关键词： 轮边减速器   行星轮系   接触分析   修形   稳定性  

摘要： 针对新能源车辆的轮边减速器在传动过程中的安全性及平稳性等，对其接触特性进行研究。首先，基于齿轮接触理论，计算其接触应力，并通过KISSsoft软件对行星轮轮边减速器进行计算，将理论计算结果与软件分析结果进行对比，以此验证软件可靠性；然后，通过公式计算得出最佳齿廓修形的修形量，并进行修形与接触分析，对比不同修形方案对的传动误差及接触应力的影响。最后，计算齿向修形的修形量，并运用KISSsoft软件进行计算，对比修形前后传动误差、接触线及行星轮扭转。研究结果表明，齿廓修形后，传动误差减小约1%，接触应力减小约23.3%；齿向修形后，行星轮的扭转得到改善，接触线长度增加，且传动误差减小约3.6%。

摘要： To further improve the transmission performance of non-circular gear pair, a new helical non-circular gear with point contact was proposed based on the meshing principle of gears. Mathematical model of helical non-circular gear with point contact was constructed. Geometric kinematic relationships between the pitch curve and tooth profile curve for helical non-circular gear with point contact under spatial coordinate system were deduced. Tooth surface design of the gear was completed. Three-dimensional solid models of helical non-circular gear pair with point contact was established by using the convert-tooth shape method. The dynamic simulation model of helical non-circular gear with point contact was established. The dynamic meshing forces of the new gear pair and general involute non-circular gear pair under the same conditions were analyzed. Meshing characteristics of helical non-circular gear with point contact under different working conditions were also obtained. The tooth surface contact state and contact stress of point contact non-circular gear and involute non-circular gear under the same parameter and working condition were compared and analyzed. Research results provide an important theoretical support and reference value for the design and application of non-circular gear pair. © 2025 Beijing Kexue Jishu yu Gongcheng Zazhishe. All rights reserved.

关键词： 齿轮箱   故障诊断   多尺度卷积神经网络   特征融合ViT模块  

摘要： 针对传统卷积神经网络在小样本条件下不能有效提取全局特征以及部分深度学习模型较为复杂的问题，提出一种基于多尺度卷积神经网络（Multiscale Convolutional Neural Networks,MCNN）与特征融合（Vision Transformer,ViT）的轻量化齿轮箱故障诊断方法。首先，构建多尺度特征提取模块，该模块通过多尺度卷积神经网络利用不同尺度的卷积核从多个尺度捕捉数据的特征信息，充分挖掘输入信息的局部特征。然后，设计特征融合ViT模块，该模块利用改进的多头注意力机制获取故障信息的全局特征，进一步构建D-MLP，使用深度可分离卷积减少模型的参数量。最后，使用东南大学齿轮箱数据集进行实验验证，结果表明，相比于对比方法，所提方法在变噪声、小样本等复杂条件下具有较高的故障诊断准确率和良好的泛化能力。

关键词： 成形铣齿   热力耦合模型   前角优化   容屑槽优化  

摘要： 成形铣齿为干式切削过程，在实际生产加工中，铣齿刀片所受交变切削力较大，导致刀片受力磨损加剧，同时在铣削过程中存在因排屑不顺畅导致切屑累积刮伤加工齿面等问题。针对大模数齿轮铣削过程存在的问题，本文通过成形铣齿加工实验修正建立的成形铣齿热—力耦合模型，通过优化盘铣刀前角及容屑槽结构，研究不同前角和容屑槽形状对铣削加工的影响，旨减小铣削力、减少刀片磨损及提高齿面加工精度。

关键词： 液压齿轮泵生产系统   优化设计   效率提升  

摘要： 液压齿轮泵作为液压系统的核心部件，其生产效率与质量直接影响着整个液压传动装备的性能和可靠性。然而，当前我国液压齿轮泵生产系统仍存在工艺落后、自动化程度低等问题，亟需开展系统的优化设计与效率提升研究。因此，本文将综合运用先进设计理念与智能制造技术，系统探索液压齿轮泵生产系统的优化设计策略与效率提升路径，以期为我国液压传动装备的高质量发展提供有力支撑。

