CN117367796A - 一种新能源减速器齿轮副鬼频噪音在线快速检测方法 - Google Patents
一种新能源减速器齿轮副鬼频噪音在线快速检测方法 Download PDFInfo
- Publication number
- CN117367796A CN117367796A CN202311522386.8A CN202311522386A CN117367796A CN 117367796 A CN117367796 A CN 117367796A CN 202311522386 A CN202311522386 A CN 202311522386A CN 117367796 A CN117367796 A CN 117367796A
- Authority
- CN
- China
- Prior art keywords
- gear pair
- noise
- total
- frequency
- ghost
- 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
- 238000001514 detection method Methods 0.000 title claims description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 50
- 230000001133 acceleration Effects 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000003638 chemical reducing agent Substances 0.000 claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000008439 repair process Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种新能源减速器齿轮副鬼频噪音在线快速检测方法，采集并记录主动齿轮副与从动齿轮副的实时角度值以及齿轮副的啮合振动加速度值，并获取角度波动特征指标QI1和振动加速度波动特征指标QI2，通过权重比例w1与w2加权得到综合评价指标QItotal；采用数量相等的正常齿轮副和鬼频噪音齿轮副，并根据正常齿轮副和鬼频噪音齿轮副的综合评价指标QItotal调整w1与w2，并得到基于综合评价指标QItotal的限值判定标准；采用w1与w2，以及综合评价指标QItotal的限值判定标准对齿轮副进行检测和识别。本发明具有能够对齿轮副生产制造阶段提前对鬼频噪音齿轮副进行在线快速识别与拦截，避免鬼频噪音齿轮副流入总装阶段，大大降低新能源鬼频噪声减速器返修成本等优点。
Description
技术领域
本发明涉及汽车零部件性能检测技术领域，特别的涉及一种新能源减速器齿轮副鬼频噪音在线快速检测方法。
背景技术
国内新能源减速器齿轮副的设计在CAD、CAE等各类仿真分析辅助技术支持下，齿轮副传动精度理论设计已达到国际先进水准。但受加工、制造等因素影响，齿轮副齿面与理论设计齿面仍有较大差异，从而导致齿轮副齿面在制造过程中引入额外的误差，误差在啮合过程中受啮合力激励产生额外的振动噪声，统称为鬼频噪音。而新能源电动汽车没有发动机噪声掩蔽，鬼频噪音异常明显，严重影响整车舒适性。为从源头上解决新能源减速器齿轮副鬼频噪音，需在齿轮副制造加工下线阶段提前对齿轮副质量进行检验，识别并拦截存在鬼频噪音的齿轮副，从而提高出厂齿轮副质量，降低新能源减速器返修成本。
对于新能源汽车减速器齿轮副啮合鬼频噪音在线快速检测及拦截方法，国内外目前还未见相关报道。因此，亟需发明一套可用于新能源汽车减速器齿轮副鬼频噪音在线快速检测识别的试验方法及装备，这对于新能源汽车减速器制造水平及新能源汽车整体乘坐舒适性提升有十分重要的意义。
发明内容
