高速渐开线斜齿圆柱齿轮齿廓修形技术研究

高速渐开线斜齿圆柱齿轮啮合频率高且传递功率大,为使高速齿轮箱平稳运行,减少由于轮齿受载变形和制造安装误差引起的啮入、啮出冲击,降低齿轮箱运行噪声并改善其润滑状态,齿廓修形十分重要.利用Pro/E软件建立斜齿轮啮合模型,通过接口程序,将模型导入ANSYS-Workbench软件中进行仿真分析,得出齿廓修形的各项参数.经验证,修形后的齿轮等效应力峰值略有上升,而接触应力峰值大幅降低,且消除了干涉,提高了高速齿轮传动的平稳性.     

基于VMD的自适应形态学在轴承故障诊断中的应用

为有效提取滚动轴承信号的特征频率,提出了基于变分模态分解(VMD)的自适应形态学的特征提取方法。首先利用VMD将目标信号分解为有限个模态信号,依据互信息法提取与原始信号相关的模态信号,将其进行求和重构;然后利用形态学对重构信号进行降噪处理,提取出滚动轴承的特征频率。针对形态学固有统计偏移和结构元素的选择问题,利用粒子群算法来优化改进的广义形态学滤波器,实现自适应滤波。通过数字仿真实验与滚动轴承故障试验分析,将其与基于经验模式分解(EMD)的自适应形态学、包络解调方法进行比较,结果表明该方法可以有效提取故障信号的特征频率。     

参数优化 VMD-MPE 和 PSO-CS-Elman 神经网络在滚动轴承故障诊断中的应用研究

针对滚动轴承振动信号的非线性、非平稳特征,提出了基于参数优化变分模态分解（Variational Mode Decomposition,VMD）、多尺度排列熵（Multi?scale Permutation Entropy,MPE）和粒子群?布谷鸟搜索融合算法优化 Elman神经网络的故障诊断方法。针对 VMD 中模态分量个数和惩罚因子难以确定的问题,引入鲸鱼优化算法,令其自主搜寻最优解;利用获得最优参数的 VMD 对滚动轴承故障仿真信号进行分解,对最佳模态分量进行包络谱分析,对比仿真故障频率与实际值的吻合度,验证该方法的可行性。考虑到 MPE 具有可探究信号内动力突变的优点,将其与参数优化 VMD 相结合,求取滚动轴承振动信号各阶模态分量的 MPE 值,选择部分熵值构建特征向量,并将其投放在三维空间观察其差异性,判断其是否能够良好地表征不同故障类型。针对 Elman 神经网络识别精度低的问题,将粒子群优化（Particle Swarm Optimization,PSO）算法和布谷鸟搜索（Cuckoo Search,CS）算法相融合,以此联合优化 Elman 网络的权重和阈值,以提升网络的收敛精度和诊断精度。以实验采集和凯斯西储大学的滚动轴承振动信号为研究对象,应用所提方法进行分析。结果表明,所提方法不仅能够自适应地将信号分解,并提取出有效的故障特征,还能准确实现故障模式的分类,提高故障识别率。     

基于多软件联合的齿轮箱振动仿真及试验分析

综合考虑齿轮误差、时变啮合刚度和啮合冲击等内部激励对齿轮箱振动的影响,通过MATLAB和ADAMS联合仿真计算齿轮啮合内部激励力,运用Pro/E、Hypermesh和ANSYS联合仿真计算激励力作用下齿轮箱箱体的振动响应,并与试验箱体振动信号进行对比,仿真结果与试验结果的振动加速度频域分布大致相同,验证了多软件联合仿真的正确性。最后,将此仿真方法应用于故障齿轮箱的仿真,进一步验证了仿真方法的正确性,可为齿轮箱的振动研究提供良好的参考。