关键词： 人字形齿轮   喷丸强化   残余应力   粗糙度   离散元方法   有限元方法  

摘要： 目的探究人字形齿轮喷丸强化工艺参数对残余应力和粗糙度的影响。方法基于离散元方法(Discrete ElementMethod,DEM)建立人字形齿轮喷丸强化DEM模型,研究人字形齿轮表面不同位置的冲击速度和次数;建立基于有限元方法(FiniteElementMethod,FEM)的喷丸强化FEM模型,并采用离散元模型耦合有限元模型(DEM-FEM)的方法,将DEM模型的冲击信息导入FEM模型中,采用显示动力学仿真计算,得到喷丸后的残余应力和表面形貌信息;利用X射线衍射仪和白光干涉仪分别对实验试样进行残余应力和表面形貌的表征,以验证模型的准确性。结果1)弹丸初速度从40 m/s增加到60 m/s时,齿宽方向的表面残余压应力从-906 MPa增加到了-932 MPa;2)弹丸直径从0.30 mm增加到0.60 mm时,齿宽方向的表层残余应力从-906MPa减小到了-756MPa;3)当覆盖率<100%时,表面粗糙度Sa快速增加,残余压应力也快速增加,当覆盖率>100%时,Sa开始减小,残余压应力增幅降低。结论人字形齿轮齿面复杂,不同方向的残余应力会有所区别;齿宽和齿高方向的残余压应力均随着弹丸初速度的增加而增加,但同时会增加表面粗糙度、降低表面质量;大尺寸弹丸在带来更深残余应力质变层的同时会显著降低面质量;合理控制覆盖率既能够得到良好的表面质量,也能够降低喷丸成本。

关键词： 齿轮减速器故障预测   卷积神经网络   双向长短时记忆神经网络   交叉融合注意力  

摘要： 针对复杂工况下矿井开采设备齿轮减速器故障预测精度不高、实时性不强的问题,提出了一种基于并行多尺度特征融合的矿井开采设备齿轮减速器故障预测模型。首先,利用卷积神经网络Vgg-16提取齿轮减速器故障数据的空间特征;然后,利用双向长短时记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM)提取齿轮减速器故障数据的时序特征,并借助交叉融合注意力实现井下开采设备齿轮减速器故障数据空间特征和时序特征的深度融合,增强故障特征表达的可靠性和鲁棒性;最后,利用Softmax函数实现待测齿轮减速器故障的实时预测。通过在宁夏某矿井采集的多工况条件下的开采设备齿轮减速器故障数据集上进行测试,结果表明:所提模型在单一工况场景下可以实现94.38%的准确率、94.25%的精准率、94.16%的召回率和95.08%的F_(1)值,在多工况场景下可以实现92.73%的准确率、91.86%的精准率、91.04%的召回率和92.39%的F_(1)值,综合性能优于经典的齿轮故障预测模型。

关键词： 齿轮钢   质量稳定性   成分   淬透性   带状组织  

摘要： 齿轮作为变速箱核心零件,需要具备高质量性能稳定性,以避免因个别齿轮提前失效导致整个变速箱损坏。而质量稳定性齿轮的制造,关键是要有高质量稳定性齿轮钢材料的供应。以上百炉次Mn-Cr系汽车齿轮钢为研究对象,通过对其冶炼成分、成品材C波动、淬透性、带状组织等进行统计和分析,研究了国内Mn-Cr系汽车齿轮钢质量稳定性控制水平和技术。结果显示,通过工艺技术参数优化,国内Mn-Cr系汽车齿轮钢可以实现冶炼终点C偏差稳定≤±0.01%,Mn,Cr偏差稳定≤±0.05%,成品材截面C波动≤0.02%的比例达95%以上,而淬透性带宽稳定≤4HRC、带状组织稳定≤2.0级。通过大批量生产和实践,国内Mn-Cr系汽车齿轮钢能在达到高性能的同时,还具备高的质量稳定性,这有益于加速推进我国高等级变速器的开发和应用。