针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够对齿轮副生产制造阶段提前对鬼频噪音齿轮副进行在线快速识别与拦截，避免鬼频噪音齿轮副流入总装阶段，大大降低新能源鬼频噪声减速器返修成本的新能源减速器齿轮副鬼频噪音在线快速检测方法。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种新能源减速器齿轮副鬼频噪音在线快速检测方法，其特征在于，包括如下步骤：
S1、将齿轮副安装到检测设备上，驱动主动齿轮副转动，并对从动齿轮副施加扭矩，以保持齿轮副单面啮合传动；采集并记录主动齿轮副与从动齿轮副的实时角度值以及齿轮副的啮合振动加速度值；
S2、根据主动齿轮副与从动齿轮副的实时角度值获得实时角度波动曲线，对角度波动曲线进行傅里叶变换，并从阶次谱中找出与鬼频噪音相关的阶次特征，对该阶次特征进行量化得到角度波动特征指标QI1；
S3、根据啮合振动加速度值得到啮合振动加速度曲线，对啮合振动加速度曲线进行傅里叶变换，并从振动阶次谱中找出与鬼频噪音相关的阶次特征，对该阶次特征进行量化得到振动加速度波动特征指标QI2；
S4、将步骤S2中的角度波动特征指标QI1与步骤S3中的振动加速度波动特征指标QI2进行加权求和，得到综合评价指标QItotal：
QItotal＝QI1*w1+QI2*w2
式中，w1与w2为权重比例；
S5、将w1与w2的初始值均设为50，选取数量相等的正常齿轮副和鬼频噪音齿轮副；按照步骤S1～S4获取每套正常齿轮副或鬼频噪音齿轮副的综合评价指标QItotal；
S6、将所有正常齿轮副的综合评价指标QItotal的分布区间与所有鬼频噪音齿轮副的综合评价指标QItotal的分布区间相比较；若二者的分布区间存在交叉，则调整w1与w2，并根据步骤S4重新计算正常齿轮副或鬼频噪音齿轮副的综合评价指标QItotal，重复步骤S6，直到所有正常齿轮副的综合评价指标QItotal的分布区间与所有鬼频噪音齿轮副的综合评价指标QItotal的分布区间分开，记录此时的w1与w2，并得到基于综合评价指标QItotal的限值判定标准；
S7、采用步骤S6中的w1与w2，以及综合评价指标QItotal的限值判定标准，采用步骤S1～S4对产线上每一对齿轮副进行检测，获得齿轮副的综合评价指标QItotal，根据综合评价指标QItotal的限值判定标准对鬼频噪音齿轮副进行识别。
进一步的，所述步骤S2中，先根据从动齿轮副的实际角度乘以齿轮副的理论传动比得到主动齿轮副的理想角度，将主动齿轮副的实时角度减去主动齿轮副理想角度得到角度波动信号，表示为：
以齿轮副的转动圈数为自变量，以实时角度波动值为因变量，得到啮合过程的实时角度波动曲线。
进一步的，所述步骤S2中，对角度波动曲线进行傅里叶变换的步骤为：将角度波动曲线变换为以输入轴的旋转周期为基础阶次，其他成分为旋转轴周期倍频的阶次谱，从阶次谱中找到与鬼频噪音相关的阶次特征，并通过积分量化该阶次特征为角度波动特征指标QI1。
进一步的，所述步骤S3中，啮合振动加速度曲线是以时间为自变量，以振动加速度为因变量；进行傅里叶变换时，将啮合振动加速度曲线变换为以1秒时间周期为基础频率，其他成分以基础频率为倍频的频谱；将振动加速度频谱以输入轴旋转频率为基础频率在频率尺度上进行缩放，得到阶次谱，以旋转周期为基础阶次，其他成分为基础阶次的倍频的阶次谱，并从振动阶次谱中找出与鬼频噪音相关的阶次特征，对该阶次特征进行量化得到振动加速度波动特征指标QI2。
进一步的，所述步骤S6中，还包括以下步骤：
选取至少一万套状态已知的齿轮副，其中鬼频噪音齿轮副占比高于20％，根据步骤S1～S4获取齿轮副的综合评价指标QItotal，并按照综合评价指标QItotal的限值判定标准对每对齿轮副进行分类，若综合评价指标QItotal处于正常齿轮副和鬼频噪音齿轮副的QItotal分布区间之间，则将该结果作为学习样本扩大正常齿轮副和鬼频噪音齿轮副的QItotal分布区间；若正常齿轮副的综合评价指标QItotal处于鬼频噪音齿轮副的QItotal分布区间内，或鬼频噪音齿轮副的综合评价指标QItotal处于正常齿轮副的QItotal分布区间内，则重新调整w1与w2，并根据步骤S4重新计算齿轮副的综合评价指标QItotal，直到正常齿轮副和鬼频噪音齿轮副的综合评价指标QItotal处于各自的QItotal分布区间内，更新w1与w2，以及综合评价指标QItotal的限值判定标准。
