申请/专利权人：重庆邮电大学

申请日：2024-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN117874955A

主分类号：G06F30/17

分类号：G06F30/17;G06F30/23;G06F30/27;G06N3/0499;G06N3/084;G06F119/04;G06F119/14

优先权：

专利状态码：在审-公开

法律状态：2024.04.12#公开

摘要：本发明涉及一种基于有限元分析的齿轮寿命疲劳预测方法。包括使用ABAQUS和FRANC3D仿真构造样本，分别进行应力比、裂纹长度、裂纹角度变量下的单变量数据分析；建立上述单变量的数据分析，验证单变量对剩余循环寿命的影响；进行上述单变量组合下复合因素时齿轮啮合模型剩余循环寿命的影响分析；构建BP神经网络结构，建立影响因素与接触疲劳寿命的非线性映射关系；输入待预测数据参数于训练完成的BP神经网络，进行剩余寿命预测。本发明与现有技术相比较，实现了从单变量因素到多变量因素下预测齿轮剩余接触疲劳寿命，操作简单，结合有限元技术与机器学习算法，减小有限元仿真次数，更方便的直接预测剩余寿命，为工作齿轮的智能维护预测提供了新的技术方法。

主权项：1.一种基于有限元分析的齿轮疲劳寿命预测方法，其特征是包含以下步骤：S1、通过有限元分析软件ABAQUS和裂纹分析软件FRANC3D仿真构造样本，收集预期齿轮疲劳工作状况下的疲劳寿命数据，确定将齿轮的裂纹长度、裂纹基于Z轴偏向的角度及工作载荷的应力比作为工作状况下齿轮疲劳寿命的影响因素；S2、将上述的影响因素作为BP神经网络的输入参数，将相应的齿轮疲劳寿命作为输出参数：设置合适的BP神经网络中训练样本及测试样本的比例，根据确定的输入参数、输出参数以设置隐藏层数目并进行BP神经网络的训练，得到其影响因素与疲劳寿命的非线性映射关系；S3、通过神经网络的精度的计算与比较，当精度不满足设定值时，则需要重新设定BP神经网络相关参数，再次进行训练；当精度能够满足设定值时，则得到完成后的BP神经网络模型，以此能够进行接触疲劳寿命的预测；S4、将待预测样本的参数输入训练成功后的BP神经网络，进行寿命的预测。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于有限元分析的齿轮寿命疲劳预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD