期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于CEEMDAN-CPO-VMD的RV减速器故障诊断模型
1
作者 郭曼 徐建 蔺梦雄 《机电工程》 北大核心 2025年第8期1490-1501,共12页
针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目... 针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目标信号进行了降噪分解,得到了一系列固有模态分量(IMF),再根据峭度值原则,选取了目标模态分量;然后,以包络熵为适应性函数,利用CPO算法对变分模态分解中的分解参数K值和α值进行了寻优计算,得到了最后的[K,α]组合,并对VMD进行了最优参数设置;最后,分解后得到一系列本征模态函数分量,对分解后的目标分量进行了重构,再对重构后的目标分量进行包络谱分析并进行了故障诊断,为了验证CEEMDAN-CPO-VMD方法的优越性,进行了实验对比分析。研究结果表明:经CPO重构后的信号信噪比为9.38,均方根误差为0.036,计算时间为36.59 s;利用CEEMDAN-CPO-VMD方法有效地提取了RV减速器的故障特征;对比验证该方法的可行性,使用频谱包络分析得到的结果,有较多的边频干扰,不能有效地定位故障点;同时,对比麻雀搜索算法(SSA)优化的VMD,经SSA算法重构后的信号信噪比为8.57,均方根误差为0.042,计算时间为50.24 s,相比于SSA算法,CPO算法的信噪比结果提高了0.78 dB,均方根误差降低了0.006,迭代时间减少了13.65 s,有了更好的收敛性,验证了CEEMDAN-CPO-VMD法有更好的诊断效果。该研究成果可为强噪声干扰下的RV减速器故障诊断提供参考。 展开更多
关键词 旋转矢量减速器 变速器 自适应噪声完备集合经验模态分解 冠豪猪优化算法 变分模态分解 包络熵 故障分类识别方法
在线阅读 下载PDF
基于瞬时角速度信号增强的RV减速器行星齿轮局部故障检测 被引量:4
2
作者 王红伟 郭瑜 +2 位作者 樊家伟 杨新敏 尹兴超 《振动与冲击》 EI CSCD 北大核心 2024年第17期324-330,共7页
针对旋转矢量(rotary vector, RV)减速器多源耦合严重,行星齿轮局部故障所引起的冲击易被其他干扰分量所淹没,故障特征提取困难的问题,结合编码器信号的优势提出了一种基于自适应最大二阶循环平稳盲解卷积(adaptive maximum second orde... 针对旋转矢量(rotary vector, RV)减速器多源耦合严重,行星齿轮局部故障所引起的冲击易被其他干扰分量所淹没,故障特征提取困难的问题,结合编码器信号的优势提出了一种基于自适应最大二阶循环平稳盲解卷积(adaptive maximum second order cyclostationarity blind deconvolution, ACYCBD)的RV减速器行星齿轮局部故障检测方法。首先,拾取伺服电机内置光编码器信号,并利用向前差分计算获得瞬时角速度(instantaneous angular speed, IAS)信号;然后,依据特征评价指标(characteristic evaluation indicator, CEI)最大化原则自适应确定ACYCBD优化滤波器长度,并对IAS信号进行增强;最后,通过识别时域中与故障冲击周期相匹配的理论齿数实现RV减速器故障检测。通过试验数据分析,并将所提方法与现有的稀疏低秩分解算法和增强CYCBD算法对比,验证了所提方法的有效性。 展开更多
关键词 内置编码器 瞬时角速度(IAS) 旋转矢量(RV)减速器 最大二阶循环平稳解卷积(ACYCBD)
在线阅读 下载PDF
基于改进NSGA-Ⅱ算法的RV减速器参数多目标优化研究 被引量:1
3
作者 杨昊霖 王茹芸 +2 位作者 罗利敏 贡林欢 楼应侯 《机电工程》 CAS 北大核心 2024年第4期651-658,共8页
