基于EMD和非线性峭度的齿轮故障诊断

采用经验模式分解(empirical mode decomposition,简称EMD)和非线性峭度的统计特性对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用EMD分解获得振动响应信号的本征模式函数,用非线性Tea-ger能量算子计算每个本征模式函数的瞬时能量,并对本征模式函数进行系数的非线性峭度计算,提取系统的特征信息。仿真结果表明,用经验模式分解和非线性峭度可实现在线监测齿轮运转工作状态,及时发现齿轮的早期故障,提高了故障检测的可靠性。     

变速箱参数结构智能CAD系统

根据参数切换机械系统的数学理论,在系统参数结构数学表达式和系统实现理论基础上,结合人工智能的方法研究开发了变速箱参数结构智能CAD系统,为变速箱传动方案设计提供了一套新的理论和方法。     

基于有限元的履带车辆变速箱体强度分析

建立了履带车辆变速箱体的力学模型,对其载荷和结构特点进行了分析,同时根据边界条件,引入特定的约束,通过有限元方法对履带车辆变速箱体进行了结构强度分析,计算得到了等效位移和等效应力云图,分析得出了箱体结构位移和应力的分布及其数值,从而找出了原设计的薄弱环节,可为进一步改进履带车辆变速箱体的结构设计提供一定的参考和借鉴。     

基于角域平均和倒阶次谱分析的齿轮箱故障诊断

本文研究旋转机械非稳态信号的分析方法。对等时间间隔采样的齿轮箱振动信号,利用插值算法实现角域重采样。为了抑制与工频无关的噪声信号以提高信噪比,对重采样信号进行了角域平均。将倒频分析引入阶次分析中,以检测出功率谱中难以辨识的周期性。以上方法成功地识别了齿根裂纹故障,说明了对旋转机械非稳态信号进行角域平均和倒阶次谱分析的可行性和有效性。     

粒子群优化的神经网络在故障诊断中的应用

为提高齿轮箱故障诊断性能，建立了以齿轮箱振动信号的时频域特征为输入，以齿轮箱的主要故障形式为输出的神经网络。采用粒子群优化算法代替反向传播算法来训练神经网络的权重和阈值，利用训练后的神经网络对齿轮箱进行了故障诊断，并比较了基于粒子群优化算法与BP算法的诊断结果。结论是基于粒子群优化算法神经网络具有较好训练性能，收敛速度快，迭代步数少，诊断精度高，具有良好的故障识别率。     

基于响应面方法的可靠性灵敏度分析方法

简要叙述应用响应面方法获取极限状态函数(该极限状态函数具有响应面函数的特点)的过程。提出利用这种极限状态函数进行可靠性灵敏度分析的方法,并推导了计算公式。该方法的优点是：① 可用于极限状态函数未知的情况。② 此极限状态函数是形式简单的二次多项式,便于实现方差和偏导计算,使可靠性灵敏度的计算简单易行。③ 该极限状态函数包括一、二次项和交叉项的信息,使可靠性灵敏度的计算精度大大提高。④ 通用、规范,易于实现程序化。最后计算航空发动机附件传动机匣散热的可靠度及各个变量的可靠性灵敏度,为附件传动散热系统的设计提供了理论依据,算例表明了所给出的计算公式的正确和有效性。     

基于连续小波灰度图的变速箱故障诊断

为了诊断汽车变速箱的周期性冲击故障，利用连续小波变换灰度图分别对正常和故障汽车变速箱振动信号进行了分析。结果发现，连续小波灰度图不仅能识别变速箱的正常与故障，准确提取出周期性冲击故障信息，而且能够非常直观形象地表达出信号的细微结果，并进一步显示出故障变速箱中同时存在的两种相同频率的故障信息，从多层次、多方位观察到了分析信号的细微变化。     

汽车变速器注排油装置的设计

在变速器放油口处依次完成注油和排油,同时完成对润滑油的检测,简化工艺过程,从而缩短了变速器交检周期.     

基于径向基网络的变速箱载荷识别研究

提出了一种基于径向基网络的识别变速箱载荷的新方法,该方法应用径向基函数网络建立了箱体表面振动响应信号与轴承激励之问的非参数映射模型。通过变速箱在随机激励下的载荷识别结果表明,这种利用径向基网络识别变速箱载荷的方法是可行的,并且具有识别精度高、运算速度快及稳定性好等优点。     

带液压制动器的多级行星齿轮减速器在新型特大型三辊卷板机？…

本文介绍一种新型齿轮箱一多级行星齿轮箱,和一般卷板机比较,它的驱动结构简单,这种齿轮箱易于制造、传动性能良好。