关键词： 齿轮箱故障预警   自注意力机制   图卷积神经网络   时空特征融合   故障树分析  

摘要： 增速齿轮箱是双馈异步风力发电机组最重要的系统之一,一旦发生故障,会导致机组发电效率下降、动力传输中断甚至系统停机,造成巨大经济损失。现运行的机组虽然基本都装备了 SCADA系统,能够为某些故障提供报警,但其报警时效性不强,发出报警时一般故障已经很严重。为了能够及时发现齿轮箱系统故障,有必要对其开展智能化的故障预警技术研究。现阶段基于SCADA数据的齿轮箱故障诊断方法主要围绕齿轮箱油池温度开展单一变量的预测,缺少对整个齿轮箱系统整体的描述,本文旨在建立齿轮箱系统整体的图结构,用图描述齿轮箱系统内各测点之间的能量、物质和信息的流动关系,实现多部件耦合下参数的合理预测。本文主要工作如下:(1)建立齿轮箱系统故障树。分析了风电机组尤其是齿轮箱冷却润滑系统的运行控制方法,结合现场实际数据讨论了齿轮箱系统的典型故障以及典型故障下的故障表征,运用故障树分析法建立了齿轮箱系统故障树,为后续模型故障识别和定位提供依据。(2)完善数据预处理和指标计算流程。探讨了不同风速下的理论风速-功率曲线特点,根据此规律筛除坏点数据,使用了四分位法筛除弃风限电数据。还定义了基于故障表征的部件状态指标。(3)基于自注意力机制的风电齿轮箱系统故障预警。将数据滑窗处理构造每个时刻下的短时序列样本,用自注意力机制去学习短时序列样本中的时间信息,聚合工况参数一齐预测目标测点下一时刻的值,分别对所有关键参数构建模型,将多个关键参数的预测结果与测量值对比计算两者欧式距离,得出部件的健康状态,实现故障预警。(4)基于图卷积的风电齿轮箱系统故障预警。考虑到齿轮箱系统内各测点的复杂耦合,提出用图抽象测点之间的信息传递关系,分别通过齿轮箱物理结构和数据驱动的参数重要度计算完善图结构,并结合图卷积神经网络提取工况和相关测点的空间位置信息,优化测点预测效果。(5)时空特征融合的风电齿轮箱系统故障预警。提出时空特征融合的故障预警模型框架,分别使用时间自注意力和图卷积聚合时间信息和空间位置信息,优化了多部件耦合下正常运行阶段和故障运行阶段的参数预测效果。

关键词： 卷积神经网络   优化算法   小样本   梯度加权   双重注意力  

摘要： 面对现代机械系统的高度复杂性和集成性的特点,诊断轴承故障需引入更高维特征数据。为解决特征维度低的问题,本文利用二维卷积特做以下研究。首先,对Adam算法进行了改进,又对卷积结构和输入维度进行了改进。以准确率和速率为指标,利用迁移学习初步挑选Le Net-5模型进行实验测试。提出新的动态调整学习率方式,引入指数衰减公式作为新的学习率衰减方式,实现齿轮箱轴承故障诊断模型快速收敛。经验证,此方法有效性高。引入残差块思想构建卷积模块并对比分析,经轴承实验验证,提出的外部并联模块能有效减少参数。为方便学科进行快速交叉,以图像作为新的信息载体,利用二维卷积代替一维卷积,实验结果表明该方法准确度高、损失值小。其次,针对齿轮箱轴承样本数据少的问题,提出了一种“三加一”模式的数据扩增方法。充分利用了解决数据不平衡的上采样和定义损失函数的两种方法,将无重叠重采样与图像增强结合,再利用smote方法对数据做进一步加强,微调损失函数。实验结果显示,本方法能很好地弥补不平衡数据的缺陷。针对卷积神经网络缺乏可解释性的问题,利用梯度对卷积神经网络的学习结果进行可视化分析。梯度加权类激活图结果与理论分析完全吻合,验证了学习位置的有效性。对特征利用无监督学习与有监督学习进行双向证明,证明了提取特征的正确性。最后,提出4DCEK方法,针对齿轮箱轴承故障诊断的泛化性做进一步加强,同时进一步规避小样本数据影响,在改进通道注意力基础之上,提出双重注意力机制。多组卷积网络提取出不同尺度的特征数据,再融合能量峭度传统指标以改善泛化性,利用双重注意力机制自动筛选特征,自动关注高质量特征数据。实验结果显示,本方法具有很强的泛化性能。针对套用同一轴承故障诊断模型解决不同工程问题引起诊断异常的问题,本文对诊断齿轮箱轴承故障的网络结构做了基础研究。实验结果显示,提出的方法具有一定的工程指导意义。

