状态,为齿轮传动设备的良好运转提供调试和维护所需的技术指标。

关键词： 齿轮箱   磨损   油液监测   振动监测   大数据  

摘要： 装备恶性事故起因约50%是由于润滑失效和过度磨损所致,齿轮是机械装备的基础零部件,其磨损失效是导致机械装备故障的主要诱因。随着“中国制造2025”战略的推进,重大装备智能运维与健康管理的需求迫切,油液分析和振动监测在齿轮磨损在线监测中发展迅速,但是单独使用油液分析或振动监测对于齿轮磨损状态分析存在监测信息不全面,监测效率低下,故障特征不敏感等问题。此外,当面向多节点、跨地域装备集群监测时,海量数据的多节点采集,存储、管理、分析与深度挖掘等方面需求迫切。 本文以齿轮磨损损伤在线监测为研究对象,以油液和振动在线监测为手段,基于大数据和人工智能理论,开展齿轮磨损损伤多源异构信息在线大数据监测平台关键技术研究,具体的工作如下: (1)开展了多源异构信息在线监测大数据平台总体设计与搭建。基于在线油液和振动监测技术,构建了油液-振动多源异构信息获取终端,实现了油液-振动数据的采集;然后采用云端My SQL技术,实现油液-振动海量数据的云端同步存储;同时,利用云端部署的机器学习模型和特征提取算法,结合Maxwell、Kafka和Spark streaming实时流处理框架,开发了齿轮磨损在线监测与评估模块,实现磨损状态的在线评估与预警。所开发的平台具备多节点、跨地域、海量、多源异构数据的采集、存储和智能分析等功能。 (2)基于云端存储的油液-振动多源异构原始数据,开展齿轮箱磨损状态量化表征特征提取算法研究,提出了基于高斯混合模型与磨粒增强的在线铁谱图像磨粒分割算法,实现了动态背景高气泡干扰下铁谱图像磨粒数量及粒径等特征的提取;并研究了基于小波阈值法的振动信号去噪处理和特征提取,构建油液-振动多维度量化表征指标体系。 (3)开展齿轮箱磨损状态评估方法研究,提出KPCA-PSO-LSTM的磨损状态评估算法,并完成评估模型云端部署。为了验证算法的可行性,开展约200小时的齿轮磨损加速试验,试验结果表明:本文开发的KPCA-PSO-LSTM模型对齿轮箱磨损状态评估精度达96.1%,高于PSO-LSTM和LSTM模型。 (4)最后,开展了多源异构信息在线大数据监测平台Web应用可视化开发。完成了Web应用后端数据库表设计,并利用Django、html、css、Java Script和Echarts等技术,实现齿轮磨损过程油液-振动的实时监测、历史查询、报警管理和用户管理等功能可视化。通过Nginx和u WSGI技术完成了Web应用的在线部署,实现了多用户、远程云端监测。 本研究对提高装备智能化水平,保障齿轮传动装备安全、高效、长寿命运行,避免过维修和欠维修导致不必要的资源浪费和经济损失具有重要意义。

关键词： 调相机   飞轮储能   磁齿轮调速器   转矩密度   效率  

摘要： 随着新能源占比的提高,系统的调频能力、电压支撑以及惯量支撑都在逐步减弱。为了提高新能源场站的调节能力,需要配备动态无功调节设备,同时增加储能。但传统调相机并不具备一次调频能力,为增加系统的有功支撑,在新能源电力系统中可将调相机和飞轮储能相结合,形成储能调相机系统参与电网调节,维持稳定运行。实现储能调相机系统的关键技术之一是连接转速固定的调相机与转速连续变化的飞轮的转速变换装置。磁齿轮调速器则适用于这种可变调速比应用场合,它具有两个机械端口和一个电气端口,主要在两个机械端口之间实现能量的双向传递。本文以提升转矩密度为主要目标,提出了若干应用于储能调相机系统的磁齿轮调速器结构设计方案,并在比较和分析这些方案的转矩性能、电磁损耗与效率的基础上,对设计方案进行了优选,具体工作内容如下。根据同心式磁齿轮依靠磁场调制作用传递转矩的工作原理,首先分析指出了同心式磁齿轮结构形成稳定的磁力转矩传递需满足的基本条件,并通过仿真分析气隙磁场的谐波成分对上述理论分析结果的正确性进行验证。介绍了飞轮储能调相机系统的基本构成,进而将同心式磁齿轮的运行理论推广到用于飞轮储能调相机系统的磁齿轮调速器,建立描述磁齿轮调速器不同工作状态的基本方程,并从理论上分析各工作状态下磁齿轮调速器各端口的功率流向,揭示了变频器的容量和飞轮的调速上限成正比的特点。建立磁齿轮调速器原始设计的时步有限元仿真模型,根据实际运行所需的飞轮调速范围确定供电频率范围,计算分析了 6种存储/释放能量运行状态下的转矩曲线、损耗特性,对磁齿轮调速器运行原理的理论分析结果进行验证。研究磁齿轮调速器永磁体、调制块、定子槽形等关键结构设计对转矩性能和损耗的影响。在相同永磁体用量的前提下,采用表面贴、交替极和内置V形三种永磁体的布置,并对表面贴的永磁体采用径向和Halbach阵列两种充磁方式,对比这些永磁体布置和充磁方式下磁齿轮调速器的电磁性能。在表贴式以及内置V形式两种永磁体的结构基础上,对调制块厚度及宽度、定子槽形进行调整,揭示了这些因素影响电磁性能的基本规律。将永磁体、调制环和定子槽的不同结构进行组合,形成26种电磁设计方案,并通过综合对比这些方案的转矩性能和损耗,选定了一种优选设计方案。该方案显著提高了磁齿轮调速器的转矩密度,并具有较高的运行效率。本文初步探索了磁齿轮调速器用于储能调相机系统的可行性,揭示了关键结构影响该调速器电磁性能的基本规律,为其优化设计提供了可以借鉴的技术思路。

