关键词： 齿轮磨损故障诊断   RV减速机   电气法诊断   无监督定性诊断   有监督寿命预测  

摘要： 旋转矢量(Rotate Vector,RV)减速机在工业机器人系统中具有举足轻重的地位。其中,齿轮磨损被认为是RV减速机最主要的故障类型之一。传统的齿轮故障诊断方案,典型的如振动法存在各式各样的问题,如需额外成本、安装使用受环境限制等,因此,本课题选用电气信号作为诊断依据。但由于RV减速机具有多级传动和复杂的机构特点,加上齿轮磨损属于分布式故障,缺乏明显的故障特征,因此本课题采用深度学习与大数据相结合的方法进行RV减速机的齿轮磨损的故障诊断与寿命预测。 在研究过程中,首先对RV减速机的整体系统进行了建模分析。通过对比经过全寿命老化周期测试的正常和故障RV减速机之间的齿轮磨损情况,揭示了齿轮磨损的特点。随后,对齿轮磨损故障进行了建模分析,并推导出齿轮磨损故障对电气信号的影响,为后续的故障诊断与寿命预测提供了理论依据。 针对RV减速机的电气信号在测试完成前无法确认故障标签的问题,本课题提出了利用无监督深度学习算法进行有无故障的定性诊断方法。首先对电气信号进行预处理,然后采用多种自编码器(Auto Encoder,AE)和聚类方法的优化方案进行诊断,对AE的表示能力和拓扑结构进行优化,即对特征自提取这一流程进行了优化。接着,利用自组织映射网络(Self-Organizing Map,SOM)进行特征聚类方向的优化。最终成功地实现了有无故障的定性诊断,为RV减速机的故障诊断提供了一个高效可行的解决方案。 而在RV减速机剩余寿命预测方面,本课题采用了离散式寿命预测的方法。首先,通过结合多模态特征融合的多种循环神经网络(Recurrent Neural Network,RNN)结构,具体而言,采用了RNN多种不同变体结构,并对不同网络结构进行了对比分析。然后采用了多模态特征融合的的优化方案实现了对剩余寿命的预测。接着,利用卷积神经网络(Convolutional Neural Network,CNN)进行诊断。在CNN基础上,采用了残差网络(Residual Neural Network,Res Net)的方式对CNN诊断方案进行了优化,进一步提高了寿命预测的准确性和鲁棒性。

关键词： 非正交面齿轮   过渡曲面   磨削余量方程   磨削轨迹规划  

摘要： 面齿轮传动是齿轮传动的一种新型式。由于具有传动比大、承载力高的优良特性,其在国外己成功运用于直升机减速器、无链自行车等新技术中,并展现出在航空领域独特而卓越的传动优势。虽然国内学者对非正交面齿轮齿面构建原理和磨削方法进行了大量研究,但由于面齿轮在军事方面被广泛应用,使国外对国内进行了长时间的技术封锁,导致国内对于面齿轮的研究起步较晚,在非正交面齿轮磨削方面的研究并不深入,在非正交面齿轮齿根过渡曲面的完整性、工作齿面磨削余量确定方法、磨削方法的通用性及磨削轨迹合理性三个方面的研究存在不足。本论文的主要内容如下:1.关于非正交面齿轮齿根建模过程中,不能完全建模过度曲面模型的问题,本文通过运用插齿刀机械加工非正交面齿轮根的基本原理,构建了其三维建模,并推演出了相对完备的非正交面齿轮齿根过度曲面方程。研究结果表明:加工非正交面齿轮时,若加工用的插齿刀带有圆角,齿根在过渡曲面的曲率会很大,且加工出的齿轮在转折处也很平滑,得到更加精确的非正交面齿轮三维模型。2.关于非正交面齿轮在磨削时,磨削余量无法确定的问题。基于非正交面齿轮运动方程,完成了关于磨削前非正交面齿轮的齿面数学结构和三维模型的建立,并完成了齿面上切削余量三维模型的推导,以及切削余量曲线的拟合。由此得出,在对应的非正交面齿轮齿面上,一样的插齿刀变位法向量在不相同位置上会有不同的切削余量,且在内径处的切削余量值最大的结论。3.关于非正交面齿轮在生产制造过程中,加工通用性差,无法快速大量生产的问题。本文提出了一种通过在六轴工业机器人上配备砂轮进而对非正交面齿轮进行磨削的方法,并在选择齿轮表面磨削的磨削轨迹时,利用Hilbert空间填充曲线,进而选择出合适的磨削轨迹的加工工艺,以此为基础将齿面模型的磨削后状态构建完成。再通过实际试验,利用Hilbert空间填充曲线,描绘出相应轨迹,磨削之后可以得出理论齿面与非正交齿轮的实际齿面极大程度上相近的三维模型。4.对使用预留磨削余量方法磨削出的非正交面齿轮,进行仿真特性分析。将非正交面齿轮的运动进行完善,分析出运动特点,并将此进行模拟解析,从而改变了与非正交面齿轮啮合的齿数和运行速度,并得到了十分精确的动力学仿真参数,并得出了非正交平面齿轮传动精度在不同的圆柱齿轮齿数和速度参数下的变化规律。实验结果显示,当插齿刀数和圆柱齿轮的齿数相似时,精度增高,啮合时扭矩就会越大。本文推导和完善了非正交面齿轮的模型和理论,在对于动力学领域分析精度问题上有较大的突破。通过变位系数与磨削余量存在着的关系,考虑采用预留磨削余量的方式获得更加精确完整的模型。并采用机器人进行非正交面齿轮的磨削,并规划出齿轮轨迹;在实验过后,采取动力学仿真分析,将非正交面齿轮的实验数据进行处理优化,得出一种新的非正交面齿轮加工工艺。因此本文的研究对于非正交面齿轮磨削具有实际意义和研究价值。

