CN109060351A - 自润滑关节轴承寿命模型评价方法 - Google Patents
自润滑关节轴承寿命模型评价方法 Download PDFInfo
- Publication number
- CN109060351A CN109060351A CN201811052658.1A CN201811052658A CN109060351A CN 109060351 A CN109060351 A CN 109060351A CN 201811052658 A CN201811052658 A CN 201811052658A CN 109060351 A CN109060351 A CN 109060351A
- Authority
- CN
- China
- Prior art keywords
- matrix
- distribution
- bearing life
- bearing
- increment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供自润滑关节轴承寿命模型评价方法,通过设定次数的摩擦磨损实验,获取象征轴承寿命的参数信息集合,记为第一集合;通过第一集合,获取增量矩阵;通过第一集合,获取初值向量;采用第一分析手段,获得增量矩阵中元素分布规律,根据分布规律获得模拟增量矩阵;采用第二分析手段,获得初值向量中元素集合的分布规律,根据分布规律获得模拟初值向量;将模拟增量矩阵与模拟初值向量进行组合,获得模拟矩阵;根据模拟矩阵在各时刻点的分布情况,评价轴承寿命。采用统计学软件分析原理,对轴承磨损过程中寿命信息参数进行分析,获得轴承的等效磨损寿命分布模型。所得分析结果与实际应用情况一致,操作简便,可用于关节轴承可靠寿命的评价分析。
Description
技术领域
本发明涉及自润滑关节轴承寿命评价领域,具体地,涉及自润滑关节轴承寿命模型评价方法,尤其是涉及将统计学、机械结构摩擦学与自润滑关节轴承摩擦磨损规律相结合,采用统计学软件分析的方法,获取自润滑关节轴承寿命模型的新方法。
背景技术
自润滑关节轴承主要的失效形式为自润滑材料的磨损失效,磨损会增大轴承内、外圈间隙,使机械结构失去原有的平稳性。在工程使用过程中,现有自润滑关节轴承寿命计算方法存在一定局限。随着自润滑关节轴承在航空、航天领域的广泛应用,其寿命模型评价及预测方法也不断受到重视。
专利文献CN103323245A公开了一种关节轴承的加速退化试验方法,设定加速应力水平的数量和大小以及关节轴承样品的数量,再将关节轴承样品安装在关节轴承摆动试验台上,分别施加加速应力水平的载荷,利用传感器对磨损量进行连续监测,并将数据记录下来;然后利用计算机对磨损量数据进行处理,构建加速退化模型和加速模型,最终得到其寿命预测结果。所述方法能够真实反映关节轴承正常使用的性能退化进程,能以较大的加速系数进行加速试验,缩短了试验时间,降低了试验代价。但是上述方法仅通过对磨损量数据的连续监测处理,分析预测结果存在一定的局限性。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种自润滑关节轴承寿命模型评价方法。
根据本发明提供的一种自润滑关节轴承寿命模型评价方法,包括以下步骤:确定轴承寿命参数信息步骤:通过设定次数的摩擦磨损实验,获取象征轴承寿命的参数信息的集合,记为第一集合;获取增量矩阵步骤:通过第一集合,获取增量矩阵;获取初值向量步骤:通过第一集合,获取初值向量;获取模拟增量矩阵步骤:采用第一分析手段,获得增量矩阵中元素的分布规律,根据分布规律获得模拟增量矩阵;获取模拟初值向量步骤:采用第二分析手段,获得初值向量中元素集合的分布规律,根据分布规律获得模拟初值向量;获取模拟矩阵步骤:将模拟增量矩阵与模拟初值向量进行组合,获得模拟矩阵;评价轴承寿命步骤:根据模拟矩阵在各时刻点的分布情况,评价轴承寿命。
优选地,所述获取增量矩阵步骤包括获取特征矩阵步骤,所述获取特征矩阵步骤是将第一集合中的参数信息作为特征矩阵的元素形成特征矩阵,获取特征矩阵步骤完成之后,将特征矩阵中设定频率下的参数信息的增量定义为增量矩阵的元素,获得增量矩阵。
优选地,所述获取初值向量步骤中,将设定次数的摩擦磨损实验后得到的特定参数信息的数值,作为初值向量。
优选地,所述第一分析手段采用对数正态分布分析,数据分布函数如下:
式中,F1(h)表示游隙增量数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
优选地,所述第二分析手段采用对数正态分布分析,数据分布函数如下:
式中,F2(h)表示初值数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
优选地,将以所述模拟矩阵在各时刻点的分布情况绘制概率密度函数曲线、概率函数曲线,得出相对于特定的参数信息下,各磨损时刻下的可靠度,通过可靠度评价轴承寿命。
优选地,所述参数信息主要包括轴承磨损量值、轴承游隙值。
优选地,所述摩擦磨损实验分别适用低速重载工况、高速轻载工况;
当处于低速重载工况时,每隔5000次摆动循环取一次轴承磨损量值作为参数信息,磨合期阶段不超过10000次摆动循环;
当处于高速轻载工况时,每100h测量一次轴承游隙值作为参数信息,磨合期阶段不超过100h摆动循环;
