CN113255220B - 一种基于数字孪生的齿轮泵维护方法 - Google Patents

一种基于数字孪生的齿轮泵维护方法 Download PDF

Info

Publication number
CN113255220B
CN113255220B CN202110605998.8A CN202110605998A CN113255220B CN 113255220 B CN113255220 B CN 113255220B CN 202110605998 A CN202110605998 A CN 202110605998A CN 113255220 B CN113255220 B CN 113255220B
Authority
CN
China
Prior art keywords
gear
pressure
gear pump
tooth
analysis
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.)
Active
Application number
CN202110605998.8A
Other languages
English (en)
Other versions
CN113255220A (zh
Inventor
严如强
许文纲
周峥
孙闯
田绍华
王志颖
梁清华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110605998.8A priority Critical patent/CN113255220B/zh
Publication of CN113255220A publication Critical patent/CN113255220A/zh
Application granted granted Critical
Publication of CN113255220B publication Critical patent/CN113255220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2/00—Rotary-piston machines or pumps
    • F04C2/08—Rotary-piston machines or pumps of intermeshing-engagement type, i.e. with engagement of co-operating members similar to that of toothed gearing
    • F04C2/12—Rotary-piston machines or pumps of intermeshing-engagement type, i.e. with engagement of co-operating members similar to that of toothed gearing of other than internal-axis type
    • F04C2/14—Rotary-piston machines or pumps of intermeshing-engagement type, i.e. with engagement of co-operating members similar to that of toothed gearing of other than internal-axis type with toothed rotary pistons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Rotary Pumps (AREA)
  • Medical Informatics (AREA)
  • Algebra (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

本公开揭示了一种基于数字孪生的齿轮泵维护方法，方法包括：测量并实时接收齿轮泵工况参数，基于工况参数计算齿轮泵容积效率和极限转速以评定齿轮泵的运行状态并对失效作出预估，计算齿轮泵的主、从动齿轮的中心位置和摩擦副磨损量，齿轮泵内流场中，基于集中参数法建立齿轮泵压力脉动模型，建立齿轮泵的数字孪生模型，以齿轮泵出口压力脉动为预测维护模型的监测信号。