关键词： 非正交面齿轮   非对称齿轮   齿面修形   接触特性分析   啮合刚度  

摘要： 面齿轮传动作为一种新型的齿轮传动系统,相比于传统的锥齿轮传动,具有大传动比、承载能力强、能够分配扭矩以及对轴向安装误差不敏感等优点,正逐渐成为航空领域较先进的传动形式。由于齿形对齿轮传动性能起着决定性影响,而现行面齿轮设计技术大都选择对称齿廓形式,为了提高面齿轮的承载能力,增大有效齿宽,本文研究了一种任意轴交角传动且齿廓双侧压力角不等的非正交非对称面齿轮副。作为创新齿形设计,本文基于啮合原理、微分几何学、接触力学和弹性力学等理论,探索了非正交非对称面齿轮的结构特点、齿面修形、接触特性和啮合刚度,并通过有限元法加以验证。论文开展的工作如下: (1)推导非对称插齿刀的两侧渐开线齿廓方程和啮合方程,建立非正交非对称面齿轮的插齿加工坐标系,并借助数据可视化软件对非正交非对称面齿轮的驱动侧齿面和从动侧齿面进行离散求解,建立完整齿面的数学模型,分析轴交角、压力角和变位系数对齿宽的影响。 (2)基于蜗杆砂轮的磨削加工原理,设计抛物线型非对称齿条刀具,构建非对称金刚滚轮、非对称蜗杆砂轮的数学模型,经过多组共轭运动,推导出具有抛物线修形齿廓的非正交非对称面齿轮的齿面方程,并分析了不同修形参数对齿面形貌的影响。 (3)考虑装配过程中存在的安装误差,包括轴交角误差、偏置误差以及面齿轮的轴向位移误差,对非正交非对称面齿轮进行齿面接触分析(TCA)和齿面承载接触分析(LTCA),研究压力角、轴交角、抛物线参数对面齿轮接触特性的影响,使用有限元法计算不同压力角组合的面齿轮齿面接触应力和齿根弯曲应力。 (4)基于网格划分技术将非正交非对称面齿轮和非对称小轮划分为八节六面体网格模型,在有限元软件中设置载荷和边界条件,计算出传动系统的法向接触力、传动误差和相对位移,分析非正交非对称面齿轮在不同载荷和安装误差下啮合刚度幅值及均值的变化。

关键词： 高速列车   齿轮箱   振动响应   车轮多边形   曲线工况  

摘要： 齿轮箱是高速列车的重要零部件,其工作环境恶劣,受到轮轨激励与齿轮啮合激励等多种激励耦合作用,若发生故障,那么整个传动系统将会瘫痪,甚至引发安全事故。因此对齿轮箱进行结构振动响应研究,进而优化箱体结构设计,具有较高应用价值。本文研究将重点探究诱发箱体振动的影响规律,具体研究包括:首先,总结国内外研究现状,了解当前高速列车齿轮箱体振动特性前沿的研究理论与方法,通过分析国内外多名学者研究成果发现,轮轨激励是诱发箱体剧烈振动的最主要因素,轮轨激励包括轨道不平顺、车轮多边形等。然后,参照高速列车相关技术参数,采用SIMPACK软件与Pro/E、Hypermesh、ANYSS等软件联合仿真,完成以齿轮箱与车轮为柔体的高速列车刚柔耦合动力学模型。参考高速铁路设计标准,从轨道不平顺激励、轮轨力与脱轨系数、振动加速度、非线性临界速度等四个方面进行模型验证。并与西南交大学者朱海燕关于高速列车齿轮箱试验数据进行对比,验证了本模型的正确性。再者,基于典型车轮多边形工况下,分析列车在不同速度工况下齿轮箱振动影响规律。研究得出:(1)车轮多边形阶数是引起齿轮箱剧烈振动的主因,阶数越高,齿轮箱振动幅值越大,且垂向振动更剧烈,故高速列车检修可通过定期对车轮多边形进行镟修,以达到降低车轮不圆程度,从而减轻轮轨激扰与齿轮箱激振;(2)根据实测数据收集动车各部位的主频,并利用快速傅里叶变换处理箱体振动信号,分析诱发箱体激振的主要频率形成的因素。最后,基于典型弯道、上坡、下坡等曲线工况下,分析高速列车齿轮箱振动加速度响应特性。研究得出齿轮箱振动响应规律。(1)高速列车弯道行驶时,转弯曲线轨道半径越小振动越剧烈,并且垂向振动比横向更为剧烈,引起齿轮箱体剧烈振动的转弯位置在出缓和曲线段。(2)进入上坡曲线工况时,高速列车时速不宜超过250km/h,同时列车进入缓和段,齿轮箱振动最为剧烈;(3)进入下坡曲线工况时,高速列车时速不宜超过200km/h,同时列车进入下坡缓和段时,垂向有失重现象,垂向振动加速度会突然下降,但列车完成下坡进入直线段时,齿轮箱振动最为剧烈。

