CN110287546B - 一种高压内啮合齿轮泵多轴疲劳寿命预测方法 - Google Patents

一种高压内啮合齿轮泵多轴疲劳寿命预测方法 Download PDF

Info

Publication number
CN110287546B
CN110287546B CN201910475832.1A CN201910475832A CN110287546B CN 110287546 B CN110287546 B CN 110287546B CN 201910475832 A CN201910475832 A CN 201910475832A CN 110287546 B CN110287546 B CN 110287546B
Authority
CN
China
Prior art keywords
gear pump
internal gear
pressure internal
pressure
software
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.)
Active
Application number
CN201910475832.1A
Other languages
English (en)
Other versions
CN110287546A (zh
Inventor
王年
卢昊
焦生炉
彭玉兴
朱真才
姜伟
周涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Xuzhou Shengbang Machinery Co Ltd
Sunbun Group Co Ltd
Original Assignee
China University of Mining and Technology CUMT
Xuzhou Shengbang Machinery Co Ltd
Sunbun Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT, Xuzhou Shengbang Machinery Co Ltd, Sunbun Group Co Ltd filed Critical China University of Mining and Technology CUMT
Priority to CN201910475832.1A priority Critical patent/CN110287546B/zh
Publication of CN110287546A publication Critical patent/CN110287546A/zh
Application granted granted Critical
Publication of CN110287546B publication Critical patent/CN110287546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/24—Fluid dynamics

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Rotary Pumps (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本发明公开了一种高压内啮合齿轮泵多轴疲劳寿命预测方法，包括如下步骤：a根据待检测高压内啮合齿轮泵的实际工况，用三维软件建模出三维模型；b、对建立的三维模型，使用CAE软件进行流体仿真；c、在步骤b中的流体仿真中，建立实际工况下压力、转速和温度与多轴疲劳等效应力之间的Kriging代理模型；d、对步骤c进行模拟试验；获取并记录高压内啮合齿轮泵旋转一周后，多轴疲劳等效应力的时间历程；e、根据步骤d的记录，计算高压内啮合齿轮泵的全寿命周期。有益效果：运用Kriging代理模型评估高压内啮合齿轮泵的寿命，节省流体仿真的仿真时间，同时获取所需的等效应力的时间历程快捷方便，对产品研发具有前瞻性的引导。