Description

一种基于数字孪生的齿轮泵维护方法
技术领域
本发明属于齿轮泵运行维护领域，特别是一种基于数字孪生的齿轮泵维护方法。
背景技术
齿轮泵因其结构紧凑、体积小、重量轻、价格低廉，对油液污染敏感度低，自吸性能好而广泛应用于在电力、汽车、冶金、军工、航空、航天和化工等机械行业。在使用过程中齿轮泵最主要的失效模式是泄露导致的容积效率的下降。齿轮泵泄漏包括内泄漏和外泄漏，外泄漏通过肉眼可见，可以通过更换密封件解决；造成容积效率降低的泄漏主要为内泄漏，是高压腔油液通过摩擦副间隙流向低压腔的过程，主要包括齿轮端面与侧板间的端面泄漏、齿顶与壳体间的径向泄漏和两个齿轮啮合处的啮合泄漏。
以往齿轮泵的故障监测和性能退化研究中，主要采用多源信号融合的诊断和预测技术。但是对齿轮泵早期微弱故障不能很好地作出诊断预测，同时齿轮泵性能退化不能及时评估预测，导致整个液压***压力、流量不足，严重影响了***的整体性能，尤其是当齿轮泵用在航空发动机燃油***中时，压力、流量的不足往往是致命的故障，因此建立齿轮泵基于物理知识的数字孪生模型，对齿轮泵的退化性能和故障做出时时镜像，动态反映了齿轮泵生命周期中自身的生命特征。该方法在齿轮泵故障监测和预测维护中具有很大的潜力。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。
发明内容
针对现有技术中存在的问题，本发明提出一种基于数字孪生的齿轮泵维护方法，本发明建立齿轮泵基于物理知识的数字孪生模型，对齿轮泵的退化性能和故障做出时时镜像，动态反映了齿轮泵生命周期中自身的生命特征，对故障和性能退化作出诊断和预测。
本发明的目的是通过以下技术方案予以实现。
本发明的一个方面，一种基于数字孪生齿轮泵预测维护方法包括以下步骤：
测量并实时接收齿轮泵工况参数，工况参数包括工作压力
Figure 858843DEST_PATH_IMAGE001
、流量
Figure 90367DEST_PATH_IMAGE002
、转速
Figure 680617DEST_PATH_IMAGE003
、扭矩
Figure 1877DEST_PATH_IMAGE004
和温度
Figure 54409DEST_PATH_IMAGE005
；
基于工况参数计算齿轮泵容积效率和极限转速以评定齿轮泵的运行状态并对失效作出预估，其中，
Figure 119317DEST_PATH_IMAGE006
，
Figure 705019DEST_PATH_IMAGE007
，式中：
Figure 666022DEST_PATH_IMAGE008
为极限转速；
Figure 471429DEST_PATH_IMAGE001
为工作压力；
Figure 74449DEST_PATH_IMAGE009
为油液的动力粘度；
Figure 249078DEST_PATH_IMAGE010
为轴承和轴瓦的间隙；
Figure 912140DEST_PATH_IMAGE011
为轴承半径；
Figure 927546DEST_PATH_IMAGE012
为容积效率；
Figure 334256DEST_PATH_IMAGE013
为工作压力下的排量；
Figure 894551DEST_PATH_IMAGE014
为空载压力下的排量；
Figure 462935DEST_PATH_IMAGE015
为工作压力下的流量；
Figure 242935DEST_PATH_IMAGE016
为空载压力下的流量；
Figure 187757DEST_PATH_IMAGE017
为工作压力下的转速；
Figure 336979DEST_PATH_IMAGE018
为空载压力下的转速，
计算齿轮泵的主、从动齿轮的中心位置和摩擦副磨损量，其中，中心位置为：
Figure 341844DEST_PATH_IMAGE019
式中：
Figure 343560DEST_PATH_IMAGE020
为齿轮1的质量；
Figure 826494DEST_PATH_IMAGE021
为齿轮1所受的轴承反力；
Figure 95801DEST_PATH_IMAGE022
为齿轮1所受的压力；
Figure 271568DEST_PATH_IMAGE023
为齿轮所受的啮合力；
Figure 760580DEST_PATH_IMAGE024
为齿轮1的转动惯量；
Figure 906260DEST_PATH_IMAGE025
为齿轮1的转角；
Figure 436598DEST_PATH_IMAGE026
为齿轮1所受压力产生的转矩；
Figure 783266DEST_PATH_IMAGE027
为电机产生的转矩；
Figure 759574DEST_PATH_IMAGE028
为齿轮1啮合点的半径；
Figure 584311DEST_PATH_IMAGE029
为齿轮2的质量；
Figure 828210DEST_PATH_IMAGE030
为齿轮2所受的轴承反力；
Figure 345779DEST_PATH_IMAGE031
为齿轮2所受的压力；
Figure 809384DEST_PATH_IMAGE032
为齿轮2的转动惯量；
Figure 296866DEST_PATH_IMAGE033
为齿轮2的转角；
Figure 395272DEST_PATH_IMAGE034
为齿轮2所受压力产生的转矩；
Figure 319628DEST_PATH_IMAGE035
为齿轮2啮合点的半径，
摩擦副磨损量包括在齿轮端面与浮动轴套、齿顶和泵壳内壁之间的磨损量，齿轮端面与浮动轴套之间的磨损量决定齿轮端面与浮动轴套之间间隙hf的大小, 齿顶和泵壳内壁之间的磨损量决定齿轮泵泵壳与轮齿齿顶间隙hi的大小；摩擦副磨损量为：
Figure 503485DEST_PATH_IMAGE036
，
Figure 201182DEST_PATH_IMAGE037
，式中：
Figure 419674DEST_PATH_IMAGE002
为摩擦副磨损量；
Figure 780510DEST_PATH_IMAGE038
为每次行程中磨损所消耗的能量；
Figure 592609DEST_PATH_IMAGE039
为行程次数；
Figure 562839DEST_PATH_IMAGE040
为每一行程滑动距离；
Figure 635837DEST_PATH_IMAGE041
为磨损***常数；
Figure 931689DEST_PATH_IMAGE042
为零件所受的最大剪切力；
根据压差和间隙的大小得到通过间隙的流量，通过间隙与流量的关系以得到各个腔的压力，其中，
Figure 603321DEST_PATH_IMAGE043
，
Figure 377242DEST_PATH_IMAGE044
，
式中：
Figure 304747DEST_PATH_IMAGE045