进一步的，所述步骤S7中，还包括以下步骤：将识别出的鬼频噪音齿轮副拆分后，重新配对并进行检测。
综上所述，本发明具有以下优点：
1、本发明首创性的提出基于啮合角度波动信号及振动加速度信号综合判别的鬼频噪音齿轮副识别方案。
2、本发明能够应用于齿轮副生产制造阶段提前对鬼频噪音齿轮副进行在线快速识别与拦截，避免鬼频噪音齿轮副流入总装阶段，大大降低新能源鬼频噪声减速器返修成本。
3、本发明不仅可用于鬼频噪音齿轮副的在线快速检测识别与拦截，还可应用与齿轮副的挑选与配对，通过不同齿轮副组合测试，挑选出无鬼频无异常的齿轮副配对发货，最大程度降低出厂齿轮副不良率。
附图说明
图1为新能源减速器齿轮副鬼频噪音在线快速检测装置构造原理图。
图2为齿轮副综合质量综合评价指标建立方法原理示意图。
图3为鬼频齿轮副识别拦截标准设定流程图。
具体实施方式
下面结合实施例对本发明作进一步的详细说明。
鬼频噪音主要是指制造加工过程受刀具、机床等影响，导致加工出的齿面出现额外的误差源，该误差源在啮合过程中受啮合力激励，产生额外的啮合振动，激励出意料之外的振动噪声，从而称之为鬼频。鬼频噪音主要反映在齿轮副啮合传动过程中，单个齿轮副精度的检验虽能对齿面精度进行定量分析，但无法完全反映啮合过程中的情况，即无法完全反映齿轮副啮合过程中的鬼频噪音，因此鬼频噪音的检测在齿轮副啮合过程中进行检测拦截效果最佳。齿面啮合质量可通过角度波动以及齿轮副啮合振动体现，但齿轮副啮合振动无法直接测得，只能通过靠近齿轮副轴附近的结构间接获取，因此该振动信号经过了齿轮副、齿轴、轴承、轴承座等一系列复杂传递路径，信号成分相当复杂，难以直接评价齿轮副啮合情况，但振动信号与减速器装配下线时的壳体振动评价方法相同，可作为鬼频噪音辅助评价指标。而齿轮副传动角度波动信号可通过直接测量齿轮副实时转角变化计算得到，啮合的角度波动信号可综合反映齿轮副啮合情况，比振动信号传递路径更短，更能直接反映齿面啮合质量。
为此，本实施例提出一种以齿轮副波动信号检测为主，齿轮副啮合振动信号检测为辅的鬼频噪音检测拦截方法。
将待检测的齿轮副装配到齿轮副鬼频噪音专用检测设备上，由试验检测装备驱动主动齿轮副z1旋转并提供在从动齿轮副z2端施加扭矩，使齿轮副保持单面啮合传动以此模拟齿轮副工作状态。同时在齿轮副啮合过程中高速采集并记录齿轮副主动齿轮副z1与从动齿轮副z2实时角度值以及齿轮副啮合振动加速度值。
按照如下公式(1)将主动齿轮副的实时角度值减去主动齿轮副理想角度值，得到转动过程中的实时角度波动。其中，主动齿轮副理想角度无法直接测得，可通过测得的从动齿轮副实际角度乘以理论传动比计算得到，最终得到角度波动信号。以齿轮副转动圈数为自变量，以实时角度波动值为因变量，得到啮合过程实时角度波动曲线，该角度波动曲线包含了啮合过程中所有的角向振动分量。
对该角度波动曲线进行傅里叶展开，将其变换为以输入轴旋转周期为基础阶次，其他成分为旋转轴周期倍频的阶次谱，从阶次谱中搜寻鬼频相关阶次特征，并通过积分量化该特征为角度波动特征指标QI1。
同时对以时间为自变量、以振动加速度为因变量的啮合振动加速度曲线进行傅里叶展开，将其变换为以1秒时间周期为基础频率、其他成分以基础频率为倍频的频谱。为方便与实际结构相关联，同时与角度波动特征指标QI1标准统一，将振动加速度频谱以输入轴旋转频率为基础频率在频率尺度上进行缩放，缩放后的谱称为“阶次谱”，同样以旋转周期为基础阶次，其他成分为基础阶次的倍频的阶次谱，从振动阶次谱中搜寻鬼频相关阶次特征，同样通过积分量化该特征为振动加速度波动特征指标QI2。
将特征指标QI1与QI2按照如下公式进行加权求和，得到一种基于振动与角度波动两种评价方法的综合评价指标QItotal。
