关键词： 直齿轮副   多状态啮合   轮齿切换冲击   边界冲击   非线性动力学  

摘要： 齿轮传动被广泛应用于各类机械传动系统中,是高精度设备中的重要零部件。齿轮传动是一个包含多种时变参量且运动复杂的非线性系统,其动态特性会直接影响传动的平稳性,而啮合冲击是齿轮传动系统的一种重要内部激励。考虑轮齿的啮合冲击,并研究其对齿轮传动系统动态特性的影响,揭示其作用机理及发生条件,可为进一步减小由冲击产生的振动与噪声提供理论依据。渐开线直齿轮副是最简单的齿轮传动形式,其他齿轮传动形式都是在此基础上进行拓展和延伸,其啮合特性具有典型代表性。论文以最基本的渐开线直齿轮副为研究对象,主要研究内容包括: 首先,根据直齿轮副的多状态啮合特性以及载荷分配率,将啮合冲击划分为轮齿切换冲击和边界冲击两类。其中轮齿切换冲击分为单齿到双齿切换冲击和双齿到单齿切换冲击;边界冲击分为齿面和齿背边界冲击。 其次,基于赫兹接触理论,建立冲击时间与冲击力的计算模型。利用集中质量法和牛顿运动定律,建立考虑轮齿切换冲击的直齿轮副非线性动力学模型,并采用C语言编程求解其动力学方程。结果表明:在换齿位置考虑轮齿切换冲击后,其动态力由跳变转为渐变。 最后,基于能量守恒定律,提出一种齿面和齿背边界冲击的辨识方法。利用集中质量法和牛顿运动定律,建立考虑啮合冲击的直齿轮副非线性动力学模型,并通过C语言编程求解其动力学方程。结果表明:直齿轮副在啮合过程中会出现8种运动状态;在齿面啮合和齿背接触边界位置,相对速度幅值会发生跳跃;若边界冲击结束时刻的力在数值上大于准静态正压力时,则冲击结束后轮齿会发生相对分离。 对照有无冲击系统的分岔图、TLE图、相图、Poincaré映射图和动态力-时间历程图,研究啮合频率、载荷、齿隙、传递误差与阻尼对系统非线性动力学特性的影响。研究结果为揭示系统的啮合冲击机理和进一步减小冲击提供理论依据。

关键词： 行星齿轮箱   故障诊断   经验小波分解   元学习   云边协同  

摘要： 行星齿轮箱是旋转设备中的关键部件,其结构常见于工业机械手、卸船机差动变速箱、汽车变速箱等高速比大扭矩的场景。对行星齿轮箱进行故障诊断研究,开发设备监测维护系统能够提早发现设备故障,从设备维护和安全方面降低企业成本提高经济增长,具有极大的工程应用价值。本文对行星齿轮箱的振动机理、故障仿真模型、微弱故障特征提取和小样本迁移学习方向进行了算法和应用研究。论文的主要内容如下: (1)论述了课题背景和研究意义,阐述了行星齿轮箱的故障诊断和监测维护的重要性。分别总结了行星齿轮箱在微弱故障诊断和智能故障诊断的国内外研究现状,以及小样本和迁移学习故障诊断算法在工业实际应用的重要性。基于上述诊断算法的应用研究,分析了故障诊断在工业互联网中的应用案例。 (2)从齿轮啮合的力学模型出发,建立了齿轮啮合振动信号仿真模型。结合故障传递路径分析不同齿轮产生故障冲击的特点,建立太阳轮、行星轮和齿圈故障仿真振动信号模型。对仿真信号进行谱分析,论述了行星齿轮箱的振动故障特征。搭建了“背对背”工业级行星齿轮箱故障试验台,安装不同故障类型不同故障程度的齿轮故障件,采集多转速工况下故障振动信号,构建行星齿轮箱故障数据集。 (3)针对强噪声高负载下行星齿轮箱的早期微弱故障难以识别和诊断的问题,提出了基于稀疏引导的改进经验小波分解和多点最优最小熵解卷积的早期微弱故障特征提取方法。利用极小值频带划分法与故障综合指标,提高经验小波分解自适应性。计算信号稀疏度提取故障敏感分量。对敏感分量做多点最优最小熵解卷积运算,提取行星齿轮箱中齿轮的微弱故障特征频率。用仿真信号和实测信号验证该方法的有效性。 (4)针对数据驱动的智能诊断方法在实际工程应用中存在的缺陷,提出了基于改进经验小波结合原型网络的元学习智能诊断算法。采用改进经验小波分解提取原始信号数据特征,并进行元学习模型训练。通过小样本实验和迁移学习实验,验证了改进经验小波的特征数据相比原始故障数据,能够提升诊断准确率。并对比分析了所提方法相比于传统智能诊断方法在小样本和迁移学习场景下的优越性。 (5)针对行星齿轮箱故障诊断系统的实时性和智能化需求,基于云边协同计算模式开发了一套行星齿轮箱的故障诊断系统,该系统结合了云计算和边缘计算的优点,提供了数据采集、信号特征提取、在线监测和智能诊断等功能,具有工程实用价值。

