关键词： 海洋装备   腐蚀疲劳   关键构件   超声冲击   表层改性  

摘要： 随着海岸工程、海洋开采以及水下工程等海洋战略性产业的兴起,海洋装备关键构件的腐蚀疲劳失效已成为海洋工程领域的突出问题。超声冲击表层改性技术是一种高效便捷的表面改性技术,广泛用于提升各种高端装备关键构件的抗疲劳性能。本文针对海洋装备传动系统中广泛使用的20CrNiMo渗碳齿轮钢进行了超声冲击表层改性实验研究,探究了超声冲击表层改性对20CrNiMo渗碳齿轮钢腐蚀疲劳性能的影响。本文的主要研究内容包括:（1）超声冲击表层改性机理研究。首先介绍了超声冲击系统的组成部件以及振动原理。然后从表面粗糙度减小、微观组织细化以及残余压应力场产生这三方面详细阐述了超声冲击表层改性机理。最后基于赫兹接触理论对超声冲击工具头与试件的接触半宽以及最大压力进行理论分析,并推导了试件接触区域接触应力的分布函数关系。（2）超声冲击工艺参数理论分析。通过对超声冲击载荷作用下试件的塑性变形进行理论分析,建立了工艺参数与试件应变值间的数学模型。根据超声冲击试件在极限强度内发生塑性应变越大则残余压应力越大的特点,结合试件材料高应变率下的应力应变曲线,选取应变值范围为0.7εb至1.1εb,计算出在振幅为12μm且频率为20k Hz的条件下20CrNiMo渗碳齿轮钢超声冲击静载荷范围。借助有限元仿真分析试件的塑性变形和残余应力分布,结果表明应变值为εb时,试件表层最大残余压应力为338MPa。（3）超声冲击表层改性工艺优化。以试件表层显微硬度、残余压应力和超声冲击凹槽形貌为评价指标,进行超声冲击实验,探究了静载荷对超声冲击效果的影响。实验结果表明:超声冲击可提高试件表层硬度、产生残余压应力以及改善试件表面加工刀痕;静载荷为900N时,表层残余压应力最大为319MPa,影响层深度约为200μm。此外,通过实验探究了进给速度对试件表层显微硬度和表面粗糙度的影响,结果表明:试件表层硬度随进给速度增大而逐渐减小;表面粗糙度随进给速度增大呈先减小后增大趋势,当进给速度为0.2mm/r时试件表面粗糙度Ra最小为0.067μm。（4）腐蚀疲劳实验。首先采用优化的工艺参数对试件进行超声冲击表层改性处理,然后与未处理试件一起预腐蚀72h后进行腐蚀疲劳对比实验,结果表明预腐蚀72h使得原试件腐蚀疲劳寿命从193610r下降至84711r,超声冲击表层改性后试件的腐蚀疲劳寿命为1967328r,是未处理试件的23.2倍左右。利用扫描电镜观察失效断口,结果发现:预腐蚀72h后未改性的试件表面存在大量微腐蚀坑,微腐蚀坑会引起应力集中并诱发裂纹从表面产生;超声冲击表层改性的试件表层未出现微腐蚀坑,其裂纹萌生位置推至亚表面。实验证明了超声冲击表层改性可显著提升20CrNiMo渗碳齿轮钢腐蚀疲劳性能。

