关键词： 减定径齿轮箱   数字孪生   数据驱动   知识库  

摘要： 高线减定径齿轮箱的在线检测与诊断对于设备运行的安全性和可靠性具有重要意义。为了实现对高线减定径齿轮箱的全面监测和故障诊断,提出了一套基于数字孪生的在线检测管理系统。该系统采用5层架构,包括感知层、数据层、运算层、功能层和应用层。随后,提出了基于数据驱动和知识库的高线减定径齿轮箱问题处理流程,并分析了其优劣。最后,经过数据观测,发现在引入基于数字孪生的高线减定径齿轮箱在线检测管理系统后,齿轮箱故障率降低,维修时间缩短,维修成本降低,系统可用性增强。

关键词： 离子渗氮   34CrNiMo6钢   小模数齿轮   渗氮均匀性  

摘要： 探讨了炉压对小模数齿轮离子渗氮齿根层深均匀性的影响。结果表明:低炉压时,齿根渗氮层较浅,不能形成连续的渗氮白亮层,采用饱和硫酸铜溶液侵蚀会出现铜色沉积。随着炉压提高,齿根渗氮层深提高,表面渗氮白亮层连续,当炉压提高到680Pa时,齿根渗氮层深达到节圆层深的87%,渗氮层均匀。

关键词： Recurdyn   高速电驱动齿轮   振动噪声   建模仿真  

摘要： 为解决常规齿轮振动噪声仿真方法存在误差较大的问题,提出基于Recurdyn的高速电驱动齿轮振动噪声仿真研究。通过Recurdyn软件构建仿真模型,对不同类型的噪声信号进行包络叠加,采用马赫系数等方法划分噪声源分布区间,明确振动噪声分布情况,并获取噪声激励向量数据进行仿真计算。实验结果表明,该方法能够有效减小仿真误差,准确预测齿轮振动噪声声压级。

关键词： 齿轮   同步压缩小波变换   改进经验小波变换   阶次跟踪   故障特征提取  

摘要： 针对变转速工况下,多级齿轮传动低速级齿轮故障信号易受背景噪声干扰,导致频谱特征模糊,微弱故障特征难以提取的问题,提出一种基于同步压缩小波变换(Synchrosqueezing Wavelet Transform, SWT)与改进经验小波变换(Improved Empirical Wavelet Transform, IEWT)相结合的齿轮无转速计阶次跟踪方法。首先为提高无转速计阶次跟踪瞬时频率估计精度,设计连续小波变换-椭圆时变滤波器(Continue Wavelet Transform-Elliptic Time-Varying Filtering, CWT-ETVF)对齿轮振动信号滤波降噪,依据滤波所得单分量的SWT时频分布进行峰值搜索,以实现高精度的瞬时频率估计,然后对时变故障信号等角度重采样获得角域平稳信号。针对EWT方法频谱分割不合理的问题,提出一种依据频谱包络趋势进行边界划分的改进经验小波变换方法对角域平稳信号自适应分解。最后选择合适分量自相关去噪,并通过阶次解调分析识别故障特征。仿真及实测局部断齿数据分析表明,该方法可以准确提取变转速齿轮时变微弱故障特征。

关键词： 斜盘式轴向柱塞泵   端曲面齿轮   联合仿真   流量与压力脉动  

摘要： 为了研究对置端曲面齿轮柱塞泵参数对泵动态特性的影响,根据端曲面齿轮柱塞泵工作原理,推导柱塞运动方程。利用Adams与AMESim软件建立对置端曲面齿轮柱塞泵联合仿真模型,通过联合仿真得到不同转速与偏心率下的柱塞泵出口流量与压力的相应曲线。结果表明:转速增大,泵出口流量与压力增大,脉动幅值与脉动频率增大;偏心率增加,泵出口流量与压力增大,脉动幅值增大,脉动频率不变。

关键词： 齿轮钢   脱碳   疲劳极限   非金属夹杂物   全脱碳层  

摘要： 以20CrMnTi齿轮钢为研究对象,采用电阻炉进行不同温度下的脱碳试验,用金相法测量脱碳层厚度,研究加热温度对试验钢脱碳的影响规律;采用QBWP-6000J型简支梁旋弯疲劳实验机对试验钢进行旋弯疲劳测试,通过成组法测定试验钢的疲劳极限,绘制S-N曲线;采用扫描电镜对试验钢疲劳断口进行形貌观察,分析断裂机理;同时,对不同温度下脱碳后的试样进行旋弯疲劳测试,对比脱碳与不脱碳情况下试验钢的疲劳寿命,分析探究脱碳行为对试验钢疲劳性能的影响。结果表明,由于加热过程中氧化与脱碳行为同时存在,两者交互作用,导致全脱碳层厚度随温度增长呈现先增加后降低的趋势,750℃时全脱碳层厚度达到最大值120μm,850℃时全脱碳层厚度达到最小值20μm,试验钢疲劳极限约为760MPa,试验钢疲劳裂纹源主要为Al_(2)O_(3)非金属夹杂物;脱碳行为大大降低试验钢的疲劳寿命,影响试验钢疲劳性能,脱碳层越厚,疲劳寿命越低。为减小脱碳层对试验钢疲劳性能的影响,试验钢最佳热处理温度应设为850℃。