QItotal＝QI1*w1+QI2*w2 (2)
其中总权重为100，权重比例根据两种指标对鬼频的敏感程度确定。初定权重比例w1与w2为50，取鬼频噪音齿轮副与正常齿轮副各两百套，获取其角度波动测试数据与振动加速度测试数据量化提取指标QItotal，对比正常齿轮副QItotal的分布区间与鬼频噪音齿轮副QItotal的分布区间是否存在交叉情况，如存在交叉情况，则重新调整权重比例w1与w2并重新计算QItotal，观察正常齿轮副与鬼频噪音齿轮副QItotal分布，直至正常齿轮副QItotal与鬼频噪音齿轮副QItotal分布不再交叉，固定权重比例w1与w2，初步得到基于判断指标QItotal的限值判定标准。
取大批量(样本量不低于一万套)状态已知的齿轮副，其中鬼频噪音齿轮副与正常齿轮副数量不固定，但鬼频噪音齿轮副占比不得低于20％。获取其角度波动测试数据与振动加速度测试数据量化提取指标QItotal，并根据前述初定的正常齿轮副与鬼频噪音齿轮副QItotal分布限值判断其分类。如果其处于正常齿轮副与鬼频噪音齿轮副各自分布区间内，视为判断正确；如果计算出的指标QItotal出于正常齿轮副与鬼频噪音齿轮副QItotal分布区间之间，则将该结果作为学习样本扩大正常齿轮副与鬼频噪音齿轮副QItotal分布区间；如果正常齿轮副计算出的指标QItotal处于鬼频噪音齿轮副分布区间，或者鬼频噪音齿轮副计算出的指标QItotal处于正常齿轮副分布区间内，则需要重新微调权重比例w1与w2，并重新计算QItotal直至新齿轮副验证结果主客观评价结果达到一致。最终获得完善后的鬼频噪音齿轮副与正常齿轮副限值判定标准。
将该标准正式应用到齿轮副生产线上，对每一对生产出的齿轮副进行实时在线快速鬼频检测识别并拦截下鬼频噪音齿轮副。待鬼频噪音齿轮副累计到一定数量后，将鬼频噪音齿轮副拆分齿轮副后进行二次配对重新检验，如重新检测后判断为正常合格齿轮副，则将重新配对后的齿轮副组合装配至新能源减速器。
具体的，本实施例中，参见图1所示，整个系统结构包含传感器部分、信号采集前端、数据处理装置、结果显示装置等部分。在齿轮副啮合过程中通过振动加速度传感器获取齿轮副啮合的振动加速度信号，通过角度传感器获取主从动齿轮副实时转角信号，并通过信号采集前端高速采集，将传感器信号转换为数字量信号后送入信号处理装置中按照预设定算法进行处理计算，计算综合评价指标并与标准限值进行比对，输出判断结果。同时将处理分析结果展示到结果显示装置中给用户进行结果展示。
综合评价指标QItotal的建立流程参见图2所示，通过获取主从动齿轮副的旋转角度信号，按公式(1)计算出齿轮副啮合角度波动曲线，并对角度波动曲线傅里叶展开得到以旋转周期为基础阶次其他成分以基础阶次为倍频的阶次谱，在该阶次谱上搜索鬼频阶次特征，并通过积分量化为特征指标QI1。同时对同步采集的振动加速度信号进行傅里叶展开，将其展开为以1秒时间周期为基础频率其他成分以基础频率为倍频的频谱，为方便与实际结构相关联，同时与角度波动特征指标QI1标准统一，将振动加速度频谱以输入轴旋转频率为基础频率在频率尺度上进行缩放，缩放后的谱称为“阶次谱”，同样以旋转周期为基础阶次，其他成分为基础阶次的倍频的阶次谱，从振动阶次谱中搜寻鬼频相关阶次特征，同样通过积分量化该特征为具体指标QI2。将特征指标QI1与QI2按照加权公式(2)进行加权求和，得到一种基于振动与角度波动两种评价方法的综合评价指标QItotal(其中总权重为100，权重比例根据两种指标对鬼频的敏感程度确定)。