关键词： 齿轮   点蚀   状态监测   神经网络   多信息融合  

摘要： 齿轮是机械装备的核心基础部件,其健康状态直接影响机械装备的服役性能和可靠性。齿轮长期工作在恶劣的环境下,点蚀是齿轮常见的失效形式之一,因此,实现对齿轮的点蚀监测具有重要意义。本论文结合某些应用场景传感器安装位置受限等限制条件,研究基于箱体振动信号的齿轮点蚀监测方法,综合运用特征融合、机器学习等理论与方法,构建了多测点信息融合的轮齿点蚀识别模型,并依托自制的齿轮试验台,实现了基于多传感器信息融合的齿轮点蚀状态识别。论文主要研究工作是:1、监测传感器布局优化。结合自有的齿轮试验台结构,采用Solidworks软件完成了齿轮箱的三维建模,并基于ANSYS软件完成了齿轮箱的静强度分析和模态分析。结果表明:齿轮箱运转时,等效应力和等效应变的最大位置均出现在主动轴位置附近,此位置处的振动最为剧烈,为优化监测传感器布局提供了理论依据;该齿轮箱在试验既定的转速下不会发生共振。2、振动信号采集与分析。依托自有的齿轮试验台,采集了正常、单齿单点蚀和单齿双点蚀三种状态下的箱体振动信号,并研究了振动信号的多域分析方法。首先,对比分析了软阈值法、硬阈值法和固定阈值法三种降噪方法,并结合试验采集的数据进行了验证,确定了采用固定阈值法对箱体振动信号进行降噪处理。其次,对振动信号进行了多域分析。在时域分析方面,通过对比均值、均方根值等8个有量纲时域特征,以及偏度指标、波形指标等4个无量纲时域特征的分类识别效果,确定了选取峰峰值、峭度、方根幅值和裕度指标这四个指标作为后续齿轮点蚀状态识别的融合特征;在频域分析方面,通过对降噪后的振动信号进行FFT频谱分析,分析了试验齿轮啮合频率及倍频处的变化,进一步明确了基于振动信号可以区分齿轮不同的点蚀状态;在时频域分析方面,基于db5小波基函数进行了三层、六层小波包分解,对比分析了其能量比图,确定了对齿轮状态具有较好区分度的节点,在此基础上,进行了EEMD分解,并采用相关系数法筛选出相关性较高的三个IMF能量熵特征作为模式识别的输入。3、多传感器信息融合的齿轮点蚀状态识别。研究了数据层、特征层、决策层的信息融合方法,并结合所采集的齿轮箱振动信号,实现了基于多传感器信息融合的齿轮点蚀状态识别。结果表明:在数据层融合中,通过对筛选出的峰峰值、峭度、方根幅值和裕度指标采用相关函数加权法融合后,基于BP神经网络可实现对三种齿轮点蚀状态的分类识别,准确率达97.2%;在特征层融合中,通过相关系数法筛选出相关性较高的三个IMF能量熵特征,再结合卷积神经网络,也可实现对三种齿轮点蚀状态的分类识别,准确率达98.6%以上;在决策层融合中,基于单一传感器信息独立进行模式识别后,再采用D-S证据理论进行融合决策,同样可实现对三种齿轮点蚀状态的分类识别,准确率可以由基于单一传感器识别的93%左右提升至99%以上。

关键词： 齿轮油   清洁度   检测  

摘要： 介绍盾构主驱动的结构组成以及主驱动润滑系统的工作原理，并对工业齿轮油的检测方法进行介绍，重点对齿轮油中的元素含量、运动黏度及含水量等测试方法进行阐述，通过实际工作经验和试验数据对齿轮箱润滑油中的磨损金属和污染情况进行研究分析，综合分析油液性能参数的劣化和使用时间的关系，为齿轮油的定期更换提供理论依据。

关键词： 图卷积神经网络   故障诊断   齿轮箱   特征提取  

摘要： 风电齿轮箱的故障诊断是风电涡轮机运行和维护的一项关键任务。一旦设备某个部分出现故障,将会严重的影响风机的正常运行,甚至可能导致重大的经济损失和人员伤亡。因此,对风电齿轮箱进行故障识别,具有重要的现实意义。随着智能化的快速发展,故障诊断逐渐转向基于深度学习的方法。图卷积神经网络具备自适应提取数据中关键信息的能力,并显著增强了特征提取和噪声抑制的能力。本文将采集到的故障振动信号构建成故障关联图并基于图卷积神经网络提出了两种网络模型,实现对齿轮箱的故障诊断,论文主要工作如下: (1)针对传统图卷积神经网络只能聚合本地邻居节点信息但并没有考虑到邻居节点的重要性等局限,提出一种基于不同尺度图注意力卷积神经网络的故障诊断方法。设计了不同尺度图注意力卷积网络的模型。该模型将三个不同感受野的信息采用图注意力机制进行特征的融合,与传统图卷积故障诊断方法相比,该模型可以将聚集的特征融合为信息更加丰富的特征表示,具有较好的故障分类性能表现。 (2)针对传统图傅里叶变换需要矩阵特征分解,从而导致计算成本高的缺点,提出一种基于小波变换和图小波卷积神经网络的齿轮箱故障诊断方法。将小波基附加到经典图卷积神经网络的图傅里叶基上,作为模型的新基础,以提高模型的特征提取能力。此外,在数据处理阶段,采用小波包变换对收集到的振动信号进行预处理,并构建关键图来实现精确的特征分类,以提高故障诊断结果的准确性。 本文以图卷积神经网络方法为基础,对机械故障诊断领域的特征提取、故障诊断的新方法开展了深入研究,提出了两种基于图卷积神经网络的齿轮箱故障诊断方法。算法仿真和试验结果表明,所提出的方法在机械故障上能够获得好的诊断分类准确度。

