磨粒对齿轮箱磨损状态的影响

工程实践中迫切需要探究齿轮箱润滑油中磨屑的变化规律,从而实现对齿轮箱磨损状态的准确评价,进而系统性地揭示齿轮箱的失效机理。采用自主研制的齿轮箱磨损试验机进行摩擦试验探究,采用分散添加不同粒径铁磁性颗粒进入润滑油以及对纯净新油品中铁磁颗粒浓度规律进行跟踪监测的方法,结合对齿轮表面的形貌观测以及油样中的磨损颗粒的铁谱分析和磨损类型判断等技术方法,系统分析了齿轮箱的磨损失效机理。结果表明:磨粒的直径分布导致了不同的齿轮箱磨损失效机理,小尺寸颗粒易造成齿轮箱发生滑动磨损,而大尺寸磨粒主要引起齿轮箱发生疲劳磨损失效;工程应用中,润滑油铁磁颗粒浓度变化曲线的斜率达到tan50°时,齿轮表面发生轻微的点蚀磨损;浓度变化曲线斜率增至tan70°时,齿轮箱齿面已发生严重破坏,应做出预警处理。     

新型三线圈式滑油磨粒在线监测传感器

润滑油是以发动机为代表的机械设备的"血液",其中携带了大量零部件的磨损颗粒.这些磨损颗粒反映了机械设备的运行状态,对其进行监测可以对发动机的早期故障进行预测,为发动机的维修与保养提供依据.为了实现滑油磨粒的实时在线监测,采用有限元分析方法对感应式滑油磨粒在线监测传感器进行了研究,以此为依据设计了一种以平面线圈作为感应线圈、螺线管为激励线圈的环绕微通道的新型三线圈式滑油磨粒在线监测传感器,并制作了原型器件,进行了滑油磨粒敏感能力测试.结果表明,该监测系统原型能够检测到100μm以下的铁磁性金属颗粒,且能同时检测到非铁磁性铜颗粒.     

反向双激励螺线管在航空发动机油液磨损颗粒检测中的应用

油液磨粒监测有两类：离线与在线监测。为了真正实现航空发动机油液磨粒在线监测，设计了一种反向双激励型螺线管式传感器，实现了航空发动机油液磨粒类型、大小、数量等的实时在线监测。     

基于结构分析的风机齿轮箱传感器配置研究

齿轮箱是风电机组传动系统的核心部分,一旦齿轮箱发生故障,不仅会产生高额的维修费用,还会造成较长时间的停电。因此,对风机齿轮箱进行实时状态监测与故障的识别、隔离具有重要的实际意义。而齿轮箱状态监测与故障识别、隔离的有效性依赖于齿轮箱中传感器所安装的位置和数量,因而有必要对齿轮箱传感器的配置进行研究。为了使安装的传感器不但可以准确反映齿轮箱的运行状态,还能对可能出现的故障实现识别与隔离,提出从风机齿轮箱的动力学模型出发,构建描述齿轮箱运行状态的动力学方程,将结构分析方法应用到齿轮箱传感器的优化配置中;实现传感器数量最少,识别、隔离可能出现的故障能力最大的配置目标。     

基于长短期记忆网络的风电机组齿轮箱故障预测

针对风电齿轮箱状态监测数据的多变量动态时空关联性特点,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的齿轮箱故障预测方法,主要包括离线建模和在线监测两个阶段。首先,以齿轮箱油温为目标预测变量,充分考虑其与其它相关输入变量之间在时空维度上的重要关联信息,对历史监测数据进行训练学习,建立齿轮箱正常运行时的油温监测LSTM模型,通过对预测残差进行评估计算设定相应的检测阈值;然后,将训练好的油温监测LSTM模型用于在线测试,通过模型残差分析和阈值比较实现齿轮箱故障状态的检测和预测;最后,通过风电场测试数据对所提出的方法进行验证。结果表明,相比于其它传统方法,该方法表现出更好的预测性能,能够较早预测故障的发生。     

摩擦学系统特征信息关系的试验研究

针对摩擦学系统特征信息的多样性以及设备在运行寿命期内表现出的磨损规律性,以齿轮箱摩擦学系统为研究对象,建立试验齿轮箱摩擦学特征信息系统.对采集到的齿轮疲劳磨损试验润滑油采用油液分析方法试验研究了系统润滑油黏度与磨损特征信息间的表现关系及内在机理,考察磨粒及油液变质物在试验寿命期内的变化行为,采用扫描电镜和能谱分析磨粒的表面形貌及成分变化.试验与分析结果表明,润滑油黏度的增加具有与磨损信息相似的时间累积性,在磨合期、正常期和故障期三个阶段,润滑油黏度受到不同程度的磨损磨粒、油品变质物、摩擦聚合物及油泥的综合影响,其黏度变化与磨损参数变化具有良好的映射关系.     