Description

一种高压内啮合齿轮泵多轴疲劳寿命预测方法
技术领域
本发明涉及内啮合齿轮泵领域，具体涉及一种高压内啮合齿轮泵多轴疲劳寿命预测方法。
背景技术
我国的高压内啮合齿轮泵主要是仿制或者引进国外的，其结构的主要特征为外齿轮与内齿轮之间用一个月牙块隔开，对齿轮泵进行径向补偿，减少径向泄漏。内外齿轮通过同向旋转，吸油腔形成真空，从油箱中吸入液压油，同时，压油腔空间变小，产生高压，液压油被挤出。但国内自己开发的类似产品的使用寿命和性能指标远不如国外水平，例如宁波生产的IGP系列高压内啮合齿轮泵最高压力达到33MPa，在压力等级上与国外还有一定的差距。
高压内啮合齿轮泵寿命减少的主要原因是：在高速转动、高压和高温的情况下，内齿轮外壁与泵体内壁的油膜保护层容易磨损脱落，最终使齿轮泵外壁与泵体胶合失效，同时随着齿轮泵输出压力的增加，内部零件所受压力也随之增加，导致零件之间摩擦发热，零件变形增大，泄漏增加，容积效率降低。
因此提出高压内啮合齿轮泵的寿命预测方法，便于指导齿轮泵的性能优化设计和可靠性设计。
发明内容
为了解决可以预测高压内啮合齿轮泵寿命的问题，本发明现在提出如下的方案：一种高压内啮合齿轮泵多轴疲劳寿命预测方法，包括如下步骤：
a、根据待检测高压内啮合齿轮泵的实际工况，用三维软件建模出三维模型；
b、对建立的三维模型，使用CAE软件进行流体仿真；
c、对步骤b中的流体仿真中，建立实际工况下压力、转速和温度与多轴疲劳等效应力之间的Kriging代理模型；
d、对步骤c进行模拟试验；获取并记录高压内啮合齿轮泵旋转一周后，多轴疲劳等效应力的时间历程；
e、根据步骤d的记录，计算高压内啮合齿轮泵的全寿命周期。
对于步骤b来说，本发明运用ProE三维软件建立高压内啮合齿轮泵的三维模型；运用Fluent软件对所建立的三维模型进行流体仿真。
在步骤c中，所述代理模型包括：将压力、转速和温度设置为输入变量；
根据Miner累积多轴疲劳失效准则，将多轴疲劳的等效应力设置为输出变量；
用拉丁超立方抽样方法产生输入变量的抽样矩阵，用优化软件Isight集成Fluent软件，根据变量的抽样矩阵产生相应的等效应力；
运用Kriging代理模型拟合样本点并验证代理模型的精度，至代理模型的精度满足设定的阈值。
本发明的步骤d中，所述时间历程的获取包括：分别采集高压内啮合齿轮泵旋转一周的压力、转速和温度信号，用Matlab软件分别提取采集到的压力、转速和温度信号的极值点；将极值点代入建立的Kriging代理模型中，并获取等效应力的响应值；通过用Matlab软件拟合等效的响应值，即获得多轴疲劳等效应力的时间历程。
在步骤e中，所述全寿命周期的计算包括：查阅高压内啮合齿轮泵齿轮轴材料的S-N曲线；通过Miner累积多轴疲劳失效准则，计算高压内啮合齿轮泵齿轮轴旋转一周的损伤值；运用公式
Figure BDA0002082211280000021
式中：T1表示齿轮泵齿轮轴旋转一周的时间，单位s，D1表示齿轮泵齿轮轴旋转一周的损伤值，无量纲，计算高压内啮合齿轮泵齿轮轴的全寿命周期。
与现有技术相比，本发明具有如下有益效果：
运用Kriging代理模型评估高压内啮合齿轮泵的寿命，节省流体仿真的仿真时间，同时获取所需的等效应力的时间历程快捷方便，对产品研发具有前瞻性的引导。
附图说明
图1高压内啮合齿轮泵寿命预测方法的实现流程图；
图2高压内啮合齿轮泵的样本点；
图3为高压内啮合齿轮泵多轴疲劳等效应力的时间历程。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1、图2和图3所示，一种高压内啮合齿轮泵多轴疲劳寿命预测方法，包括如下步骤：如图1所示，步骤a，根据待检测高压内啮合齿轮泵的实际工况，用三维软件建模出三维模型；优先选用ProE三维软件建立高压内啮合齿轮泵的三维模型；
步骤b，对建立的三维模型，使用CAE软件进行流体仿真；优先选用Fluent软件对所建立的三维模型进行流体仿真。
在步骤c中，步骤b中的流体仿真中，建立实际工况下压力、转速和温度与多轴疲劳等效应力之间的Kriging代理模型；所述代理模型包括：将压力、转速和温度设置为输入变量；根据Miner累积多轴疲劳失效准则，将多轴疲劳的等效应力设置为输出变量；用拉丁超立方抽样方法产生输入变量的抽样矩阵，用优化软件Isight集成Fluent软件，根据变量的抽样矩阵产生相应的等效应力；运用Kriging代理模型拟合样本点并验证代理模型的精度，至代理模型的精度满足设定的阈值。
在步骤d中，对步骤c进行模拟试验；获取并记录高压内啮合齿轮泵旋转一周后，多轴疲劳等效应力的时间历程；所述时间历程的获取包括：分别采集高压内啮合齿轮泵旋转一周的压力、转速和温度信号，用Matlab软件分别提取采集到的压力、转速和温度信号的极值点；将极值点代入建立的Kriging代理模型中，并获取等效应力的响应值；通过用Matlab软件拟合等效的响应值，即获得多轴疲劳等效应力的时间历程。
在步骤e中，根据步骤d的记录，计算高压内啮合齿轮泵的全寿命周期；所述全寿命周期的计算包括：查阅高压内啮合齿轮泵齿轮轴材料的S-N曲线；通过Miner累积多轴疲劳失效准则，计算高压内啮合齿轮泵齿轮轴旋转一周的损伤值；运用公式
Figure BDA0002082211280000031
计算高压内啮合齿轮泵齿轮轴的全寿命周期。
本发明针对如图2所示的高压内啮合齿轮泵的样本点，运用基于Kriging的多轴疲劳寿命预测方法进行寿命预测。
该高压内啮合齿轮泵通过三维建，通过Fluent仿真软件对所建立的三维模型进行流体仿真，并导出仿真的命令流。
在步骤c中，将压力、转速和温度设置为输入变量，并确定其分布类型都为正态分布，通过拉丁超立方抽样方法产生关于输入变量的抽样矩阵。根据多轴疲劳理论，将基于临界面最大法向应力设置为多轴疲劳等效应力，并将其设置为输出变量，其表达式如下：
Figure BDA0002082211280000041
式中：
Figure BDA0002082211280000042
是临界面的法向单位向量，临界面的选择与σeq(t)的最大值有关，当σeq(t)值最大时，
Figure BDA0002082211280000043
所表示的平面即为最大零界面。
σeq(t)是多轴疲劳等效应力，单位(MPa)；σxx(t)、σyy(t)、σzz(t)分别是笛卡尔坐标系下x轴、y轴、z轴的应力分量，单位(MPa)；σxy(t)、σxz(t)、σyz(t)分别是笛卡尔坐标系下xy平面、xz平面、yz平面的应力分量，单位(MPa)。编写执行Fluent仿真软件的脚本并运用优化软件Isight集成Fluent软件，根据抽样得到的输入变量组合产生相应的响应值，如表1所示高压内啮合齿轮泵的样本点。运用Kriging代理模型拟合样本点并验证代理模型的精度，不断调整Kriging代理模型的基本函数，直到代理模型的精度满足设定的阈值。
采集高压内啮合齿轮泵旋转一周的压力、转速和温度三类信号，运用Matlab软件对这三类信号进行处理，分别提取信号的极值点，将所得极值点代入建立的Kriging代理模型中，即可得到关于高压内啮合齿轮泵多轴疲劳等效应力的响应值，运用Matlab软件的对这些响应值进行拟合，如图3所示，即可得多轴疲劳等效应力的时间历程。
通过查找疲劳手册，获取高压内啮合齿轮泵齿轮轴材料的S-N曲线，运用雨流计数方法对得到的随机等效应力进行计数并选择Miner累积失效准则计算高压内啮合齿轮泵齿轮轴旋转一周的损伤值，其表达式为：
Figure BDA0002082211280000044
式中：k表示雨流计数后应力幅的个数，ni表示应力幅对应的循环个数，Ni表示材料S-N曲线应力幅对应的总循环个数。
例如：通过实验测得，高压内啮合齿轮泵齿轮轴旋转一周的时间为T1＝0.0417s,将T1和D1分别代入公式
Figure BDA0002082211280000045
计算高压内啮合齿轮泵齿轮轴的全寿命周期T。
Figure BDA0002082211280000051
综上所述，本方法提出了一种基于Kriging的高压内啮合齿轮泵多轴疲劳寿命预测方法，考虑因高压、转速和温度造成齿轮泵磨损失效的高压内啮合齿轮泵的寿命预测方法。首先，根据高压内啮合齿轮泵的工况，运用Fluent等CAE软件进行流体仿真。然后，建立压力、转速和温度与多轴疲劳等效应力之间的代理模型。接着，获取高压内啮合齿轮泵旋转一周的多轴疲劳等效应力的时间历程。最后，根据疲劳理论，计算高压内啮合齿轮泵的全寿命周期。