关键词： 变速箱齿轮   混流投产排序   改进遗传算法   AnyLogic仿真   生产线平衡  

摘要： 机械齿轮是机械传动的主要零件之一,广泛应用于各种机械设备中,是大部分机械产品不可缺少的传动部件。现代企业对机械齿轮的生产质量和精度要求日益提高,本文从我国变速箱齿轮制造业现状入手,在运用生产系统优化相关理论进行分析的基础上,以H公司勘探钻机变速箱齿轮的混流生产系统为研究对象,探究H公司变速箱齿轮投产排序的优化方法,具体包括:通过现场调研,深入了解H公司变速箱齿轮的生产工序、作业时间、工作区域和人员调配,在此基础上总结绘制工艺流程图。运用Any Logic仿真软件对该离散生产系统进行模拟仿真,还原齿轮生产系统的真实状况,从而得出实际生产线的平衡率,运用5M1E方法分析生产车间的各项指标偏低的原因。在运用基础工业工程方法开展投产前置优化工作后,研究主要回顾了传统遗传算法染色体编码、解码以及交叉、变异、选择操作的方式方法,选取适合H公司生产系统的改进遗传算法方案,尝试提高算法的优化效果,在过去混流排序优化研究范式的基础上,针对该车间的混流投产排序问题构建数学模型,利用Python编程技术,获得了最优的投产序列。最后,对优化后的生产线进行仿真,以最优投产序列的方式验证了优化效果,针对性地提出优化方案的保障措施,并对论文研究的不足之处提出展望。通过对变速箱齿轮加工车间的混流排产进行优化研究,不仅可以对变速箱齿轮制造系统进行优化,以此提高变速箱齿轮生产效率、增强企业的综合实力,同时为其他企业混流制造业的系统优化提供理论和实际的借鉴意义。

关键词： 微型齿轮   行星轮系   有限元法   疲劳寿命预测   动态故障树   可靠性  

摘要： 随着航空发动机的不断发展,其对空气涡轮起动机的高性能要求也增加了传动系统及相关部件的设计难度。微型行星齿轮传动减速结构凭借其具有较高的零件集成度及可在狭小空间内实现同轴差速传动的优点被选择用做空气涡轮起动机内部减速结构。为了满足某型空气涡轮起动机的研制要求,本文研究航空用微型行星齿轮传动结构设计与运转试验、微型齿轮接触疲劳与弯曲疲劳寿命预测及基于动态故障树模型的微型行星齿轮系统可靠性分析。本文主要研究内容如下: (1)依据某型空气涡轮起动机的研制要求,对微型行星齿轮传动减速结构进行选型与方案设计,通过试制微型行星齿轮传动减速结构的运转试验,验证了微型行星齿轮传动减速结构选型与齿轮各参数设计的合理性,为微型行星齿轮传动减速结构寿命与可靠性等性能研究奠定基础。 (2)在有限元分析软件中导入微型齿轮副三维模型,对齿轮副进行瞬态动力学仿真分析,将瞬态动力学仿真结果导入疲劳寿命计算软件中,考虑材料的S-N曲线,计算得到不同载荷作用下微型齿轮的弯曲疲劳寿命,为拟合微型齿轮弯曲疲劳S-N曲线提供理论基础。 (3)根据经验公式及有限元仿真结果分别拟合出微型齿轮接触疲劳与弯曲疲劳S-N曲线,利用有限元法计算载荷谱中各级载荷作用下微型齿轮所受到的接触与弯曲应力,结合已获得的微型齿轮接触与弯曲疲劳S-N曲线,利用疲劳累积损伤理论预测各微型齿轮的接触与弯曲疲劳寿命。 (4)建立基于动态故障树的微型行星齿轮系统可靠性分析模型,采用二元决策图(BDD)和与马尔可夫模型(Markov Model)相结合的动态故障树分析方法对微型行星齿轮系统进行可靠性分析,计算了系统可靠度与系统平均故障间隔时间(MTBF),对微型行星齿轮系统故障树模型中的静态子树和动态子树进行了重要度分析,对微型行星减速器进行了加速寿命试验,验证了微型行星齿轮系统的可靠性。