风电齿轮箱磨损状态静电在线监测方法研究

风电齿轮箱的结构复杂且运行环境恶劣,是风电机组中故障率最高的部件,其性能直接影响风电机组的稳定性和安全性,严重时可能会造成财产损失甚至人员伤亡。为此,基于静电监测原理,采用多个静电传感器对风电齿轮箱摩擦磨损产生的二次效应同时进行监测;基于提取到的时域特征参数和复杂度度量参数,运用移动窗局部离群因子（moving window local outlier factor,MWLOF）算法分别对负荷试验和破坏试验中风电齿轮箱磨损状态的静电监测信号的变化趋势进行分析。结果表明：在负荷试验中,静电监测方法可在部分故障发生前提前监测到风电齿轮箱早期的性能退化;在破坏试验中,静电监测方法比振动监测方法提前200~1 000个样本点监测到风电齿轮箱的故障。研究表明,静电监测方法作为一种新型的状态监测技术,能够有效提高对风电齿轮箱磨损状态的监测能力,可对其早期故障的产生作出较准确的预警,这可为大型设备关键部件的状态监测提供参考。     

基于卷积门控循环神经网络的刀具磨损状态监测

针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,体现磨损的时序特性。实验表明,在有限的刀具磨损数据样本条件下,通过卷积门控循环神经网络进行刀具磨损状态监测具有较好的效果,其准确率达到97%。     

铁谱技术在工程机械发动机故障预测中的应用

利用铁谱磨粒技术从微观角度对工程机械运行过程监测，能预测、诊断和及时处理发动机非正常磨损早期故障。作者应用铁谱磨粒技术验证和完善了传统磨损理论，并结合实践，分析和证明汽车发动机的故障是可以预测的。     

传感器优化布置的齿轮箱轴承故障特征提取

为诊断齿轮箱轴承故障,构建一种传感器优化布置的齿轮箱轴承故障特征提取方法。提取齿轮箱上箱体模态振型,运用K-medoids算法对节点振型进行聚类,用有效独立法初选测点,以模态置信准则(MAC)为适应度函数,运用遗传算法(GA)寻优,实现传感器位置优化,以构建的综合评价指标对传感器数量进行评价,以此得到齿轮箱传感器优化布置方案;将传感器布置在上箱体采集齿轮箱振动信号,对各路信号进行奇异值(SVD)降噪,对降噪后信号进行基于方差贡献率的信息融合;对融合信号进行变分模态分解(VMD),以信息熵最小为原则对VMD参数优化,选取信息熵最小本征模态分量(IMF)进行Teager能量谱分析,提取滚动轴承故障特征;采用ZDH10型齿轮箱故障试验台进行试验验证,证明所构建方法的可行性。     

Analysis of Oil Debris in an Aero Gas Turbine Engine

Oil debris count is an important health monitoring parameter in aero gas turbine engine. Present paper deals with the oil debris analysis collected from the bearing houses and gear box of a military gas turbine engine. Due to relative motion between stationary parts, wearing-out has taken place in turbine bearing house. Improper assembly or dimensional inaccuracies found to be the root cause of high debris generation. For wearing-out of the drive shaft in gear box, lapses in assembly procedure and improper tolerances are found to be responsible. Though high ‘g’ maneuvers of the aircraft, hard landings, missile launch and bird hit or foreign object impact can lead to such high debris in the oil circuit, utmost care needs to be taken during assembly.     

大型船用齿轮箱长效储存技术

目的 确保大型船用齿轮箱在储存10年后,除寿命件外其余零部件的功能和性能技术状态良好.方法 通过分析传统储存技术的不足和整机长效储存的特点,借鉴新型封闭防锈技术和监控技术,采用分类处理的方式,针对不同系统,采用迷彩高阻隔的柔性防潮材料形成密闭空间、利用油溶性气相防锈油,以及利用不同材料的试片实时监控等新型长效储存技术,使齿轮箱长效储存状态良好.结果 针对零件、整机、分包装监控,使得齿轮箱在长效储存后技术状态良好,齿轮箱整机或零部件可以随时作为备件使用.结论 大型船用齿轮箱长效储存技术有助于大型船用齿轮箱长期可靠储存.     