为齿宽；
Figure 505921DEST_PATH_IMAGE046
为齿轮泵转速；
Figure 387552DEST_PATH_IMAGE047
为齿顶圆半径；
Figure 965164DEST_PATH_IMAGE048
为齿高；
Figure 278333DEST_PATH_IMAGE049
为平均齿高；
Figure 650409DEST_PATH_IMAGE009
为油液动力粘度；
Figure 19336DEST_PATH_IMAGE050
为齿顶厚度；
Figure 400638DEST_PATH_IMAGE051
为节圆处齿厚；
Figure 302735DEST_PATH_IMAGE052
为第
Figure 845712DEST_PATH_IMAGE053
腔压力；
Figure 233093DEST_PATH_IMAGE054
为第
Figure 886929DEST_PATH_IMAGE055
个腔压力；
Figure 909111DEST_PATH_IMAGE056
为齿顶间隙流量；
Figure 357410DEST_PATH_IMAGE057
为齿侧间隙流量；
在绝热、等熵的条件下，且
Figure 966508DEST_PATH_IMAGE058
，根据连续性方程可得第i个控制体中的压力：
Figure 158455DEST_PATH_IMAGE059
，
Figure 300723DEST_PATH_IMAGE060
，
式中：
Figure 919924DEST_PATH_IMAGE061
为体积弹性模量；
Figure 750739DEST_PATH_IMAGE062
为齿轮泵转速；
Figure 11956DEST_PATH_IMAGE063
为第i个控制体体积；
Figure 743151DEST_PATH_IMAGE064
为齿轮转角；
Figure 798832DEST_PATH_IMAGE065
为第i个控制体中流量的变化量；
Figure 116943DEST_PATH_IMAGE066
为第i+1个控制体通过间隙流入第i个控制体的流量；
Figure 181851DEST_PATH_IMAGE067
为第i个控制体通过间隙流出的流量；
利用上式对进口控制体、等体积控制体、出口控制体、密闭腔控制体依次进行建模，从而得到整个内流场压力的大小，模型如下式：
Figure 33132DEST_PATH_IMAGE068
式中：
Figure 994135DEST_PATH_IMAGE069
为齿轮1第n个腔的压力；
Figure 65122DEST_PATH_IMAGE070
为齿轮2第m个腔的压力；
Figure 668141DEST_PATH_IMAGE071
为齿轮泵密闭腔的压力；
Figure 108350DEST_PATH_IMAGE072
为齿轮泵出口压力；
Figure 771412DEST_PATH_IMAGE073
为齿轮泵进口压力；
齿轮泵外流场中，测点处压力脉动信号的傅里叶展开为：
Figure 521239DEST_PATH_IMAGE074
式中：
Figure 927949DEST_PATH_IMAGE075
为直流分量；
Figure 222664DEST_PATH_IMAGE076
为转频的基波分量；
Figure 56628DEST_PATH_IMAGE077
为转频的谐波分量；n=1…6；
Figure 836628DEST_PATH_IMAGE078
为常量；
Figure 781450DEST_PATH_IMAGE079
为齿频产生压力脉动信号幅值；
Figure 196251DEST_PATH_IMAGE080
为调幅系数；
Figure 201116DEST_PATH_IMAGE081
为调频系数；
Figure 842313DEST_PATH_IMAGE082
为相位角；
Figure 92291DEST_PATH_IMAGE083
为齿频；m=1…6；
Figure 361598DEST_PATH_IMAGE084
为调幅信号；
Figure 537364DEST_PATH_IMAGE085
为调频信号，
建立齿轮泵的数字孪生模型，以齿轮泵出口压力脉动为预测维护模型的监测信号。
所述的方法中，齿轮泵外流场测点处压力脉动信号的展开中，对实测数据和仿真数据进行时域分析、频域分析、小波分析、泛函分析或矩阵分析。
所述的方法中，时域分析包括时域统计分析或相关性分析，频域分析包括FFT、相干分析、倒频谱分析或自回归谱分析。
所述的方法中，通过解微分方程组计算主、从动齿轮的中心位置以及摩擦副的磨损量。
所述的方法中，齿轮泵内流场中，通过四阶，五阶Runge-Kutta单步算法求解压力脉动的微分方程组。
所述的方法中，齿轮泵外流场中，采用均质湍流谱分析方法，通过神经网络来学习不同工况下齿轮泵测点处湍流中各种不同尺度涡的能量分布，来修正试探函数空间的基函数系数，从而优化压力脉动数学模型的参数。
所述的方法中，齿轮泵端面间隙和齿顶间隙之间的流动等效为平板间的库埃特-泊肃叶流动，通过间隙的流量为：
Figure 524912DEST_PATH_IMAGE086
，
Figure 313002DEST_PATH_IMAGE087
，
式中：
Figure 561449DEST_PATH_IMAGE088
为齿宽；
Figure 783483DEST_PATH_IMAGE062
为齿轮泵转速；
Figure 258327DEST_PATH_IMAGE089
为齿顶圆半径；
Figure 115687DEST_PATH_IMAGE090
为齿高；
Figure 359586DEST_PATH_IMAGE091
为平均齿高；
Figure 877155DEST_PATH_IMAGE009
为油液动力粘度；
Figure 573716DEST_PATH_IMAGE092
为齿顶厚度；
Figure 703608DEST_PATH_IMAGE093
为节圆处齿厚；
Figure 67593DEST_PATH_IMAGE094
为第
Figure 756064DEST_PATH_IMAGE095
腔压力；
Figure 939920DEST_PATH_IMAGE096
为第
Figure 873503DEST_PATH_IMAGE097
个腔压力；
Figure 91995DEST_PATH_IMAGE098
为齿顶间隙流量；
Figure 951367DEST_PATH_IMAGE099
为齿侧间隙流量。
上述说明仅是本发明技术方案的概述，为了能够使得本发明的技术手段更加清楚明白，达到本领域技术人员可依照说明书的内容予以实施的程度，并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂，下面以本发明的具体实施方式进行举例说明。
