论文部分内容阅读
变速箱是工程机械主要的动力传递部件,由于其结构组成复杂,且长期处于高载荷、变载荷、多沙尘的恶劣工况下,因此极易发生磨损故障。变速箱如果发生严重磨损可能会导致整机运行失效,引发安全事故的发生并产生停机检修损失。据统计,变速箱中大约80%的零件报废,38.5%的齿轮故障以及35%的运行失效均是由磨损故障导致。因此针对变速箱磨损故障诊断的研究具有很大的应用前景和社会经济意义。本文主要以推土机变速箱为例,采用油液监测技术对变速箱的磨损状态进行监测,并结合灰色理论通过建立磨损故障评估模型以及定位分析模型实现变速箱磨损状态的定量分析和定位分析。主要研究内容如下:(1)为实现变速箱磨损故障的有效识别,分析了推土机变速箱常见的4种磨损类型及其对应的磨粒类型。结合油液监测的铁谱分析及激光粒度分析技术对推土机变速箱的磨损状态进行跟踪监测,通过油样分析验证油液监测技术对变速箱磨损故障识别的可靠性。并为下文结合故障评估模型实现变速箱磨损故障定量分析的可行性提供理论依据。(2)为实现变速箱磨损故障的定量分析,提取变速箱润滑油的铁谱分析和光谱分析双因素参数为故障特征指标,基于灰色理论对小样本数据故障诊断的有效性,建立变速箱磨损故障评估的灰靶模型。由于传统灰靶模型中分辨系数的大小通常根据人为经验确定,存在主观性影响较大,普适性不高等缺点,将直接影响模型的分辨能力。本文提出利用非线性方式改进的粒子群算法对模型的分辨系数进行自适应优化,得到优化后的灰靶模型。最后,通过与传统灰靶模型实例对比分析,验证了该优化方法对变速箱磨损故障评估的可靠性。(3)为实现变速箱磨损故障的定位分析,通过光谱分析技术对变速箱润滑油中磨损磨粒的元素特征进行分析。以元素磨损速率为定位分析指标,利用灰色GM(0,N)模型对描述小数据多变量参数关系的可靠性以及遗传算法的多目标优化功能,提出了基于多目标遗传算法(Multi-objective Genetic Algorithm,MOGA)与灰色GM(0,N)模型相结合的MOGA-GM(0,N)模型。该模型主要以精确度检验的后验差比值最小和小误差概率最大为优化目标,研究目标元素与相关元素之间的多元线性关系,通过各相关元素对目标元素的贡献度大小,判断磨损元素的主要磨损来源,并通过实例分析验证了该定位分析方法的有效性。