鬼频噪音齿轮副识别拦截标准设定流程参见图3所示，取一批约200对鬼频噪音齿轮副样件与200对正常齿轮副样件，在前述测试设备上进行检测，采集到每一对齿轮副的角度波动信号与振动加速度信号，并按照前述处理方法提取每对齿轮副QI1与QI2，初定权重w1与w2均为50％，计算出每对齿轮副各自综合评价指标QItotal。对比正常齿轮副QItotal与鬼频噪音齿轮副QItotal分布情况，假设正常齿轮副QItotal分布0～45鬼频噪音齿轮副QItotal分布在30～70，说明指标在30～45区间内无法准确判别齿轮副质量好坏，需要调整w1与w2权重比例重新观察对比正常齿轮副QItotal与鬼频噪音齿轮副QItotal分布情况，直至正常齿轮副QItotal与鬼频噪音齿轮副QItotal分布不再交叉，如假设调整后正常齿轮副QItotal分布0～33鬼频噪音齿轮副QItotal分布在56～82，正常齿轮副与鬼频噪音齿轮副分布区间不再交叉则说明该指标初步能够将鬼频噪音齿轮副与正常齿轮副通过评价指标进行量化区分。
取大批量(样本量不低于一万套)状态已知但鬼频与正常齿轮副数不固定的齿轮副，在设备上进行测试并实时计算综合质量指标QItotal，如果正常齿轮副计算出的指标QItotal在正常分布区间内，鬼频噪音齿轮副计算出的指标QItotal在鬼频分布区间内则该齿轮副视为判断准确正常流入下一阶段。如果正常齿轮副指标QItotal超过正常齿轮副指标分布且低于鬼频噪音齿轮副指标分布，则将该齿轮副视为学习目标将该指标QItotal纳入正常齿轮副分布区间；如果正常齿轮副QItotal超过正常齿轮副指标分布且处于鬼频噪音齿轮副指标分布内，则需调整权重比例直至正常齿轮副QItotal与鬼频噪音齿轮副分布不在交叉。鬼频噪音齿轮副按同样的方法进行判断学习直至学习完所有齿轮副，至此基于齿轮副啮合角度波动与振动加速度的综合评价指标限值学习完成，后续生产过程中按照前述方法不断检测，计算综合评价指标QItotal并判断其处于鬼频分布区间还是正常齿轮副分布区间即可判断其为正常齿轮副还是鬼频噪音齿轮副。
检测出的鬼频噪音齿轮副可重新配对后再进行检测，并按前述方法重新进行判断，如重新判定后计算出的综合判断指标QItotal属于合格齿轮副范畴，可将配对后的齿轮副配对装配至新能源减速器中。
以上所述仅为本发明的较佳实施例而已，并不以本发明为限制，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种新能源减速器齿轮副鬼频噪音在线快速检测方法，其特征在于，包括如下步骤：
S1、将齿轮副安装到检测设备上，驱动主动齿轮副转动，并对从动齿轮副施加扭矩，以保持齿轮副单面啮合传动；采集并记录主动齿轮副与从动齿轮副的实时角度值以及齿轮副的啮合振动加速度值；
S2、根据主动齿轮副与从动齿轮副的实时角度值获得实时角度波动曲线，对角度波动曲线进行傅里叶变换，并从阶次谱中找出与鬼频噪音相关的阶次特征，对该阶次特征进行量化得到角度波动特征指标QI1；
S3、根据啮合振动加速度值得到啮合振动加速度曲线，对啮合振动加速度曲线进行傅里叶变换，并从振动阶次谱中找出与鬼频噪音相关的阶次特征，对该阶次特征进行量化得到振动加速度波动特征指标QI2；
S4、将步骤S2中的角度波动特征指标QI1与步骤S3中的振动加速度波动特征指标QI2进行加权求和，得到综合评价指标QItotal：
QItotal＝QI1*w1+QI2*w2
式中，w1与w2为权重比例；
S5、将w1与w2的初始值均设为50，选取数量相等的正常齿轮副和鬼频噪音齿轮副；按照步骤S1～S4获取每套正常齿轮副或鬼频噪音齿轮副的综合评价指标QItotal；
S6、将所有正常齿轮副的综合评价指标QItotal的分布区间与所有鬼频噪音齿轮副的综合评价指标QItotal的分布区间相比较；若二者的分布区间存在交叉，则调整w1与w2，并根据步骤S4重新计算正常齿轮副或鬼频噪音齿轮副的综合评价指标QItotal，重复步骤S6，直到所有正常齿轮副的综合评价指标QItotal的分布区间与所有鬼频噪音齿轮副的综合评价指标QItotal的分布区间分开，记录此时的w1与w2，并得到基于综合评价指标QItotal的限值判定标准；
S7、采用步骤S6中的w1与w2，以及综合评价指标QItotal的限值判定标准，采用步骤S1～S4对产线上每一对齿轮副进行检测，获得齿轮副的综合评价指标QItotal，根据综合评价指标QItotal的限值判定标准对鬼频噪音齿轮副进行识别。
