基于铁谱定量分析的齿轮箱磨损分析

铁谱定量分析能获得齿轮箱运行过程中的磨损量,主要指标为大磨粒读数DL和磨损烈度指数IS,并可将这两者绘制成趋势曲线。结合设备自身的故障率及铁谱数据的特点,对铁谱数据进行残差分析筛选合适数据,并改进传统的绝对值公式,计算出能反映齿轮箱运行情况的磨损状态界限值。在实际运用中,改进公式满足设备磨损状态的判断需求,及时反映齿轮箱当前运行状态的磨损情况,为设备故障预防的监测提供了一种方法。     

复杂工况条件下齿轮传动过程中磨损量预测研究

磨损是齿轮传动过程中的主要失效形式,磨损加剧会使齿轮齿侧间隙非线性增大、传动精度下降及齿面冲击力增大,进而导致齿轮传动系统振动加剧,对齿轮传动性能及设备的稳定运行造成重大影响。为了解决上述问题,提出了复杂工况条件下齿轮传动过程中磨损量预测方法。基于形式磨损指数识别并判定齿轮磨损状态,通过深入分析齿轮磨损机制并以此为基础,绘制典型齿轮磨损过程曲线,计算齿轮传动摩擦力矩数值,构建了齿轮磨损量数学模型;再将已知齿轮状态数值输入至所构建模型中,即可得出齿轮预测磨损量,实现齿轮磨损量的预测。试验结果表明,在3种复杂工况条件下,提出的预测模拟数据更接近于实际参数,验证了磨损量预测的精度。     

改进箕舌线函数的LMS和BAS-LSSVM的衬板磨损状态预测

针对破碎机衬板磨损难以预测的问题，提出一种改进箕舌线函数的LMS和BAS-LSSVM的衬板磨损状态预测方法。首先，在最小均方误差算法（LMS）的基础上，引入改进的箕舌线函数，提出改进箕舌线函数的LMS算法，将其用于衬板超声回波信号的声时（TOF）的计算中；其次，通过TOF计算出衬板厚度，并根据衬板磨损前后的厚度变化得出磨损量；最后利用天牛须算法（BAS）优化最小二乘支持向量机（LSSVM）的惩罚因子γ和其核函数中的标准化参数σ，将磨损量作为预测模型的输入，衬板磨损阶段作为输出，建立BAS-LSSVM衬板磨损预测模型。结果表明，该方法对动锥衬板和定锥衬板的识别准确率分别达到了94.44%和95.56%，能够有效预测出衬板的磨损状态。     

开式齿轮齿条强度的计算

开式齿轮齿条传动缺乏成熟的强度计算方法,针对齿轮齿条式海洋平台升降系统中所设计的提升小齿轮,论文提出采用有限元计算方法和齿轮计算标准相结合,计算出开式齿轮传动的接触安全系数和弯曲安全系数;并且基于开式齿轮传动的特点,结合经验磨损系数的选择和相关认证标准的要求,提出了磨损量的预测计算方法。通过开式齿轮箱型式试验验证,采取文中磨损量的计算方法与试验后磨损量测量值很吻合,符合工程需求。     

网络互穿双金属复合材料干滑动摩擦磨损特性研究

利用高温高速摩擦磨损试验机分别对不同工况(加载载荷、主轴转速、时间)下网络互穿铝基复合材料摩擦磨损特性进行分析。结果表明:摩擦因数和磨损量均与加载载荷和主轴转速呈正相关关系。建立的磨损方程能够很好的对实际磨损量进行预测,且三个实验因素对磨损量的影响大小依次为时间、加载载荷、主轴转速。     

基于云模型和稀疏贝叶斯技术的刀具磨损状态识别技术研究

针对刀具磨损状态监测和磨损量预测研究中特征提取这一关键技术,提出采用声发射传感器和功率传感器采集机床刀具磨损相关的信号信息,采用两种信号采集的方法可以避免单一信号本身自有的缺陷。采用云模型算法能够科学地耦合两种信息,并提取信号中反映刀具磨损量的特征因素;使用稀疏贝叶斯方法建立模型进而预测刀具磨损量,实现了对刀具磨损的监控,提高了刀具磨损监控的效率和准确性。     

基于逆向工程技术的天然牙磨损量测量研究

由于天然牙牙冠磨损量微小且形貌复杂,传统的测量方法难以精确获得磨损量。提出采用基于逆向工程技术的天然牙磨损量测量方法。首先通过三维扫描仪获取磨损实验前后的天然牙点云数据,其次采用逆向工程软件Geomagic studio中的最近点迭代ICP(Iterative Closest Point)算法将磨损前后的天然牙点云数据对齐,在此基础上通过3D比较和体积计算,测算出磨损区域的最大磨损高度、平均磨损高度和磨损体积3个磨损特征量。结果表明,该方法能够较为准确地实现天然牙磨损量的测量,同时再现磨损区域的空间几何形状,实现磨损量测量过程的数字化、定量化和可视化。     