关键词： 人字齿轮   齿面摩擦   齿侧间隙   非线性   频响特性  

摘要： 两级人字齿轮传动系统具有承载能力强、传动扭矩大等优点,因此,人字齿轮更多应用于大扭矩的船舶发动机等的齿轮传动中。然而,在高速、重载等因素下,齿轮可能在齿根处出产生裂纹,影响齿轮系统的正常运行。若能够及时检测齿轮裂纹故障,对维护设备的平稳运转有着十分重大作用。本文以两级人字齿轮传动系统为研究对象,综合多种激励因素下,建立含裂纹两级人字齿轮传动系统动力学模型,针对含裂纹人字齿轮时变啮合刚度对两级人字齿轮传动系统的振动特性影响机理,研究其传动系统的振动特性。采用势能法计算了含裂纹的两级人字齿轮系统中各齿轮副的时变啮合刚度。建立含裂纹人字齿轮刚度数学模型,将轮齿简化为悬臂梁模型,结合齿轮弯曲、剪切、轴向压缩和接触等因素,采用势能法计算含裂纹两级人字齿轮时变啮合刚度,而后分析了不同长度、不同深度、不同角度参数下的齿根裂纹对人字齿轮时变啮合刚度的影响规律。为揭示裂纹对船用两级人字齿轮传动系统的振动特性的影响规律,以两级人字齿轮传动系统为研究对象,将不同齿根裂纹参数下的时变啮合刚度代入到建立两级人字齿轮传动系统动力学模型中,通过考虑时变啮合刚度、误差、扭转刚度、支承刚度、齿面摩擦、退刀槽等内、外部激励影响因素,建立了系统48自由度的弯-扭-轴-摆动力学模型。根据牛顿力学定律,推导出相应的两级人字齿轮传动系统动力学微分方程。利用变步长Runge-Kutta数值法求解两级人字齿轮传动系统动力学微分方程,求得振动信号时域图、频域图、相图和Poincare图,得到两级传动系统的振动响应,分析了不同裂纹程度对两级人字齿轮传动系统的振动影响规律。利用频域图和时域图对比分析了正常人字齿轮与裂纹人字齿轮在的力学振动变化差异,揭示了裂纹对两级人字齿轮传动系统的振动特性影响机理,为人字齿轮传动系统的减振降噪和动力学性能研究提供了依据。搭建了两级人字齿轮传动系统试验台,通过试验,测试了不同裂纹长度对两级人字齿轮传动系统振动响应的影响。通过加速度传感器计算出不同裂纹对两级人字齿轮振动信号,将理论结果和实验结果对比。试验证实了本研究中所提出的模型对人字齿轮的动态特性研究是准确和可靠的,其研究结论为齿轮传动系统故障诊断提供理论依据。通过以上研究发现当人字齿轮产生裂纹时,随着齿根裂纹不断扩展,时变啮合刚度逐渐减小,时域响应中存在冲击现象,当齿根裂纹产生并随着裂纹程度的不断扩展,在次频附近产生微小的杂频,并且杂频会随着裂纹的不断扩展而增加。试验数据验证了理论仿真的计算结果。