关键词： 深度学习   故障诊断   异常检测   风力发电机   齿轮箱  

摘要： 作为一种关键的可再生能源设备，风力发电机经常工作在环境恶劣的场所。而齿轮箱作为风力发电机的关键部位，经常出现故障。严重时造成较大的经济损失，甚至停机。为此，本文以风力发电机齿轮箱为研究对象，提出了不同的深度学习模型，用于解决不同状态下齿轮箱的故障诊断问题。　　首先提出了一种稀疏隔离编码林（SIEF），用于解决风力发电机齿轮箱的异常检测和新类故障识别问题。在所提出的SIEF方法中，首先只用正常状态下采集的数据训练一个稀疏自编码器（SAE），以获得一个优化和鲁棒的权值结构。新获得的与故障或健康状态对应的数据被发送到该编码器，通过编码到其低维空间进行特征提取。将低维空间中的所有数据输入孤立森林（IF）进行异常检测和新类故障识别。在所提出的SIEF方法中，只需要正常数据来训练模型，就可以进行故障检测和进一步的新类故障识别。　　其次，考虑到残差网络不能有效提取风力发电机齿轮箱的复杂故障信息，提出了基于一维卷积神经网络、残差网络和注意力机制（有效通道注意残差学习）相结合的模型，用于处理齿轮箱原始时间序列信息的故障诊断和分类问题。　　最后，为了有效处理风力发电机齿轮箱在不平衡数据下的故障诊断问题，采用了小波包变换进行特征提取，提出了改进的生成对抗网络模型用于故障数据的生成，并使用随机森林对特征进行分类。　　结合实际应用，所提出的深度学习模型都在真实的风力发电机齿轮箱上采集的数据进行了实验测试。结果表明，所提出的基于深度学习的模型能够有效识别数据中的异常信息和进行故障诊断。

关键词： 风电机组齿轮箱   物联网   PLC   LSTM-SVM   故障诊断系统  

摘要： 齿轮箱作为风电机组传动的核心部件,决定了整个风电机组的运行。风电场位置偏远,风机设备分散,统一管理难度大。一旦发生故障,工作人员难以及时发现。为解决风电机组齿轮箱传统护维手段效率低、耗时长、成本高的问题。设计一套基于物联网的风电机组齿轮箱故障诊断系统势在必行。 首先,对风电机组齿轮箱故障诊断系统需求进行分析,并据此确定整个系统的框架。详细阐述了系统的硬件设计,信息采集以PLC为核心控制器,利用各传感器收集信息,数据传输通过PLC与MQTT网关进行连接配置。最后通过4G无线网络传输到云端,通过物联网系统将齿轮箱的各个监测参数以可视化的方式呈现在工作人员面前。 其次,针对齿轮箱的齿轮故障诊断依赖人为经验和准确率低的问题。提出了一种长短时循环记忆网络(long short-term memory,LSTM)与支持向量机(Support Vector Machine,SVM)相结合的故障诊断模型,通过对比其它经典故障诊断模型,验证了LSTM-SVM故障诊断模型在齿轮故障诊断中的优越性。将该模型输出的故障诊断结果与物联网系统进行交互,实现远程故障诊断。 最后,详细介绍了系统界面的设计和搭建过程。根据实际需求,进行系统的搭建。实现了风机设备的统筹管理、各个参数的实时监测、故障报警等功能。基于物联网的风电机组齿轮箱故障诊断系统可以有效的提高工作人员的效率,降低风电场的运维成本。 图47幅;表10个;参51篇。

