ANSYS/PDS风电齿轮箱收缩盘联接可靠性分析

笔者建立了某风电齿轮箱主轴收缩盘联接的轴对称参数化有限元模型,并结合主轴扭矩作用应用ANSYS非线性接触对该模型进行了强度分析。由于材料属性、制造过程、边界条件以及载荷等设计参数的不确定性会影响计算的精确性,应用ANSYS／PDS模块,根据失效模式确定整体功能函数并由此建立结构极限状态方程,采用蒙特卡罗超拉丁采样方法对收缩盘联接进行可靠性分析,得到整体联接的可靠度和失效率,并给出累积概率分布。研究结果表明：收缩盘传扭联接性能和结构件强度均满足设计要求,其联接的可靠度达到94．8％,达到了工程设计要求,对风电齿轮箱收缩盘联接的可靠性设计具有一定的指导意义。     

基于鲁棒最近邻超圆盘的齿轮箱智能故障诊断

针对超圆盘分类器存在分类精度和分类效率较低等问题,引入松弛变量,并考虑当前类样本和异类样本的约束以避免超圆盘相交,从而得到更合理的类别区域估计,得到鲁棒超圆盘模型（Robust Hyperdisk Model,RHD）,将RHD模型与最近邻分类方法结合,提出一种鲁棒最近邻超圆盘分类器（Robust Nearest Neighbor Hyperdisk Classifiers,RNNHDC）. RNNHDC只需计算未知样本点到各类别RHD的距离,计算效率高,且可以直接用于多分类任务. 最后将RNNHDC应用于齿轮箱故障诊断,在2个不同的齿轮箱数据集上进行实验验证,结果表明,RNNHDC分类精度高、鲁棒性强,可有效用于齿轮箱智能故障诊断.     

修枝机齿轮箱振动特性仿真分析

针对修枝机齿轮箱在运行过程中出现的振动和异响问题,基于多体动力学理论,利用动力学 Adams软件建立齿轮箱动力学模型,结合傅里叶变换理论计算齿轮箱齿轮啮合动态力。建立齿轮箱有限元模型,完成齿轮箱约束模态分析。根据数据处理后的轴承处频域激励载荷,利用有限元软件Ansys Workbench计算齿轮箱体表面振动的动态响应。仿真结果和试验结果表明,齿轮箱的振动噪声在齿轮箱固有频率与齿轮啮合激励频率接近时达到最大值,为今后齿轮箱体辐射噪声分析以及结构优化设计提供了依据。     

一种具有强抗噪性的深度学习故障诊断模型

针对旋转机械运行环境噪声大,现有的基于深度学习的故障诊断模型抵抗强噪声干扰能力不足的问题,提出了一种具有强抗噪性的深度学习故障诊断模型(HAT-MSCNN)。首先将齿轮箱训练集正常状态下样本的频谱信号由大到小排列,取排序的第k个的幅值α为基准值,将训练集中所有样本的频谱信号低于α的值置0,降低了易与噪声耦合的低幅值频率成分对诊断模型的干扰,突出了高幅值频率成分对故障诊断模型的贡献,同时保留零值所在的位置信息。然后将经过此处理的训练集输入到由多种移动步长卷积核组合的多尺度卷积神经网络中进行训练,最终得到强抗噪性的故障诊断模型。以精确率和召回率的调和平均值F作为模型的评价指标,并使用加权梯度类激活映射方法可视化模型的分类权重,在具有丰富故障模式的PHM2009齿轮箱数据集上验证模型。将所提模型与以原始振动信号作为输入的Raw-MSCNN模型、以频谱信号作为输入的Frequency-MSCNN模型、以集合经验模态分解(EEMD)降噪后的信号作为输入的EEMD-MSCNN模型和以所提训练集样本构造方法处理后的信号作为输入的HAT-CNN模型进行对比,结果表明,所提模型在测试集信噪比为-4dB时...     

饱和黄土增孔压试验研究

利用SLB-1型应力应变控制式三轴剪切渗透试验仪对兰州的重塑黄土进行了常剪应力不排水剪切试验,研究孔压增速对饱和黄土应力和应变特性的影响.结果表明,在孔压增加的初始阶段,试样不产生或只产生微小的轴向应变;随后,轴向应变随孔压的增加开始逐渐发展;当孔隙水压力达到一定程度后,轴向变形加速发展,试样表现出剧烈的变形特征.在孔压增加过程中,起初偏应力变化不大,当孔压增加至一定水平后,偏应力无法维持恒定.随着孔压增速由0.25 kPa/min向4.00kPa/min增加,试样进入急剧变形阶段的临界孔压从82 kPa增加至89 kPa,试样强度劣化的临界孔压从82 kPa减小至74 kPa,试样表现出在更高的孔压下发生变形而在更小的孔压下发生强度劣化.     

