关键词： 17CrNiMo6齿轮钢   元素偏析   带状组织   均匀化行为  

摘要： 以17CrNiMo6齿轮钢为研究对象,通过对其锻态试样进行不同温度和不同时间的退火处理,采用光学显微镜(OM)、扫描电镜(SEM)、能谱仪(EDS)组织分析手段和Origin数据处理软件,对其带状组织形成原因以及均匀化行为进行了研究与定量分析。结果表明,C、Cr、Ni、Mn和Mo元素在珠光体+贝氏体区域的富集是17CrNiMo6齿轮钢带状组织产生的根本原因,当加热温度为1100℃、保温时间为11 h和加热温度为1250℃、保温时间为2 h以上时,带状组织已消除,但合金元素不均匀程度仍较高。当加热温度为1250℃、保温时间为4 h时,C、Cr、Mn、Ni、P、S、Mo的偏析系数K分别为1.02、0.98、1.02、1.02、1.01、0.98、0.98,元素分布也达到均匀。

关键词： 轧机齿轮箱   故障监测   运行状态   振动信号  

摘要： 为获取并分析轧机齿轮箱工作时的机械振动信号,以进一步研究并判断齿轮箱健康状况,从实际出发,设计一套适合轧机齿轮箱机械振动检测的装置。对轧机齿轮箱运行过程中产生的振动信号进行采集,利用振动信号分析技术分析齿轮箱运行状态。分析典型的高线轧机齿轮箱失效的振动特征以及特征频率计算;分析并设计轧机齿轮箱振动检测系统,包括监测系统总体连接、振动测试点的分布、传感器的选择等;通过实验测试该监测系统的功能。结果表明:该系统能够达到检测齿轮箱运行状态的要求。

关键词： 带式输送机   齿轮传动   优化设计   MATLAB  

摘要： 传统的闭式齿轮传动设计一般是以齿根弯曲疲劳强度和齿面接触疲劳强度为设计指标,经过多次修改参数、校核直至满足设计要求为止,设计效率低而且安全裕量大。采用机械优化设计的方法建立包含目标函数、设计变量、约束条件等内容的数学模型,并通过MATLAB中的优化设计工具箱对数学模型进行计算,得到最优的设计方案,可以减小齿轮结构、节约齿轮材料,快速、高效地完成设计任务,提高设计效率和产品质量。

关键词： 齿轮箱   故障   特征提取   分析  

摘要： 对于齿轮箱故障诊断来说,其中最为关键的步骤就是特征的提取。故障特征可以将机械设备运行状态进行合理的展示,可以使用定量方式对各种运行状态形式加以区分。为精准辨识齿轮箱不同故障的特征,文章深入研究分析了故障提取过程中存在的问题。着眼于不同的频率,将描述各种谱分布的特征参数直接提取出来,最终选取其中的小波能谱熵当作了解各种运行状态的指数标准。与以往的时域统计参数进行结合,形成齿轮箱故障特征的向量,进而帮助维修人员诊断齿轮箱的故障。

关键词： 变温   变压   仪表系数   曲面拟合  

摘要： 为研究液压系统内齿轮流量计在工况条件下仪表系数的变化情况,利用变温变压流量标准装置对齿轮流量计在多个温度、压力、流量点下进行了校准实验。通过解耦曲线拟合和二元曲面拟合,对校准数据进行拟合计算,拟合误差小于0.5%,证明了修正方法的有效性。

关键词： 安装误差   齿面拓扑   Vericut   敏感性分析  

摘要： 基于滚齿加工原理和齿面拓扑结构,在Vericut中建立滚齿加工仿真模型。根据滚刀装配结构,对滚刀安装角度误差、相位角误差、滚刀主轴倾斜、径向偏移误差、切向窜动误差进行定值分析,研究其误差与被加工齿轮齿面映射关系。进一步分析角度误差与位移误差对齿廓法向误差的敏感性,结果表明滚刀主轴倾斜误差对齿廓影响最大,切向窜动误差次之。最后进行滚齿加工试验,对试验加工后的齿轮进行精度检测,得出在实际加工中齿轮齿廓倾斜严重,基于分析结果进行误差溯源,从而对调整机床中滚刀安装精度及实际加工做出有效的理论指导。

关键词： 故障诊断   齿轮箱   D-S证据理论   旋转机组   复杂工况  

摘要： 旋转机组日益趋向于自动化、大型化、高速化,其组成与结构变得越来越复杂。然而,通常在负载大、转速高等复杂工况下,以及长时间运行的过程中极易造成齿轮箱关键零部件的损坏。在复杂工况下及时发现故障、预测故障的发展趋势是旋转机组故障诊断的关键。针对旋转机组齿轮箱在复杂工况下面临的诊断难题,提出一种多传感器与D-S证据理论相结合的故障诊断方法。实例表明该方法可以有效解决齿轮箱存在的故障问题,确保旋转机组安全、可靠、正常地运行,减少安全事故的发生。

关键词： 工艺技术   齿轮加工   高精度齿轮技术  

摘要： 阐述典型的齿轮加工工艺过程和相关技术,分析工艺过程对齿轮精度和质量的影响,探讨高精度齿轮技术,分析传统工艺和新技术结合带来的优势。

关键词： 基因优化   支持向量机   自适应局部迭代滤波   排列熵  

摘要： 提出了基于基因优化最小二乘支持向量机(Gene optimized least squares support vector ma⁃chine,GOLSSVM)的自适应局部迭代滤波(Adaptive local iterative fittering,ALIF)和排列熵(Permuta⁃tion entropy,PE)的故障诊断方法,并将该方法应用于齿轮箱的诊断,成功实现了对齿轮箱4种故障种类的识别。针对排列熵无法直接识别齿轮箱不同故障类别的问题,利用ALIF方法相较于EMD方法在去除残余噪声及抑制模式混叠上的优势,使用ALIF方法对故障信号进行降噪,提取有效分量,再计算有分量的PE值(C-PE值),以获得振动信号的多尺度特性;然后,使用基因算法对最小二乘支持向量机(Least squares support vector machine,LSSVM)进行了优化;最后,将特征向量输入到GOLSSVM,对故障特征进行分类。结果表明,所提方法相比BP神经网络和SVM在故障识别精度上有优势。

关键词： 齿轮   自适应投影本质变换正弦辅助多元经验模式分解   Floyd局部线性嵌入   降维故障识别  

摘要： 齿轮往往处于恶劣的工作环境,其振动信号具有非线性和非平稳性的特点,研究出适用于齿轮的故障诊断方法具有重要意义。针对这一问题,提出了一种基于自适应投影本质变换正弦辅助多元经验模式分解(APIT-SA-MEMD)和Floyd局部线性嵌入算法(FLLE)的智能故障诊断方法。自适应投影本质变换多元经验模式分解存在模态混叠现象,因此,提出自适应投影本质变换正弦辅助多元经验模式分解来减轻传统经验模式分解存在的模态混叠现象。首先,采用APIT-SA-MEMD方法对齿轮振动信号进行分解,获得能够表征齿轮振动信号的IMF分量;在此基础上,提取所选取IMF分量的时域和频域特征,获得高维特征矩阵;最后,利用FLLE对高维特征矩阵进行降维和聚类分析,实现齿轮故障模式的识别。实验结果表明,提出的方法能够准确识别齿轮的不同故障类型。