[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

说明书

本发明涉及齿轮领域，具体涉及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齿轮工作模块，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；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。

技术领域

本发明涉及齿轮领域，尤其涉及一种数据驱动的齿轮啮合刚度实时预测方法。

背景技术

目前，齿轮啮合作为制造业中主流的传动及机械连接方式仍具备较大的发展前景，尤其是在高精端制造行业。啮合刚度直接关系到啮合过程中齿轮抵抗变形的能力，也对齿轮磨损、疲劳产生一定的影响，目前主流的处理方式是对其进行有限元分析、实验分析等方式对啮合刚度进行预测，然而上述方法对齿轮实时啮合刚度及疲劳程度都无法做出实时预测，这样会导致齿轮在啮合过程中，无法预知其实时啮合刚度对其抗变形能力产生偏差，进而导致齿轮疲劳断裂、点蚀等一系列问题，影响机器运行寿命、效率。

发明内容

为解决上述技术问题，本发明实施例期望提供一种数据驱动的齿轮啮合刚度实时预测方法。

本发明具体采用以下技术方案来实现上述技术目的：

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；

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齿轮和从动齿轮接触的实时转矩，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。

优选地，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、至少一个转速传感器。

优选地，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。

优选地，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^TW'X)^-1X^TW'X，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。

优选地，所述数据储存单元为储存地址方式，储存端为云端储存。

优选地，所述数据分析单元内置深度神经网络单元及故障预测单元，所述深度神经网络单元的输入层为主动齿轮输入转矩、从动齿轮输出转矩，输出层为齿轮实时啮合刚度及磨损量；所述故障预测单元用于预测当前磨损量是否会产生故障。