附图说明
通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。
在附图中：
图1是根据本发明一个实施例的基于数字孪生齿轮泵预测维护方法的步骤示意图；
图2是根据本发明一个实施例的基于数字孪生齿轮泵预测维护方法的人机交互控制屏示意图；
图3是根据本发明一个实施例的基于数字孪生齿轮泵预测维护方法的压力脉动时域图；
图4是根据本发明一个实施例的基于数字孪生齿轮泵预测维护方法的压力脉动频域图。
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图图1至图4更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。
为了更好地理解，图1为基于数字孪生齿轮泵预测维护示意图，如图1所示，一种基于数字孪生的齿轮泵维护方法包括以下步骤：
测量并实时接收齿轮泵工况参数，工况参数包括工作压力
Figure 622520DEST_PATH_IMAGE001
、流量
Figure 94214DEST_PATH_IMAGE002
、转速
Figure 167213DEST_PATH_IMAGE003
、扭矩
Figure 197486DEST_PATH_IMAGE100
，温度
Figure 621514DEST_PATH_IMAGE005
；
基于工况参数计算齿轮泵容积效率和极限转速以评定齿轮泵的运行状态并对失效作出预估，其中，
Figure 908618DEST_PATH_IMAGE101
，
Figure 836123DEST_PATH_IMAGE102
，式中：
Figure 37297DEST_PATH_IMAGE103
为极限转速；
Figure 683042DEST_PATH_IMAGE001
为工作压力；
Figure 762119DEST_PATH_IMAGE009
为油液的动力粘度；
Figure 544130DEST_PATH_IMAGE010
为轴承和轴瓦的间隙；
Figure 916206DEST_PATH_IMAGE011
为轴承半径；
Figure 49247DEST_PATH_IMAGE012
为容积效率；
Figure 666435DEST_PATH_IMAGE013
为工作压力下的排量；
Figure 568532DEST_PATH_IMAGE104
为空载压力下的排量；
Figure 377088DEST_PATH_IMAGE105
为工作压力下的流量；
Figure 997425DEST_PATH_IMAGE106
为空载压力下的流量；
Figure 152725DEST_PATH_IMAGE107
为工作压力下的转速；
Figure 909329DEST_PATH_IMAGE108
为空载压力下的转速，
计算齿轮泵的主、从动齿轮的中心位置和摩擦副磨损量，其中，中心位置为：
Figure 623207DEST_PATH_IMAGE109
式中：
Figure 730840DEST_PATH_IMAGE020
为齿轮1的质量；
Figure 424252DEST_PATH_IMAGE110
为齿轮1所受的轴承反力；
Figure 566520DEST_PATH_IMAGE111
为齿轮1所受的压力；
Figure 451300DEST_PATH_IMAGE023
为齿轮所受的啮合力；
Figure 780650DEST_PATH_IMAGE024
为齿轮1的转动惯量；
Figure 543332DEST_PATH_IMAGE112
为齿轮1的转角；
Figure 415473DEST_PATH_IMAGE113
为齿轮1所受压力产生的转矩；
Figure 471153DEST_PATH_IMAGE114
为电机产生的转矩；
Figure 287800DEST_PATH_IMAGE115
为齿轮1啮合点的半径；
Figure 87128DEST_PATH_IMAGE116
为齿轮2的质量；
Figure 174295DEST_PATH_IMAGE117
为齿轮2所受的轴承反力；
Figure 666457DEST_PATH_IMAGE118
为齿轮2所受的压力；
Figure 235978DEST_PATH_IMAGE119
为齿轮2的转动惯量；
Figure 573419DEST_PATH_IMAGE120
为齿轮2的转角；
Figure 780671DEST_PATH_IMAGE121
为齿轮2所受压力产生的转矩；
Figure 178155DEST_PATH_IMAGE122
为齿轮2啮合点的半径，
摩擦副磨损量包括在齿轮端面与浮动轴套、齿顶和泵壳内壁之间的磨损，摩擦副磨损量为：
Figure 969393DEST_PATH_IMAGE123
，
Figure 110524DEST_PATH_IMAGE124
，式中：
Figure 160565DEST_PATH_IMAGE002
为摩擦副磨损量；
Figure 994529DEST_PATH_IMAGE038
为每次行程中磨损所消耗的能量；
Figure 7484DEST_PATH_IMAGE039
为行程次数；
Figure 952306DEST_PATH_IMAGE125
为每一行程滑动距离；
Figure 868572DEST_PATH_IMAGE126
为磨损***常数；
Figure 873437DEST_PATH_IMAGE042
为零件所受的最大剪切力；
齿轮泵内流场中，基于集中参数法建立齿轮泵压力脉动模型，分别对进口控制体、等体积控制体、出口控制体、密闭腔控制体进行建模，
Figure 639268DEST_PATH_IMAGE127
，
式中：
Figure 122202DEST_PATH_IMAGE069
为齿轮1第n个腔的压力；
Figure 158553DEST_PATH_IMAGE128
为齿轮2第m个腔的压力；
Figure 334319DEST_PATH_IMAGE129
为齿轮泵密闭腔的压力；
Figure 587446DEST_PATH_IMAGE130
为齿轮泵出口压力；
Figure 874071DEST_PATH_IMAGE131
为齿轮泵进口压力；
齿轮泵外流场中，测点处压力脉动信号的傅里叶展开为：
Figure 138830DEST_PATH_IMAGE132
，
式中：
Figure 986963DEST_PATH_IMAGE075
为直流分量；
Figure 461807DEST_PATH_IMAGE133
为转频的基波分量；
Figure 552122DEST_PATH_IMAGE077
为转频的谐波分量；n=1…6；
Figure 61601DEST_PATH_IMAGE134
为常量；