关键词： 飞秒激光   面齿轮   能量累积   烧蚀特征   粗糙度  

摘要： 面齿轮有着优良的传动特性,具有传动平稳、承载能力强、传动速度快、噪声小和互换性强等特性,广泛应用于航空航天、工程机械、大型精密装备等领域。但面齿轮的齿形复杂,技术要求高,制造困难。由于国外面齿轮高精密加工机床和精密加工工艺对我国实行封锁,亟待开创新的加工方式,以减少国内外制造水平差距。飞秒激光加工为一种新型加工方法,具有加工区域精确、热影响小、可精密加工任何材料等突出特点,已在精微制造中广泛应用。本文针对飞秒激光烧蚀面齿轮材料18Cr2Ni4WA,采用理论建模、仿真与实验分析相结合的方法,开展飞秒激光精修面齿轮烧蚀特征研究,主要包括以下内容:飞秒激光精修面齿轮烧蚀过程与作用机理研究。研究了飞秒激光精修面齿轮作用机理,分析了飞秒激光去除面齿轮材料的物理模型和一般作用规律。从理论上研究了面齿轮表面吸收激光能量时动态吸收过程,并基于此建立飞秒激光烧蚀面齿轮材料的三温复耦合模型。飞秒激光烧蚀面齿轮的建模仿真研究。基于非傅里叶传热现象,建立了单脉冲激光精修面齿轮的三温耦合传热模型,仿真分析了面齿轮材料在不同能量密度下电子-自旋-晶格间单脉冲能量效应下的温度变化过程。考虑多脉冲激光能量累积效应,通过多脉冲激光精修面齿轮的三温复耦合传热模型,仿真分析了面齿轮材料的烧蚀温度变化过程,研究了不同能量密度下烧蚀凹坑直径和深度等特征参数的变化规律。飞秒激光烧蚀齿面的形貌特征实验研究。搭建实验平台,结合仿真模拟的参数范围实验研究了单脉冲激光作用下烧蚀凹坑形貌和加工后齿面粗糙度随能量密度变化的演变规律,以及多脉冲激光作用下烧蚀凹坑深度和直径的变化规律,并分析了不同扫描道间距对齿面粗糙度值造成的影响。实验研究结果表明,单脉冲激光作用下,烧蚀凹坑深度和直径随着能量密度的增加而变大,齿面粗糙度随着能量密度的增加并不会持续变好。多脉冲激光能量的持续累积不会一直增加齿轮表面的平衡温度,能量密度的持续增大不会使烧蚀凹坑形貌持续变好,扫描道间距为25μm时齿面表面质量最好。