低速重载工况下与高速轻载工况下,稳定磨损阶段的磨损率保持稳定。
优选地,所述增量矩阵中元素的分布规律以轴承在任意摆动次数间隔内,增量矩阵中元素的增量服从参数相同的分布为前提。
与现有技术相比,本发明具有如下的有益效果:
1、本发明采用统计学软件分析原理,对轴承磨损过程中寿命信息参数进行分析,获得轴承的等效磨损寿命分布模型;
2、本发明的模拟数据的可靠性分析结果与航空自润滑关节轴承试验结果基本一致,方法操作简便,可用于关节轴承可靠寿命的评价分析。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的流程示意图;
图2为本发明实验得出的概率密度函数曲线图;
图3为本发明实验得出的概率函数曲线图;
图4为机械零件的磨损量变化曲线图。
文字说明:
1、100h递增至1000h对应的曲线的纵轴坐标值,在图2、图4中由呈现高到低分布;
2、100h递增至1000h对应的曲线的纵轴坐标值,在图3中位于横坐标0.1处的纵坐标值由呈现高到低分布。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明针对现阶段自润滑关节轴承寿命评价方法使用范围受限等问题,提出一种自润滑关节轴承寿命评价方法,将统计学、机械结构摩擦学与自润滑关节轴承摩擦磨损规律相结合,采用统计学软件分析原理,对轴承磨损过程中寿命信息参数进行分析,获得轴承的等效磨损寿命分布模型。
根据本发明提供的一种自润滑关节轴承寿命模型评价方法,包括以下步骤:确定轴承寿命参数信息步骤:通过设定次数的摩擦磨损实验,获取象征轴承寿命的参数信息的集合,记为第一集合;优选地,所述参数信息主要包括轴承磨损量值、轴承游隙值;获取增量矩阵步骤:通过第一集合,获取增量矩阵;优选地,增量矩阵有磨损量增量矩阵、游隙增量矩阵;获取初值向量步骤:通过第一集合,获取初值向量;优选地,初值向量有磨损量初值向量、游隙初值向量;获取模拟增量矩阵步骤:采用第一分析手段,获得增量矩阵中元素的分布规律,根据分布规律获得模拟增量矩阵;获取模拟初值向量步骤:采用第二分析手段,获得初值向量中元素集合的分布规律,根据分布规律获得模拟初值向量;所述第一分析手段、第二分析手段可以采用软件分析手段处理;获取模拟矩阵步骤:将模拟增量矩阵与模拟初值向量进行组合,获得模拟矩阵;评价轴承寿命步骤:根据模拟矩阵在各时刻点的分布情况,评价轴承寿命。所述分布情况参考模拟矩阵在各时刻的分布参数及相应可靠性。
具体地,所述获取增量矩阵步骤包括获取特征矩阵步骤,所述获取特征矩阵步骤是将第一集合中的参数信息作为特征矩阵的元素形成特征矩阵,获取特征矩阵步骤完成之后,将特征矩阵中设定频率下的参数信息的增量定义为增量矩阵的元素,获得增量矩阵。优选地,以增量矩阵中元素集合的分布规律,扩充拟合,获得模拟增量矩阵。
具体地,所述获取初值向量步骤中,将设定次数的摩擦磨损实验后得到的特定参数信息的数值,作为初值向量。优选地,以初值向量中各元素的分布规律,扩充拟合,获得模拟初值向量。
具体地,所述第一分析手段采用对数正态分布分析,游隙增量数据分布函数如下:
式中,F1(h)表示游隙增量数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
具体地,所述第二分析手段采用对数正态分布分析,初值数据分布函数如下:
式中,F2(h)表示初值数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
具体地,将以所述模拟矩阵在各时刻点的分布情况绘制概率密度函数曲线、概率函数曲线,得出相对于特定的参数信息下,各磨损时刻下的可靠度,通过可靠度评价轴承寿命。
具体地,所述摩擦磨损实验分别适用低速重载工况、高速轻载工况;当处于低速重载工况时,每隔5000次摆动循环取一次轴承磨损量值作为参数信息,磨合期阶段不超过10000次摆动循环;当处于高速轻载工况时,每100h测量一次轴承游隙值作为参数信息,磨合期阶段不超过100h摆动循环;低速重载工况下与高速轻载工况下,稳定磨损阶段的磨损率保持稳定。
具体地,所述增量矩阵中元素的分布规律以轴承在任意摆动次数间隔内,增量矩阵中元素的增量服从参数相同的分布为前提。
如图1所示的自润滑关节轴承寿命评价方法流程图中,假设1:轴承试验中,低速工况,每隔5000次摆动循环取一次轴承的磨损量值;高速轻载工况,每100h测量一次轴承游隙值。随着摆动次数的增加,磨损量或游隙的增量表示为,不考虑衬垫磨屑带入摩擦部位等引起的磨损量增加的情况。假设2:机械零件的磨损过程可分为3个阶段:即磨合期、稳定磨损阶段、剧烈磨损阶段,磨损量变化曲线如图2所示。其中稳定磨损阶段是零件的工作期,磨损率保持稳定。假设在处于稳定磨损阶段的任意t摆动次数间隔内,轴承的磨损量增量服从参数相同的分布,具体分布类型由拟合结果判定。假设3:低速重载工况下,磨合期不超过10000次摆动循环;高速轻载工况下,磨合期不超过100h摆动循环;两工况下稳定磨损阶段的磨损率保持稳定。
下面对本发明进行进一步的阐述。