Figure 815056DEST_PATH_IMAGE135
为齿频产生压力脉动信号幅值；
Figure 777196DEST_PATH_IMAGE136
为调幅系数；
Figure 671202DEST_PATH_IMAGE137
为调频系数；
Figure 769608DEST_PATH_IMAGE138
为相位角；
Figure 693964DEST_PATH_IMAGE139
为齿频；m=1…6；
Figure 143400DEST_PATH_IMAGE140
为调幅信号；
Figure 575518DEST_PATH_IMAGE141
为调频信号。
所述的方法的优选实施方式中，对实测数据和仿真数据进行时域分析、频域分析、小波分析、泛函分析或矩阵分析。
所述的方法的优选实施方式中，时域分析包括时域统计分析或相关性分析，频域分析包括FFT、相干分析、倒频谱分析或自回归谱分析。
所述的方法的优选实施方式中，通过解微分方程组计算主、从动齿轮的中心位置以及摩擦副的磨损量。
所述的方法的优选实施方式中，齿轮泵内流场中，通过ODE45求解压力脉动的微分方程组。
所述的方法的优选实施方式中，齿轮泵外流场中，采用均质湍流谱分析方法，通过神经网络来学习不同工况下齿轮泵测点处湍流中各种不同尺度涡的能量分布，来修正试探函数空间的基函数系数，从而优化压力脉动数学模型的参数。
在一个实施例中，基于数字孪生的齿轮泵维护方法包括：
构建工况参数更新模块，其中，通过物理实验台上安装的压力传感器、流量传感器、转速-扭矩传感器，温度传感器分别得到压力
Figure 528431DEST_PATH_IMAGE001
、流量
Figure 623688DEST_PATH_IMAGE002
、转速
Figure 294841DEST_PATH_IMAGE143
、扭矩
Figure 530650DEST_PATH_IMAGE144
，温度
Figure 603648DEST_PATH_IMAGE005
等参数。
构建状态评估模块，其中，通过流量传感器实测的流量大小计算出齿轮泵容积效率
Figure 135386DEST_PATH_IMAGE012
，并通过压力和转速之间的表达式得到极限转速
Figure 293835DEST_PATH_IMAGE145
，有利于指导齿轮泵的操作。
构建模型动态参数计算模块，其中，建立齿轮泵的动力学模型，通过解微分方程组计算主、从动齿轮的中心位置；齿轮泵齿顶、端面磨损主要是磨粒磨损，依据磨损量计算公式结合实验测量得到齿顶、端面磨损量，齿轮泵基本参数如表1所示。
表1
Figure 67756DEST_PATH_IMAGE146
构建齿轮泵内流场模块，其中，采用集中参数法建立齿轮泵控制体压力脉动方程组，模型中假设齿顶、端面流动为平板间的层流，进口、出口和密闭腔控制体考虑湍流的影响，然后通过ODE45求解压力脉动的微分方程组，得到各控制体中压力脉动值。
构建齿轮泵外流场模块，其中，采用均质湍流谱分析方法，近似认为测点处压力脉动是一种平稳随机过程，看成是由多种不同尺度涡的叠加，通过神经网络来学习不同工况下齿轮泵测点处湍流中各种不同尺度涡的能量分布，来修正试探函数空间的基函数系数，从而优化压力脉动数学模型的参数。
构建物理实体模型，其中，参考关于齿轮泵性能测试要求，构建了齿轮泵性能测试试验台。
图2是根据本发明基于数字孪生齿轮泵预测维护方法的人机交互界面示意图，如图2所示，界面上工况参数模块时时反应齿轮泵运行的压力
Figure 260840DEST_PATH_IMAGE001
、流量
Figure 709618DEST_PATH_IMAGE002
、转速
Figure 355363DEST_PATH_IMAGE143
、温度
Figure 667396DEST_PATH_IMAGE005
等参数；性能评估模块主要显示齿轮泵容积效率
Figure 714987DEST_PATH_IMAGE012
、极限转速
Figure 854106DEST_PATH_IMAGE147
、工作总时间h，容积效率对齿轮泵的失效作出预测评估，极限转速主要是提示操作者在一定负载下齿轮泵轴承润滑油膜破坏发生磨损的最小转速，比如负载为14MPa时，最小极限转速为2000r/min，因此通过增大转速或降低负载来减小齿轮泵轴承的磨损；特征信号模块主要是展示所选特征信号的信息，可以是压力脉动信号、流量信号、振动信号等，这些特征信号的变化信息能反映齿轮泵性能的退化和故障的发生。
图3是根据本发明基于数字孪生齿轮泵预测维护方法的特征信号压力脉动的时域图，实验中齿轮泵转速为2466.6r/min，负载为10MPa，温度为22℃，流量为9866.4mL/min。图中显示压力脉动信号出现了明显的周期性波动主要是由于齿轮泵周期性运动引起的，在一个大波动内包含12个小波动，其中小波动代表每转过一个齿时排除油液造成的出口压力脉动，大波动代表齿轮泵转过一周时泄漏量出现周期性变化造成的脉动。脉动的幅值受转速、出口压力大小的影响，如果磨损、断齿故障则会增加泄露量，从而增大了大波动的影响因素。
图4是根据本发明基于数字孪生齿轮泵预测维护方法的特征信号压力脉动的频域图，实验中齿轮泵转速为2466.6r/min，负载为10MPa，温度为22℃，流量为9866.4mL/min。图中显示压力脉动信号出现了明显的周期性波动成分主要包括齿轮转频、齿轮泵啮合频率（齿频）及齿频的倍频组成。其中转频分量的大小受转速的影响最明显，随着转速的提高，转频分量所占的比重逐渐较小，齿频逐渐成为主要的脉动频率，但是转频的绝度幅值基本保持不变，相对幅值变化明显，同时从频域图中反映出转频对齿频产生了调制。
方法建立了齿轮泵的数字孪生模型，以齿轮泵出口压力脉动为预测维护模型的监测信号。首先，采用集中参数法建立了齿轮泵内部流场的压力脉动模型，得到齿轮泵内部各控制体中的压力大小；其次，对齿轮泵出口管路上压力传感器测点位置建立了局部均质湍流脉动模型，采用均质湍流谱分析方法得到了测点处压力脉动的数学模型，通过神经网络来学习不同工况下齿轮泵测点处湍流中各种不同尺度涡的能量分布，来修正试探函数空间的基函数系数，实现虚拟模型对物理实体模型的高保真度仿真，同时虚拟模型通过计算齿轮泵的容积效率和极限转速对物理实体的运行情况作出指导性策略。采用本方法可以实现齿轮泵虚拟模型和物理实体之间的时时交互，进而揭示了齿轮泵出口测点处湍流的组成成分，为齿轮泵性能监测维护提供了一种新思路。
尽管以上结合附图对本公开的实施方案进行了描述，但本公开的技术方案不局限于不同转速和不同负载两种工况，也包括其他种类的工况。上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本公开权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本公开保护之列。