2.如权利要求1所述的新能源减速器齿轮副鬼频噪音在线快速检测方法，其特征在于，所述步骤S2中，先根据从动齿轮副的实际角度乘以齿轮副的理论传动比得到主动齿轮副的理想角度，将主动齿轮副的实时角度减去主动齿轮副理想角度得到角度波动信号，表示为：
以齿轮副的转动圈数为自变量，以实时角度波动值为因变量，得到啮合过程的实时角度波动曲线。
3.如权利要求2所述的新能源减速器齿轮副鬼频噪音在线快速检测方法，其特征在于，所述步骤S2中，对角度波动曲线进行傅里叶变换的步骤为：将角度波动曲线变换为以输入轴的旋转周期为基础阶次，其他成分为旋转轴周期倍频的阶次谱，从阶次谱中找到与鬼频噪音相关的阶次特征，并通过积分量化该阶次特征为角度波动特征指标QI1。
4.如权利要求1所述的新能源减速器齿轮副鬼频噪音在线快速检测方法，其特征在于，所述步骤S3中，啮合振动加速度曲线是以时间为自变量，以振动加速度为因变量；进行傅里叶变换时，将啮合振动加速度曲线变换为以1秒时间周期为基础频率，其他成分以基础频率为倍频的频谱；将振动加速度频谱以输入轴旋转频率为基础频率在频率尺度上进行缩放，得到阶次谱，以旋转周期为基础阶次，其他成分为基础阶次的倍频的阶次谱，并从振动阶次谱中找出与鬼频噪音相关的阶次特征，对该阶次特征进行量化得到振动加速度波动特征指标QI2。
5.如权利要求1所述的新能源减速器齿轮副鬼频噪音在线快速检测方法，其特征在于，所述步骤S6中，还包括以下步骤：
选取至少一万套状态已知的齿轮副，其中鬼频噪音齿轮副占比高于20％，根据步骤S1～S4获取齿轮副的综合评价指标QItotal，并按照综合评价指标QItotal的限值判定标准对每对齿轮副进行分类，若综合评价指标QItotal处于正常齿轮副和鬼频噪音齿轮副的QItotal分布区间之间，则将该结果作为学习样本扩大正常齿轮副和鬼频噪音齿轮副的QItotal分布区间；若正常齿轮副的综合评价指标QItotal处于鬼频噪音齿轮副的QItotal分布区间内，或鬼频噪音齿轮副的综合评价指标QItotal处于正常齿轮副的QItotal分布区间内，则重新调整w1与w2，并根据步骤S4重新计算齿轮副的综合评价指标QItotal，直到正常齿轮副和鬼频噪音齿轮副的综合评价指标QItotal处于各自的QItotal分布区间内，更新w1与w2，以及综合评价指标QItotal的限值判定标准。
6.如权利要求1所述的新能源减速器齿轮副鬼频噪音在线快速检测方法，其特征在于，所述步骤S7中，还包括以下步骤：将识别出的鬼频噪音齿轮副拆分后，重新配对并进行检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311522386.8A CN117367796A (zh) | 2023-11-15 | 2023-11-15 | 一种新能源减速器齿轮副鬼频噪音在线快速检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311522386.8A CN117367796A (zh) | 2023-11-15 | 2023-11-15 | 一种新能源减速器齿轮副鬼频噪音在线快速检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117367796A true CN117367796A (zh) | 2024-01-09 |
Family
ID=89402315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311522386.8A Pending CN117367796A (zh) | 2023-11-15 | 2023-11-15 | 一种新能源减速器齿轮副鬼频噪音在线快速检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117367796A (zh) |
-
2023