关键词： CFD仿真   圆柱齿轮流量传感器   稳态计量特性   动态计量特性  

摘要： 随着我国航空航天事业的快速发展,对航空领域中的油液流量测量、燃油计量等方面提出了更高的要求。齿轮流量传感器具有测量精度高、稳定性好、可靠性高等优点,广泛应用于航空液压系统中,通过测量液压油的流量实现对飞机液压系统的控制和监测。但因齿轮流量传感器的机械结构以及流体流动状态而导致的计量不精的问题,一直以来都是研究的重点。 本课题以研究圆柱齿轮流量传感器的计量特性为主线,基于计算流体力学(CFD),一方面研究了圆柱齿轮流量传感器结构参数对其测量精度的影响,另一方面研究了圆柱齿轮流量传感器的动态特性,以完成对其稳态、动态两方面计量特性的研究。本文主要完成了以下工作: (1)以GF1.0圆柱齿轮流量传感器为本文的研究对象,根据其工作原理基于六自由度运动模型提出了被动式的仿真方法。根据圆柱齿轮流量传感器的检定规程,采用此仿真方法进行多个流量点的仿真计算,将仿真结果与实验结果进行对比发现,两者误差相差8.8%,仿真计算仪表系数线性度误差为0.63%,表明了该仿真方法的可靠性。 (2)根据圆柱齿轮流量传感器内泄漏模型,基于被动式仿真方法,通过对圆柱齿轮流量传感器不同工作间隙模型的仿真结果进行内泄漏估算,分析出了最佳工作间隙,并探究了介质粘度对流量传感器内泄漏的影响规律。基于热力学理论基础,提出了热-固耦合的仿真方法,对圆柱齿轮流量传感器在不同介质温度、压力下机械结构的变形规律进行了探究。 (3)运用被动式仿真方法,编译入口流量表达式来模拟理想动态流的形成,探究了圆柱齿轮流量传感器的动态特性,并在动态标准流量装置上进行检定实验,进一步验证了该仿真方法的适用性。基于测量不确定度评定和表示(GUM),结合实验结果与仿真结果对圆柱齿轮流量传感器进行了动态测量不确定度的评定,为流量传感器动态测量不确定度的评定提供了参考。

关键词： 动态特性   修形优化   BP神经网络   遗传算法  

摘要： 近年来,我国高速列车的发展速度很快,对于列车传动装置的要求也越来越高,并朝着高功率、低噪声的方向发展。齿轮是列车传动装置中的关键部件,其动态特性直接影响着列车运行的平稳性、安全性和可靠性。齿顶修形可以改善齿轮副啮合过程中出现的啮合刚度突变现象,减少齿轮传动过程中的刚度冲击。目前针对齿轮修形的研究中,齿轮的运行工况通常是某一个特定工况,研究得到的齿轮修形参数并不能保证齿轮力学性能在其他工况时的优越性。高速列车齿轮运行工况复杂多变,因此,考虑多工况下的高速列车斜齿轮修形优化研究对提高齿轮力学性能更具实际意义。 本文以高速列车斜齿轮为研究对象,建立多自由度动力学模型,分析多个工况下的齿轮动态特性,具体研究内容如下: (1)采用集中参数法建立斜齿轮系统动力学模型,选取高速列车九种主要工况,通过计算得到齿轮啮合过程中摩擦系数、啮合刚度、振动加速度、传递误差的变化规律,并研究了转矩和齿侧间隙对传递误差的影响。结果表明:齿侧间隙对动态传递误差影响显著,需要进行齿轮修形优化以提高齿轮动态性能。 (2)针对高速列车齿轮九种主要工况,求取每种工况下的齿向和齿廓修形量,由每种工况下的齿轮修形参数得到对应的传递误差峰峰值;以齿轮转矩、齿向修形量、齿廓修形量为输入节点,以传递误差峰峰值为输出节点,建立BP神经网络预测模型,为后续多工况遗传优化研究做好准备。 (3)选取了九种工况下传递误差峰峰值之和为目标函数,齿轮修形参数为设计变量,基于BP神经网络预测模型对目标函数进行遗传寻优,得到在九种主要工况下齿轮综合动态特性最优的一组修形量,并对比了修形优化前后的齿轮副传递误差、振动加速度等动态特性,为齿轮多工况优化研究提供了一种有效方法。