如图1,参照典型自润滑关节轴承,以高速轻载工况下的寿命评价过程说明该方法。以SA16轴承为试验件,完成5组SA16轴承的全寿命试验、15组100h验收试验。全寿命试验过程中,每100h离线检测轴承轴向游隙值,当轴向游隙≥0.25mm或试验时间为1400h时,停止试验。以轴承轴向游隙值作为轴承寿命参数信息,即获得特征矩阵;由假设3,以15组100h磨损试验后测得的轴承轴向游隙值作为初值信息,即获得初值向量。每100h轴承轴向游隙的增量定义为增值矩阵的元素(由假设1,舍取元素<0的情况),即由特征矩阵得到增值矩阵。由假设2,增值矩阵中元素集合来自同一母体,通过统计学分析,选定对数正态分布为增值矩阵中元素的分布形式,游隙增量数据分布函数为:
式中,F1(h)表示游隙增量数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
同理,确定初值向量元素集合的分布形式为对数正态分布,初值数据分布函数为:
式中,F2(h)表示初值数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
由式(1)、(2)的分布形式,扩充原有数据,获得模拟增量矩阵和模拟初值矩。由模拟初值向量和模拟增量矩阵组合得模拟矩阵。由模拟矩阵的元素,求得模拟矩阵在各时刻下分布类型及分布参数,并绘制概率密度函数和概率函数曲线(不可靠度曲线)。
通过上述实施方式,获得如下表1的结果,表1显示轴向游隙为0.10、0.25mm时,各磨损时间下的可靠度。实验发现,模拟数据的可靠性分析结果与航空自润滑关节轴承试验结果基本一致,说明本发明的方法可用于此类关节轴承可靠寿命的评价分析。
表1
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (9)
1.一种自润滑关节轴承寿命模型评价方法,其特征在于,包括以下步骤:
确定轴承寿命参数信息步骤:通过设定次数的摩擦磨损实验,获取象征轴承寿命的参数信息的集合,记为第一集合;
获取增量矩阵步骤:通过第一集合,获取增量矩阵;
获取初值向量步骤:通过第一集合,获取初值向量;
获取模拟增量矩阵步骤:采用第一分析手段,获得增量矩阵中元素的分布规律,根据分布规律获得模拟增量矩阵;
获取模拟初值向量步骤:采用第二分析手段,获得初值向量中元素集合的分布规律,根据分布规律获得模拟初值向量;
获取模拟矩阵步骤:将模拟增量矩阵与模拟初值向量进行组合,获得模拟矩阵;
评价轴承寿命步骤:根据模拟矩阵在各时刻点的分布情况,评价轴承寿命。
2.根据权利要求1所述的自润滑关节轴承寿命模型评价方法,其特征在于,所述获取增量矩阵步骤包括获取特征矩阵步骤,所述获取特征矩阵步骤是将第一集合中的参数信息作为特征矩阵的元素形成特征矩阵,获取特征矩阵步骤完成之后,将特征矩阵中设定频率下的参数信息的增量定义为增量矩阵的元素,获得增量矩阵。
3.根据权利要求1所述的自润滑关节轴承寿命模型评价方法,其特征在于,所述获取初值向量步骤中,将设定次数的摩擦磨损实验后得到的特定参数信息的数值,作为初值向量。
4.根据权利要求1所述的自润滑关节轴承寿命模型评价方法,其特征在于,所述第一分析手段采用对数正态分布分析,数据分布函数如下:
式中,F1(h)表示游隙增量数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
5.根据权利要求1所述的自润滑关节轴承寿命模型评价方法,其特征在于,所述第二分析手段采用对数正态分布分析,数据分布函数如下:
式中,F2(h)表示初值数据分布函数,h表示时间或摆次,k表示积分变量,dk表示微分单元。
6.根据权利要求1所述的自润滑关节轴承寿命模型评价方法,其特征在于,将以所述模拟矩阵在各时刻点的分布情况绘制概率密度函数曲线、概率函数曲线,得出相对于特定的参数信息下,各磨损时刻下的可靠度,通过可靠度评价轴承寿命。
7.根据权利要求1所述的自润滑关节轴承寿命模型评价方法,其特征在于,所述参数信息主要包括轴承磨损量值、轴承游隙值。
8.根据权利要求7所述的自润滑关节轴承寿命模型评价方法,其特征在于,所述摩擦磨损实验分别适用低速重载工况、高速轻载工况;
当处于低速重载工况时,每隔5000次摆动循环取一次轴承磨损量值作为参数信息,磨合期阶段不超过10000次摆动循环;
当处于高速轻载工况时,每100h测量一次轴承游隙值作为参数信息,磨合期阶段不超过100h摆动循环;
低速重载工况下与高速轻载工况下,稳定磨损阶段的磨损率保持稳定。
9.根据权利要求1所述的自润滑关节轴承寿命模型评价方法,其特征在于,所述增量矩阵中元素的分布规律以轴承在任意摆动次数间隔内,增量矩阵中元素的增量服从参数相同的分布为前提。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811052658.1A CN109060351A (zh) | 2018-09-10 | 2018-09-10 | 自润滑关节轴承寿命模型评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811052658.1A CN109060351A (zh) | 2018-09-10 | 2018-09-10 | 自润滑关节轴承寿命模型评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109060351A true CN109060351A (zh) | 2018-12-21 |