关键词： 消噪   特征提取   Fisher score特征选择   齿轮故障诊断   健康状态识别  

摘要： 变速箱是旋转机械设备中传递动力的重要部件,其状况决定了整个设备的安全和稳定运行,因为其运行环境极其恶劣,故障率很高。据研究发现齿轮是变速箱中最容易发生故障的零部件之一,在许多变速箱引发的事故问题中,由齿轮失效引发的变速箱故障问题最为常见。齿轮发生故障时,必然会导致变速箱无法正常运转,进而会影响设备的安全运行,导致严重的经济损失或人身伤害。本文首先对振动信号的预处理方法进行了研究,采用结合经验模态分解法(Empirical Mode Decomposition,EMD)与小波阈值的消噪方法对齿轮故障振动信号进行消噪处理,通过与小波阈值法、EMD的消噪效果进行对比分析,验证了该方法的有效性。然后,从消噪后的振动信号中分别提取时域、频域及熵特征构成多域原始特征集,并利用Fisher score评价准则进一步从原始特征集中筛选出能够反映齿轮故障信息的特征子集。为了研究变速箱中齿轮的故障诊断问题,本文提出了两种不同的基于深度学习算法的齿轮故障诊断识别方法。首先建立卷积神经网络(Convolutional Neural Network,CNN)模型,并将原始特征集及特征选择处理后的特征子集输入到网络模型中进行分类,考察特征选择对于分类准确率的影响。并研究CNN模型不同参数设置对分类效果的影响,分析CNN故障诊断模型的分类性能。最后建立DBN-SVM故障诊断模型,实现齿轮不同故障类型的分类识别,并与DBN、SVM模型进行对比分析。针对故障诊断问题仅适用于在故障发生后实现,无法提前知晓故障产生,本文建立了基于CNN-LSTM的变速箱健康运行状态识别模型,研究不同网络层数与学习率对模型识别效果的影响,确定最优结构参数,实现变速箱运行状态的识别预测。并与CNN、LSTM模型的分类效果进行对比分析,该研究对于提前预知非健康运行状态、降低故障发生率、确保机械设备安全运转具有非常重要的意义。

关键词： 变分模态分解   齿轮特征提取   齿轮故障检测   频谱相关性分析  

摘要： 在汽车传动技术领域中,齿轮传动设备起着至关重要的角色,齿轮失效是传动设备中产生故障的主要原因。若汽车齿轮早期故障及时发现并修复,能够避免因齿轮故障导致的一些重大损失。同时,汽车在运行过程中,齿轮处于非平稳状态下运转。因此,本文针对非平稳运行状态的汽车齿轮,进行汽车齿轮故障检测方法的研究与分析。首先,本文对汽车齿轮啮合振动机理进行分析,并通过建立汽车齿轮的力学模型进行故障信号的频谱相关性分析。然后,针对汽车齿轮故障信号难以提取的问题,本文将改进的小波阈值的方法对信号进行降噪处理,抑制故障信号中存在的干扰量,采用变分模态分解(Variational Mode Decomposition,VMD)将降噪后的齿轮故障信号分解成一系列的固有模态函数(Intrinsic Mode Function,IMF)。接着,针对VMD中模态个数和惩罚因子难以确定的缺点,采用原始信号与分量信号之间的相关系数分析结果对分解的IMF个数确定,以及采用样本熵最小值原则对惩罚因子进行优化;将得到的IMF进行FFT变换,利用FFT频谱实现齿轮特征提取。最后,结合本文研究的汽车齿轮信号具有非平稳和非线性的特点,采用遗传算法(Genetic Algorithm,GA)对支持向量机(Support Vector machine,SVM)进行优化,进而实现齿轮故障诊断。为了验证所提出汽车齿轮故障检测方法的有效性,本文设计了汽车齿轮故障检测的实验系统,并对所提出的方法进行验证。实验结果表明,本文的汽车齿轮故障分类诊断的准确率达到了95.41%,实现了高精度、高效率的汽车齿轮的故障诊断。