Claims (5)

1.一种高压内啮合齿轮泵多轴疲劳寿命预测方法，其特征在于，包括如下步骤：
a、根据待检测高压内啮合齿轮泵的实际工况，用三维软件建模出三维模型；
b、对建立的三维模型，使用CAE软件进行流体仿真；
c、在步骤b中的流体仿真中，建立实际工况下压力、转速和温度与多轴疲劳等效应力之间的Kriging代理模型；
d、对步骤c进行模拟试验；获取并记录高压内啮合齿轮泵旋转一周后，多轴疲劳等效应力的时间历程；
e、根据步骤d的记录，计算高压内啮合齿轮泵的全寿命周期。
2.根据权利要求1所述的高压内啮合齿轮泵多轴疲劳寿命预测方法，其特征在于：
对于步骤a，运用ProE三维软件建立高压内啮合齿轮泵的三维模型；对于步骤b，运用Fluent软件对所建立的三维模型进行流体仿真。
3.根据权利要求1所述的高压内啮合齿轮泵多轴疲劳寿命预测方法，其特征在于：
步骤c中，所述代理模型包括：将压力、转速和温度设置为输入变量；
根据Miner累积多轴疲劳失效准则，将多轴疲劳的等效应力设置为输出变量；
用拉丁超立方抽样方法产生输入变量的抽样矩阵，用优化软件Isight集成Fluent软件，根据变量的抽样矩阵产生相应的等效应力；
运用Kriging代理模型拟合样本点并验证代理模型的精度，至代理模型的精度满足设定的阈值。
4.根据权利要求1所述的高压内啮合齿轮泵多轴疲劳寿命预测方法，其特征在于：步骤d中，所述时间历程的获取包括：
分别采集高压内啮合齿轮泵旋转一周的压力、转速和温度信号，
用Matlab软件分别提取采集到的压力、转速和温度信号的极值点；
将极值点代入建立的Kriging代理模型中，并获取等效应力的响应值；
通过用Matlab软件拟合等效的响应值，即获得多轴疲劳等效应力的时间历程。
5.根据权利要求1所述的高压内啮合齿轮泵多轴疲劳寿命预测方法，其特征在于，步骤e中，所述全寿命周期的计算包括：
查阅高压内啮合齿轮泵齿轮轴材料的S-N曲线；
通过Miner累积多轴疲劳失效准则，计算高压内啮合齿轮泵齿轮轴旋转一周的损伤值；
运用公式
Figure FDA0002082211270000021
式中：T1表示齿轮泵齿轮轴旋转一周的时间，单位s，D1表示齿轮泵齿轮轴旋转一周的损伤值，无量纲，计算高压内啮合齿轮泵齿轮轴的全寿命周期。
CN201910475832.1A 2019-06-03 2019-06-03 一种高压内啮合齿轮泵多轴疲劳寿命预测方法 Active CN110287546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910475832.1A CN110287546B (zh) 2019-06-03 2019-06-03 一种高压内啮合齿轮泵多轴疲劳寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910475832.1A CN110287546B (zh) 2019-06-03 2019-06-03 一种高压内啮合齿轮泵多轴疲劳寿命预测方法

