公开(公告)号：CN117454701A

公开(公告)日：2024-01-26

申请号：CN202311415087.4

申请日：2023-10-28

申请人： 东北大学 ,  中国航发四川燃气涡轮研究院

发明人： 马辉 ,  李鑫 ,  刘子濛 ,  张龙 ,  马泽宇 ,  朱加赞 ,  罗忠 ,  韩清凯 ,  汪博

IPC分类号： G06F30/23 ,  G06F17/16 ,  G06F119/14

摘要： 本发明属于机械动力学技术领域，针对直齿轮系统的齿根裂纹故障问题，公开了一种考虑箱体柔性的裂纹故障直齿轮系统动力学特性分析方法，该方法可以准确分析齿根裂纹故障直齿轮系统的动力学特性与箱体柔性的关系。通过拟合和修正假定裂纹路径方法，建立了齿根裂纹故障条件下的参数模型；结合轮齿承载接触分析方法，求解了存在裂纹故障的齿轮副的时变啮合刚度和传动误差；通过有限元分析讨论了该方法的适用条件；建立了齿轮箱的有限元模型，并采用子结构方法将其与直齿轮系统动力学模型相结合，将时变啮合刚度引入到含齿轮箱的动力学模型中。本发明弥补了现阶段齿根裂纹故障直齿轮系统建模方法的空缺。

公开(公告)号：CN117454626A

公开(公告)日：2024-01-26

申请号：CN202311411593.6

申请日：2023-10-28

申请人： 东北大学 ,  中国航发四川燃气涡轮研究院

发明人： 马辉 ,  李鑫 ,  刘子濛 ,  张龙 ,  马泽宇 ,  朱加赞 ,  罗忠 ,  韩清凯 ,  汪博

IPC分类号： G06F30/20 ,  G06F17/16 ,  G06F119/14

摘要： 本发明属于机械动力学技术领域，针对直齿轮系统的齿面磨损故障问题，公开了基于改进分形的齿面磨损故障直齿轮啮合特性分析方法，该方法可以准确分析齿根裂纹故障直齿轮系统的动力学特性与箱体柔性的关系。通过分析实际齿轮齿面的表面形态，建立了齿轮齿间相互作用的三维分形接触模型；通过将轮齿承载接触分析方法与分形接触理论相结合，并考虑摩擦的影响，求解了直齿轮对的时变啮合刚度；结合Archard磨损模型建立了齿面磨损故障条件下的啮合特性和磨损深度分析模型。本发明弥补了现阶段齿面磨损故障直齿轮系统建模方法的空缺。

公开(公告)号：CN118569089A

公开(公告)日：2024-08-30

申请号：CN202410722941.X

申请日：2024-06-05

申请人： 东北大学 ,  中国航发四川燃气涡轮研究院

发明人： 马辉 ,  赵晓剑 ,  刘子濛 ,  李鑫 ,  马泽宇 ,  张龙 ,  朱加赞 ,  谢里阳 ,  韩清凯

IPC分类号： G06F30/27 ,  G06F30/17 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/126 ,  G06F111/06 ,  G06F119/14

摘要： 本发明提供一种考虑修形及装配误差的齿轮副啮合特性优化分析方法，具体步骤包括：获取初始齿轮副参数，根据变形协调方程求解各个啮合位置的啮合刚度；分别表示出齿顶修形量和齿向修形量，并计算修形产生的齿廓偏差，得到混合修形的齿廓偏差；分别表示出中心距误差和不对中误差，分析装配误差对齿轮副的啮合特性影响；将计算得到的啮合刚度进行误差分析，建立轮齿承载接触分析模型，分析齿轮副的啮合特性，并确定优化方向；针对啮合特性的分析，建立基于BP神经网络的修形参数‑啮合力学参数的代理模型；将代理模型作为适应度函数建立含装配误差齿轮副的优化模型。本发明允许两种误差即可以单独存在也可以同时存在，对误差齿轮副进行优化研究。

公开(公告)号：CN118776886A

公开(公告)日：2024-10-15

申请号：CN202410776937.1

申请日：2024-06-17

申请人： 东北大学

发明人： 马辉 ,  范才子 ,  王鹏飞 ,  张永超 ,  马泽宇 ,  郭旭民 ,  韩清凯 ,  罗忠

IPC分类号： G01M13/045 ,  G06F18/15 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096 ,  G06N3/0455

摘要： 本发明公开了一种多测点迁移的滚动轴承保持架评估方法，包括以下步骤：通过实验采集不同测点下的轴承保持架退化的全生命周期信号，构建两个不同域的数据集；考虑保持架发生故障时在短时间内急剧增大，使用空洞卷积和学习率自适应衰减的策略来改进CycleGAN模型；通过训练改进的CycleGAN模型来生成不同测点的轴承保持架退化信号；构建了一种基于网格搜索算法优化的深度置信网络来表征轴承保持架的退化规律。与现有技术相比，本发明所建立的模型能够有效生成跨测点的保持架的退化信号，同时基于网格搜索算法优化的深度置信网络可以精确地拟合保持架退化的全生命周期退化趋势，优于其他模型。

公开(公告)号：CN117232826A

公开(公告)日：2023-12-15

申请号：CN202311343957.1

申请日：2023-10-17

申请人： 东北大学

发明人： 马辉 ,  范才子 ,  张永超 ,  马泽宇 ,  刘子濛 ,  官宏 ,  林君哲 ,  汪博 ,  韩清凯

IPC分类号： G01M13/021 ,  G01M13/028

摘要： 本发明公开了小样本下基于改进元学习网络的齿轮箱故障诊断方法，包括：建立高保真的齿轮‑转子动力学模型，通过引入不同的啮合刚度生成各种故障齿轮的仿真振动信号；利用齿轮故障模拟试验台采集齿轮故障实测振动信号；分别使用连续小波变换将仿真振动信号和实测振动信号转换为对应的能量图，构建小样本数据集；构建基于改进元学习网络的特征提取模型，并利用支持集数据对特征提取模型进行训练；将查询集数据输入训练好的特征提取模型中进行特征提取，计算每类样本的原型表示；计算查询集数据和原型表示的距离，将距离转换为概率分布，以输出预测的故障类别。本发明提高了故障数据不足情况下的齿轮箱故障诊断结果的准确率。