纯电动汽车高速斜齿轮传动振动特性分析

为研究高转速情况下时变啮合刚度和啮合冲击对斜齿轮传动振动特性的影响,以某纯电动汽车高速斜齿轮传动为研究对象,建立了弯-扭-轴动力学模型;采用改进的基于承载接触分析的计算方法获得时变啮合刚度曲线,并计算了啮合冲击时间及啮合冲击力幅值;分析了时变啮合刚度、啮合冲击以及两者综合3种激励条件下高速斜齿轮传动系统的振动特性。结果表明:时变啮合刚度激励下,在过共振区,转速变化对系统振动的影响不显著;啮合冲击激励以及综合激励条件下,系统振动随转速的升高而增大,与啮合冲击激励相比,综合激励下振动加速度增幅较缓。研究结果可为纯电动汽车高速斜齿轮传动的设计和工程应用提供参考依据。     

基于元学习技术的变工况齿轮故障诊断方法

在变工况齿轮故障诊断过程中,存在齿轮运行工况多变、故障样本数据少、数据分布性差异大和故障数据非均衡性等问题,导致传统的深度学习模型通用性差、诊断准确率不高。针对这些问题,提出了一种基于元学习技术的变工况齿轮故障诊断(VWFD)方法(模型)。首先,采用重叠采样技术,对齿轮的原始振动信号进行了重采样,增加了故障样本的数量;其次,对重采样的故障数据进行了短时傅里叶变换(STFT),将其转化为时频特征图,使其数据形式更加符合模型的输入,以便于后续提取更完善的故障特征;然后,将Inception模块引入到基于元学习技术的原型网络中,以提高其特征表达能力,获取更加全面的齿轮故障特征信息;最后,基于优化的原型网络,建立了各类故障的度量类原型,采用度量分类器进行了故障分类,对变工况下的齿轮故障进行了诊断;为了验证VWFD模型结构与Inception模块引入位置和数量的合理性,设计了一系列对比实验,并对实验结果进行了分析。研究结果表明：与采用其他故障诊断方法得到的结果相比,采用VWFD方法所得到的诊断精度更高,如在相同负载、不同转速变工况类型下的5-way 5-shot实验组中,VWFD的平均诊断精度高...