关键词： 两级星型齿轮传动系统   齿廓修形   模型修正   多目标优化   试验验证  

摘要： 空气涡轮起动机的技术发展朝着高效率、尺寸小、噪声小、重量轻等方向发展,而作为空气涡轮起动机前置部分,两级星型齿轮传动系统起到的作用极为显著。在工程上,两级星型齿轮传动系统的振动与噪声关乎整个空气涡轮起动机的动力系统的综合性能。因此,为减小空气涡轮起动机两级星型齿轮传动系统的振动与噪声,本文针对两级星型齿轮传动系统齿廓修形方法展开了研究,主要研究工作如下: 在两级星型齿轮传动系统动力学建模方法研究中,形成了准静态传动误差计算方法,开展了内外齿轮副线外啮合冲击位置与冲击速度的研究,推导了内外齿轮副考虑冲击衰减的冲击动能计算方法,研究了单级齿轮副动力学建模方法,建立了两级星型齿轮传动系统动力学模型。 在两级星型齿轮传动系统动力学模型修正方法研究及响应分析中,基于模态试验理论与方法,设计并研制了动力学主要基本参数识别试验件,开展了动力学主要参数识别试验,形成了两级星型齿轮传动系统修正动力学模态分析方法,求解了系统的理论固有频率与固有振型,开展了两级星型齿轮传动系统模型修正研究,基于修正动力学模型,建立了两级星型齿轮传动系统仿真模型,求解了两级星型齿轮传动系统准静态传动误差、各支路内外齿轮副动态啮合力与振动响应。 在两级星型齿轮传动系统齿廓修形方法研究中,定量描述了齿廓修形参数,研究了齿廓修形准静态传动误差计算方法,形成了两级星型齿轮传动齿廓修形动力学模型,分析了太阳轮、内齿圈、星型轮2和星型轮3齿廓修形参数对传动系统动力学响应的影响规律,结合多目标优化方法,设计了齿廓修形优化方法,进行了齿廓修形优化计算,分析了齿廓修形传动系统动力学响应。 在两级星型齿轮传动系统齿廓修形试验验证中,制定了两级星型齿轮传动系统齿廓修形动态响应测试方案,进行了了两级星型齿轮传动系统齿廓修形动态响应试验,对比分析了理论仿真与试验测试的振动响应结果。

关键词： 齿轮传动系统   磨损状态   油液参数   信息融合  

摘要： 齿轮传动系统作为机械设备使用最广泛的部件之一，其运行状态直接影响设备生产效率，决定企业生产安全与经济效益。实时、准确地对齿轮传动系统进行状态识别能保证设备的高效可靠运行，避免设备运行过程中非必要的人为干预，提高设备自动化、智能化水平。目前，在齿轮传动系统磨损状态识别方面，存在准确率低、模型训练与识别时间耗时长等问题，针对于此本文采用理论分析、模型构建以及实验研究相结合的方式，开展了基于油液多参数信息的齿轮传动系统磨损状态识别方法研究，具体内容如下:　　(1)分析齿轮传动系统磨损过程、磨损类型及原理，基于粘着理论、疲劳理论以及能量损耗理论构建齿轮磨损计算模型，研究齿轮磨损对油液各参数的影响，通过实验研究的方式分析磨合、正常磨损、严重磨损以及失效四种不同状态齿轮传动系统润滑油各参数的变化趋势，对磨损状态和油液参数进行关联性研究，研究结果表明油液磨粒颗粒数、粘度、密度、温度等参数的变化能够直接反映齿轮传动系统的磨损状态，结合不同类型传感设备的监测原理，确定了针对以上四种油液参数的监测方法。　　(2)结合对不同时期、不同状态油液中磨损颗粒的数量、油液的密度、粘度和温度等参数进行采集分析，确定了润滑油特征参数的数据采集方案，并开发了油液在线监测软件,实现了油液的实时定量取样、多参数实时采集分析和数据交互等功能。根据齿轮传动系统实际工况，采用相似性原理完成了磨损跑合实验系统的搭建和油液参数采集的性能测试,得各监测参数相对标准偏差均小于1.5％,系统运行可靠。　　(3)分别对磨合期、正常磨损期、严重磨损期和失效四种不同状态下的齿轮进行加载跑合和油液特征参数采集实验，结合Grubbs理论对原始数据进行去噪处理，形成油液特征参数数据集;采用长短期记忆网络(LongShort-TermMemory，LSTM)方法构建磨损状态识别模型，针对小于100微米铁磁磨粒数、大于100微米铁磁磨粒数、粘度、密度、温度以及非铁磁磨粒数单一参数以及油液多参数信息数据进行模型训练测试，通过对识别模型进行测试可得不同输入参数的模型准确率分别为75.188％、76.182％、74.362％、70.142％、67.218％、64.006％、87.63％。　　(4)采用卷积神经网络(ConvolutionalNeuralNetworks,CNN)方法构建多信息融合模型，将融合模型引入长短期记忆网络状态识别模型，形成CNN-LSTM的耦合模型。针对模型训练和评估效率低、准确性差等问题，采用早停法(EarlyStopping,ES)、自适应矩估计(AdaptiveMomentEstimation,Adam)方法，对CNN-LSTM的耦合模型进行优化，并使用不同数据集对优化后的CNN-LSTM模型进行测试,磨损状态识别准确率提高至98.996％、效率提高了75.85％。对工业现场不同磨损状态油液进行采集分析，以现场油液数据进行状态识别方法验证，通过测试结果得模型的平均识别准确率为98.79％。

