60年代初,牙轮钻机已发展成大功率的钻孔工具。它们采用现代化的电动/或液压驱动技术和改进的三牙轮钻头,使之成为比火力钻机有更高的穿孔能力和更好的经济效果。它们在澳大利亚、委内瑞拉等国家较软的铁矿和在美国。

采用研究复杂隔振系统的子结构导纳法建立旋转类复杂结构的功率流传递模型.重点研究了作为连接子结构的滚动轴承的模型建立及其对系统动态特性的影响,在系统建模后,研究了不同的能量传递路径及各传递路径之间的耦合.以功率流为参量,对于引起箱体壁横向振动的能量做了定量分析.

齿轮箱合口面漏油为机车常见齿轮箱故障。本文根据齿轮箱结构分析合口面漏油原因,对不同密封胶进行工艺试验,对比齿轮箱密封性能。选取适用于齿轮箱的密封性能方案并跟踪验证效果。机车齿轮箱为齿轮啮合提供一个密闭的空间,并储存润滑油供齿轮润滑。齿轮箱密封不良容易导致异物进入齿轮箱内部或者润滑油溢出,常见为齿轮箱漏油。漏油严重时可导致齿轮因润滑不良而胶合,形成较大的列车运行安全隐患。目前的机车齿轮箱主要采用铸件,相较于直流车的焊接齿轮箱,其几何尺寸和形位公差更易保证。但由于设计和工艺实践的不足,依然会造成较多的漏油故障。组织现场售后服务人员专项普查了齿轮箱状态,湖东、兰西等机务段均有齿轮箱漏油报告。本文主要针对该型机车齿轮箱的合口面密封进行解析,明确适用于该型齿轮箱的密封方案。

针对恶劣运行环境下机车齿轮箱迷宫密封结构的防水问题,文章从输出轴车轮侧和电机侧迷宫密封结构最外侧的挡水排结构入手,对其进行特殊工况下的流场仿真计算,定性分析迷宫密封结构的防水特性,同时提出挡水排结构优化方案并进行仿真验证。

轧机齿轮箱传动系统是轧机系统的重要组成部分,也是较易出现机械故障的部分。轧机齿轮箱出现故障后其异常振动会严重影响轧制过程的稳定性,造成轧辊轴承损坏、轧件质量变差等不良后果。通过声发射监测技术实现振动信号的采集,并结合基于EMD的ICA信号处理方法,得出发现和诊断轧机齿轮箱各类故障的有效方法。通过对某钢厂轧机齿轮箱实测信号的分析验证了此方法的可靠性。该方法的应用极大提高了轧机系统在轧制过程中的稳定性,为实现精密轧制提供了帮助。

风机用齿轮油中的含磷添加剂主要起到极压、抗磨作用,磷添加剂含量的变化趋势直接反应出齿轮油的老化程度。采用Spectro油料光谱分析仪测试大量在用齿轮油的磷含量,利用概率数理统计方法以及磷含量变化一元回归方程,建立磷添加剂含量的监测阈值。在大样本数据的基础上建立的磷添加剂含量阈值,可用于判断风机齿轮油的老化程度,为风机齿轮油更换提供参考依据。

齿轮箱运行状况的优劣是整个设备平稳运行的基础保障,因而对齿轮箱运行状态监测和综合评价具有显著的意义。针对传统状态评价方法中指标权重确定的局限性,创造性地引入了熵值修正G1模型对评价指标进行科学合理地赋权,同时提出相对健康度概念,并用不同的健康等级来定量描述齿轮箱的运行状态,建立了基于相对健康度的评价模型。通过对某石化公司齿轮箱故障的分析表明,该方法能够有效地判断齿轮箱的运行状态,为视情维修提供理论依据。

为了研究不同工况下动车组齿轮箱振动特性,以某型动车组齿轮箱为例,通过模态试验和台架试验相结合的方法分析了影响振动的主要因素。研究表明,动车组齿轮箱的振动在变工况的条件下受转速影响较大,齿轮箱在特定转速下其特征频率会与箱体的模态频率重合引起共振,受其振形影响,轴向振动大于其它方向振动。通过试验分析了解了该型号齿轮箱的振动特性,为齿轮箱的分析与结构优化奠定了基础。

针对齿轮箱故障诊断中存在的早期非平稳微弱故障信号特征提取困难,易受强背景噪声干扰,故障诊断精度较低等问题,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)和深度支持向量机(Deep Support Vector Machine,DSVM)的齿轮箱故障诊断方法。首先,利用VMD将原始振动信号分解成若干个频率尺度的本征模态(Intrinsic Mode Function,IMF)分量,并根据峭度最大准则选取IMF分量对信号进行重构;构建多层支持向量机结构,在输入层利用支持向量机对信号进行训练,学习信号的浅层特征,利用"特征提取公式"生成样本新的表示,并作为隐藏层的输入,逐层利用深层SVM对新样本训练并学习信号的深层特征,最终由输出层输出诊断结果。最后,通过齿轮箱故障诊断实验验证了该方法的有效性。

针对齿轮箱复合故障信号成分复杂和故障特征难以识别的问题,提出基于多分辨奇异值分解(MRSVD)能量特征和模糊核聚类(KFCM)的齿轮箱复合故障诊断方法。首先,采集齿轮箱不同工况下的振动信号,通过进行MRSVD分解得到1个相似信号和5个细节信号;然后,提取6个分量信号的能量特征并进行归一化处理,得其能量相对值;最后,使用KFCM进行故障诊断。实验结果表明,MRSVD能量特征提取方法可有效提取齿轮箱复合故障特征,且KFCM可准确诊断齿轮箱复合故障。