行星齿轮箱
行星齿轮箱的相关文献在1990年到2023年内共计663篇,主要集中在机械、仪表工业、自动化技术、计算机技术、电工技术
等领域,其中期刊论文197篇、会议论文22篇、专利文献448120篇;相关期刊82种,包括北京科技大学学报、振动工程学报、噪声与振动控制等;
相关会议12种,包括2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议、第12届全国转子动力学学术讨论会 、福建省汽车工程学会2015年学术年会等;行星齿轮箱的相关文献由1303位作者贡献,包括冯志鹏、郭瑜、伍星等。
行星齿轮箱—发文量
专利文献>
论文:448120篇
占比:99.95%
总计:448339篇
行星齿轮箱
-研究学者
- 冯志鹏
- 郭瑜
- 伍星
- 李宏坤
- 林京
- 刘洋
- 张俊
- 蒋章雷
- 李东东
- 雷亚国
- 吴国新
- 朱静
- 李军
- 杜木信
- 王朝阁
- 邓艾东
- 刘秀丽
- 张明才
- 朱文娜
- 王友仁
- 赵耀
- 侯成刚
- 张建群
- 徐小力
- 曹云
- 李习科
- 李苏东
- 李薛
- 林云
- 樊家伟
- 王浩
- 钟敏
- 陈鑫
- 陈雪峰
- 哈拉尔德·埃克特
- 姚立纲
- 孙文卿
- 张小栋
- 樊绍忠
- 汤云
- 牛杭
- 程哲
- 聂勋铁
- 胡茑庆
- 蒋立冬
- 赵磊
- 邓敏强
- 阙洪军
- 陈富强
- 陈武
-
-
李加兴;
陈广艳;
张鲁晋;
王友仁;
张砦
-
-
摘要:
为提高行星齿轮箱健康评估准确性,提出一种基于图谱特征与度量学习的行星齿轮箱健康评估方法。从行星齿轮箱振动信号中提取图谱特征作为故障特征参数;设计基于单调性、相关性的度量学习准则,建立优化的马氏距离度量函数;采用待测样本与无故障正常样本之间的马氏距离表征故障严重程度,建立基于支持向量回归的健康评估模型。通过行星齿轮箱健康评估实验结果分析,证明了图谱特征能够有效表征行星齿轮箱故障严重程度,所建立的健康评估模型单调性好,提高了健康评估准确性。
-
-
王翱;
谭武中
-
-
摘要:
传统润滑系统设计大多是先基于经验公式进行计算与设计,再通过试验进行验证的方法。针对传统润滑系统设计周期长、成本高的问题,提出基于Flowmaster的润滑系统设计方法。以某行星齿轮箱为例,对齿轮箱内各润滑点的生热情况进行分析计算,并初步设计润滑系统。结果表明:输入齿轮处的摩擦生热量最大,滑油需求量最多。通过Flowmaster软件搭建相应的润滑系统模型,对润滑系统性能进行稳态与瞬态仿真。Flowmaster仿真结果验证了所设计润滑系统可以满足齿轮箱的润滑需求。瞬态仿真结果表明,阀门的关闭速度会影响系统的流量和压力特性。
-
-
刘祥雄;
乐威;
王帅星;
雷东
-
-
摘要:
针对行星齿轮箱故障诊断中存在的故障诊断样本数少、故障诊断精度低等问题,提出一种经验模态分解(EMD)、峭度排序和BP神经网络相结合的故障诊断方法。该方法首先对原始振动信号进行EMD,然后对分解获得的固有模态函数(IMF)进行峭度排序;根据训练样本数自适应地选择对应的IMF,将对应IMF的能量值作为特征向量输入BP神经网络进行故障模型的搭建,并完成模型诊断成功率测试。结果表明:经过峭度排序后的故障特征的区分度明显升高,表明改进后的算法可以在训练样本少和训练数据不均衡的情况下达到较高的故障诊断成功率,完成对行星齿轮箱故障模式的识别。
-
-
马浩群;
冯志鹏
-
-
摘要:
行星齿轮箱有多个行星轮构成的平行传动路径可以分担输入的扭矩负载。行星轮之间的载荷分布不均会降低效率和加速疲劳。为了充分揭示行星轮载荷分布不均的故障特征,建立了行星轮不同载荷分布情况下的振动信号模型;推导出傅里叶频谱,说明行星轮载荷的不均匀分布会引起附加的信号频率成分,并可能导致系统固有频率的偏移;总结了输入扭矩和行星轮位置误差的严重程度对信号频谱结构的影响。仿真和实验结果与理论模型较好吻合。
-
-
李浩都;
沈鸿;
邹嘉豪;
杨友文
-
-
摘要:
针对基站电调天线内部空间狭小、需要实现相位角精确调节的问题,设计了一种小型化、高精度微特电机。基于微特电机的工作原理,设计了电机转子、定子、永磁体、行星齿轮箱等部件和结构,以及计算电机的电气指标。最后根据电调天线对电机性能的要求,对样机进行3项性能试验。
-
-
许家才;
吕亮;
陆崇山;
代劲
-
-
摘要:
针对行星齿轮传动系统典型故障的识别,提出一种基于信号混合特征和混沌果蝇优化算法-广义回归神经网络(CFOA-GRNN)的故障诊断方法。计算信号的几种典型时域统计特征,并通过小波包分解获取信号频域能量特征,得到信号混合特征向量作为广义回归神经网络(GRNN)的输入;采用混沌扰动改进的果蝇优化算法对GRNN进行参数寻优,构建最优诊断模型;利用采集的行星齿轮箱实验台不同工况数据进行实验和对比。结果表明:所提方法能够有效识别不同工况下齿轮箱的不同故障;与其他模型相比,它具有参数设置简便、主观因素影响小、寻优速度快等优势,具有较好的实用性。
-
-
毕浩程;
蒋章雷;
吴国新;
刘秀丽;
栾忠权
-