Claims (6)

1.一种基于数字孪生的齿轮泵维护方法，其特征在于，所述方法包括以下步骤：
测量并实时接收齿轮泵工况参数，工况参数包括工作压力
Figure DEST_PATH_IMAGE001
、流量
Figure 161996DEST_PATH_IMAGE002
、转速、扭矩
Figure DEST_PATH_IMAGE003
和温度
Figure 519028DEST_PATH_IMAGE004
；
基于工况参数计算齿轮泵容积效率和极限转速以评定齿轮泵的运行状态并对失效作出预估，其中，
Figure DEST_PATH_IMAGE005
，
Figure 651194DEST_PATH_IMAGE006
，式中：
Figure DEST_PATH_IMAGE007
为极限转速；
Figure 726467DEST_PATH_IMAGE001
为工作压力；
Figure 936868DEST_PATH_IMAGE008
为油液的动力粘度；
Figure 587555DEST_PATH_IMAGE010
为轴承和轴瓦的间隙；
Figure DEST_PATH_IMAGE011
为轴承半径；
Figure 920316DEST_PATH_IMAGE012
为容积效率；
Figure DEST_PATH_IMAGE013
为工作压力下的排量；
Figure 984349DEST_PATH_IMAGE014
为空载压力下的排量；
Figure DEST_PATH_IMAGE015
为工作压力下的流量；
Figure 529600DEST_PATH_IMAGE016
为
Figure DEST_PATH_IMAGE017
空载压力下的流量；
Figure 628268DEST_PATH_IMAGE018
为工作压力下的转速；
Figure DEST_PATH_IMAGE019
为空载压力下的转速，
计算齿轮泵的主、从动齿轮的中心位置和摩擦副磨损量，其中，中心位置为：，
Figure 600772DEST_PATH_IMAGE020
式中：
Figure DEST_PATH_IMAGE021
为齿轮1的质量；
Figure 152102DEST_PATH_IMAGE022
为齿轮1所受的轴承反力在x轴方向分力；
Figure DEST_PATH_IMAGE023
为齿轮1所受的压力在x轴方向分力；
Figure 235464DEST_PATH_IMAGE024
为齿轮1所受的轴承反力在y轴方向分力；
Figure DEST_PATH_IMAGE025
为齿轮1所受的压力在y轴方向分力；
Figure 176920DEST_PATH_IMAGE026
为齿轮所受的啮合力；
Figure DEST_PATH_IMAGE027
为齿轮1的转动惯量；
Figure 585905DEST_PATH_IMAGE028
为齿轮1的转角；
Figure DEST_PATH_IMAGE029
为齿轮1所受压力产生的转矩；
Figure 358951DEST_PATH_IMAGE030
为电机产生的转矩；
Figure DEST_PATH_IMAGE031
为齿轮1啮合点的半径；
Figure 246004DEST_PATH_IMAGE032
为齿轮2的质量；
Figure DEST_PATH_IMAGE033
为齿轮2所受的轴承反力在x轴方向分力；
Figure 53686DEST_PATH_IMAGE034
为齿轮2所受的压力在x轴方向分力；
Figure DEST_PATH_IMAGE035
为齿轮2所受的轴承反力在y轴方向分力；
Figure 633572DEST_PATH_IMAGE036
为齿轮2所受的压力在y轴方向分力；
Figure DEST_PATH_IMAGE037
为齿轮2的转动惯量；
Figure 425072DEST_PATH_IMAGE038
为齿轮2的转角；
Figure DEST_PATH_IMAGE039
为齿轮2所受压力产生的转矩；
Figure 850237DEST_PATH_IMAGE040
为齿轮2啮合点的半径，
摩擦副磨损量包括在齿轮端面与浮动轴套、齿顶和泵壳内壁之间的磨损量，齿轮端面与浮动轴套之间的磨损量决定齿轮端面与浮动轴套之间间隙
Figure DEST_PATH_IMAGE041
的大小, 齿顶和泵壳内壁之间的磨损量决定齿轮泵泵壳与轮齿齿顶间隙
Figure 512425DEST_PATH_IMAGE042
的大小；摩擦副磨损量为：
Figure DEST_PATH_IMAGE043
，
Figure 263212DEST_PATH_IMAGE044
，式中：
Figure 712648DEST_PATH_IMAGE002
为摩擦副磨损量；
Figure DEST_PATH_IMAGE045
为每次行程中磨损所消耗的能量；
Figure 442969DEST_PATH_IMAGE046
为行程次数；
Figure 661461DEST_PATH_IMAGE048
为每一行程滑动距离；
Figure 786412DEST_PATH_IMAGE050
为磨损***常数；
Figure DEST_PATH_IMAGE051
为零件所受的最大剪切力；
齿侧间隙和齿顶间隙之间的流动等效为平板间的库埃特-泊肃叶流动，根据压差和间隙的大小得到通过间隙的流量，其中，
Figure 21346DEST_PATH_IMAGE052
，
Figure DEST_PATH_IMAGE053
，
式中：
Figure 319472DEST_PATH_IMAGE054
为齿宽；
Figure DEST_PATH_IMAGE055
为齿轮泵转速；