关键词： 风电机组齿轮箱   状态监测   协整分析   分数协整向量自回归   多元变分模态分解  

摘要： 随着“双碳”战略的实施,我国新能源领域快速发展,风力发电日益占据重要地位。风电机组运行环境恶劣、结构复杂,因此建立完善的状态监测系统很有必要。作为风电机组的关键组件,齿轮箱的可靠性对风电机组性能具有重要影响。目前,多数风电机组齿轮箱状态监测模型只考虑单一变量建模,无法评估齿轮箱全面的运行状态。本文提出一种基于分数协整的风电机组齿轮箱状态监测模型,旨在提升风电机组的安全性和运行可靠性。论文主要研究内容如下: (1)针对风电机组运行数据中存在异常值和缺失值的问题,分别采用3σ原则异常值处理方法剔除异常值,采用缺失值线性插值方法填补缺失值,以保证数据质量。并结合三种不同相关性分析方法对数据进行特征选择,减少数据维数。在此基础上,针对多通道的监控和数据采集系统(Supervisory Control And Data Acquisition,SCADA)容易受环境噪声干扰,从而造成信号特征不明显的问题,利用多元变分模态分解(Multivariate Variational Mode Decomposition,MVMD)方法对数据进行特征重构,并设计评价指标对分解的模态进行重构。 (2)传统的统计方法在建立风电机组齿轮箱状态监测模型时容易出现伪回归问题,且大多数方法仅针对单一变量进行建模,难以全面的描述齿轮箱的状态。针对这一问题,利用协整理论建立风电机组齿轮箱的状态监测模型,并使用指数加权移动平均方法确定齿轮箱正常运行时的阈值,通过对某风场1.5MW风电机组的SCADA数据进行实验分析,验证了该方法具有较高的精确度。 (3)针对整数协整可能会出现差分不足或者过分差分,以及均衡误差仅具有短记忆性的问题。提出一种基于分数协整向量自回归(Fraction Cointegration Vector Auto Regression,FCVAR)的风电机组齿轮箱状态监测模型。该方法能够找出多个特征量间长期稳定的均衡关系,消除被监测数据中由环境和操作变化引起的不利影响,从而实现风电机组齿轮箱工作状况的实时监控。实验结果表明,该方法准确性高于基于整数协整的状态监测模型,能够有效地监测风电机组齿轮箱的运行状态,提高风电机组的可靠性和安全性。

