齿根裂纹对风电齿轮箱高速级动态特性影响分析及其故障模式识别
Acta Energiae Solaris Sinica（2022）
摘要
针对风电齿轮箱高速级齿轮传动系统齿根裂纹扩展程度识别难题,该文提出基于广义BP神经网络(GBPNN)的齿轮传动系统齿根裂纹故障模式识别方法.构建计及齿根裂纹扩展方向与路径的齿轮副时变啮合刚度解析模型及风电齿轮箱高速级齿轮-轴-轴承耦合的多自由度动力学模型,分析不同齿根裂纹扩展程度对系统振动特征的影响规律,并利用GBPNN对齿根裂纹故障模式进行识别.研究结果表明:齿轮故障振动周期冲击信号将沿着传动轴进行传递,但传动轴柔性会使其幅值产生明显的衰减;利用GBPNN并结合各轴段节点处振动加速度的峰值、峭度、统计矩阵参数以及方差,可有效实现对齿轮齿根裂纹故障模式的识别.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要