- 2023-11-15 CN CN202311522386.8A patent/CN117367796A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109460618B (zh) | 一种滚动轴承剩余寿命在线预测方法及系统 | |
| CN110687072B (zh) | 一种基于光谱相似度的校正集和验证集的选择及建模方法 | |
| CN102735642B (zh) | 一种快速无损鉴别初榨橄榄油和油橄榄果渣油的方法 | |
| CN108535012B (zh) | 一种变速器啸叫nvh性能下线检测方法 | |
| WO2020029851A1 (zh) | 一种基于工作流的振动光谱分析模型优化方法 | |
| CN114676736B (zh) | 一种滚压工件表面质量预测方法 | |
| JPS59164938A (ja) | 歯車異常音検出装置 | |
| CN112308038B (zh) | 基于课堂式生成对抗网络模型的机械设备故障信号识别方法 | |
| Shang et al. | An intelligent fault diagnosis system for newly assembled transmission | |
| CN116881530B (zh) | 一种基于深度学习的器件表面缺陷检测系统 | |
| CN112149296A (zh) | 一种判定水文时间序列平稳性类型的方法 | |
| CN105352726B (zh) | 一种齿轮的故障诊断方法 | |
| CN111238816A (zh) | 一种基于稀疏分类算法的滚动轴承复合故障诊断方法 | |
| CN115640940A (zh) | 基于蜘蛛网图-灰色关联度分析的盾构机主轴承性能评价方法 | |
| CN111007390B (zh) | 基于代数方法的模拟电路故障诊断模型 | |
| CN114707534A (zh) | 一种小样本数据下滚动轴承故障诊断方法 | |
| Chen et al. | Noise-robust adaptive feature mode decomposition method for accurate feature extraction in rotating machinery fault diagnosis | |
| Wang et al. | The LFIgram: a targeted method of optimal demodulation-band selection for compound faults diagnosis of rolling bearing | |
| CN117367796A (zh) | 一种新能源减速器齿轮副鬼频噪音在线快速检测方法 | |
| CN113624834A (zh) | 一种基于边际谱质心检测的缺陷深度识别方法、系统 | |
| Wan et al. | Adaptive asymmetric real Laplace wavelet filtering and its application on rolling bearing early fault diagnosis | |
| CN112444500A (zh) | 一种基于光谱的阿尔茨海默症智能检测装置 | |
| Younes et al. | Experimental study of real gear transmission defects using sound perception | |
| CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
| Zhao et al. | Incipient chatter fast and reliable detection method in high-speed milling process based on cumulative strategy |
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 |