关键词： 齿轮故障   故障诊断   小波包分解   小波去噪   BP神经网络  

摘要： 齿轮是传递动力与运动的重要机械元件,是动力系统的核心组成部分。由于长期在高速重载的工况下运行,因此易受到损害导致齿轮故障,进而诱发动力系统故障,造成经济损失甚至人员伤亡。对齿轮进行健康状态监测、及时诊断齿轮的故障类别可以有效提高动力系统的运行可靠性。目前,齿轮故障诊断领域需要解决的主要问题有:1)如何去除故障源信号中的噪声;2)如何准确提取故障特征;3)如何识别混合故障。围绕以上三个问题,本文分析了齿轮振动信号的频率成分后,分别从信号去噪、特征提取以及故障识别等方面开展了研究。首先,结合齿轮振动的特点建立齿轮系统的简化振动模型,将齿轮简化成一个由弹性元件、质量元件和阻尼元件所组成的振动结构;分析齿轮常见故障的产生原因,并对齿轮箱振动信号的频率成分进行研究。其次,对信号的时域、频域、时频分析方法分别进行了研究。经过大量实验研究后发现:时频分析法中的小波分解法适合去除信号噪声,且使用合适的小波基函数对不同的故障信号进行去噪可达到更好的去噪效果,有利于故障信号的特征值提取;将去噪后的信号进行小波包分解,并将分解系数进行能量归一化作为振动信号的故障特征。由于不同检测点测得的振动信号包含的特征信息不同,本文选取了3个检测点测量振动信号,并将3个通道获得的故障特征值组成特征向量作为故障识别的输入样本。最后,选择LabVIEW图形编程软件搭建齿轮系统故障诊断软件平台,并基于数据驱动进行了BP神经网络模型训练。经过实验验证得出:本文设计的齿轮故障诊断系统对一定范围内变输出负载的故障诊断结果可靠;系统可以准确识别出齿轮的混合故障。

关键词： 航空发动机   附件传动系统   中央传动齿轮  

摘要： 目前,传统的航空发动机附件传动系统主要是靠一对锥齿轮副构成的中央传动系统从主轴提取功率到附件。为了提高航空发动机附件传动系统的效率和可靠性,需要寻找一种更加先进的传动方式。本文将从航空发动机附件传动系统新型中央传动齿轮概述及设计要求出发,通过对其进行动力学分析,并结合实际应用情况,提出一种新型的中央传动齿轮方案。该方案采用了72°轴交角的传动方式,具有较高的承载力和耐久性,为促进航空发动机附件传动系统的发展提供参考。

摘要： “命运的齿轮开始转动”是近期短视频的热门词条，视频内容主要是记录平凡的人在某一时刻遇上了机遇，从此生活发生了翻天覆地的变化。由此，“命运的齿轮开始转动”代指改写命运的某个瞬间，或者说影响其一生轨迹的转折点。评析：短视频用几十秒时间浓缩了一个人的故事，让人感觉“命运的齿轮开始转动”这个词条仿佛自带魔法——时机一到，乌鸡将飞上枝头变凤凰，平平无奇的人生马上有奇迹发生……