Publications (2)

Publication Number Publication Date
CN110287546A CN110287546A (zh) 2019-09-27
CN110287546B true CN110287546B (zh) 2022-12-23

Family

ID=68003066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910475832.1A Active CN110287546B (zh) 2019-06-03 2019-06-03 一种高压内啮合齿轮泵多轴疲劳寿命预测方法

Country Status (1)

Country Link
CN (1) CN110287546B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111323316B (zh) * 2020-01-06 2021-07-13 湖南大学 多轴疲劳寿命预测方法以及装置
CN111735686A (zh) * 2020-05-16 2020-10-02 厦门大学 一种用于钢骨混凝土结构性能分析的基于备选模型的Kriging预测方法
CN114152527B (zh) * 2021-11-30 2023-08-22 苏州热工研究院有限公司 一种基于监测数据的三维雨流疲劳分析方法
CN114491960B (zh) * 2021-12-29 2023-12-01 徐州圣邦机械有限公司 一种高压内啮合齿轮泵磨损监测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
CN106202647A (zh) * 2016-06-29 2016-12-07 北京科技大学 电主轴的多轴疲劳寿命预测方法及疲劳寿命可靠性评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
CN106202647A (zh) * 2016-06-29 2016-12-07 北京科技大学 电主轴的多轴疲劳寿命预测方法及疲劳寿命可靠性评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于虚拟样机技术的机车车辆结构疲劳寿命仿真;程迪等;《铁道科学与工程学报》;20080828(第04期);全文 *

Also Published As

Publication number Publication date
CN110287546A (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN110287546B (zh) 一种高压内啮合齿轮泵多轴疲劳寿命预测方法
Yin et al. Non-probabilistic reliability analysis and design optimization for valve-port plate pair of seawater hydraulic pump for underwater apparatus
CN110243591B (zh) 一种变速器润滑油加注量的确定方法
CN113378329A (zh) 基于数字孪生的轴向柱塞泵状态监测方法
Tang et al. A model-based method for leakage detection of piston pump under variable load condition
CN105352586A (zh) 通过检测共振频率实现叶片疲劳裂纹检测的方法
CN105090001A (zh) 一种基于相似性分析的往复压缩机信号整周期相位校准方法
CN103226635A (zh) 基于三维动网格的旋转叶轮机械非定常流场的计算方法
CN106599422B (zh) 叶片泵转子系统的振动仿真分析方法及其装置
Ding et al. Demonstration and validation of a 3D CFD simulation tool predicting pump performance and cavitation for industrial applications
Kollek et al. The influence of gear micropump body asymmetry on stress distribution
Pavlenko et al. Using Computer Modeling and Artificial Neural Networks for Ensuring the Vibration Reliability of Rotors.
CN111413060A (zh) 一种基于数字孪生的试验台系统
Xu et al. Modeling and simulation of aero-hydraulic pump wear failure
CN115859857B (zh) 一种轴向柱塞泵串联摩擦副油膜多场耦合特性分析方法
O’Shea et al. Analysis and optimization of an electrohydraulic power pack for use in a fully-active vehicle suspension through the use of computational fluid dynamics
Patil et al. Thermo-mechanical analysis of crankcase
Guo et al. The FEA contact analysis of high pressure packers
Puzanov Transdisciplinary models of hydraulic drives of mobile machinery
Semenov et al. Modeling induction motor driven sucker rod pump in MATLAB simscape
CN114139276A (zh) 一种盘轴一体式整体叶盘结构疲劳寿命分析方法
CN112632726A (zh) 一种面向叶轮机械叶片气动弹性模拟的流场重构方法
Boltov et al. Prediction of the vibration state of the GTE turbine rotor taking into account the influence of the geometric accuracy of parts
Tecle et al. Analysis of Motor Power Curve for Detecting Fault Conditions in Sucker Rod Pump
Zhao et al. Digital twin based bearing fault simulation modeling strategy and display dynamics

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
GR01 Patent grant
GR01 Patent grant