关键词： 齿轮箱   故障诊断   卷积神经网络   注意力机制   迁移学习   残差神经网络  

摘要： 齿轮箱作为现代机械的关键组件之一,已经被广泛应用于各类工业领域。随着运行时间的增长,齿轮箱内部的齿轮、轴承等零部件都有几率出现不同程度的磨损,随时可能发生故障从而造成严重的安全事故。因此,对齿轮箱运行状态进行准确的诊断是保障工业生产安全的重要手段之一,然而齿轮箱工作环境复杂,工况多变,还有噪声干扰,同时现代工业中使用的齿轮箱结构更为精密复杂,存在多个部件都出现损伤而构成复合故障的情况,这都使得故障特征微弱难以提取和识别。针对上述问题,本文提出三个基于改进卷积神经网络的模型,实现端到端的齿轮箱智能故障诊断,主要研究工作如下:(1)针对卷积神经网络对于时序性特征难以深度挖掘的问题,提出一种基于卷积神经网络,双向门控网络和注意力机制的CNN-ABi GRU故障诊断方法。卷积神经网络可以从振动信号中提取出局部特征,双向门控网络则可以从信号数据中挖掘出具备时序性的特征,二者结合便可以提取出具备局部性和时序性的高级特征,注意力机制再对所提取的特征进行过滤,去除冗余特征,最后通过Softmax完成故障分类。本文选取东南大学的齿轮箱数据集和凯斯西储大学的滚动轴承数据集进行实验验证,实验结果显示该方法对于齿轮箱拥有较高的诊断精度。(2)针对齿轮箱在真实工业环境下部分工况难以采集到足够数据用于深度学习模型训练的问题,提出一种基于CNN-ABi GRU和迁移学习的跨工况齿轮箱故障诊断方法。迁移学习可以让模型在样本充足的工况数据集上训练故障特征提取的能力,训练完后在样本稀缺的工况数据集上通过少量样本微调便可以实现对应数据集的故障识别。本文选取东南大学的齿轮箱数据集和凯斯西储大学的轴承数据集进行实验验证,实验结果表明该方法能够实现较高精度的跨工况故障诊断。(3)针对混合噪声的振动信号难以提取有效特征的问题,提出一种基于残差神经网络,通道注意力机制和双向门控网络的CARes Net-Bi GRU故障诊断方法。残差神经网络作为一种改进的卷积神经网络,解决了网络层数过多引起的网络退化问题,使得故障诊断模型可以构建更深层次的网络结构以增强特征提取的能力,再结合通道注意力机制能够自适应调整残差神经网络中特征通道重要性的特点,有效抑制了噪声的干扰。本文选取东南大学的齿轮箱数据集和2009年的预测与健康管理系统数据挑战竞赛的工业齿轮箱数据集进行实验验证,实验结果显示该方法拥有较强的抗噪性。

关键词： 齿轮   高重合度   点蚀   时变啮合刚度   动力学  

摘要： 高重合度(HCR)齿轮一般是指重合度大于2的齿轮,由于其重合度大,时变啮合刚度波动幅值较小,具有较好的动态特性,产生的振动与噪声小,对传动系统的减重、减振和降噪有着显著的改善作用,因此被广泛应用于机械行业中。 本文以高重合度直齿圆柱齿轮为研究对象,通过引入点蚀系数建立了齿面点蚀扩展模型,推导了点蚀系数对轮齿参数的影响。运用能量法分析不同程度点蚀故障齿轮时变啮合刚度;结合高重合度直齿圆柱齿轮动力学模型,研究了齿面点蚀故障和健康齿轮在不同工况下对齿轮动力学特性的影响。 (1)研究了高重合度齿轮传动的实现方法,分析了齿轮相关参数对重合度以及齿顶厚的影响。推导了封闭图法中各限制曲线的计算公式,以选取合适的变位系数为目标绘制了封闭图;基于展成法原理,建立了高重合度直齿圆柱齿轮齿廓方程。 (2)结合齿轮齿面实际点蚀的形成和扩展规律,以点蚀宽度系数、点蚀长度系数、点蚀深度三种点蚀系数为基础,建立了齿面点蚀扩展模型,运用能量法计算出健康高重合度齿轮单齿对啮合刚度并与有限元法所得结果进行对比,验证了能量法的可靠性与准确性。接着运用能量法分析不同程度点蚀对齿轮啮合刚度的影响。 (3)考虑点蚀故障对齿轮系统动力学特性的影响,在计算出含齿面点蚀故障的高重合度齿轮啮合刚度的基础上,建立系统扭转动力学模型;研究了各参数指标对健康高重合度直齿圆柱齿轮传动系统动力学的影响;同时研究了齿面点蚀对齿轮系统动力学的影响。