关键词： 非圆齿轮   电火花线切割   齿廓误差   工艺参数   误差补偿  

摘要： 非圆齿轮既有凸轮的优势,又有齿轮的优势,广泛应用武器装备、矿山机械、航空航天等领域。由于非圆齿轮特殊的工作环境以及复杂的工况,其加工精度尤为重要。电火花线切割加工作为非圆齿轮常用的加工方法之一,其具有不受非圆齿轮形状限制等优势。因此,本文以线切割加工理论和非圆齿轮线切割加工试验相结合的研究方法,探究工艺参数对Pascal蜗线型非圆齿轮齿廓误差的影响规律。通过工艺参数优化和误差补偿的方式,降低齿廓误差,提高非圆齿轮线切割加工精度。主要研究内容如下:(1)非圆齿轮电火花线切割加工齿廓误差成因及电极丝变形仿真分析。分析非圆齿轮电火花线切割加工对齿廓精度造成影响的主要因素,包括电极丝形位变化和发生重复放电现象。(2)非圆齿轮电火花线切割加工试验及数据分析。选择Pascal蜗线型非圆齿轮齿根、齿中和齿顶部分齿廓误差为试验指标,选择对齿廓误差影响较大的工艺参数为试验因素,设计正交试验;基于极差分析法和方差分析法对试验数据进行分析,探究工艺参数对非圆齿轮齿根、齿中和齿顶部分的齿廓误差影响规律和最优参数组合。(3)齿廓误差预测及工艺参数优化。采用回归分析方法和灰狼优化算法对非圆齿轮电火花线切割加工工艺参数进行预测和优化得到Pareto前沿工艺参数最优解集,降低非圆齿轮齿廓误差。(4)基于SSA-BP神经网络预测的非圆齿轮齿廓误差补偿方法研究。通过麻雀搜索算法对BP神经网络算法的权值和阈值进行优化,提升BP神经网络的收敛速度和预测精度;进而利用SSA-BP神经网络对Pascal蜗线型非圆齿轮电火花线切割加工齿廓误差进行建模,对非圆齿轮的齿廓误差进行非线性预测,基于预测误差对加工轨迹进行误差反向补偿,提高非圆齿轮加工精度。

关键词： 风电齿轮箱   动力学特性   结构优化设计   齿轮修形   均载性能  

摘要： 风电齿轮箱作为风电机组的核心部件,其性能和可靠性影响风电机组的运行效率和寿命。为了提高风电齿轮箱的性能和可靠性,本文基于南方宇航某型号5.2MW风电齿轮箱设计研发,对风电齿轮箱进行设计优化以提高其性能,主要内容如下: （1）本文通过Romax软件建立完整的齿轮传动链动力学模型,并给出了风电齿轮箱动力学模型建立的步骤和方法。求解了齿轮箱系统的固有特性、固有频率、传递误差,并以此传递误差作为激励源,对传动链系统的振动响应进行求解分析。通过动力学分析计算出5.2MW风电齿轮箱初始设计的振动加速度值6.68)/2。求解结果满足VDI13834标准规定中振动响应低于7.58)/2的要求,同时给出了Campbell图用于辅助分析。 （2）通过设计优化提高风电齿轮箱的性能。首先,对齿轮参数进行设计优化,使第一级行星轮弯曲疲劳强度提高了2.6%。其次,对修形参数进行了优化,通过调整修形量使齿轮啮合的单位长度载荷降低了2.4%～7.9%。最后,通过遗传算法,优化了中箱体结构。优化后的中箱体质量减少2.5%,等效应力减少21.3%。综合以上齿轮箱优化设计方法,齿轮箱的振动加速度减小了9.8%。 （3）研究设计公差、制造偏差对齿轮及整个传动系统的影响规律。使用蒙特卡罗方法,分析KHβ对销轴位置度偏差的敏感性,对多组销轴位置度超差后的数据进行DOE分析,并汇总各公差带内的KHβ结果,验证行星销轴位置度偏差对KHβ及齿轮性能的影响。最后,考虑设计公差、制造和装配偏差等因素,进行批量DOE分析,获取Kγ值的分布并进行工程决策。 （4）通过对5.2MW风电齿轮箱进行型式试验,将试验结果与优化后的动力学特性进行了对比分析。试验结果表明,优化后实测的振动加速度比优化前的理论计算结果降低了7.9%,齿轮箱振动响应得到了优化,实现了本次研究的目的。