苜蓿草粉对45#钢磨损的RBF神经网络预测

苜蓿草粉对金属材料的磨损是影响制粒机使用寿命的主要原因,其中转速、负载和粒度是影响磨损量的重要因素.建立了苜蓿草粉对45#钢磨损量的RBF神经网络模型,在磨粒磨损试验机上通过改变试验参数进行磨损试验,获得了不同试验参数下的磨损量.以磨损数据作为RBF神经网络的目标样本,对不同试验参数下的磨损量进行了预测.结果表明:模型可较准确地计算转速、负载和粒度对45#钢管磨损量的影响规律.     

中风化泥、砂岩复合地层盾构滚刀磨损机理及预测分析

针对盾构施工过程中滚刀的磨损机理及磨损量预测展开研究,确定合理的开仓换刀时机,基于磨粒磨损、黏着磨损和疲劳磨损三种滚刀磨损机理,结合CSM理论公式计算得到滚刀法向力,建立滚刀径向磨损高度理论计算模型,将滚刀径向磨损高度拟合数据与现场实测数据进行对比分析。结果表明：滚刀磨损量中,磨粒磨损占比最高,黏着磨损其次,疲劳磨损占比最低。预测滚刀磨损数据与现场实测磨损数据相对误差不超过14.5%,说明该模型对于中风化泥、砂岩复合地层预测滚刀磨损有较好的准确性。     

圆锥破碎机衬板磨损特征及破碎腔型演变过程分析

为研究不同时刻下圆锥破碎机衬板的磨损特征及破碎腔型的演变过程,基于衬板磨损理论,并结合挤压力破碎模拟实验,建立衬板表面破碎力分布模型。在利用超声波传感器测量定锥衬板磨损量的基础上,结合衬板磨损计算模型递推由定锥磨损量到动锥磨损量的转化关系,并引入衬板磨损量修正系数以提高计算结果的准确性。针对衬板磨损轮廓曲线拟合问题,提出一种动态加权修正方法,通过对比分析现场衬板实际磨损轮廓线,发现动锥衬板及定锥衬板加权修正后的相对误差分别降至1.9%和0.7%。结果表明：所提出的方法能有效利用传感器测量数据计算磨损后的衬板轮廓曲线,并实现对圆锥破碎机磨损腔型结构的预测。     

基于整机运转状态的齿轮箱故障诊断

在对机床进行故障诊断过程中,对齿轮箱的检测至关重要.综合分析齿轮箱的振动频谱可以快速、准确地确定故障产生的原因以及故障位置.对北方工业大学数控中心的XK5025型数控立式降台铣床齿轮箱进行振动频谱分析后,判定该机床齿轮箱的大齿带轮出现严重磨损是齿轮箱产生异常振动的主要原因,此外,各齿轮轴以及齿轮之间啮合的松动故障也是齿轮箱异常振动重要原因.     

A method for predicting hobbing tool wear based on CNC real-time monitoring data and deep learning

Intelligent monitoring and diagnosis of tool status are of great significance for improving the manufacturing efficiency and accuracy of the workpiece. It is difficult to quickly and accurately predict the wear state of worm gear hob under different working conditions. This paper proposes a novel approach to predict hob wear status based on CNC real-time monitoring data. Based on the open platform communication unified architecture (OPC UA) technology and orthogonal test, the machine data of motor power, current, etc. related to tool wear are collected online in the worm gear machining process. And then, an improved deep belief network (DBN) is used to generate a tool wear model by training data. A growing DBN with transfer learning is introduced to automatically decide its best model structure, which can accelerate its learning process, improve training efficiency and model performance. The experiment results show that the proposed method can effectively predict hob wear status under multi-cutting conditions. To show the advantages of the proposed approach, the performance of the DBN is compared with the traditional back propagation neural network (BP) method in terms of the mean-squared error (MSE). The compared results show that this tool wear prediction method has better prediction accuracy than the traditional BP method during worm gear hobbing.     