重载汽车齿轮变速箱振动与噪声特性

针对重载汽车齿轮变速箱的工作特点，对该齿轮箱的空档、十个前进档、两个倒档的稳态运行及其升速过程进行振动与噪声测试，并对振动信号进行时域和频谱分析。分析结果对于了解齿轮变速箱的振动与噪声特性以及基于振动和噪声信号的齿轮箱质量评价具有重要意义，并且为研究以减振降噪为目的的齿轮箱结构动力学优化设计奠定基础。     

采煤机闭式齿轮箱润滑技术的应用研究

针对现代化煤矿高效集约化开采对采煤机的高可靠性要求,分析研究采煤机闭式齿轮箱的润滑油效果及要求;以1000kw截割部齿轮箱为例阐述了润滑油的选型方法,结合采煤机闭式齿轮油的使用条件、使用场合等提出换油指标相关要求,可以达到按质换油、保证机械正常润滑的目的。     

应用Hilbert变换和ZFFT提取变速器齿轮故障特征

变速器故障齿轮振动信号,调幅现象和调频现象同时存在,其频谱中包括啮合频率及其谐波、调制产生的耦合频率。Hilbert变换无法提供足够高的频率分辨率解调低频调制信号,为此提出复调制细化谱分析方法。通过变速器齿轮故障模拟实验,采集齿轮正常、轻微磨损和严重磨损时的稳态振动信号,对其进行Hilbert变换得到信号的包络,对包络信号进行复调制细化谱分析,得到齿轮轴转频基波及其谐波幅值。随着齿轮磨损程度的增加,齿轮轴转频基波及其谐波幅值明显增大,可作为齿轮磨损故障特征参数。     

基于故障可诊断性的齿轮箱传感器优化布置

针对目前在优化传感器布置时对齿轮箱可能发生的故障信号是否能被识别与分离研究较少的情况,将故障可诊断性应用于齿轮箱传感器优化布置中,并运用奇异值比值、故障可诊断性、平均加速度幅值三个评价准则构成的综合指标评价不同布置方案,最终确定最优传感器布置方案。对齿轮箱进行模态分析,提取模态振型;再运用K均值聚类算法根据自由度在重要模态中振型的动力相似性进行分类;利用有效独立平均加速度幅值法初选测点;在这些节点位置处测得可能出现的故障信号,对其进行快速傅里叶变换,得到相应故障的频谱图,利用核密度估计求取对应故障的密度函数,再利用K-L散度判断各位置处的故障可诊断性;运用综合指标评价,确定最优方案。通过ZDH10型齿轮箱故障诊断试验台验证了所提方法的可行性。     

基于CDA和MoG-BBN的齿轮磨损状态识别研究

提出了基于混合高斯输出贝叶斯信念网络模型的齿轮磨损状态识别新方法,建立了变量消元算法和期望最大化算法相结合的模型推理算法,通过计算待识别磨损特征向量的概率值来确定齿轮磨损状态。针对期望最大化算法容易局部收敛的问题,对其进行了改进,使其更容易获得全局最优值。根据磨损特征之间的非线性关系这一特性,应用曲线距离分析方法对特征进行降维。最后,利用五种不同工况下的齿轮磨损实验数据对模型进行验证。结果表明,该模型可以有效地识别齿轮磨损状态,识别正确率可以达到99%,为齿轮箱的健康管理提供了科学依据。     

基于DEMD局部时频熵和SVM的风电齿轮箱故障诊断方法研究

为了有效地从非线性、非平稳性的风电齿轮箱故障信号中提取有用的信息成分,将微分经验模式分解、局部时频熵和支持向量机相结合,提出了一种微分经验模式分解局部时频熵和支持向量机的风电齿轮箱故障诊断方法。采用自适应多尺度的数学形态学对故障信号进行滤波;将滤波后的信号进行微分经验模式分解,获得齿轮振动信号的若干IMF分量;把每一个IMF进行分块,计算每一块的局部时频熵值;把局部时频熵值作为支持向量机的输入参数,通过支持向量机进行故障识别与诊断。实验结果表明,基于微分经验模式分解局部时频熵和支持向量机相结合的方法能够对风电齿轮箱故障信号进行准确有效地识别分类。