关键词： 齿轮-转子-轴承系统   时变齿侧间隙   脱啮占比   多状态啮合   非线性振动  

摘要： 单双齿交替啮合与齿侧间隙的协同作用诱发轮齿不同位置的脱啮和齿背接触，影响齿轮传动品质和可靠性应用。为此，提出一种基于非线性振动的齿轮系统多状态啮合与脱啮占比的研究方法。综合考虑时变齿侧间隙、时变啮合刚度、齿面摩擦、时变啮合位置等，建立含多状态啮合的渐开线直齿轮-转子-轴承耦合系统非线性动力学模型；引入多种类型的Poincaré映射，设计多状态啮合行为的有效辨识方法，提出系统在时域内正常啮合与脱啮占比的快速计算方法，分析误差幅值对系统多状态啮合行为、非线性振动和脱啮占比的影响特性，并探讨非线性振动与脱啮占比的内在关系。结果显示，本文参数条件下，系统出现不同类型的多状态啮合行为，多状态啮合和非线性振动对脱啮占比有重要的影响。

关键词： 风电机组齿轮箱   故障预警   特征选择   深度学习   时空特征  

摘要： 为实现风电机组齿轮箱故障早期预警，提出一种基于优化门控循环网络超参数的预警模型。首先，利用随机森林袋外误差估计算法，从风电机组数据采集与监控（SCADA）数据中筛选出与齿轮箱油池温度有重要关联的特征变量；其次，充分挖掘SCADA数据的时空关联特性，基于门控循环网络建立预警模型，同时，为提高模型预测性能，通过蜣螂算法优化门控循环网络的超参数；最后，构造健康指数指标，并建立其与机组运行状态等级间的映射关系，实现机组齿轮箱运行健康度监测及故障预警。以某1.5MW风电机组运行数据为算例进行验证，结果表明，所提方法能提前2天发出齿轮箱油温异常预警，效果优于GRU模型、LSTM模型等对比模型，能够更加准确有效地实现风电机组齿轮箱故障预警。

关键词： 齿轮箱故障诊断   格拉姆角差场   注意力机制   卷积神经网络  

摘要： 针对齿轮箱同时处于变负载和含有噪声的复杂环境下的故障诊断难题，提出一种基于格拉姆角差场(Gram Angle Difference Field，简称GADF)和改进的具有多注意力机制的卷积神经网络（Multiple Attention Mechanism Convolutional Neural Network，简称MACNN）的齿轮箱故障诊断方法。首先将采集得到齿轮箱的一维振动信号的故障数据集进行预处理；然后通过格拉姆角差场将一维数据集转为二维图像数据；其次，将二维数据集数输入到改进的带有多注意力机制的卷积神经网络模型中进行训练；最后采用Softmax对齿轮箱故障数据集进行分类。通过试验验证，本文所提的方法在两个负载数据集上都可以达到99.80%以上，改进之后的模型训练效率更高、耗时更短，同时本文所提方法也优于一些已经发表的齿轮箱故障诊断的方法，此外本方法对齿轮箱在同时处于变负载和噪声的复杂环境中，依然有着较强的故障诊断能力。

关键词： 螺旋锥齿轮   主动设计   齿轮副   接触属性  

摘要： 针对面铣螺旋锥齿轮的设计和制造，建立了基于自由曲面机床的加工方法的数学模型，在自由曲面机床上采用工件轴固定的方法完成螺旋锥齿轮铣削的主动设计和制造。以啮合性能参数为输入变量，建立了齿轮啮合的数学模型，并根据设计的接触属性对齿轮齿面进行了主动设计。除了传统方法控制的每个小齿轮侧面平均接触点的一阶和二阶参数外，该方法还可以同时保证小齿轮常用驱动侧面上的每个接触路径点，避免了工件轴运动精度差造成的误差和制造难度。最后，通过齿面接触分析（TCA）和滚动试验对该方法进行了有效验证。