高分子复合材料齿轮磨损模型及磨损测试研究

基于Archard磨损模型,建立高分子复合材料齿轮磨损量模型;分析黏弹性体高分子复合材料齿轮的啮合特性,探讨高分子复合材料齿轮磨损量测量原理。设计了一种高分子复合材料齿轮磨损量测量系统,该系统的测试原理是,通过单铰链支撑的悬臂梁和枢轴箱对齿轮动态加载,使齿轮轮齿表面发生磨损从而导致枢轴箱发生旋转,通过位移传感器测量枢轴箱的偏转角,然后由建立的偏转角与齿轮磨损量之间的关系模型计算得到磨损量。在设计的测试系统上对尼龙66齿轮进行疲劳磨损实验,实验结果和理论模型计算结果基本吻合,既验证了理论模型的正确性,也为高分子复合材料齿轮磨损测试提供了一种新方法。     

基于油液监测的风机主齿轮箱磨损预测

针对风电机组主齿轮箱运行过程中因润滑不良导致异常磨损等故障的问题,提出偏最小二乘回归分析(PLS)方法来处理油液监测数据,并采用灰色等维递补模型进行故障预测.通过对油液监测数据中的运动黏度、酸值和铜元素、硅元素、锌元素、磷元素以及铁元素含量进行数据初值化与主成分提取,构建PLS模型并进行数据拟合分析.结果表明:运用偏最...     

分形在齿轮磨损监测中的应用

将分形理论用于齿轮磨损的监测,从工程应用角度介绍了振动信号盒维数的计算方法。通过对齿轮振动信号分形维数的计算,揭示了分形维数与信号复杂程度之间的内在联系。结果表明:随齿轮磨损的增加,齿轮振动信号盒维数呈下降趋势,运用振动信号的分形维数特征可有效实现齿轮磨损监测。     

大型民用飞机新型飞控作动系统浅析

通过分析对比当代大型民用飞机典型作动系统的组成、工作原理和相关技术的优缺点,结合实际工作经验和相关工程参数,探讨了目前可用于新一代单通道民用运输机飞控作动系统的功率电传技术和分布式控制技术的应用前景。在此基础上,提出了一种有发展前景的基于电传技术的新型作动系统架构,通过对该新型作动系统在提升安全性、系统减重和提高通用扩展性方面的分析,认为在单通道民用运输机上采用该新型作动系统具有一定的技术优势。该新型作动系统的架构设计具有实际的工程应用价值。     

螺杆泵驱动装置磨损状态监测系统

螺杆泵驱动装置受力复杂,振源众多,轴承和齿轮的磨损类故障较为频繁,而常规的单项指标测试只能进行定性分析,诊断精确度不高。为此,开发了磨损状态监测系统。该系统由传感器、诊断仪主机和便携式计算机组成。通过建立设备信息库、故障模式库实现了故障特征自动提取;通过建立磨损状态分级模型,实现了部件的故障诊断及整机磨损状态的评判。实际应用中,诊断出了电机轴承磨损和驱动装置大、小齿轮磨损的故障,表明系统具有较高的应用价值。     

基于Archard模型的机床导轨磨损模型及有限元分析

机床导轨的磨损是导致机床精度降低或丧失的重要因素。针对机床导轨磨损深度的预测问题,提出了一种基于Archard模型与有限元模拟试验的机床导轨磨损分析方法。该方法基于修正的Archard模型形成一种磨损深度的计算公式,并采用一种离散化计算方法进行求解;结合ANSYS软件,提出机床导轨磨损有限元分析模拟的方法及流程;最后,以车床滑动导轨为例,用有限元试验方法对机床导轨的磨损过程进行模拟分析,得到磨损深度关于磨损次数的计算公式,其结果表明:机床导轨磨损深度的仿真模拟值与实际值具有一致性。     

A surface wear model for hypoid gear pairs

In this paper, a methodology was proposed for simulation of surface wear of face-milled or face-hobbed hypoid gear pairs. The methodology combines Archard's wear model with a finite-element based hypoid gear contact model. The wear model requires the sliding distances and contact pressures to be computed along the contact zones at each rotational gear position. Formulations were proposed for computation of sliding distance along the tooth contact zones based on hypoid gear kinematics and geometry of the tooth surfaces, and the contact model was used to predict the normal contact pressure distributions. An example hypoid gear pair was analyzed for its wear behavior. Influences of gear position errors on wear patterns were demonstrated. An approximate method that is computationally more efficient was also proposed at the end.     

Multi time scale simulations for wear prediction in micro-gears

Reliability of micro-gears is known to be adversely affected by wear. In this work we report a strategy to predict local wear with the aim of predicting their effective life span. For the prediction of local wear we start from the relevant model experiments, choice of a suitable wear model and identification of the wear coefficient from these experiments. This wear model is then implemented in an efficient finite element based scheme to predict local wear. Here we report the further development of this finite element based wear simulation tool, the Wear-Processor, to handle this multi time scale problem of gear tooth wear. It is needed to bridge the various time scales between the very fast pass of a contact over a surface point and the long-term wear simulation that is required for a prediction of the life span. Additionally it is necessary to account for any change in the slip rate due to wear. The results presented in this article show how fast the gear tooth geometry, the slip rates and the line of action deviate from their original values as a consequence of wear. We predict a maximum of 3 μm of wear on silicon nitride micro gear tooth flank with width of 200 μm just after 3500 contact cycles.