旋转矢量(RV)减速器是工业机器人核心部件,对于机器人的性能起到关键作用。针对提升RV减速器综合性能的问题,从优化传动压力角的相关参数出发,对其结构参数(摆线轮齿数、短幅系数、针径系数、摆线轮宽度等)的多目标优化设计进行了研究... 旋转矢量(RV)减速器是工业机器人核心部件,对于机器人的性能起到关键作用。针对提升RV减速器综合性能的问题,从优化传动压力角的相关参数出发,对其结构参数(摆线轮齿数、短幅系数、针径系数、摆线轮宽度等)的多目标优化设计进行了研究。首先,研究了摆线轮平均压力角、传动效率和传动机构体积三者的相关参数之间的关系;然后,以此为优化目标,在摆线轮标准齿廓方程的基础上建立了多目标优化数学模型(该模型采用了基于非支配占优排序遗传学算法(NSGA-Ⅱ)改进了交叉算子系数生成的改进NSGA-Ⅱ算法);通过模型求解得到了帕累托最优解集,根据模糊集合理论的相关方法选取了最优解;最后,以某公司220-BX型RV减速器为例,进行了优化设计,建立了3D模型后进行了有限元分析,并加工出实验样机,进行了传动效率对比实验。实验结果表明:摆线轮平均压力角减小了7.19%,体积减小了11.1%,传动效率提高了4.9%。研究结果表明:该模型交互性强,能提高设计效率并节省设计开销,可为实际RV减速器工程优化设计提供参考。 展开更多
关键词 机械传动 旋转矢量(RV)减速器 改进非支配占优排序遗传学算法(NSGA-Ⅱ) 多目标优化 平均传动压力角 传动效率
在线阅读 下载PDF
基于EEMD-PSO-ELM的RV减速器故障诊断模型 被引量:9
4
作者 刘永明 叶国文 +1 位作者 赵转哲 张振 《计算机集成制造系统》 EI CSCD 北大核心 2023年第1期224-235,共12页
为了准确评估旋转矢量(RV)减速器的工作状态,针对RV减速器故障不明显、样本数据少、难诊断的问题,首先从理论上证明RV减速器正常运行时扭矩传递时具有周期性,利用旋转机械测试信号周期演变特征和集成经验模态分解(EEMD)可以有效反映数... 为了准确评估旋转矢量(RV)减速器的工作状态,针对RV减速器故障不明显、样本数据少、难诊断的问题,首先从理论上证明RV减速器正常运行时扭矩传递时具有周期性,利用旋转机械测试信号周期演变特征和集成经验模态分解(EEMD)可以有效反映数据周期性的特点,提出一种基于EEMD的粒子群优化(PSO)算法的极限学习机(ELM)故障诊断模型,同时采用西安交通大学轴承实验数据集验证了模型性能。在此基础上,将RV减速机测试平台所测得的数据代入所提模型,最后与其他模型进行对比,结果显示所提模型能够更有效地判断出RV减速机的工作状态。 展开更多
关键词 旋转矢量减速器 集成经验模态分解 粒子群优化算法 极限学习机 故障诊断
在线阅读 下载PDF
RV减速器摆线轮齿廓多目标修形的优化与研究 被引量:5
5
作者 乔雪涛 张洪伟 +4 位作者 李优华 盛坤 周世涛 曹康 徐航 《机电工程》 CAS 北大核心 2023年第12期1846-1856,共11页
在RV减速器的修形过程中,存在难以保证RV减速器承载能力和传动精度能够综合提升的问题,且以往关于修形的研究大多数都是单目标修形,为此,提出了一种以RV减速器承载能力和回差为目标的优化方法,并使用RV减速器综合性能检测台对修形后的R... 在RV减速器的修形过程中,存在难以保证RV减速器承载能力和传动精度能够综合提升的问题,且以往关于修形的研究大多数都是单目标修形,为此,提出了一种以RV减速器承载能力和回差为目标的优化方法,并使用RV减速器综合性能检测台对修形后的RV减速器进行了回差动态实验。首先,考虑了摆线轮修形后的齿廓方程以及修形所需要RV减速器的具体参数,并对标准摆线轮产生的接触力进行了分析;然后,确定了摆线轮和针齿最大接触力的位置,得出了摆线轮齿作用力的计算方法;比较了摆线轮与针齿之间的初始啮合间隙以及摆线轮与针轮变形量的大小,对同时啮合的齿数进行了判断,采用MATLAB迭代计算的办法,计算了准确的最大接触力,并使用赫兹公式算出了最大接触力;最后,分析了不同的修形方式对回差的影响,并建立了多目标优化模型,采用改进后的NSGA-Ⅱ算法gamultiobj遗传算法进行了寻优,求解得到了最小适应度下的较优修形量;为验证该修形方法的准确性,使用RV减速器综合性能检测台对修形后的RV减速器进行了回差动态实验。研究结果表明:经过优化后摆线轮齿间最大接触应力相较于等距修形和移距修形分别降低了11%和13%,优化后的回差为0.013′,回差相较于等距修形和移距修形均得到了提高;以承载能力和回差为优化目标的多目标修形能够较好地解决RV减速器综合性能提升的问题。 展开更多
关键词 旋转矢量(RV)减速器 摆线轮 修形 多目标优化 gamultiobj遗传算法 承载能力 回差 接触应力
在线阅读 下载PDF
基于Kriging模型的RV减速器回转误差预测方法研究
6
作者 金寿松 吴容吉 +2 位作者 张敏 丁杨科 王亚良 《高技术通讯》 CAS 2023年第4期436-446,共11页