-
摘要:
针对强噪声背景下行星齿轮箱特征提取困难的问题,提出一种基于樽海鞘群算法优化变分模态分解(SSA-VMD)结合1.5维包络谱的故障诊断方法。该方法首先运用樽海鞘群算法(SSA)优化变分模态分解(VMD)的参数;然后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1.5维包络谱对重构信号进行故障的特征提取。在实验部分,首先通过仿真试验将SSA-VMD与变分模态分解(VMD)进行对比,验证了SSA-VMD的优越性;然后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SSA-VMD结合1.5维包络谱的方法提取出了振动信号的故障特征频率,总结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,故障特征频率出现次数明显增多,凭借这一规律,有利于实现对行星齿轮箱磨损故障的诊断;该结果可为行星齿轮箱磨损的故障诊断提供依据。
-
-
李东东;
赵阳;
赵耀;
蒋海涛
-
-
摘要:
行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题,提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验,所提方法在行星齿轮箱变速工况下分类效果良好,并对训练样本的减少和外界噪声有很强的鲁棒性。
-
-
李茜;
陈晓;
王军龙;
刘慧玲
-
-
摘要:
针对辛几何模态分解方法在分解复杂信号时的特征提取能力不足问题,提出了一种基于滑移辛几何模态分解(SSGMD)的故障诊断方法。首先,通过加窗的方式构造了滑移矩阵,以代替轨迹矩阵,增强了周期性特征提取能力;其次,对滑移矩阵进行了辛几何相似变换,获得了其特征值,将特征值所对应的特征向量经过重构,得到了其初始单分量矩阵;然后,对初始单分量矩阵做对角平均化,得到了一系列初始辛几何分量;最后,对这一系列初始辛几何分量进行拼接重组,得到了滑移辛几何分量(SSGCs),进而完成了对信号的自适应分解。研究结果表明:通过对仿真信号和行星齿轮箱实测信号进行实验分析,可知SSGMD利用滑移矩阵和辛几何相似变换不仅可以保护原始信号结构化信息不变,而且能充分提取原始信号的状态信息;与经典的信号分解方法相比,SSGMD方法能有效地对多分量信号进行分解,具有优越的特征提取能力。
-
-
王建国;
刘冀韬;
张文兴
-
-
摘要:
针对行星齿轮箱早期故障信号微弱且受强背景噪声影响,致使故障信号特征频率难提取,通过自适应最大峭度解卷积(MCKD)和变分模态分解(VMD)进行早期故障特征提取。首先,利用变步长搜索,以峭度值为评判标准,搜索最优滤波器长度L;然后,将信号通过优化后的自适应MCKD算法降噪;最后,利用VMD分解降噪信号,通过包络谱进行分析,寻找故障特征频率。经仿真信号和实验信号验证,这里所提方法能够有效地提取出强噪声背景下的行星齿轮箱故障特征。
-
-
-
-
-
-
-
JI Jiandong;
冀建东;
MA Chaoyong;
马朝永;
XU Yonggang;
胥永刚;
CAO Jinxin;
曹金鑫;
CHEN Junran;
陈俊燃
- 《2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议》
| 2018年
-
摘要:
行星齿轮箱的振动信号主要来源于齿轮运转过程中的啮合振动,各啮合点与传感器之间的传递路径周期性变化,振动信号通过不同的传递路径在同一时刻被传感器采集到,导致行星齿轮箱的采集信号更加复杂,然而实践条件下很难提取出各轮齿之间的接触力信号.为此,结合实验室设备参数,借助动力学仿真软件ADAMS,对行星齿轮箱进行刚柔耦合动力学仿真.然后提取出仿真过程中行星轮与内齿圈和太阳轮的接触力信号,并将其与仿真模型中传感器采集到的信号对比,验证了行星齿轮箱系统中信号传递的非线性.最后将刚柔耦合仿真信号与实验信号对比,验证模型的正确性.
-
-
-
-
WANG Xin;
王鑫;
QIN Yi;
秦毅;
XIANG Sheng;
项盛
- 《2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议》
| 2018年
-
摘要:
风电机的行星齿轮故障在恶劣工况下容易出现故障,因此提出了一种基于深度神经网络(Deep NeuralNetwork,DNN)的故障智能诊断方法,以提高诊断的准确性与实时性.Tanh是DNN常用的传递函数,但Tanh具有软饱和特性,这会使得DNN模型在误差反向传播过程中梯度消失问题,极大地限制了学习速度和分类准确性.为了解决这个问题,对传统的Tanh进行了改进:将原函数软饱和区域内的曲线替换为固定斜率的直线,进而提出性能更优的Itanh(Improved Tanh)函数.在故障诊断试验中,Itanh的正确率比Tanh高1.4%,验证了Itanh在梯度消失问题上的优越性,并且最高正确率达97%,说明该诊断方法具有工程应用价值.
-