Family
ID=64761232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811052658.1A Pending CN109060351A (zh) | 2018-09-10 | 2018-09-10 | 自润滑关节轴承寿命模型评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109060351A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883687A (zh) * | 2019-03-21 | 2019-06-14 | 广州机械科学研究院有限公司 | 高耐磨自润滑仿生密封部件的模拟试验评价系统和方法 |
CN110633507A (zh) * | 2019-08-22 | 2019-12-31 | 上海市轴承技术研究所 | 自润关节轴承轴向游隙和衬垫磨损量关系计算方法与系统 |
CN110781564A (zh) * | 2019-09-27 | 2020-02-11 | 上海市轴承技术研究所 | 关节轴承挤压槽制备方法及系统 |
CN112067293A (zh) * | 2020-09-29 | 2020-12-11 | 中国航空综合技术研究所 | 自润滑关节轴承磨损寿命预测模型修正方法 |
CN112557037A (zh) * | 2020-11-30 | 2021-03-26 | 南京工业大学 | 一种风电主轴轴承模型加速寿命试验方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323245A (zh) * | 2013-06-29 | 2013-09-25 | 中国人民解放军国防科学技术大学 | 关节轴承的加速退化试验方法 |
CN105205276A (zh) * | 2015-10-09 | 2015-12-30 | 中国人民解放军国防科学技术大学 | 关节轴承磨损失效物理建模与分析方法 |
-
2018
- 2018-09-10 CN CN201811052658.1A patent/CN109060351A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323245A (zh) * | 2013-06-29 | 2013-09-25 | 中国人民解放军国防科学技术大学 | 关节轴承的加速退化试验方法 |
CN105205276A (zh) * | 2015-10-09 | 2015-12-30 | 中国人民解放军国防科学技术大学 | 关节轴承磨损失效物理建模与分析方法 |
Non-Patent Citations (1)
Title |
---|
李如琰等: "基于小样本扩充的自润滑关节轴承磨损寿命评价技术", 《轴承》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883687A (zh) * | 2019-03-21 | 2019-06-14 | 广州机械科学研究院有限公司 | 高耐磨自润滑仿生密封部件的模拟试验评价系统和方法 |
CN110633507A (zh) * | 2019-08-22 | 2019-12-31 | 上海市轴承技术研究所 | 自润关节轴承轴向游隙和衬垫磨损量关系计算方法与系统 |
CN110633507B (zh) * | 2019-08-22 | 2023-01-24 | 上海市轴承技术研究所 | 自润滑关节轴承轴向游隙和衬垫磨损量关系计算方法与系统 |
CN110781564A (zh) * | 2019-09-27 | 2020-02-11 | 上海市轴承技术研究所 | 关节轴承挤压槽制备方法及系统 |
CN110781564B (zh) * | 2019-09-27 | 2023-05-09 | 上海市轴承技术研究所 | 关节轴承挤压槽制备方法及系统 |
CN112067293A (zh) * | 2020-09-29 | 2020-12-11 | 中国航空综合技术研究所 | 自润滑关节轴承磨损寿命预测模型修正方法 |
CN112557037A (zh) * | 2020-11-30 | 2021-03-26 | 南京工业大学 | 一种风电主轴轴承模型加速寿命试验方法 |
CN112557037B (zh) * | 2020-11-30 | 2022-03-11 | 南京工业大学 | 一种风电主轴轴承模型加速寿命试验方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109060351A (zh) | 自润滑关节轴承寿命模型评价方法 | |
Barad et al. | Neural network approach for a combined performance and mechanical health monitoring of a gas turbine engine | |
CN106777814B (zh) | 基于多源层次信息更新与故障物理的可靠性预计方法 | |