关键词： 支持向量机   高炉风机齿轮箱故障   滑动平均法   局部均值分解法   量子遗传算法  

摘要： 高炉工业厂区通常处于高电磁干扰环境中,高炉风机齿轮箱故障振动信号容易受到干扰,导致在复杂的信噪比环境下难以精准提取故障特征,检测效果不佳。为此,提出基于支持向量机的高炉风机齿轮箱故障智能检测方法。首先通过滑动平均法建立高炉风机齿轮箱原始振动信号的包络函数和均值函数,同时利用局部均值分解法获得体现高炉风机齿轮箱实际状况的振动信号分量,以有效处理高炉风机齿轮箱振动信号中的干扰,减少了干扰对故障检测结果的影响;然后计算该分量的样本熵,并利用量子遗传算法实现振动信号的最优熵选择,获取精准的高炉风机齿轮箱振动啮合频率分量关键特征,以为后续检测提供可靠的输入;最后将最优熵作为支持向量机的输入,实现高炉风机齿轮箱故障智能检测,有效克服在复杂场景下的局限性,提升了故障检测的表现。实验结果表明,所提方法故障检测盲区可有效控制在10 km以内,且几何均值可达到98.06,具有有效性,高炉风机齿轮箱故障智能检测效果较佳。

关键词： 非平行轴   变厚齿轮   承载接触分析   多齿对接触   数值方法  

摘要： 齿面承载接触分析(Loaded tooth contact analysis,LTCA)是设计、优化变厚齿轮副的重要工具。由于变厚齿轮齿面复杂,导致高效、准确获取齿面承载接触性能面临挑战。提出考虑多齿对接触的非平行轴变厚齿轮副承载接触分析数值方法。该方法考虑齿面接触过程中所有变形,采用解析法-有限元数值法混合方法获得齿面接触区柔度特性。针对多齿对接触情况,提出了传动误差协调条件,并建立了齿轮副承载传动误差计算模型;基于影响系数法建立交错轴变厚齿轮承载接触分析模型。通过求解该模型,可得到齿面接触压力、接触变形、传动误差及多齿对载荷分配系数等指标。经验证,基于该方法得到接触压力和变形计算结果与有限元仿真计算结果基本一致,单齿接触和多齿接触计算效率相较于有限元仿真分析显著提高。

关键词： 风力发电机组   齿轮箱弹性支撑   结构力学分析   损坏原因   预防措施  

摘要： 风力发电机组是我国可再生能源发展的重要设备之一,其中,齿轮箱作为关键组件,其稳定性直接影响风力发电机组的运行效率与安全性。然而,齿轮箱弹性支撑因其工作环境复杂和承载负荷较大而易于出现损坏,将对风力发电机组造成严重影响。本文运用结构力学分析和有限元仿真的方法,探究了齿轮箱弹性支撑在风力发电机组运行中可能出现的损坏原因。结果 发现,过度加载、疲劳破损以及不当安装等因素,是导致风力发电机齿轮箱弹性支撑损坏的主要原因。基于上述分析,采取尽可能降低初始装配误差、优化负荷管理以及提高齿轮磨损阻力等预防措施,以延长风力发电齿轮箱弹性支撑的使用寿命,保障风力发电机组工作的稳定性和性能安全。结果 为风力发电齿轮箱的后期维护和管理提供了一定指导,有助于提升风力发电机组的运行效率和安全性,促进我国可再生能源事业的持续健康发展。

关键词： 内斜齿轮   齿向倒棱   数控磨齿机   加工仿真与实验  

摘要： 针对内斜齿轮齿向倒棱加工中存在的尺寸精度控制难度大、加工效率低等问题,提出一种基于砂轮过渡圆弧曲面的精密倒棱方法。在内斜齿轮端截面内建立齿根过渡圆弧曲线方程,推导出内斜齿轮齿向倒棱砂轮的回退量T及齿轮倒棱所需偏转角θ2的几何关系。通过分析内斜齿轮倒棱运动,建立相应的数学模型,并求出最佳回退量和偏转角。在Vericut中搭建机床三维模型,对内斜齿轮齿向磨削倒棱进行仿真加工与分析。最后,基于内斜齿轮加工原理和运动规律,编写相应的数控加工程序,并完成内斜齿轮齿向倒棱加工实验,同时利用齿轮检测中心对内斜齿轮齿向进行了检测。结果表明:利用数控成形磨齿机对内斜齿轮齿向倒棱是可行的,仿真误差在合理范围内;所提砂轮过渡曲面齿向倒棱方法实现了内斜齿轮倒棱加工的定量控制,有效提升了倒棱尺寸精度与加工效率,为内斜齿轮齿向倒棱提供了一种新的方法。

