基于数据孪生驱动的齿根裂纹检测方法技术

本发明专利技术涉及齿轮故障检测领域，特别是一种基于数据孪生驱动的齿根裂纹检测方法。包括以下步骤：S1.建立啮合刚度数值计算模型；S2.建立啮合刚度物理实体模型；S3.利用步骤S2中得到的齿轮啮合物理实体模型对步骤S1中得到的齿轮啮合数值计算模型进行修正，并得到啮合刚度数据孪生模型；S4.通过啮合刚度数字孪生模型构建齿轮裂纹损伤的样本空间，为机器学习构建样本空间来进行模型训练，并实现对齿轮裂纹损伤的预测。该方法保证了故障检测的准确度，同时避免了因为振动信号带有噪声而引起故障误判的情况。误判的情况。误判的情况。

【技术实现步骤摘要】
基于数据孪生驱动的齿根裂纹检测方法


[0001]本专利技术涉及齿轮故障检测领域，特别是一种基于数据孪生驱动的齿根裂纹检测方法。

技术介绍

[0002]齿轮的轮齿断裂故障是齿轮箱中常见的故障，严重影响整个机械传动系统的安全性与稳定性。在为了防止齿轮发生断齿破坏，对齿轮疲劳裂纹损伤诊断尤为重要。目前来讲，利用振动信号进行齿轮裂纹的故障诊断是最为常见的方法。该种方法首先提取齿轮传动系统的振动信号，对振动信号进行傅里叶变换，得到信号的特征值结果，之后再利用机器学习的方法对特征值进行分类回归，从而建立起故障诊断模型。但是振动信号的采集易受到环境因素干扰，同时机械系统中的多种故障也会影响振动信号，导致采集得到的振动信号包含噪声信号，所以利用振动信号来判断齿轮系统的状态容易出现误判的情况。
[0003]另外，对于利用齿轮啮合状态特征量来进行描述齿轮状态最常用的方法就是机器学习的方法，虽然机器学习方法多种多样且具有较高的准确性，但是机器学习需要依赖大量的故障样本空间，故障样本空间的大小制约着机器学习的准确性，但是对于正在服役的齿轮系统来讲，如何获取故障样本数据来进行机器学习模型的训练一直是个难点问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术存在的上述缺陷，提出了一种基于数字孪生技术的齿根裂纹检测方法，该方法保证了故障检测的准确度，同时避免了因为振动信号带有噪声而引起故障误判的情况。
[0005]本专利技术的技术方案是：一种基于数据孪生驱动的齿根裂纹检测方法，其中，包括以下步骤：r/>[0006]S1.建立啮合刚度数值计算模型；
[0007]S2.建立啮合刚度物理实体模型；
[0008]S3.利用步骤S2中得到的齿轮啮合物理实体模型对步骤S1中得到的齿轮啮合数值计算模型进行修正，并得到啮合刚度数据孪生模型；
[0009]设剪切刚度的修正系数为t
ks
、弯曲刚度修正系数为t
kb
、压缩刚度修正系数为t
ka
、损伤剪切刚度修正系数为t
ksc
、损伤弯曲刚度修正系数为t
kbc
、损伤压缩刚度修正系数为t
kac
，并带入步骤S1得到的啮合刚度数值计算模型，得到修正后的啮合刚度竖直计算模型：
[0010][0011]式(16)中k
c1
值通过式步骤S2中的啮合刚度物理实体模型求解，k
h
、k
f1
和k
f2
的值通过步骤S1求解，将式(16)进行整理可得：
[0012][0013]将式(17)整理为矩阵形式：
[0014]U1T＝K1ꢀꢀꢀ
(3)
[0015]式中：U1为刚度系数矩阵，T为修正系数矩阵，T＝[t
kbc
,t
kac
,t
ksc
,t
kb
,t
ka
,t
ks
]T
；K1为目标刚度值，该值为已知量，可表示为
[0016]通过对啮合刚度物理实体模型的测量计算获得数组齿轮啮合刚度值，为了求出列向量T的值，则可将U1与K1分别进行扩展，扩展后的矩阵为U和K，其表达式为：
[0017][0018][0019]则可得
[0020]UT＝K
ꢀꢀꢀ
(6)
[0021]求解出T矩阵中各个变量的值，并将上述各个变量值带入式(16)中，从而得到啮合刚度数字孪生模型，啮合刚度数字孪生模型与啮合刚度物理实体模型对于刚度的计算结果一致；
[0022]S4.通过啮合刚度数字孪生模型构建齿轮裂纹损伤的样本空间，为机器学习构建样本空间来进行模型训练，并实现对齿轮裂纹损伤的预测。
[0023]本专利技术中，步骤S1中啮合刚度数值计算模型的建立过程如下所述：
[0024]齿轮中所储存的能量包括赫兹能量、弯曲能量、压缩能量及剪切能量，与各能量相
对应的为赫兹刚度、弯曲刚度、压缩刚度及剪切刚度，各啮合刚度的串联为总啮合刚度，各能量公式为：
[0025][0026]式中：U
h
为赫兹能量；U
b
为弯曲能量；U
a
为压缩能量；U
*
为剪切能量；F为啮合点处的作用力；k
h
为赫兹刚度；k
b
为弯曲刚度；k
a
为压缩刚度；k
s
为剪切刚度；
[0027]柔性变形引起的刚度的表达式为：