关键词： 行星齿轮箱   瞬时角速度信号   高精度估计   循环平稳   故障检测  

摘要： 行星齿轮传动被广泛应用于工业设备中,其各零部件的正常运行是整个机械系统正常运行的关键。编码器是伺服电机中常用的角度位置检测传感器,在系统元件旋转时,编码器会产生脉冲信号,这些脉冲信号中隐藏着系统的旋转信息,可以直接从伺服系统内置的编码器中采集到这些信息而无需外置传感器,通过编码器信号可计算得到机械设备的角度信息,如瞬时角速度(Instantaneous angular speed,IAS)等角度信号,其信噪比较振动信号高,更有利于的旋转机械的故障检测。然而编码器在制造和安装过程中不可避免地存在误差,进而导致由编码器信号估计得到的IAS信号存在较多噪声,影响故障检测结果的准确性。同时,目前基于编码器信号的故障检测研究主要在外置编码器展开,内置编码器因安装于电机端,采集到的信号更容易受到电机成分干扰,且通过其估计得到的IAS信号反映的速度波动更微弱,因此基于内置编码器的故障诊断研究亟待开展。本文首先就编码器误差和估计误差的分布特点进行了深入分析研究,提出了微分器估计方法对IAS信号进行估计,在抑制编码器误差和估计误差的同时保留了信号的机械旋转信息,有效抑制了编码器误差导致的和估计失真;又提出了多项式微分方法,首先通过分段拟合微分获取分段的IAS信号,再运用高阶Hermite插值求导对分段点进行平滑,较好地抑制了IAS信号中的噪声,避免了信号中的不连续,获得更为平滑的IAS信号。针对外置传感器在部分工业场景中应用受到限制的问题,首先运用伺服电机自带编码器对行星齿轮箱进行了信号采集,然后循环平稳技术从信号中提取了太阳轮故障特征,验证了内置编码器进行故障检测的可行性。通过行星齿轮箱太阳轮齿面剥落故障进行了试验分析和仿真分析,验证了使用伺服电机自带编码器进行行星齿轮箱故障检测的可行性和有效性。

关键词： 摆线齿轮   齿廓偏差   CNC齿轮测量中心   误差分析   不确定度  

摘要： 摆线齿轮是国家重大装备需求的关键基础零部件,在很大程度上决定着装备的性能,摆线齿轮的精密测量是影响摆线齿轮减速器的重要因素。本文依托所实习企业齿轮测量中心的工程项目,开发摆线齿轮测量软件解决齿轮测量中心测量摆线齿轮方法问题,研究基于齿轮测量中心的数字化测量和数据处理方法,可以快速准确地测量和评价摆线齿轮的齿形偏差,提高摆线齿轮齿廓测量精度,扩展齿轮测量中心的应用。最后,分别在齿轮测量中心上进行摆线齿轮齿廓的测量实验。研究了极坐标与法向极坐标两种测量方法的不确定度。主要研究内容如下:1.根据摆线齿轮极坐标测量法与法向极坐标测量法的理论公式,研究两种测量方法的测量原理,理论分析两种测量方法的影响因素。制定摆线轮廓测量策略,建立摆线齿轮极坐标与法向极坐标理论轮廓模型和误差测量模型。计算齿面的理论轨迹和被测点的法向量,建立齿面曲线的等距曲线球心轨迹曲线,利用球心轨迹控制测量运动,为摆线轮的精密测量提供必要的理论依据。2.设计人机交互界面,根据工程实际需要确定工件参数和测量控制参数的输入界面。规划软件整体评定方案,设计测量软件的总体架构与软件测量流程,根据不同的测量原理规划不同的测量路径与数据采集动作。开发基于齿轮测量中心的摆线齿轮测量软件,为摆线齿轮精密测量提供了软件支撑。3.通过大量的实验,对比极坐标与法向极坐标重复性、二次装夹的稳定性以及与克林贝尔格测量的变化曲线,得到了极坐标与法向极坐标在不同条件下的实验数据。对得到的实验数据进行详细分析,分析了两种测量方式的测量不确定度。实验表明,齿轮测量中心在测量摆线齿轮时,法向极坐标比极坐标测量更加精准,误差计算方式能准确的评定齿廓加工误差,该软件在一定程度上提高了齿轮测量中心的应用范围。