关键词： 不平衡数据流   齿轮箱轴承   预测与预警   FBProphet   融合模型  

摘要： 随着风力发电技术迅猛发展,严重故障导致的非计划停机以及高昂的维修费用已经成为影响其经济性的重要因素之一。风电机组实际运行中的工况复杂多样,这对机组安全、稳定高效运行带来了极大挑战。目前,对风电机组运行状况缺乏预先的了解,被动、迟延的维修措施对机组高效、安全、稳定、经济运行非常不利,且现存的预测预警研究并没有关注数据的不平衡问题。风机齿轮箱轴承发生的故障导致停机的时间最长,而温度变化较容易提取也能很好反映机组故障情况。因此,基于SCADA系统进行的齿轮箱轴承温度预测与预警研究,可以帮助我们更好地监控轴承温度,更快地检出可能出现的问题,从而降低由此造成的损失,同时也可以确保系统运行稳定。 本文将以不平衡的风机齿轮箱轴承温度的预测及应用作为研究目标,基于不平衡的风电机组SCADA运行数据,进行以下三部分内容的研究: (1)将常用于分类问题的数据不平衡概念引入回归问题,对风电机组的SCADA系统运行数据进行预处理,利用均值法提取和剔除相关数据的缺失值,采用灰色关联分析法和斯皮尔曼相关性分析提取关联度高的特征。 (2)首先,选用多元线性回归模型对风电机组齿轮箱轴承温度的平衡数据集和不平衡数据集进行预测研究,其结果表明在平衡数据流上预测效果较好的多元线性回归模型无法在不平衡数据流上很好的进行预测。随后选取基于网格搜索优化的XGBoost预测算法对不平衡的齿轮箱轴承温度进行预测,其在不平衡数据流上的预测效果较传统的多元线性回归模型预测精度有了明显的提升;最后,提出了一种基于残差优化的FBProphet-XGBoost融合模型,该模型使用FBProphet来预测齿轮箱轴承温度的趋势项,用XGBoost模型来预测随机项,基于残差将两个模型的结果结合,得到最终的预测结果。保留了FBProphet模型的趋势项与周期项的预测能力,又具有XGBoost模型的精度高、灵活性强的特点,从而预测精度较传统模型更优。 (3)基于温度预测的研究成果,对多模型的预测结果和残差进行数据分析,提出了一种基于残差变化的风电机组齿轮箱轴承故障预警。该预警方法主要监控两个指标:报警阈值与超过阈值的时间。分别使用多元线性回归、基于网格搜索法优化的XGBoost、FBProphet-XGBoost融合模型应用此预警方法进行案例仿真,其结果显示,网格搜索优化的XGBoost模型与FBProphet-XGBoost模型均可以实现基于不平衡SCADA运行数据的风电机组齿轮箱轴承故障预警。同时FBProphet-XGBoost融合模型相较于XGBoost模型预警效果提升了12%。