关键词： 螺旋齿面齿轮   车齿加工   加工仿真   试验验证  

摘要： 螺旋齿面齿轮传动是一种空间非平行轴齿轮传动形式,它是由一个圆柱齿轮和螺旋齿面齿轮啮合构成的。与锥齿轮传动相比,螺旋齿面齿轮传动的重合度更大,齿面接触更充分,同时也更加平稳、噪音更小,在机器人关节、车辆后桥减速器、直升机减速器等方面有着广泛的应用。现有的面齿轮机械展成加工方法主要适用于直齿面齿轮和小螺旋角面齿轮,而不能范成加工出具有大螺旋角的面齿轮齿面,因此本文针对大螺旋角面齿轮展成加工方法的局限性,提出并研究车齿法加工螺旋齿面齿轮的技术,主要内容如下:根据螺旋齿面齿轮的插齿加工原理,构建了螺旋齿面齿轮的齿面方程,根据面齿轮的插齿加工运动关系,建立了插齿加工面齿轮坐标系,由渐开线圆柱齿轮的齿面方程,根据渐开线圆柱齿轮和螺旋齿面齿轮的啮合关系,推导了面齿轮的理论齿面方程。运用数值计算方法,获得螺旋齿面齿轮齿面的离散点坐标,进而运用三维软件得到了螺旋齿面齿轮的三维数字化模型。根据空间齿轮啮合原理,提出了利用小螺旋角斜齿刀具车齿加工大螺旋角面齿轮的方法。构建了车齿法双自由度展成螺旋齿面齿轮的理论加工模型,获得了刀具与工件的空间位置布局,建立了碗形车齿刀具刃形曲线的数学模型,根据车齿法加工运动分析,基于空间曲面双自由度包络原理和车齿法加工的运动关系,推导了车齿法加工的螺旋齿面齿轮齿面方程。根据求得的齿面离散点坐标,建立齿面误差分析模型,对得到的螺旋齿面齿轮齿面和理论齿面进行齿面误差分析对比。构建了车齿法数控加工螺旋齿面齿轮的加工运动模型,对螺旋齿面齿轮进行数控车齿加工仿真。根据螺旋齿面齿轮车齿法加工数控机床的结构特点,建立了车齿机床的三维模型,根据面齿轮车齿法加工理论模型与数控加工模型运动转换关系,对车齿法数控加工运动进行分析,确定了车齿法数控加工各轴的运动参数。设计了碗形车齿刀结构,研究了刀具刃形曲线的修形方法,建立了刀具的三维模型。运用VERICUT数控加工仿真软件,导入机床和刀具模型,由上述获得的数控机床各轴的运动参数,编写数控加工程序,开展螺旋齿面齿轮的车齿法加工仿真,并对仿真结果进行了分析比较,进一步研究了数控车齿法加工螺旋齿面齿轮数控编程的一般规律。根据上述螺旋齿面齿轮的车齿法加工原理,考虑加工设备等因素,开展了车齿法加工面齿轮试验。根据螺旋齿面齿轮车齿加工仿真过程获得的一般方法,对车齿法加工直齿面齿轮进行仿真加工和分析对比。根据实际加工设备参数,设计了面齿轮车齿试验方案,利用洛阳科大越格数控机床的车齿机床,对直齿面齿轮进行车齿法加工,并对加工完成之后的直齿面齿轮进行齿面检测,检测结果表明,左齿面的误差74.4μm,右齿面的误差为60.7μm,通过试验可以进一步验证车齿法加工面齿轮的正确性与可行性。