关键词： 传动件   惰轮轴   机器学习   算法优化   疲劳寿命  

摘要： 煤炭产业是我国重要的基础产业,采煤机在煤炭采掘机械化方面占有举足轻重的地位,提高采煤机的性能是煤炭产业提高生产效率、增加产量、保障安全生产的重要一环。采煤机截割部是采煤机的核心部件,齿轮传动系统中的传动件易发生疲劳破坏从而导致采煤机故障。本文以MG500/1130-WD型采煤机为研究对象,通过理论分析、仿真模拟与实验结合的方法,研究了不同工况下的齿轮啮合传动的动力学特性,基于采煤机实验数据构建神经网络对传动件进行了受力预测,分析了存在误差的齿轮传动的疲劳损伤,对于研究齿轮传动系统中传动件的力学特性有着一定的参考作用。具体工作如下:(1)分析采煤机截割部传动系统的结构和工作原理,利用Solid Works对截割部各零件进行建模及整体装配,对装配体进行干涉检查避免后续仿真失败。对重点研究的传动件进行力学特性分析,包括惰轮组的静力学分析和动力学分析,建立直齿齿轮传动的动力学方程。通过计算滚筒负载与齿轮啮合频率等工作参数,为后续工作提供理论支撑与数据支持。(2)通过改造惰轮轴构建惰轮轴载荷测试系统,进行采煤机整机的实验测试,得到了实验测试中惰轮轴传感器的微应变信号,分析惰轮和惰轮轴的受力。建立采煤机截割部的刚性模型,利用Hyper Mesh生成摇臂柔性体替换刚性体,在ADAMS中进行刚柔耦合仿真并验证模型准确性。研究了齿轮啮合的动态特性,通过分析稳定状态和突变工况下的齿轮传动的动力学特性,探究了齿轮啮合力的变化波动规律。通过分析不同牵引速度下的齿轮啮合的动力学特性,分析了负载转矩对于齿轮啮合力的影响,总结了齿轮啮合力和牵引速度的变化关系,分析了惰轮轴在实验测试过程中的力学特性变化。(3)基于实验数据对传动件惰轮轴进行力学特性分析,将惰轮轴参数化建模,利用Six Sigma模块构建多输入参数试验设计,通过局部灵敏度和响应面优化得到了对于惰轮轴局部应力影响最大的参数。划分试验设计的数组进行机器学习,通过森林算法RF模型对参数的重要程度进行了验证,与支持向量回归SVR、BP神经网络的预测模型进行比较,选择预测性能较好的BP神经网络作为学习模型,通过多算法优化BP神经网络的初始权值和阈值,GA-BP网络有效提高了对于惰轮轴受力预测的准确性,为惰轮轴的尺寸设计和力学特性分析提供参考。(4)阐述平行度误差的定义并建立存在误差的齿轮的数学模型,通过理论计算探究平行度误差对于齿轮传动的影响。建立齿轮啮合的三维模型,对正常传动齿轮和存在平行度误差的齿轮进行有限元分析,探究了垂直平面和轴线平面内的平行度误差对于齿轮的应力影响,得到了存在误差值的齿轮应力的变化规律,得到了应力的变化趋势和最大应力位置。基于有限元仿真结果,使用n Code进行疲劳寿命分析,探究了平行度误差对于正常齿轮传动的寿命影响和不同平面内误差度对于齿轮接触传动的危害。该论文有图74幅,表14个,参考文献74篇。

关键词： 盾构机   主轴承齿轮   多点驱动模型   疲劳寿命预测  

摘要： 盾构机驱动系统是盾构机的动力输出中心,其主轴承齿轮通常采用多点驱动的传动形式,是动力传递的关键构件。主轴承齿轮的疲劳断裂会导致盾构机被迫停机修替,甚至引发安全事故。因此,实现盾构机驱动系统主轴承齿轮的疲劳寿命预测,科学地指导施工决策,具有重要的实用意义与工程价值。首先,本文针对盾构机驱动系统主轴承齿轮的疲劳寿命预测问题,基于主轴承结构与其承载形式,结合具体图纸与实测数据,利用参数化建模技术分别建立了主轴承齿轮单点驱动和多点驱动的三维模型,通过ADAMS软件对该模型进行仿真分析得到了多点驱动齿轮的啮合力;采用集中参数法建立了摩擦条件下的多点驱动啮合力理论模型,利用Matlab软件计算出了齿轮的啮合力。理论数值与仿真数值的相对误差为3.05%,验证了多点驱动模型的正确性。其次,为获取主轴承齿轮传动系统的危险点与载荷情况,在考虑了摩擦因素与惯性效应的条件下,通过有限元技术分别对主轴承齿轮单点驱动模型和多点驱动模型进行仿真,分析得出了大齿圈轮齿根部的应力最大,从而科学地确定了危险点的位置,并提取危险点的载荷-时间历程,且危险点位置与实际工程一致。最后,为实现主轴承齿轮裂纹萌生-扩展全寿命预测,采用局部应力应变法建立了基于S-W-T公式的主轴承齿轮裂纹萌生寿命预测理论模型,计算出齿轮裂纹萌生寿命的理论数值为15492.6h,与n Code仿真数值之间的相对误差为7.18%;建立了基于Paris公式的主轴承齿轮裂纹扩展寿命预测理论模型,通过权函数法计算了应力强度因子,计算出齿轮裂纹扩展寿命的理论数值为1726.3h,与n Code仿真数值之间的相对误差为1.16%。此外,主轴承齿轮裂纹萌生-扩展全寿命理论数值满足设计要求,全寿命理论值与仿真值的相对误差为6.61%,验证了裂纹萌生与扩展寿命理论求解方法的合理性,并进行了工程实验验证。研究结果为盾构机驱动系统主轴承齿轮的疲劳寿命预测提供了一种科学方法。