[0028][0029]式中：k
f
为基体形变刚度；E为弹性模量；L为齿轮宽度；α为齿轮的压力角；u
f
表示分度圆和齿根圆的半径差；S
f
表示齿根圆齿厚；系数L
*
、M
*
、P
*
、Q
*
为多项式系数，其表达式为：
[0030][0031]式中：X
*
表示系数L
*
、M
*
、P
*
、Q
*
；h
f
＝r
f
/r，其中r
f
为齿根圆半径，r为齿轮轴孔半径；θ
f
表示齿根圆半齿厚圆心角，A、B、C、D、E和F均为参数值；
[0032]赫兹刚度的表达式为：
[0033][0034]式中：v为泊松比；
[0035]将齿轮的轮齿看成悬臂梁，此时弯曲能量U
b
、压缩能量U
a
和剪切能量U
s
的公式表示为：
[0036][0037]式中：I
x
为距离齿根二处的截面面积惯性矩；M为弯矩；A
x
为横截面积，A
x
＝2h
x
L；G为剪切模量；F
a
为啮合力沿水平方向的分力；F
b
为啮合力沿垂直线方向的分力；d为啮合点到齿根的距离；x为啮合区任意点到齿根圆的距离；
[0038]齿根裂纹产生时，有效截面惯性矩和横截面积会发生改变，有效截面惯性矩I
x
和横截面积A
x
的表达式为：
[0039][0040][0041]式中：h
x
为啮合区内点到轮齿中心线的距离；h
cl
为啮合点到轮齿中心线的距离，g
c
为啮合点到齿根处的距离；
[0042]齿轮的总啮合刚度，为赫兹刚度、弯曲刚度、压缩刚度及剪切刚度和基体变形引起的刚度的串联形式，对于只含有一个齿根裂纹的齿轮副，其啮合刚度的表达式为：
[0043][0044]式中：k
c1
表示齿轮副中一对含有齿根裂纹的齿轮啮合刚度；
[0045]对于只含有一个齿根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据孪生驱动的齿根裂纹检测方法，其特征在于，包括以下步骤：S1.建立啮合刚度数值计算模型；S2.建立啮合刚度物理实体模型；S3.利用步骤S2中得到的齿轮啮合物理实体模型对步骤S1中得到的齿轮啮合数值计算模型进行修正，并得到啮合刚度数据孪生模型；设剪切刚度的修正系数为t
ks
、弯曲刚度修正系数为t
kb
、压缩刚度修正系数为t
ka
、损伤剪切刚度修正系数为t
ksc
、损伤弯曲刚度修正系数为t
kbc
、损伤压缩刚度修正系数为t
kac
，并带入步骤S1得到的啮合刚度数值计算模型，得到修正后的啮合刚度数值计算模型：式(16)中k
c1
值通过式步骤S2中的啮合刚度物理实体模型求解，k
h
、k
f1
和k
f2
的值通过步骤S1求解，将式(16)进行整理可得：将式(17)整理为矩阵形式：U1T＝K1ꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中：U1为刚度系数矩阵，T为修正系数矩阵，T＝[t
kbc
,t
kac
,t
ksc
,t
kb
,t
ka
,t
ks
]
T
；K1为目标刚度值，通过对啮合刚度物理实体模型的测量计算获得数组齿轮啮合刚度值，为了求出列向量T的值，将U1与K1分别进行扩展，扩展后的矩阵为U和K，其表达式为：
并得到UT＝K
ꢀꢀꢀꢀꢀꢀꢀꢀ
(6)求解出T矩阵中各个变量的值，并将上述各个变量值带入式(16)中，从而得到啮合刚度数字孪生模型，啮合刚度数字孪生模型与啮合刚度物理实体模型对于刚度的计算结果一致；S4.通过啮合刚度数字孪生模型构建齿轮裂纹损伤的样本空间，为机器学习构建样本空间来进行模型训练，并实现对齿轮裂纹损伤的预测。2.根据权利要求1所述的基于数据孪生驱动的齿根裂纹检测方法，其特征在于，步骤S1中啮合刚度数值计算模型的建立过程如下所述：齿轮中所储存的能量包括赫兹能量、弯曲能量、压缩能量及剪切能量，与各能量相对应的为赫兹刚度、弯曲刚度、压缩刚度及剪切刚度，各啮合刚度的串联为总啮合刚度，各能量公式为：式中：U
h
为赫兹能量；U
b
为弯曲能量；U
a
为压缩能量；U
*
为剪切能量；F为啮合点处的作用力；k
h
为赫兹刚度；k
b
为弯曲刚度；k
a
为压缩刚度；k
s
为剪切刚度；柔性变形引起的刚度的表达式为：式中：k
f
为基体形变刚度；E为弹性模量；L为齿轮宽度；α为齿轮的压力角；u
f
表示分度圆和齿根圆的半径差；S
f
表示齿根圆齿厚；系数L
*
、M
*
、P
*
、Q
*
为多项式系数，其表达式为：式中：X
*
表示系数L
*
、M
*
、P
*
、Q
*
；h
f
＝r
f
...

【专利技术属性】
技术研发人员：徐凤宝，刘贵杰，王泓晖，陈帅，谢迎春，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：