关键词： 高速列车   齿轮系统   非线性动力学   齿面摩擦  

摘要： 为深入探究齿面摩擦对高速列车齿轮系统分岔特性的影响,依据齿轮啮合相关理论以及非线性动力学原理,采用理论分析与数值计算相结合的方法展开研究.针对斜齿轮副啮合过程,剖析齿面摩擦机理,推导摩擦系数的相关公式.建立高速列车齿轮系统的6自由度弯-扭-轴耦合的非线性动力学模型,并进行无量纲化处理.运用数值求解方法,对系统在考虑齿面摩擦与不考虑齿面摩擦两种情况下,分别就随刚度、阻尼变化时的运动特性及分岔特性展开对比分析,涵盖不同刚度系数、综合误差条件下系统随摩擦因数变化的具体情况.研究结果表明:齿面摩擦使系统混沌运动区间缩小,周期运动增多,分岔点提前.且在啮合刚度和综合误差的影响下系统随摩擦系数变化的分岔情况也有明显的特征.该研究成果有助于指导高速列车齿轮系统的优化设计,且对保障高速列车安全高效运行具有重要意义.

关键词： 胡萝卜   拉拽式   收获装置   逆向设计   根茎分离   运动特性  

摘要： 针对传统匀速驱动的拉拽式胡萝卜收获装置存在胡萝卜根茎分离效果差等问题,基于拉拽杆改进运动特性,提出非圆齿轮驱动的拉拽式胡萝卜收获装置。以拉拽杆改进运动特性为设计目标,采用逆向分析法建立拉拽杆速度曲线与非圆齿轮节曲线的数学关系式,设计非圆齿轮驱动的新型拉拽式胡萝卜根茎分离机构。运用UG三维设计软件进行三维建模与运动仿真,结果显示拉拽杆仿真速度曲线与理论设计速度曲线吻合。研制非圆齿轮驱动的拉拽式胡萝卜根茎离装置试验台,并进行胡萝卜根茎分离对照试验。结果表明,胡萝卜根茎分离的成功率为97.1%,损伤率为4.9%。相比于传统拉拽式胡萝卜根茎分离装置,非圆齿轮驱动的拉拽式胡萝卜根茎分离装置有助于改善胡萝卜根茎分离效果,可为拉拽式胡萝卜收获机优化提供参考。

关键词： 齿轮箱   不同工况   故障诊断   数据融合   域自适应  

摘要： 实际工程中齿轮箱受复杂多变的运行环境影响,导致单一振动信号难以准确有效地表征齿轮箱在不同工况下的故障信息。为此,提出了一种基于加权子域自适应对抗网络的齿轮箱变工况故障诊断方法。首先,采用多源异构信号融合策略,将振动信号时频图、电流信号格拉姆矩阵和红外热力图转换为多通道数据集,从不同视角描述齿轮箱运行状态;其次,构建嵌入高效通道注意力机制(Efficient Channel Attention,ECA)的自校正卷积神经网络(Self-calibrated Convolutions Network,SCNet)作为特征提取器,动态调整多源异构信号间相互作用和依赖关系,平衡源域和目标域的多源异构数据间尺度差异;再次,在特征提取器和域判别器进行对抗训练的同时,引入最大均值差异(Maximum Mean Discrepancy,MMD)和线性判别分析(Linear Discriminant Analysis,LDA)衡量当前跨域任务特征表示的域对齐程度及诊断任务决策边界,并构造动态平衡因子实时调整域对齐损失和类分辨性损失,有效地对齐源域和目标域每个类空间。最后,通过采集的齿轮箱变工况故障数据集进行验证。结果表明,所提方法在不同工况的诊断精度均达到95%以上,证明了所提方法的可行性和有效性。