[发明专利]一种数据驱动的齿轮啮合刚度实时预测装置及预测方法

权利要求书

1.一种数据驱动的齿轮啮合刚度实时预测装置，包括齿轮工作模块、控制模块、工作服务器和数据驱动模块；所述数据驱动模块的输入端连接所述工作服务器，所述数据驱动模块的输出端连接所述控制模块的输入端；所述控制模块的输出端连接齿轮工作模块的输入端；其特征在于：

所述齿轮工作模块包括主动轮、从动轮、主动轮传感器和从动轮传感器，所述主动轮传感器被配置用于测量主动轮的转速和功率，所述从动轮传感器被配置用于测量从动轮的转速和功率，所述主动轮传感器和从动轮传感器均连接所述工作服务器的输入端；

所述工作服务器被配置用于信号的收集和传输；

所述数据驱动模块被配置用于齿轮工作信号融合、判断、储存及分析，其包括第一A/D转换器、数据融合单元、数据判断单元、数据储存单元、数据分析单元和知识储存单元；其中，所述第一A/D转换器用于将模拟信号转换为数字信号；所述数据融合单元用于计算主动轮和从动轮接触的实时转矩，计算公式为：其中T为实时转矩，P为主从动轮的实时功率，n为主从动轮的实时转速；所述数据判断单元用于过滤干扰信号；所述数据储存单元用于数据储存；所述数据分析单元用于齿轮啮合刚度实时预测；所述知识储存单元用于在预测过程中齿轮经验知识的储存；

所述控制模块用于齿轮啮合刚度实时预测之后的电机控制，其包括第二A/D转换器、电机控制单元、工作路由器和电机；所述第二A/D转换器用于数字信号与控制信号的切换；所述电机控制单元用于电机控制信号的生成，其生成模式为依据所述数据驱动模块的实时预测生成单位脉冲信号；所述工作路由器用于脉冲信号的接收及发送；所述电机用于提供主动轮的运行动力。

2.根据权利要求1所述的数据驱动的齿轮啮合刚度实时预测装置，所述主动轮传感器和从动轮传感器均包括至少一个应力传感器和至少一个转速传感器。

3.根据权利要求1所述的齿轮啮合刚度实时预测装置，其特征在于：所述数据融合单元采用Python语言进行融合，融合模型为协作型深度神经网络。

4.根据权利要求1所述的齿轮啮合刚度实时预测装置，其特征在于：所述数据判断单元采用局部加权线性回归算法进行判断，权重矩阵为W'＝(X^TWX)^-1X^TWY，其中W’为变换后的权重矩阵，W为权重矩阵，X为数据子集，X^T为X矩阵的转置。

5.根据权利要求1所述的齿轮啮合刚度实时预测装置，其特征在于：所述数据储存单元为储存地址方式，储存端为云端储存。

6.根据权利要求1所述的齿轮啮合刚度实时预测装置，其特征在于：所述数据分析单元内置深度神经网络单元及故障判断单元，所述深度神经网络单元的输入层为主动轮的实时转矩和从动轮的实时转矩，输出层为齿轮实时啮合刚度及磨损量；所述故障判断单元用于预测当前磨损量是否会产生故障。

7.根据权利要求6所述的齿轮啮合刚度实时预测装置，其特征在于：所述电机通过电机控制单元控制，所述电机控制单元采用PLC控制算法。

8.应用于权利要求7所述装置的方法，包括如下步骤：

步骤S1，数据采集：获取齿轮啮合过程中主动轮和从动轮的转速与功率信号；

步骤S2，数据处理：利用公式：计算得出主动轮和从动轮传递的实时转矩，并利用小波算法对所述实时转矩进行滤波处理；

步骤S3，数据学习：依据主动轮和从动轮的转矩生成学习模型，所述学习模型的输入层为主动轮的实时转矩和从动轮的实时转矩，输出层为齿轮啮合的实时啮合刚度；所述实时啮合刚度输入故障判断单元对齿轮进行故障预测，所述故障判断单元判断所述实时啮合刚度是否低于故障阈值，如果是则跳转至步骤4，如果否则跳转至步骤7；

步骤S4，故障判断：利用实时啮合刚度查询知识储存单元，判断其故障类型；

步骤S5，实时控制：根据对应的故障类型，计算调整补偿量，输出补偿信号；

步骤S6，电机控制：将所述补偿信号转换为电磁信号，传输至电机控制单元，控制电机控制单元对电机转速进行补偿；

步骤S7，控制结束。