关键词： 风电齿轮箱   可控型磁齿轮箱   双调磁结构   MSHMA阵列   优化设计方法   BP神经网络   NSGA-Ⅱ算法  

摘要： 风电齿轮箱是半直驱型和双馈型风电机组核心部件之一。但传统机械齿轮箱具有需要润滑要求高、故障率及运维成本高等缺陷,制约了风电产业的发展。近年来,磁齿轮因其无磨损、免润滑、可过载保护等优势,在风电齿轮箱中的应用研究亦已开展,但两者均不可控。为此,本文提出一种双磁场调制的可控型磁齿轮箱设计方案。它能够实现低风速启动和增速。而且可充分利用风能提高电量,降低运维成本,具有重要的工程应用价值。本文以“原理-设计-优化”为主线展开系统性研究,主要研究内容如下: 首先,针对同轴磁齿轮的拓扑结构,建立调磁环介入前后的气隙磁场数学模型,阐述同轴磁齿轮的单磁场调制的基本原理,并对其不同工作方式进行分析,确定了磁力转矩的影响因素,为后续章节的研究奠定基础。 其次,深入剖析双磁场调制磁齿轮的磁场调制机理,揭示气隙谐波磁场配对规律及多层气隙磁场耦合机制。对比单调磁结构的同轴磁齿轮,双调磁结构的磁齿轮气隙磁密得到显著提升。此外,对双磁场调制磁齿轮内外转子和调磁环进行设计;针对内转子永磁体,提出一种新型充磁方式的多段Halbach混合磁体阵列(MSHMA阵列),此阵列突破了传统永磁体排布的限制且能有效优化磁场谐波,进而提升转矩传输能力。 第三,采用双调磁结构构建可控型磁齿轮箱,确定其技术性能指标,并对一台6kW样机进行初步设计。重点考虑极槽配比和定子设计,通过参数调整优化确定可控型磁齿轮箱的初始结构参数,对其气隙磁场分布、空载感应电动势、谐波幅值以及转矩特性等电磁性能进行研究,通过仿真验证其满足初步设计要求。此外,考虑到实际应用场景中不同风速的变化情况,对可控型磁齿轮箱在各种风速条件下的工作模式以及运行状态进行了深度分析,以确保其在复杂多变的工况下依然能够稳定、可靠运行。 最后,在初步设计基础上,对可控型磁齿轮箱进行优化设计,提出了基于LHS-BPNN-Sobol’-NSGA-Ⅱ的可控型磁齿轮箱综合优化设计方法:采用拉丁超立方抽样(LHS)构建参数空间样本库,基于BP神经网络(BPNN)建立代理模型实现性能预测,结合Sobol’全局灵敏度分析辨识关键设计参数,运用多目标遗传算法(NSGA-Ⅱ)进行多目标优化设计,最终通过TOPSIS决策方法筛选出一组最优设计方案。仿真实验结果表明,优化后的齿轮箱各性能达到设计要求,内转子转矩脉动由8.01%降到4.39%,下降了 45.19%;外转子转矩脉动由3.84%降到2.51%,下降了 34.63%;三相谐波畸变率均低于5%。验证了本文提出的可控型磁齿轮箱结构设计与优化方法的有效性。

关键词： 多元变分模态分解   行星齿轮箱   多尺度排列熵   模式识别   核极限学习机  

摘要： 风电作为其中的一种重要形式，正在逐渐成为能源结构转型的主力军。风电机组中行星齿轮箱是关键的传动部件，其故障诊断对于保障风电机组的安全稳定运行至关重要。面向行星齿轮箱故障状态信息的非线性、非平稳特性，提出一种基于多元变分模态分解(MVMD)的故障诊断方法，该方法结合了多元变分模态分解与蝙蝠优化算法(BA),以最小化固有模态函数(IMF)分量的局部包络熵为优化目标，运用蝙蝠算法对分解层数K和惩罚因子α进行智能寻优。相较于传统的手动寻优方式，该方法旨在更高效地找到最优的MVMD参数组合，从而更为有效地从各种故障状态中提取出信号的特征参数，利用这些优化后的参数，依托MVMD算法对原始信号进行分解，计算有效IMF分量的多尺度排列熵(MPE),构建故障特征向量，将这些特征向量输入到核极限学习机(KELM)进行训练和识别，最终实现齿轮状态模式的精确识别。

关键词： 轴线误差   齿轮动力学   机电耦合模型   电流特性分析  

摘要： 针对齿轮轴线偏斜改变啮合状态引发不对中问题，提出了一种基于电机定子电流信号的齿轮啮合不对中诊断方法。将电机动态数学模型的电磁转矩作为中间变量，结合齿轮系统弯-扭-轴动力学模型，建立牵引电机-齿轮传动系统机电耦合动力学模型。探究不同轴线误差对机电耦合动力学模型定子电流信号的影响规律，通过频谱分析得到不同情况下的定子电流频谱，阐明齿轮轴线误差对应的电流频谱特征。研究结果表明：轴线误差下电机定子电流频谱显现电源基频与齿轮副啮合频率相关边频带。啮合平面角度误差对电流频谱频率的影响较中心距误差和垂直啮合平面角度误差更明显，为齿轮非入侵式啮合状态监测提供了参考。

关键词： 行星齿轮箱故障诊断   向量加权平均算法(INFO)   奇异峭度差分谱   卷积神经网络(CNN)   评价指标   Shap值法  

摘要： 针对齿轮箱振动信号复杂多变，导致现有的齿轮箱故障诊断方法诊断精度不高、较弱故障特征容易被噪声淹没等问题，提出了一种基于向量加权平均优化算法(weighted mean of vectors, INFO)、变分模态分解(variational mode decomposition, VMD)和卷积神经网络(convolutional neural network, CNN)的齿轮故障诊断方法。该方法首先采用熵权法将不同位置的振动传感器信号信息进行融合，利用INFO对VMD算法中参数进行优化，并设计一个复合评价指标作为参数优化的评价标准，使用奇异峭度差分谱的方法对敏感分量进行重构；其次，从重构的信号中提取时域、频域特征并输入到CNN模型中进行分类；最后通过Shap(Shapley additive explanations)值法对模型输入特征的重要性进行排序，分析不同特征组合对模型分类和特定故障识别的影响。在东南大学行星齿轮数据集上进行验证，结果表明，利用所提特征组合进行故障诊断，CNN模型故障诊断准确率为98.24%,高于其他特征组合，为行星齿轮箱的故障诊断提供了一组有效的特征指标。