JP2009076056A (ja) | 異常集約方法 | |
JP2009075081A (ja) | 一過性の異常の検出方法 | |
CN106650146B (zh) | 一种转子系统轴承支座松动故障在线定量识别分析方法 | |
Naeem et al. | Implications of engine deterioration for a high-pressure turbine-blade's low-cycle fatigue (LCF) life-consumption | |
Li et al. | Study on gas turbine gas-path fault diagnosis method based on quadratic entropy feature extraction | |
CN114167280B (zh) | 一种陀螺中动压电机工作裕度的筛选测试方法及系统 | |
Abid et al. | Fault prognostics for the predictive maintenance of wind turbines: State of the art | |
Rezaei et al. | Effects of wind field characteristics on pitch bearing reliability: a case study of 5 MW reference wind turbine at onshore and offshore sites | |
CN113221261A (zh) | 一种航空传动系统振动限制值的制定方法 | |
Yucesan et al. | Physics-informed digital twin for wind turbine main bearing fatigue: Quantifying uncertainty in grease degradation | |
GB2481782A (en) | Asset health monitoring | |
CN114818127B (zh) | 一种汽轮机劣化程度的量化方法 | |
Fernandes et al. | An overview on degradation modelling for service cost estimation | |
Marey et al. | Universal journal bearing test rig uncertainty and validation measurement to enhance marine shafting performance | |
Shabbir et al. | Aerospace sealing technology for maintenance, repair and overhaul of engines: a review | |
Vishwanatha Rao et al. | Challenges in engine health monitoring instrumentation during developmental testing of gas turbine engines | |
Li et al. | Influence of ring gear flexibility on the fatigue reliability of planetary gear systems in heavy helicopters | |
Xuming et al. | A novel compilation method of comprehensive mission spectrum of aero-engine maneuvering load based on use-related mission segment | |
Rootliep et al. | Evolutionary algorithm for enhanced gas path analysis in turbofan engines | |
Vogel et al. | A Top-Down Approach for quantifying the contribution of high pressure compressor deterioration mechanisms to the performance deterioration of Turbofan engines | |
Wang et al. | Reliability and reliability sensitivity analysis of rolling bearings based on contact fatigue under finite probability information | |
CN111859720A (zh) | 一种多级齿轮减速器可靠性虚拟试验方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
RJ01 | Rejection of invention patent application after publication |