基于模态相关性的齿轮箱有限元模型修正

发布时间：2017-05-05 16:16

  本文关键词：基于模态相关性的齿轮箱有限元模型修正，由笔耕文化传播整理发布。

【摘要】：随着工业生产的发展和科技水平的提高,更多的机械产品被投入到生产和生活过程中。为了满足生产需求和保证安全使用,机械产品不仅要经过严格的设计工作还要通过全面严谨的测试分析。一种低成本高效率的测试方法是使用结构的有限元模型进行模拟分析计算,但是建立的有限元模型精度要高,要与结构的实际信息相符合才可以得到具有实际指导意义的结果,否则有限元计算出的结果就会失去实际意义。因此,寻找一种建立精确有限元模型的方法是非常重要的。 模态是结构固有的振动响应属性,反映了结构自身特有的动力学特性,模态参数可以由计算或者试验两种方法获得,对于同一结构,两种不同测试方法得到的模态结果应该是相同的,但是一般认为试验模态分析的结果是可靠的,而计算模态分析因为使用的有限元模型可能存在建模误差导致结果不可靠。这就为有限元模型修正提出了一种思路：以试验模态数据做为标准,去修正有限元模型使计算模态和试验模态数据达到一致,得到的有限元模型就可以认为更精确更能反映结构的实际动力学特性。 本课题的研究内容就是基于模态相关性的齿轮箱有限元模型修正,具体做法是：首先根据设计图纸使用Pro/E软件建立齿轮箱箱体模型,导入到ANSYS软件中进行模态分析,得到计算模态参数；然后搭建齿轮箱模态试验平台,进行模态试验得到齿轮箱的试验模态参数；最后以试验模态参数为标准,修正有限元模型使其计算模态数值与试验模态一致。修正计算使用遗传算法,建立计算模态与试验模态相对误差的目标函数,对目标函数进行求极小值运算。此过程中重点需要解决的是建立计算模态与齿轮箱结构参数之间对应关系的数学模型,为了能够快速建立计算模态与结构参数对应关系的精准数学模型,本文创新的建立了一种新型的灰色神经元模型,该模型有两个输入,输入端是以最小二乘准则对数据进行拟合的二次函数,神经元使用自定义的矢量求和运算整合两个输入端得到输出值,在使用样本训练神经元的时候,灰色预测模型对神经元的权重变化规律进行分析预测,最终反馈回神经元的权重。本课题使用9组原始数据拟合出了齿轮箱计算模态与结构参数的对应关系,数据拟合和预测误差在1%以下,满足高精度的计算需要。通过修正计算,齿轮箱有限元模型的前四阶计算模态参数与试验模态参数误差均在0.7%以下,修正之前相对误差在3.17%-9.19%之间,证明了修正方法的成功。 本课题的研究对象是一级减速器箱体,虽然结构并不复杂,但箱体是整个系统的支撑结构,设计要求更为严格,其结构特点和研究方法具有很强的代表性,因此本课题的研究方法和结论对于其他结构的模型修正也具有一定的实用性。
【关键词】：齿轮箱 模态相关性 模型修正 灰色理论 神经网络 遗传算法
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH132.4
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-20
• 1.1 课题研究背景与研究意义10-13
• 1.1.1 课题研究背景10-11
• 1.1.2 课题研究意义11-13
• 1.2 国内外研究现状13-17
• 1.2.1 矩阵修正方法13-14
• 1.2.2 参数化修正方法14-17
• 1.3 课题研究内容及工作安排17-20
• 第二章 齿轮箱振动机理与分析理论20-28
• 2.1 引言20
• 2.2 齿轮箱振动分析20-21
• 2.2.1 齿轮箱振动源20-21
• 2.2.2 齿轮箱内部振动传递21
• 2.3 齿轮箱模态分析21-25
• 2.3.1 模态分析理论22-25
• 2.3.2 模态分析方法25
• 2.4 本章小结25-28
• 第三章 齿轮箱模态计算分析28-36
• 3.1 引言28
• 3.2 模态计算分析的有限元方法28-32
• 3.2.1 模型建立29
• 3.2.2 设定材料特性和网格划分29-31
• 3.2.3 边界条件建立31
• 3.2.4 有限元求解31-32
• 3.3 计算结果与分析32-34
• 3.4 本章小结34-36
• 第四章 齿轮箱模态试验分析36-48
• 4.1 引言36
• 4.2 模态试验系统36-43
• 4.2.1 支撑方式37-38
• 4.2.2 激励信号38-39
• 4.2.3 激励方式39-40
• 4.2.4 激励装置40-41
• 4.2.5 选择激励点41-42
• 4.2.6 选择测试点42
• 4.2.7 实验平台搭建42-43
• 4.3 模态试验数据处理43-47
• 4.3.1 信号后处理43-44
• 4.3.2 频域识别及频响曲线44-45
• 4.3.3 模态参数45-47
• 4.4 本章小结47-48
• 第五章 模型修正计算48-70
• 5.1 模态相关性理论48-49
• 5.2 模态匹配49-50
• 5.3 模型修正目标50-51
• 5.4 修正函数51-63
• 5.4.1 拟合算法52-53
• 5.4.2 灰色神经元拟合算法53-58
• 5.4.2.1 神经元53-55
• 5.4.2.2 灰色理论55-57
• 5.4.2.3 灰色神经元理论建立与模型实现57-58
• 5.4.3 数据样本58-59
• 5.4.4 数据拟合59-63
• 5.5 修正计算63-66
• 5.5.1 修正方程64
• 5.5.2 遗传求解64-66
• 5.6 修正结果66-68
• 5.7 本章小结68-70
• 第六章 总结与展望70-72
• 6.1 总结70-71
• 6.2 展望71-72
• 参考文献72-76
• 致谢76-78
• 攻读学位期间发表论文目录78

【参考文献】

中国期刊全文数据库 前10条

1 马炳杰;冯慧华;廖日东;姚利民;;基于模态相关性和模型修改的发动机整机模态分析[J];车辆与动力技术;2006年02期

2 王秋明;刘科成;高慧颖;;基于灰色理论与BP神经网络的工序质量预测研究[J];北京理工大学学报;2011年02期

3 王萍萍;陈进东;潘丰;;采用捕食搜索策略的遗传算法改进[J];东南大学学报(自然科学版);2010年S1期

4 沈瑜;徐逸清;陈龙翔;;高压配电网优化规划的研究[J];电网技术;2011年10期

5 崔巍;张梅;;基于灰色理论与BP网络的负荷预测[J];辽宁工程技术大学学报(自然科学版);2011年04期

6 刘v，

本文编号：346689