Figure 956252DEST_PATH_IMAGE056
为齿顶圆半径；
Figure DEST_PATH_IMAGE057
为齿高；
Figure 48842DEST_PATH_IMAGE058
为平均齿高；
Figure 454895DEST_PATH_IMAGE008
为油液动力粘度；
Figure DEST_PATH_IMAGE059
为齿顶厚度；
Figure 291133DEST_PATH_IMAGE060
为节圆处齿厚；
Figure DEST_PATH_IMAGE061
为第
Figure 47999DEST_PATH_IMAGE062
腔压力；
Figure DEST_PATH_IMAGE063
为第
Figure 311490DEST_PATH_IMAGE064
个腔压力；
Figure DEST_PATH_IMAGE065
为齿顶间隙流量；
Figure 521017DEST_PATH_IMAGE066
为齿侧间隙流量；
在绝热、等熵的条件下，且
Figure DEST_PATH_IMAGE067
，根据连续性方程可得第i个控制体中的压力：
Figure 895366DEST_PATH_IMAGE068
，
Figure DEST_PATH_IMAGE069
，
式中：
Figure 772318DEST_PATH_IMAGE070
为体积弹性模量；
Figure 878814DEST_PATH_IMAGE055
为齿轮泵转速；
Figure DEST_PATH_IMAGE071
为第i个控制体体积；
Figure 74172DEST_PATH_IMAGE072
为齿轮转角；
Figure DEST_PATH_IMAGE073
为第i个控制体中流量的变化量；
Figure 753677DEST_PATH_IMAGE074
为第i+1个控制体通过间隙流入第i个控制体的流量；
Figure DEST_PATH_IMAGE075
为第i个控制体通过间隙流出的流量；
利用上式对进口控制体、等体积控制体、出口控制体、密闭腔控制体依次进行建模，从而得到整个内流场压力的大小，模型如下式：
Figure 718091DEST_PATH_IMAGE076
式中：
Figure DEST_PATH_IMAGE077
为齿轮1第n个齿腔的压力；
Figure 824849DEST_PATH_IMAGE078
为齿轮2第m个齿腔的压力；
Figure DEST_PATH_IMAGE079
为齿轮泵密闭腔的压力；
Figure 241924DEST_PATH_IMAGE080
为齿轮泵出口压力；
Figure DEST_PATH_IMAGE081
为齿轮泵进口压力；
齿轮泵外流场中，测点处压力脉动信号Pout(t)的傅里叶展开为：
Figure 725121DEST_PATH_IMAGE082
式中：n=1时，
Figure DEST_PATH_IMAGE083
为转频的基波分量；
Figure 544041DEST_PATH_IMAGE084
为转频的谐波分量；n=1…6；
Figure DEST_PATH_IMAGE085
为转频；
Figure 821701DEST_PATH_IMAGE086
为转频产生压力脉动信号幅值；
Figure DEST_PATH_IMAGE087
为常数；
Figure 991651DEST_PATH_IMAGE088
为齿频产生压力脉动信号幅值；
Figure DEST_PATH_IMAGE089
为调幅系数；
Figure 735661DEST_PATH_IMAGE090
为调频系数；
Figure DEST_PATH_IMAGE091
为相位角；
Figure 409088DEST_PATH_IMAGE092
为齿频；m=1…6；
Figure DEST_PATH_IMAGE093
为调幅信号；
Figure 123228DEST_PATH_IMAGE094
为调频信号，
建立齿轮泵的数字孪生模型，以齿轮泵出口压力脉动为预测维护模型的监测信号。
2.根据权利要求1所述的方法，其特征在于，齿轮泵外流场测点处压力脉动信号的展开中，对实测数据和仿真数据进行时域分析、频域分析、小波分析、泛函分析或矩阵分析。
3.根据权利要求2所述的方法，其特征在于，时域分析包括时域统计分析或相关性分析，频域分析包括FFT、相干分析、倒频谱分析或自回归谱分析。
4.根据权利要求1所述的方法，其特征在于，通过解微分方程组计算主、从动齿轮的中心位置以及摩擦副的磨损量。
5.根据权利要求1所述的方法，其特征在于，齿轮泵内流场中，通过四阶，五阶Runge-Kutta单步算法求解压力脉动的微分方程组。
6.根据权利要求1所述的方法，其特征在于，齿轮泵外流场中，采用均质湍流谱分析方法，通过神经网络来学习不同工况下齿轮泵测点处湍流中各种不同尺度涡的能量分布，来修正试探函数空间的基函数系数，从而优化压力脉动数学模型的参数。
CN202110605998.8A 2021-05-31 2021-05-31 一种基于数字孪生的齿轮泵维护方法 Active CN113255220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110605998.8A CN113255220B (zh) 2021-05-31 2021-05-31 一种基于数字孪生的齿轮泵维护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110605998.8A CN113255220B (zh) 2021-05-31 2021-05-31 一种基于数字孪生的齿轮泵维护方法

Publications (2)

Publication Number Publication Date
CN113255220A CN113255220A (zh) 2021-08-13
CN113255220B true CN113255220B (zh) 2022-12-06

Family

ID=77185581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110605998.8A Active CN113255220B (zh) 2021-05-31 2021-05-31 一种基于数字孪生的齿轮泵维护方法

Country Status (1)

Country Link
CN (1) CN113255220B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113868837B (zh) * 2021-09-03 2024-05-17 中国核电工程有限公司 一种混凝土蜗壳泵壁面磨损的在线监测方法
CN114154360B (zh) * 2021-10-19 2023-12-01 徐州圣邦机械有限公司 一种高压内啮合齿轮泵多物理场概率数字孪生建模方法
CN114491960B (zh) * 2021-12-29 2023-12-01 徐州圣邦机械有限公司 一种高压内啮合齿轮泵磨损监测方法
CN114918976B (zh) * 2022-06-16 2022-12-02 慧之安信息技术股份有限公司 基于数字孪生技术的关节机器人健康状态评估方法
CN115539378B (zh) * 2022-11-23 2023-05-05 中汽信息科技(天津)有限公司 一种汽车生产线液压齿轮泵故障诊断方法、装置及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413521A (zh) * 2008-11-28 2009-04-22 西安建筑科技大学 液压设备多源诊断信息获取实验装置及其实验方法
CN109116751A (zh) * 2018-07-24 2019-01-01 西安西电电气研究院有限责任公司 基于数字孪生技术的数字化***及其构建方法
CN110532625A (zh) * 2019-07-31 2019-12-03 西安交通大学 航空发动机涡轮盘-转子-支承***数字孪生建模方法
CN111365232A (zh) * 2020-03-27 2020-07-03 武汉理工大学 一种齿轮泵实验平台及齿轮损伤检测方法
AU2020102819A4 (en) * 2020-10-16 2020-12-10 Beihang University Digital-twin-driven method and system for fault diagnosis of subsea production system of offshore oil

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10524760B2 (en) * 2017-09-28 2020-01-07 General Electric Company X-ray tube bearing failure prediction using digital twin analytics
CN112703457A (zh) * 2018-05-07 2021-04-23 强力物联网投资组合2016有限公司 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和***
US11403541B2 (en) * 2019-02-14 2022-08-02 Rockwell Automation Technologies, Inc. AI extensions and intelligent model validation for an industrial digital twin
US20210056244A1 (en) * 2019-02-25 2021-02-25 Dalian University Of Technology Method of modeling, simulation and fault injection for combined high pressure gear pump for aeroengine

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413521A (zh) * 2008-11-28 2009-04-22 西安建筑科技大学 液压设备多源诊断信息获取实验装置及其实验方法
CN109116751A (zh) * 2018-07-24 2019-01-01 西安西电电气研究院有限责任公司 基于数字孪生技术的数字化***及其构建方法
CN110532625A (zh) * 2019-07-31 2019-12-03 西安交通大学 航空发动机涡轮盘-转子-支承***数字孪生建模方法
CN111365232A (zh) * 2020-03-27 2020-07-03 武汉理工大学 一种齿轮泵实验平台及齿轮损伤检测方法
AU2020102819A4 (en) * 2020-10-16 2020-12-10 Beihang University Digital-twin-driven method and system for fault diagnosis of subsea production system of offshore oil

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Digital Twin Shop-Floor: A New Shop-Floor Paradigm Towards Smart Manufacturing;Fei Tao et al.;《IEEE Access》;20170926;全文 *
Understanding the role of a Digital Twin in Integrated Vehicle Health Management (IVHM);Cordelia Mattuvarkuzhali Ezhilarasu et al.;《2019 IEEE International Conference on Systems》;20191128;全文 *
基于云神经网络自适应逆***的电力***负荷频率控制;吴忠强等;《电力自动化设备》;20171108(第11期);全文 *
考虑空化效应的齿轮泵流量特性研究;周俊杰等;《兵工学报》;20200115(第01期);全文 *

Also Published As

Publication number Publication date
CN113255220A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN113255220B (zh) 一种基于数字孪生的齿轮泵维护方法
Chen et al. A study of effects of tooth surface wear on time-varying mesh stiffness of external spur gear considering wear evolution process
Manring et al. The theoretical flow ripple of an external gear pump
Yan Load characteristic analysis and fatigue reliability prediction of wind turbine gear transmission system
Huang et al. Kinematic flowrate characteristics of external spur gear pumps using an exact closed solution
Xu et al. An advanced pressure pulsation model for external gear pump
Michael et al. An investigation of external gear pump efficiency and stribeck values
Di Giovine et al. Modeling and experimental validation of a triple-screw pump for internal combustion engine cooling
Sliwinski The methodology of design of axial clearances compensation unit in hydraulic satellite displacement machine and their experimental verification
Pei et al. Numerical simulation of defective gear transmission under mixed EHL conditions
Śliwiński The influence of pressure drop on the working volume of a hydraulic motor
WILLIAMS Fundamentals of external gear pump design
CN111075920B (zh) 基于fft和润滑影响的rv减速器摆线针轮残余应力求解方法
Kyurchev et al. Experimental Evaluation of the Impact of the Diametral Clearance on Output Characteristics of a Planetary Hydraulic Motor
Śliwiński The influence of water and mineral oil on volumetric losses in the displacement pump for offshore and marine applications
Ivanović Design, Modeling and Simulation of Gearing for Improving Gerotor Pump Performance
Robison et al. Multi-Objective Geometric Optimization of Elliptical-Toothed Gerotor Pumps for Kinematics and Wear by Genetic Algorithm
Sun et al. Coupling analysis of timing gear dynamics and three-dimensional mixed lubrication under multi-branch shafting of marine diesel engine
Tomović et al. Prediction of oil film thickness in trochoidal pump
Ivanović et al. Improving gerotor pump performance trough design, modeling and simulation
Deng et al. Research on Vibration Characteristics of Spur Gear System with Pitting Fault Considering the Elastohydrodynamic Lubrication Condition
Wahab Analytical prediction technique for internal leakage in an external gear pump
Yang et al. Numerical and experimental research of helical gear contact stress considering the influence of friction
Kumar Monitoring and Life Assessment of the Gearbox
Sliwinski Influence of operating pressure on the durability of a satellite hydraulic motor supplied by rapeseed oil

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
GR01 Patent grant
GR01 Patent grant