传动系扭振引起的车内轰鸣声实验

针对前置后驱车低转速车内轰鸣声问题,运用传递路径分析和模态实验方法分析了车内轰鸣声的激振源、传递路径和峰值产生的机理。激振力主要来源于主减速器输入端的扭转交变力矩,扭转交变力矩以轴承支反力的形式作用于后桥上并传递至车内。1 102r/min和1 515r/min两处峰值都是多处共振综合作用的结果,但是产生共振的结构有所不同。提出了多种通过降低扭转交变力矩的方式降低车内噪声的措施并进行了综合评价。对降噪效果较好的部分措施进行了实验验证。实验结果表明,该方法取得了较好的降噪效果,噪声降低多达15dB,为解决同类问题提供了新思路。     

双质量飞轮扭振特性的仿真分析与优化

基于三缸发动机前置前驱汽车动力传动系统,建立了传动系扭振分析模型。采用MATLAB软件编制了扭振特性的求解界面,通过对比计算结果,分析了双质量飞轮扭转减振器在不同工况下对汽车振动的影响作用。通过灵敏度分析,使传动系扭振特性得到优化,为双质量飞轮扭转减振器的设计以及整车传动系统的匹配优化提供了依据和工具。     

基于扭振信号的齿轮故障诊断方法研究

利用力学方法分析了齿轮故障和扭矩波动特性的关系.首先利用最小熵反褶积(MED)对扭矩信号降噪处理,然后利用变分模态分解(VMD)提取故障分量信号.结果表明,空载时可以根据齿轮的转频和啮合频率幅值的变化有效识别出齿轮的故障,而加载时则要依靠齿轮的啮合频率和其边频幅值的变化对齿轮的故障进行有效诊断.     

车辆动力传动系通用扭振模型的研究

建立了车辆动力传动系的通用力学模型和数学模型，利用Matlab强大的矩阵计算功能和GUI函数编制了计算系统固有特性的软件，可对车辆动力传动系多自由度无分支轴系和分支轴系扭振模型进行计算，以某重型车辆动力传动系为算例进行了扭振计算，结果表明程序稳定、高效。     

摄动有限元法在汽车传动系扭振分析中的应用

将摄动有限元法引入到传动系扭振分析中,介绍了用摄动有限元法分析传动系扭振的基本过程,为快速而有效的分析传动系扭转振动提出了新的研究方法。指出了用摄动有限元法修改传动系扭振结构的一些注意事项,并提出了研究过程中可能面临的一些问题及应对方法,对传动系扭振特性研究具有一定的指导作用。     

遗传算法VMD参数优化与小波阈值轴承振动信号去噪分析

针对轴承振动信号夹杂的噪声极大地影响有用信息的提取,提出了基于遗传算法的变分模态分解(Variational mode decomposition,VMD)与小波阈值去噪方法。该方法首先利用遗传算法选择合适的VMD参数,然后用VMD方法对含噪声的信号进行自适应分解,最后对分解的模态分别进行小波阈值处理后重构信号,得到去噪后的信号。对实际轴承信号的分析结果表明,该方法与常用的去噪方法相比,能够得到更高的信噪比和更低的均方差。     

集成Matcom环境下的传动系扭振分析系统求解器开发

针对传动系扭振动力学微分方程组数值求解过程中包含大量的矩阵计算,提出采用Vc＋＋下集成Matcom环境混合编程开发求解器的方法,并用该求解器对某车传动系扭振的特征值和特征向量进行实例计算,计算结果与测试及与Amesim中的比较表明,所得结论正确可信。同采用Vc＋＋编程方法求解相比,引入matcom,可以提高程序执行效率,缩短软件开发的时间。     

汽车传动系扭振数学模型的建立及验证

针对某MPV车型传动系扭振过大的问题,建立包含万向节不等速特性及后桥齿轮啮合刚度的传动系扭振模型。进行自由振动与受迫振动计算,分析共振的可能性并找出共振频率,并通过传动系扭振试验,验证理论模型的正确性。根据理论分析设计相应扭转减振器以提升整车NVH性能,并通过整车试验,验证所设计的扭转减振器的有效性。研究成果为解决传动系扭振问题提供了理论依据,对于提升后驱车传动系NVH性能具有一定的参考价值,有利于加快新车传动系的开发过程。     

车辆多分支传动系扭振建模及面向对象软件实现

根据车辆传动系的物理特点，提出对于多分支传动系树型数据结构采用线性数组实现的方法；并用该方法进行传动系扭振建模与编程的实现，基于Matlab面向对象软件实现方法，在程序中采用符号变量并用逐次化简符号数值的方法增加了求解容量。     

汽车双质量飞轮扭振减振器性能仿真分析与匹配

通过三维实体建模、试验和计算获取的所研究车型动力传动系动力学参数,分别建立了动力传动系在怠速和行驶工况下的扭转振动仿真分析模型,分析了双质量飞轮扭振减振器对动力传动系固有特性及强迫振动响应特性的影响,并对双质量飞轮扭振减振器的主要性能参数进行了设计匹配,该项研究为双质量飞轮扭振减振器的设计匹配提供了参考。     

基于小波分析的齿轮箱振动信号消噪处理

基于小波变换具有良好时频分析的特点,介绍了小波变换用于去除噪声的原理和方法,建立齿轮箱齿轮人工点蚀故障模拟实验台,通过Matlab对故障振动信号进行小波分析,并且和没有经过信号消噪就进行小波分解进行对比,从而得出对含噪声的非平稳信号进行消噪,再进行小波分解可以较好的提取齿轮点蚀故障特征频率的结论。     

车辆多级行星传动系统扭振特性分析与优化

针对某高速履带车辆七档行星传动系统匹配问题,利用集中质量法建立了等效扭振模型,分析了扭振系统无阻尼自由振动固有频率和振型对转动惯量及刚度的灵敏度。结合行星变速机构的固有特征和内外激励频率,分析了行星变速机构各档位的共振情况,并基于灵敏度分析对扭转模型进行了动力学参数的优化。仿真实验的结果表明,优化后的动力学参数可较好地避免扭转振动。研究结果为进一步分析行星传动系统匹配对扭转振动的影响及改进扭振性能具有一定指导作用。     

直升机传动系统机械扭振计算与试验联合建模

提出了一种新的直升机传动系统机械扭振分析方法。分别将旋翼(尾桨)、主减速器与其他传动轴系分为变形互补重叠的3类分枝系统，再进行机械扭振计算或试验分析，根据此3类分枝系统的扭振模态参数，采用分枝模态综合／惯性耦合法对直升机整个传动系统进行机械扭振计算分析。通过传动系统模拟件的试验验证说明．这种建模分析方法(包括利用主减等复杂件扭振试验参数．将主减转化为动力相似模型后再进行综合的计算方法)不仅非常有效，计算结果准确，而且不会漏掉关心的频率，能达到分别控制分系统机械扭振动力学参数、进而控制整个传动系统机械扭振动力学参数的目的。     

基于CEEMD的滚动轴承振动信号自适应降噪方法

针对滚动轴承故障特征信号容易被噪声掩盖难以提取的问题,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承振动信号自适应降噪方法。为了准确判定噪声分量和有用信号分量的分界点,在对振动信号进行CEEMD分解后,设计了依据信噪分量自相关函数的单边波峰宽度特性自适应地判定分界点的方法。为了保证重构信号的完整性,利用改进的小波阈值降噪方法提取低频IMF分量中的高频有效信息。实验分析表明,结合改进阈值函数的CEEMD自适应降噪方法能够有效地去除故障振动信号中夹杂的噪声,并且很好地保留了滚动轴承振动信号的突变细节,达到了不错的降噪效果。     

两挡变速器纯电动汽车传动系统扭转振动特性分析

针对纯电动汽车的扭转振动问题,以某款具有两挡自动变速器的纯电动汽车传动系统为研究对象,根据传动系各部件的动力学方程,建立动力传动系的扭转振动模型,计算并分析传动系的固有特性和模态振型,并通过SIMPACK建立传动系的多体动力学模型进行强迫扭振计算,分析了部分参数对传动系扭振响应的影响,为纯电动汽车降低传动系扭振提供参考。     

响应面法用于磨机传动系统扭转振动模型修正

大型设备传动系统的扭转振动影响系统的正常工作,严重时会导致系统损坏,避免共振是缓解扭转振动的有效手段,针对此问题,以某大型磨机设备为研究对象,建立以响应面法的有限元模型修正理论为基础的方法。通过扭转振动分析,经显著参数筛选,以显式的响应面模型逼近特征量与设计参数间复杂的隐式函数,对传动系统有限元模型可能存在的误差进行修正。在获得较精确模型的基础上,对其传动系统进行了基于响应面的优化设计,调整系统的模态频率,使其有效避开了系统的工作频率,实现了传动系统的优化,表明以响应面法的有限元模型修正方法对传动系统设计具有参考价值。     

基于小波包新阈值量化处理的发动机振动信号降噪

在小波包降噪中利用小波包分析技术对振动信号进行多层次划分,克服了小波分析中高频部分频率分辨率差的缺点;针对阈值降噪方法中软、硬阈值量化处理的不足,提出了介于软阈值和硬阈值之间的新阈值量化处理算法,构造的阈值量化函数既连续又与实际信号偏差较小。发动机降噪实验结果表明,与软、硬阈值量化处理方法相比,新阈值量化处理方法降噪效果较好。     

基于相关系数的EEMD转子信号降噪方法

针对转子振动信号周期性强的特点,应用集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)对转子振动信号降噪过程中固有模式函数(intrinsic mode functions,简称IMF)分量的选取问题,提出了基于相关系数的EEMD降噪方法。首先,对原始信号进行EEMD分解得到IMF分量,并计算各IMF分量自相关函数与原信号自相关函数的相关系数;然后,根据相关系数选择相应的IMF分量重构信号最终达到对原信号降噪的目的;最后,对比了EEMD过程中不同加噪次数对降噪效率和效果的影响,给出了加噪次数的设置方法。仿真信号和转子振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

基于字典学习和稀疏编码的振动信号去噪技术

针对现有机械振动信号去噪算法需要一定先验知识的问题,提出了一种基于字典学习和稀疏编码的自适应去噪滤波方法。根据信号的本质特性,应用在线字典学习方法对原始数据进行学习和训练,寻求数据驱动的最优字典空间。引入正交匹配追踪算法,确定原始信号在最优字典空间上的稀疏表示。基于稀疏编码和优化字典,重构原始信号,实现信号去噪。仿真和试验结果表明,相对于现有去噪方法,基于字典学习和稀疏编码的方法自适应能力强,去噪效果好。