关键词： 齿轮   故障诊断   特征提取   特征选择   最小二乘支持向量机  

摘要： 在风力发电系统中,齿轮是故障频发部件,其故障比例在风电机组故障中占比非常高。对风电机组齿轮进行故障诊断有利于及时对齿轮进行检修,可以有效降低经济损失,具有一定现实意义。本文从特征提取、特征选择与故障诊断三方面进行研究,利用改进的参数自适应寻优变分模态分解方法(Variational mode decomposition,VMD)对齿轮振动信号进行分解并提取故障特征,然后对特征进行筛选,构建故障特征向量集,并利用最小二乘支持向量机(Least squares support vector machine,LSSVM)建立齿轮不同故障和不同磨损程度的分类模型。本文的主要研究内容及结论如下:(1)在特征提取方面,分别采用VMD和经验模式分解(Empirical mode decomposition,EMD)对齿轮多种故障振动信号进行分解,实验结果显示VMD相比于EMD能有效避免端点效应和模态混叠的问题,具有更高的分解精度。针对VMD的分解性能受模态数量k和惩罚参数α影响的问题,本文提出了一种改进的灰狼优化算法(Improved grey wolf optimizer,IGWO),并采用该算法对VMD的参数k和α进行优化。在IGWO中,提出了一种非线性收敛策略和一种动态权重位置更新策略来平衡局部搜索和全局搜索。通过对比实验验证了IGWO算法寻优效率更佳。(2)在特征选择方面,为了剔除所提取的特征中的无关信息和降低模型的复杂程度,本文使用了竞争性自适应重加权采样算法(Competitive adaptive reweighted sampling,CARS)、迭代保留信息变量算法(Iteratively retains informative variables,IRIV)以及自举软收缩算法(Bootstrapping soft shrinkage,BOSS)对所提取的特征变量进行特征选择,综合对比,IRIV选择的特征变量数量相对较少,所建立的分类模型精度最高,具有更好的特征选择性能。(3)在故障诊断方面,选取QPZZ-Ⅱ旋转机械振动分析平台系统的齿轮振动信号进行研究,首先利用IGWO-VMD对齿轮振动信号进行分解,然后提取出能量熵、样本熵和多尺度排列熵等多个特征,接着通过IRIV进行特征向量筛选。针对LSSVM模型的分类性能受核函数参数σ和惩罚参数γ影响的问题,本文采用改进的灰狼优化算法对LSSVM的参数σ和γ进行优化,将特征数据输入优化后的IGWO-LSSVM模型进行故障识别,与SVM、GWO-SVM、IGWO-SVM、LSSVM和GWO-LSSVM模型的故障诊断结果进行对比,实验结果表明所建立的IGWO-LSSVM模型诊断性能最好,齿轮四种故障类型(正常、点蚀、断齿和磨损)的识别准确率达到97.5%,不同故障程度(正常、轻微磨损和严重磨损)的识别准确率达到96.7%。因此,论文提出的基于IGWO-VMD和IGWO-LSSVM的齿轮故障诊断方法可以有效地对齿轮的不同故障类型及不同磨损程度进行识别,也为齿轮箱其他部件的故障诊断提供了参考,具有一定的工程应用价值。

关键词： 齿轮箱故障诊断   局部二进制卷积   模型剪枝   批量归一化  

摘要： 齿轮箱是一种用于传递电机功率的重要装置,其作用是将电动机的转速和扭矩传递给机器的各个部件,从而实现机器的正常工作。由于其在工作中承受着巨大的载荷和摩擦,因此常常出现故障,导致设备运行效率下降、停机时间增加,对生产效率和成本带来很大的影响。因此,如何准确、及时地诊断齿轮箱的故障,已成为工业界和学术界共同关注的问题。首先,针对齿轮箱故障的机理以及基于深度学习的故障诊断方法展开研究。根据局部二进制模式(Local binary partten)原理构建局部二进制卷积层,并提出使用局部二进制卷积层替代传统卷积层的方法对齿轮箱故障进行诊断。在局部二进制卷积层理论模型的基础上,构建了以逐通道卷积和局部二进制卷积为主体的残差结构模型,并且使用模型剪枝算法对网络模型进行剪枝。为进一步开展基于深度学习的齿轮箱故障诊断奠定了理论基础。其次,针对传统故障模型参数多,训练和检测时间长的问题,提出了一种基于残差结构和局部二进制卷积(1D-RSLBCNN)的齿轮箱故障诊断方法。与传统的卷积网络(Convolutional Neural Network)不同,提出的1D-RSLBCNN网络利用局部二进制卷积层来替代传统卷积层,在减少模型参数的同时,加快了训练速度和收敛速度。通过引入残差结构,避免了因网络深度的增加而导致的准确率饱和或下降的情况。为了验证这一方法的有效性,在东南大学的单故障齿轮箱数据集和自制的复合故障齿轮箱数据集上进行了实验,结果显示,该模型具有良好的稳定性和可靠性。最后,为了进一步减少模型参数,压缩网络模型,提出了一种基于模型剪枝的1D-RDLBCNN的齿轮箱故障诊断方法。所提出的网络结构利用深度可分离卷积中的逐通道卷积与局部二进制卷积构成残差网络的主体,同时引入批量归一化层,加快模型的拟合速度;为了压缩网络模型,引入模型剪枝的方法。实验结果表明,结合深度可分离卷积中的逐通道卷积和局部二进制卷积,不仅能进一步减少模型参数,同时也有很好的诊断精度;对网络模型进行剪枝,有效的减小了模型大小。