A380铝合金齿轮室压铸件开裂机制分析及改善

对A380铝合金齿轮室失效件开裂部位显微组织、化学成分等进行分析,发现在产品两侧悬置区开裂部位存在缩松、缩孔、气孔、夹渣等铸造缺陷;利用有限元数值模拟软件分析产品在恶劣工况下的应力分布情况,显示在两侧悬置区应力集中,受力较大。认为铸造缺陷和应力集中的综合影响,是导致产品开裂失效的原因。通过改进浇注排气溢流系统、调整压铸工艺参数、优化产品结构设计等手段,产品开裂比例大幅度下降。     

数字EDD修复仪LLC辅助电源设计

数字式电火花堆(EDD)修复仪辅助电源需满足为焊枪电机供电、保证数字芯片工作及实现多路输出和电气隔离。传统辅助电源设计方式存在转换效率低、功率密度小、易受干扰、功率等级低等缺点。采用定频LLC谐振变换器加同步Buck两级拓扑的新式辅助电源设计方案,利用高频LLC谐振变换器的软开关能力,可缩小电源体积、提高转换效率,且能实现多路输出间电气隔离,避免相互干扰。通过与传统的辅助电源作比较,突出了所提新式辅助电源的优点,并详细分析了新式辅助电源的工作原理和控制方式,最后通过一台实验样机验证了新式辅助电源的可行性。     

基于ANSYS Workbench的RV减速器随机振动分析

以RV减速器为研究对象,建立了RV减速器的三维模型,导入Adams中进行运动学仿真,得到了正齿轮的加速度;利用ANSYS Workbench求解得到RV减速器的固有频率,根据概率统计学分析技术推导功率谱密度函数;最后,将功率谱密度峰值提取后导入ANSYS Workbench的Random vibration模块作随机振动分析。该方法考虑了随机振动因素对机构应力以及安全裕度的影响,为处理RV减速器工作可靠性问题提供了一种新的方法。     

轨道不平顺影响下高速列车齿轮传动系统的振动特性分析

为了分析高速列车齿轮传动系统在轨道不平顺激励影响下的振动特性变化规律,利用动力学软件SIMPACK建立包含齿轮传动系统的整车动力学模型,分别在大、小齿轮内部布置测点,进行无轨道不平顺和有轨道不平顺工况下的动力学仿真实验,获得高速列车时速250 km/h时大、小齿轮的振动加速度。对大、小齿轮横向、纵向和垂向振动加速度幅值进行频域分析,并对比分析了齿轮传动系统在有、无轨道不平顺工况的振动幅值、频谱分布。结果表明,由于轨道不平顺激励的影响,高速列车齿轮传动系统的横向、纵向和垂向振动加强,振动加速度均增幅明显,其中,垂向振动加速度变化幅值最大。齿轮传动系统的振动频率主要集中在0~400 Hz,小齿轮和大齿轮横向振动受轨道不平顺的影响规律一致,但小齿轮受到纵向振动的影响略小于大齿轮,小齿轮受到垂向振动的影响略大于大齿轮。     

聚羧酸型减水剂近期研究进展

本文对聚羧酸减水剂的发展研究现状进行阐述,继而根据聚羧酸减水剂的分子结构、合成原理及相关的性能关系给出其发展状况,并加以探讨,然后进一步提出聚羧酸型减水剂所要面临的问题和研究趋势。     

基于振动与流场耦合齿轮泵困油现象分析

为了解决困油现象的历程和困油压力对齿轮泵工作状态的影响,根据困油条件下齿轮泵齿轮的振动模型,由内部流场数值分析,将困油压力作为耦合的条件,建立了困油条件下的齿轮副振动和内部流场耦合的动态模型,并通过对模型解耦,分析困油压力对齿轮副振动的影响以及困油压力的具体表现形式。通过齿轮泵内部流场进行仿真,和对通过传感器采集的振动信号处理分析,明确了困油压力的大小及位置和困油产生冲击的程度,表明所建耦合模型正确可靠,能够用于困油压力预测、振动冲击分析与困油历程的仿真分析。     

成形铣齿切削载荷与加工精度的分析

错齿盘铣刀可用于齿轮的成形铣齿加工,具有多刃断续切削和变切屑厚度等特点,属于非自由强力铣削。切削载荷、加工精度逐渐成为切削机制的主要内容。通过试验方法,测量获得铣齿加工的典型载荷,可知切入、切中、切出三个阶段具有不同的特征。通过三坐标测量加工精度,分析得出齿向呈现了倒锥形的结果。其中切中阶段,加工精度为正并逐渐提高;而切出阶段,加工精度为负。基于对三向切削载荷及机床主轴箱体的悬伸对加工精度的直接影响分析,解释了"收口"现象的主要原因。该类实时的切削数据可用于现场分析与控制,进而实现精度补偿。     

磁力传动齿轮泵结构设计及分析

针对系统要求,为使齿轮泵达到高可靠性、零泄漏的要求,设计一种特殊的齿轮泵结构。采用磁力传动使齿轮泵和电机以非接触式进行连接,取消了传统结构上的轴封,摩擦力小,使电机的输入功率减少;将动密封转换为静密封,使该齿轮泵实现零泄漏的指标。     

基于粒子群算法的RBF神经网络齿轮磨损预测

针对机械设备磨损难以预测问题,提出RBF神经网络预测模型,并结合粒子群算法优化模型参数。利用变速箱型号为SG135-2系列的K727840ZW齿轮磨损实验输入-输出数据,通过基于粒子群算法的RBF神经网络建立输出预测模型,并与传统的AR模型、BP神经网络模型及Hermite神经网络模型预测作比较。仿真结果表明,基于粒子群算法的RBF神经网络模型结构简单、预测精度高,验证了所提方法的有效性和实用性。     

A new fault diagnosis algorithm for helical gears rotating at low speed using an optical encoder

Helical gears are widely used in gearboxes due to its low noise and high load carrying capacity, but it is difficult to diagnose their early faults based on the signals produced by condition monitoring systems, particularly when the gears rotate at low speed. In this paper, a new concept of Root Mean Square (RMS) value calculation using angle domain signals within small angular ranges is proposed. With this concept, a new diagnosis algorithm based on the time pulses of an encoder is developed to overcome the difficulty of fault diagnosis for helical gears at low rotational speeds. In this proposed algorithm, both acceleration signals and encoder impulse signal are acquired at the same time. The sampling rate and data length in angular domain are determined based on the rotational speed and size of the gear. The vibration signals in angular domain are obtained by re-sampling the vibration signal of the gear in the time domain according to the encoder pulse signal. The fault features of the helical gear at low rotational speed are then obtained with reference to the RMS values in small angular ranges and the order tracking spectrum following the Angular Domain Synchronous Average processing (ADSA). The new algorithm is not only able to reduce the noise and improves the signal to noise ratio by the ADSA method, but also extracts the features of helical gear fault from the meshing position of the faulty gear teeth, hence overcoming the difficulty of fault diagnosis of helical gears rotating at low speed. The experimental results have shown that the new algorithm is more effective than traditional diagnosis methods. The paper concludes that the proposed helical gear fault diagnosis method based on time pulses of encoder algorithm provides a new means of helical gear fault detection and diagnosis.