基于双离合变速器电控单元的Volcano CAN开发

Volcano 是集汽车电子网络设计、实现和测试于一体的完整工具链。它包括整车网络规划及优化设计工具VNA,网络节点(TCU等)实现工具VTP以及网络测试工具Tellus。本文着重介绍了基于TCU的VTP。     

无石棉密封板材压缩成型机理研究和工艺参数优化

分析了无石棉密封板材的压缩成型机理，认为物料与辊筒的接触角之和必须，小于或等于摩擦角之和，且大辊与料子问的水平粘结力必须大于小辊与料子间的水平粘结力，同时板材必须具有一定的抗拉强度，才能确保料子的顺利成型，而适宜的配比、辊温、拌料质量、皮料质量等则是大料顺利成型的基础。     

汽车底盘技术在HGY-1500型钻机中的应用

在HGY-1500型钻机的设计中应用汽车底盘技术，选用汽车变速器、离合器等零部件；钻机分动箱采用斜齿圆柱齿轮传动，使用接合套式换挡装置进行换挡，提高了钻机工作的可靠性，降低了生产成本，减轻了钻机质量，操作轻松、方便。     

基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取

针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VMD算法对信号进行分解,并依据互信息选取有效分量对信号进行重构。多尺度熵能反映信号在多尺度下的复杂度,偏均值可以反映多尺度熵的均值和变化趋势。采用基于多尺度熵的综合指标多尺度偏均值,以全面反映振动信号在多尺度下的特性,用于衡量行星变速箱运行状态,从而进行故障特征提取。行星变速箱实验数据处理结果表明,新方法可以更加有效的提取行星变速箱故障。     

基于深度自编码网络模型的风电机组齿轮箱故障检测

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。     

基于数据挖掘的风电机组齿轮箱运行状态分析

针对风电机组齿轮箱运行状态识别困难的问题,基于数据挖掘思想,提出改进的非线性状态估计方法,得到了机组参数与运行状态之间的关联机制;通过因子分析,有效减小样本数据空间,提高了样本数据的解释能力;根据机组实际运行特点,运用滑动窗口与异常率的方法对预测残差进行分析,保证了最终分析结果的准确性与可信性。结合实际案例分析可知,该方法较传统分析方法能够更及时、准确地察觉风电机组齿轮箱异常状态。     

印刷机底片扫描装置中机械传动精度分析与选择

针对圆筒型照相排版机底片扫描装置要求传动精度高,转动平稳的特点,分别选择三级圆柱齿轮传动,双级圆柱齿轮-蜗杆传动,蜗杆传动3种常见的传动方式,计算其传动比,验算传动精度,对扫描装置进行运动精度分析,计算总体传动误差.最终选择三级圆柱齿轮减速器作为扫描装置的传动机构.     

解析法在行星变速机构效率和功率流分析中的应用

以一个典型的行星变速机构方案简图为例,分别运用解析法、啮合功率法、转换机构法和大小力矩法进行效率和功率流分析,结果表明:解析法在通用性、准确性上有一定的优势,同时此方法立足于结构分析,能通过直观的功率图进行功率流的分析,从而可以确定循环功率是否存在,以及所占的比例.     

4～5 MW风力发电机组增速箱轴承试验机研制

为验证4～5 MW风电增速箱轴承性能,研制一台轴承试验机。该试验机可以通过载荷谱控制轴承旋转方向、转速、承受的轴向和径向载荷以及润滑油流量来模拟轴承实际工况,并使用测量轴承振动和温度的方法来侧面反映轴承的实时状态。使用变频器控制变频调速电机使轴承变速变向,液压比例伺服阀可变精准加载,润滑比例流量阀调整润滑油流量,铂热电阻温度传感器测量轴承温度,加速度传感器配合振动采集模块测量轴承振动。试验机可以通过加快轴承转速和增大轴承载荷的方法,只需要普通寿命试验几十分之一的时间就足以完成强化寿命试验。通过50 000 min的测试,试验机运行平稳、可靠性良好,数据正常,达到了设计目的。     

基于SSA-VMD和2.5维谱的齿轮箱磨损故障诊断

针对行星齿轮箱实际工况中存在多种频率耦合无法直接提取故障特征频率的问题,提出一种基于樽海鞘群算法优化变分模态分解(SSA-VMD)结合2.5维谱的故障诊断方法。运用SSA优化VMD的参数;运用自相关系数对分解信号进行重构,降低噪声的干扰;最后运用2.5维谱对重构信号中的频率耦合进行解耦运算。搭建行星齿轮箱磨损故障全生命周期实验台采集振动信号,运用提出的方法解耦出参与耦合的故障频率成分,揭示了行星齿轮箱磨损故障演化规律。研究结果表明：随着磨损故障程度的加深,磨损故障特征频率明显增多。