通过旋转矢量(RV)减速器零部件选配,可以弥补制造设备精度不高或生产过程能力不足等企业生产短板。但实施选配需要使用虚拟样机预测RV减速器回转误差,预测操作时间较长,不能满足RV减速器零部件选配需要,为此提出基于Kriging模型的RV减... 通过旋转矢量(RV)减速器零部件选配,可以弥补制造设备精度不高或生产过程能力不足等企业生产短板。但实施选配需要使用虚拟样机预测RV减速器回转误差,预测操作时间较长,不能满足RV减速器零部件选配需要,为此提出基于Kriging模型的RV减速器回转误差预测方法。选取5个关键影响因素进行最优拉丁超立方抽样,构建RV-40E型减速器虚拟样机获得回转误差值,进行数值拟合得到初始Kriging模型参数值,采用最大期望改善和最优预测点进行双加点循环改进Kriging模型参数值,并利用粒子群算法加速寻优过程。经过54次加点最终获得可供实际装配使用的RV-40E型减速器回转误差预测模型。通过与实际样机和虚拟样机对比分析,验证了Kriging模型在RV减速器回转误差预测上的可行性和有效性。 展开更多
关键词 旋转矢量(RV)减速器 选配 回转误差 KRIGING模型
在线阅读 下载PDF
基于ASA-MCKD的IAS信号针齿故障特征提取研究
7
作者 张佳鑫 郭瑜 《机电工程》 北大核心 2025年第6期1110-1117,共8页
针对工业机器人旋转矢量(RV)减速器低速级非完整周期旋转工况下,针齿故障特征提取困难的问题,提出了一种基于角度同步平均(ASA)和自适应最大相关峭度解卷积(MCKD)增强包络的瞬时角速度信号(IAS)的RV减速器针齿故障特征提取方法。首先,... 针对工业机器人旋转矢量(RV)减速器低速级非完整周期旋转工况下,针齿故障特征提取困难的问题,提出了一种基于角度同步平均(ASA)和自适应最大相关峭度解卷积(MCKD)增强包络的瞬时角速度信号(IAS)的RV减速器针齿故障特征提取方法。首先,采用了向前差分法将编码器原信号转化为角度域的IAS信号,对IAS信号进行了角域同步平均处理,提高了信号信噪比;然后,采用边带信噪比指标选择了最优的解调频带,设计了带通滤波器,对平均后的信号进行了滤波,根据故障特征指标自适应选取了最优MCKD参数;最后,对滤波后的信号进行了故障特征增强,对增强后的信号进行了包络解调阶次分析,提取了针齿故障特征。研究结果表明:根据边带信噪比指标选取了中心频率为1560×,带宽为80×的带通滤波器,采用故障特征指标选择MCKD最优滤波器长度为258,并采用该方法对针齿故障信号处理后能观察到40×及其谐波的特征阶次,可有效提取RV减速器低速级非完整周期旋转工况下的针齿故障特征。与其他同类方法相比,MCKD方法在识别故障类型方面具有先进性。 展开更多
关键词 旋转矢量减速器 针齿故障 角度同步平均 最大相关峭度解卷积 瞬时角速度信号 特征阶次计算
在线阅读 下载PDF
摆线传动系统摆线轮故障动力学特性研究
8
作者 易相宏 牛蔺楷 熊晓燕 《机电工程》 北大核心 2025年第3期407-419,共13页
摆线传动系统是现代精密机械关键传动形式之一,其故障对设备的可靠性和精密性都有重要影响。为探究摆线轮故障对摆线传动系统产生何种影响,基于多体动力学方法以及动力学模型,对摆线轮剥落故障下摆线传动系统的接触力及非线性动力学特... 摆线传动系统是现代精密机械关键传动形式之一,其故障对设备的可靠性和精密性都有重要影响。为探究摆线轮故障对摆线传动系统产生何种影响,基于多体动力学方法以及动力学模型,对摆线轮剥落故障下摆线传动系统的接触力及非线性动力学特性进行了研究。首先,综合考虑了材料属性、接触刚度、碰撞阻尼等因素,应用SolidWorks建立了系统三维模型,在摆线轮上切除了特定深度和宽度的缺陷,以模拟实际工况下摆线轮的剥落故障,并使用RecurDyn建立了多体动力学仿真模型;然后,对正常和剥落故障时的摆线针轮接触力进行了分析;最后,基于摆线轮故障模型,建立了三自由度故障系统动力学模型,根据理论分析结合数值仿真分析了不同参数对系统动力学行为的影响。研究结果表明:不同程度的摆线轮轮齿边缘剥落故障对周期分布应力峰值大小的影响存在差异,但均会导致新的、明显的应力峰值;摆线轮轮齿根部剥落损伤导致针轮出现新的应力峰值,同时会使摆线轮均布应力峰值增大,针轮均布应力峰值减小;当摆线轮无故障时,随着外激励频率的增加,系统的Poincaré截面均为稳定的不动点;而当摆线轮存在深度为1×10^(-5) mm的剥落故障时,随着外激励频率的增加,系统的相轨迹转变为不变环面,其Poincaré截面由稳定不动点逐渐失稳并分岔出一个稳定的不变圈;此外,碰撞阻尼的增加会使Poincaré截面上的稳定不变圈逐渐失去稳定性,最终破裂并转变为混沌吸引子。该研究不仅可为摆线传动系统的故障诊断和状态监控提供理论依据,还可为系统的优化设计提供参考。 展开更多
关键词 机械传动 摆线传动系统 剥落故障 非线性动力学 RecurDyn仿真 摆线针轮接触力 旋转矢量减速器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部