关键词： 风电机组齿轮箱   缺陷检测   特征重构   困难样本   损失函数  

摘要： 风电机组齿轮箱齿面缺陷检测是风电机组运维中的关键环节。现有齿轮箱齿面缺陷检测方法中,接触式检测噪声多,检测设备易发生故障;非接触式检测依赖内窥镜采集及人工分析,效率较低。深度学习凭借其自动提取图像特征的独特优势,可显著提高检测效率,但是在实际缺陷检测应用中,通常无法采集到足够数量的缺陷图像,导致深度学习模型泛化性较差。基于此,论文致力于解决少样本条件下的风电机组齿轮箱齿面缺陷检测问题,主要研究工作如下: (1)针对齿面图像样本数量不足的问题,使用图像扩增技术增加样本数量,构建齿面图像数据集。首先利用传统图像扩增方法进行初步扩充其次利用生成对抗网络生成齿面缺陷图像,使缺陷特征的形态和位置更具有随机性;最后将扩增的图像添加至原始样本中,构建齿面图像数据集。 (2)针对个别类别缺陷样本过少,扩充后依然无法满足检测要求,存在特征提取能力受限问题,提出一种多尺度特征重构的少样本齿面缺陷检测模型。模型以金字塔场景分析网络为基准网络,首先使用特征重构网络获取齿面缺陷的多尺度特征;然后采用特征选择模块筛选重要的图像特征;最后使用空间金字塔池化结构融合特征,完成多尺度特征重构模型的构建。实验结果表明,多尺度特征重构模型在少样本齿面缺陷检测中,与基准网络相比mIoU提高了 1.21%,mPA提高了 3.88%。 (3)针对样本中存在的特殊情况,如光线干扰、缺陷与背景相似等,导致模型出现漏检,在多尺度特征重构网络的基础上提出困难样例挖掘方法。首先通过损失函数重构、困难样例挖掘的方式,对训练中较难检测的困难样本迭代训练,加强模型对困难样本的关注;通过实验验证,采用困难样例挖掘的模型比多尺度特征重构模型mloU提高了0.58%,mPA提高了1.55%;最后根据实际需求,研发了一套风电机组齿轮箱齿面缺陷检测系统,实现集缺陷检测、报告生成和历史记录于一体的可视化平台,并在现场投入使用,具有推广应用价值。

关键词： 故障诊断   信号融合   注意力机制   深度学习  

摘要： 随着工业化水平的快速提升,现代工业中机械设备的结构变得越来越复杂,机械设备的安全性和可靠性保障成了一个不可忽视的问题。齿轮箱是机械设备中的一种常见的传动装置部件,而齿轮作为齿轮箱传动中的核心部件,由于负载强度大、长时间运行、运行状况复杂等原因,在工作的过程中可能会出现各种异常状态,甚至会造成生产停滞、经济损失、人员伤亡等结果,因此,开展齿轮箱的智能故障诊断方法研究具有十分重要的现实意义及应用价值。本文基于信号融合和深度学习的知识开展了齿轮箱故障智能诊断,首先针对多传感器信号按照各自的性质提出三种融合方法并对其效果进行分析;然后面向多通道一维信号提出一种基于卷积神经网络信号融合与深度学习的齿轮箱故障诊断方法;最后利用东南大学动力传动系统动态模拟实验平台数据对所提方法进行实验验证,实现了多传感器监测下齿轮箱的故障诊断。本文以干式齿轮箱为研究对象,主要研究内容如下:(1)针对齿轮箱齿轮在发生故障时故障信号易被强噪声淹没、采集信号不全面等问题,提出三种振动信号的融合方法。对于同种模态信号提出基于卷积神经网络和基于方差贡献率的信号融合方法;对于不同模态信号提出多头跨模态特征融合方法。并通过实验验证了融合信号的优势,以及对比了不同组合的融合信号之间融合效果的区别。(2)针对多通道一维信号特征提取针对性不强和基于图像的深度学习故障诊断方法中依赖于时域信号特征转化效果的问题,提出基于1dresnet和注意力机制的齿轮箱故障智能诊断方法。首先构造一维多通道时序信号,利用残差块堆叠一维卷积层实现网络对信号深层特征的提取,然后再通过对每个残差结构加入ECA模块实现网路对每个通道的针对性学习。具体内容包括介绍多通道一维时序信号的构建、数据增强、一维残差神经网络的搭建、一维通道注意力机制的嵌入过程。最后并利用齿轮箱故障公开数据集进行实验验证。(3)针对以上所提方法的特性,利用东南大学动力传动系统动态模拟实验平台对所提方法进行实验验证。通过对比故障信号特征差异不大的情况下,分别在基于信号本身和时频特征上故障诊断网络上的表现,并通过交叉验证验证了所提方法的有效性。