关键词： 瞬态啮合混合润滑   摩擦动力学   界面故障响应   直齿轮   弧齿锥齿轮   摩擦和闪温   啮合刚度   接触刚度  

摘要： 齿轮作为机械设备的核心基础部件,在制造、运输和航空航天等领域有着广泛的应用。机械设备的运动和动力是通过齿轮啮合界面传递,界面的摩擦学特性影响着整个设备的服役性能。当前机械设备不断朝着高精度、高可靠、高功重比和长寿命等方向发展,对齿轮的设计制造和服役性能提出了越来越严格的需求。因此,对齿轮啮合界面进行系统的摩擦学分析和优化设计至关重要。另一方面,在实际工程中,齿轮传动啮合界面往往由于机械设备的多向振动,其法向啮合力和切向速度往往处于剧烈波动状态,加之齿轮啮合过程中接触参数固有的时变特性,引起界面复杂瞬态啮合混合润滑行为,进一步造成啮合刚度、摩擦系数和侧隙的波动,最终影响齿轮振动。可以看出齿轮系统摩擦学和动力学是密不可分,相互影响,因此有必要综合运用啮合理论、界面力学、摩擦学和动力学等协同创新设计理论和方法,建立统一的齿轮系统摩擦动力学模型。此外,齿轮在长期服役过程中往往会产生点蚀、剥落、磨损和断齿等一些故障,严重威胁设备可靠运行。目前健康监测和故障诊断仍然存在故障机理不清、早期诊断困难和故障类型不易分辨等问题。因此,开展故障摩擦动力学研究,探究故障、润滑、摩擦和振动之间相互作用机理具有重要的理论意义和工程价值。本文的主要研究内容和结论包括: (1)考虑啮合接触参数的时变性、机加工粗糙度、挤压效应和卷吸夹角,建立了点/线接触瞬态啮合混合润滑、摩擦和闪温统一的物理分析模型,提出了瞬态渐进网格加密算法,有效解决了不收敛问题,并节省计算时间42%左右,揭示了粗糙度、转速、扭矩和接触路径对直齿轮和弧齿锥齿轮瞬态啮合混合润滑、摩擦和闪温等摩擦学特性的影响。 (2)建立了粗糙峰直接接触与油膜润滑共存的接触刚度和阻尼模型,考虑渐开线齿廓、混合润滑和摩擦,基于势能法建立了时变啮合刚度和侧隙模型,通过和文献对比验证了模型的准确性。基于所建立的模型,揭示了粗糙度、扭矩和转速对刚度和阻尼的影响。建立了多向机械振动下的动态接触刚度模拟模型,探究了载荷波动、速度波动及其耦合波动对齿轮动态接触刚度的影响规律。 (3)考虑实际工程中齿面的润滑行为,建立了瞬态啮合混合润滑齿轮非线性动力学模型,分析表明较大粗糙度会导致轮齿的双边冲击,随着扭矩的增加,振动加剧,大端接触振动最大,小端接触振动最小。进一步考虑摩擦学和动力学之间的相互作用,并以时变啮合刚度、摩擦系数和侧隙为中间量建立了齿轮摩擦动力学模型。结果表明,相较于准静态,摩擦动力学的摩擦学特性由于振动表现出剧烈的波动行为。摩擦动力学的DTE和在LOA方向上的振动远高于传统动力学。 (4)针对齿面点蚀/剥落故障,建立了故障瞬态啮合混合润滑、摩擦和闪温模型,考虑润滑和摩擦建立了故障时变啮合刚度和侧隙模型。进一步考虑故障、润滑、摩擦和动力学之间的耦合作用,建立了齿轮故障摩擦动力学模型。分析表明齿面点蚀/剥落会导致摩擦系数增大,啮合刚度减小,同时导致边频的出现。此外,所提出的故障摩擦动力学能更准确预测齿轮在OLOA方向的故障振动特性,而传统故障动力学会高估齿轮在LOA方向的故障振动特性。 (5)开展了不同工况下直齿轮振动测试实验,测试表明随着扭矩和转速的增大振动会加剧,这与本文模拟结果所得规律一致,验证了所建立模型的合理性。实验测试了有无润滑下直齿轮的振动特性,结果表明由于润滑的作用,润滑齿轮在LOA方向的振动相较于干接触增大了,而OLOA方向的振动相较于干接触减小了。数值模拟和实验测试结果对比显示出良好的一致性,验证了所建立模型的正确性。