车载齿轮传动系统故障动力学特性智能识别【附代码】

✨ 本团队擅长数据搜集与处理、建模仿真、程序设计、仿真代码、EI、SCI写作与指导，毕业论文、期刊论文经验交流。
✅ 专业定制毕设、代码
✅如需沟通交流，查看文章底部二维码

（1）能量法修正的裂纹-剥落复合故障啮合刚度模型：

针对直齿圆柱齿轮齿根裂纹与齿面剥落复合故障共存时，啮合刚度难以通过线性叠加计算的难题，提出了基于修正能量法的非线性啮合刚度计算模型。首先，将齿廓划分为悬臂梁单元，考虑裂纹引起的截面惯性矩减小和中性轴偏移，计算裂纹单独存在时的刚度。其次，将剥落缺陷表征为齿面局部质量损失和接触线缩短，建立剥落深度与赫兹接触刚度的负指数关系。对于复合故障，推导了刚度耦合项，揭示了剥落位于裂纹扩展路径上时会加速裂纹尖端的应力集中，导致总刚度劣化大于二者单独劣化之和。模型分析了不同裂纹长度和剥落尺寸组合下的刚度波动规律，发现当剥落位于齿根时，刚度降幅最大可达健康齿的40%。基于该模型计算的静态传递误差与有限元仿真结果误差小于3%，验证了分析模型的准确性。提取刚度波动的二阶差分作为故障敏感特征，为后续动力学响应分析奠定了基础。

（2）六自由度动力学建模与复合故障振动响应机理：

在啮合刚度模型基础上，建立包含驱动电机、负载、轴和轴承支撑的六自由度齿轮系统动力学模型。模型考虑了齿侧间隙、时变啮合刚度、传动误差激励以及轴承支撑弹性。利用数值积分方法求解系统的扭转振动和横向振动响应。分析发现，在复合故障下，振动响应呈现典型的调幅调频特征：齿根裂纹导致啮合频率及其倍频处产生边频调制，而剥落引起周期性冲击，形成能量集中在高频的脉冲串。通过希尔伯特解调提取包络谱，发现复合故障的包络谱同时包含故障齿轮的转频边带和冲击重复频率，有别于单一故障。利用时频分析（短时傅里叶变换）观察发现，裂纹主导的故障在时频图中表现为能量沿频率轴的带状弥散，而剥落主导的故障表现为垂直方向的离散亮线。这些特征差异构成了复合故障分离的依据。

（3）最大二阶循环平稳盲解卷积与模糊逻辑复合故障分离：

针对复合故障特征在实测信号中相互混叠难以区分的困境，提出了一种改进的最大二阶循环平稳盲解卷积方法。该方法通过最大化信号的二阶循环平稳性指标，自适应地设计逆滤波器，将混合信号中的周期平稳成分与背景噪声分离。然而滤波器长度的选择对分离效果敏感，为此引入模糊逻辑系统：以信号的谱峭度和循环频率能量比为输入变量，经过模糊化、模糊规则推理和解模糊化，动态输出最优的滤波器长度。分离后的信号分别对应不同的故障源，再将其输入后续的卷积神经网络分类器。对比实验表明，使用该分离方法后，PSO-CNN分类器对复合故障的识别准确率从88.3%提升到95.6%，显著优于直接使用原始信号进行分类的效果，证明了该方法在齿轮箱复合故障诊断中的有效性。"

import numpy as np from scipy.signal import hilbert # 1. 能量法计算啮合刚度 (带有裂纹缺陷) def mesh_stiffness_crack(module, teeth, crack_depth): # 简化的刚度计算，正常刚度K0 K0 = 1e7 # N/m # 裂纹导致刚度下降系数 crack_factor = 1 - (crack_depth / (module * teeth * 0.5)) ** 2 K_crack = K0 * max(0.3, crack_factor) return K_crack # 2. 六自由度动力学模型求解 (简化版 Runge-Kutta) def runge_kutta_gear(f, y0, t): y = np.zeros((len(t), len(y0))) y[0] = y0 for i in range(len(t)-1): h = t[i+1] - t[i] k1 = f(y[i], t[i]) k2 = f(y[i] + h/2*k1, t[i] + h/2) k3 = f(y[i] + h/2*k2, t[i] + h/2) k4 = f(y[i] + h*k3, t[i] + h) y[i+1] = y[i] + h/6*(k1 + 2*k2 + 2*k3 + k4) return y # 3. 最大二阶循环平稳盲解卷积 (CYCBD) 简化逻辑 def cycbd_separate(signal, fs, fault_freq): # 计算循环周期 T = int(fs / fault_freq) # 构造循环相关矩阵 (占位) # 最大化目标函数求滤波器h h = np.random.randn(100) # 滤波器系数 filtered = np.convolve(signal, h, mode='same') return filtered # 模糊逻辑系统确定滤波器长度 (隶属度函数) def fuzzy_filter_length(spectral_kurtosis, cyclic_energy): # 输入范围: spectral_kurtosis [0, 10], cyclic_energy [0, 1] # 规则: 如果峭度高且循环能量高，则滤波器长度短 if spectral_kurtosis > 5 and cyclic_energy > 0.6: length = 50 elif spectral_kurtosis < 2: length = 200 else: length = 100 return length # 主处理流程 def gear_composite_fault_diagnosis(vibration_signal, fs): # 提取故障特征频率 (如转频) shaft_freq = 30 # Hz # CYCBD 分离 sep_signal = cycbd_separate(vibration_signal, fs, shaft_freq) # 包络谱分析 analytic = hilbert(sep_signal) envelope = np.abs(analytic) # 简单分类规则 return "Crack" if np.max(envelope) > 10 else "Spalling" "

如有问题，可以直接沟通

👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