多工况下兆瓦级海上风电齿轮箱均载性能优化设计

针对兆瓦级海上风电齿轮箱行星级均载性能易受到时变非扭载荷影响的问题，该文提出了多风速工况下风电齿轮箱行星级均载性能优化方法。通过建立某型5 MW海上风电齿轮箱系统动力学模型，分析不同风速工况对其行星级内部激励和均载特性的影响规律，进而采用支持向量回归方法，重构风速工况齿轮修形参数均载系数之间的映射关系，建立考虑不同风速工况影响的齿轮箱行星级均载系数优化模型，实现多风速工况下行星级齿轮修形参数优化设计。研究结果表明：由风速工况变化造成的时变非扭载荷会使行星级的齿面和轴承出现偏载现象，并且在低风速工况时非扭载荷会显著降低行星级均载性能；优化后的风电齿轮箱在不同风速工况下其行星级内部激励均明显降低，齿面和轴承载荷分布更加均匀，均载性能得到明显提升。     

基于电子齿轮箱的内齿珩轮强力珩齿轮廓误差补偿控制研究

多轴控制系统的轮廓误差具有强耦合特点，由于是多轴联动产生的结果，仅提高单轴的跟踪精度不一定能降低轮廓误差。为降低珩齿多轴控制系统的齿面轮廓误差，进一步提高珩齿的加工精度，文章提出一种简单有效的补偿控制策略。分析珩齿机的机床结构，根据珩齿多轴电子齿轮箱(electronic gearbox, EGB)控制系统的数学模型推导出基于齿轮啮合原理和坐标变换的齿面轮廓误差数学模型，并设计出一种简单的齿面轮廓误差补偿控制器。仿真和实验结果表明，所提出的补偿控制策略对降低齿面轮廓误差有显著的效果。该文方法对提高珩齿实际加工精度具有一定的指导意义。     

基于MVMD-MOMEDA的齿轮箱故障诊断方法

针对齿轮箱振动信号受复杂传递路径、强背景噪声的影响导致早期微弱故障难以诊断的问题，提出了一种基于多元变分模态分解(MVMD)和多点最优最小熵反褶积调整(MOMEDA)的齿轮箱故障诊断方法。首先，利用MVMD将融合后的多通道振动信号进行模态分解，得到一系列表征信号局部特征的IMF分量；其次，引入峭度值(Ku),选取最佳模态进行信号重构，剔除含噪声分量高的IMF;最后，对重构信号进行MOMEDA特征提取以识别故障频率，从而进行故障诊断。结果表明，所提故障诊断方法可以有效剔除噪声分量的干扰，识别出信号中的故障冲击成分及其倍频进而确定故障类型。MVMD-MOMEDA方法解决了在单一通道问题上无法处理多源信号的缺点以及早期微弱故障特征难以提取等问题，可为故障诊断和多源信号处理提供参考。     

基于IMFECF的多信息熵融合技术的齿轮故障诊断方法

交变应力和高负载的工作条件会导致齿轮箱故障频发，为了通过振动信号诊断齿轮箱各工况下运行情况，提出了一种基于IMF熵值分类因子（IMF Entropy Classification Factor,IMFECF）的多信息熵融合技术的齿轮故障诊断方法.通过IMFECF量化信息熵中IMF(Intrinsic Mode Function)的表征能力，分离表征能力优异的IMF，采用信息熵提取IMF中的工况特征，由于不同信息熵各有优势，因此利用多信息熵融合体系结构，获得了最优的自适应模糊推理系统.研究结果表明，经诊断模型训练后的诊断误差满足要求，能准确诊断齿轮箱状态.     

基于频率诱导变分模态分解的齿轮箱故障诊断

针对风电传动系统齿轮箱的故障诊断问题，在脉冲激励响应的基础上提出了一种频率诱导变分模态分解(FIVMD)方法，并将其应用于齿轮箱故障特征提取.首先，根据振动信号傅里叶谱的极大值分布估计齿轮箱系统的自振频率；然后，将固有频率的估计值作为各模态分量中心频率的初始化位置，并通过交替乘子法将原始信号自适应分解为本征模态函数；其次，通过希尔伯特变换对各本征模态函数求包络谱，并计算其故障特征频率比；最后，挑选出故障特征频率比最大的模态分量，并根据其包络谱特征实现齿轮箱故障的有效识别.以维斯塔斯某3 MW风电机组圆柱齿轮断齿故障为例，验证了FIVMD在工程应用中的有效性和优越性.