摘要 | 第4-5页 |
abstract | 第5页 |
第1章 绪论 | 第10-19页 |
1.1 课题来源 | 第10页 |
1.2 论文研究背景及意义 | 第10-12页 |
1.2.1 研究背景 | 第10-11页 |
1.2.2 研究意义 | 第11-12页 |
1.3 国内外研究现状 | 第12-15页 |
1.3.1 轴承力学研究现状 | 第12-13页 |
1.3.2 有限元法研究现状 | 第13页 |
1.3.3 疲劳寿命预测研究现状 | 第13-14页 |
1.3.4 深度学习研究现状 | 第14-15页 |
1.4 牵引电机传动系统 | 第15-17页 |
1.4.1 牵引电机 | 第15-16页 |
1.4.2 牵引电机轴承布置方式 | 第16-17页 |
1.5 本论文的主要工作 | 第17-19页 |
第2章 高铁轴承疲劳寿命分析模型的建立 | 第19-24页 |
2.1 高铁轴承的三维建模 | 第19-20页 |
2.1.1 建模软件的选择 | 第19页 |
2.1.2 高铁轴承三维模型的建立 | 第19-20页 |
2.2 轴承疲劳损坏的原因及疲劳寿命的定义 | 第20-21页 |
2.2.1 轴承疲劳损坏的原因 | 第20页 |
2.2.2 轴承疲劳寿命的定义 | 第20-21页 |
2.3 疲劳寿命的分析方法 | 第21-22页 |
2.3.1 名义应力法 | 第21-22页 |
2.3.2 局部应力应变法 | 第22页 |
2.3.3 应力场强法 | 第22页 |
2.4 疲劳累积损伤理论 | 第22页 |
2.5 高铁轴承疲劳寿命分析模型 | 第22-23页 |
2.6 本章小节 | 第23-24页 |
第3章 高铁轴承初始径向游隙的确定及游隙与寿命的关系 | 第24-32页 |
3.1 轴承—转子系统的建立及轴承工况计算 | 第24-27页 |
3.1.1 轴承基本参数 | 第24-25页 |
3.1.2 游隙与寿命的关系 | 第25-27页 |
3.2 寿命计算 | 第27-29页 |
3.3 影响初始径向游隙的因素 | 第29-30页 |
3.3.1 配合对初始径向游隙的影响 | 第29页 |
3.3.2 温度对初始径向游隙的影响 | 第29-30页 |
3.4 轴承游隙的选择 | 第30-31页 |
3.5 本章小节 | 第31-32页 |
第4章 高铁轴承静力学分析及动力学分析 | 第32-44页 |
4.1 静力学分析及动力学分析方法简介 | 第32-33页 |
4.1.1 静力学分析 | 第32-33页 |
4.1.2 动力学分析 | 第33页 |
4.2 轴承的有限元分析 | 第33-40页 |
4.2.1 CAE软件的选择 | 第33页 |
4.2.2 有限元法的基本理论 | 第33-34页 |
4.2.3 建立轴承分析项目 | 第34-35页 |
4.2.4 定义材料属性 | 第35页 |
4.2.5 划分网格 | 第35-36页 |
4.2.6 接触对的建立 | 第36-37页 |
4.2.7 施加载荷与定义边界条件 | 第37-38页 |
4.2.8 不同工况仿真结果及分析 | 第38-40页 |
4.3 瞬态动力学分析 | 第40-43页 |
4.3.1 瞬态动力学求解方法 | 第40-41页 |
4.3.2 瞬态动力学分析参数设置 | 第41-43页 |
4.4 本章小节 | 第43-44页 |
第5章 高铁轴承疲劳寿命预测以及实验验证 | 第44-56页 |
5.1 疲劳寿命预测软件nCode DesignLife | 第44-45页 |
5.2 疲劳寿命分析 | 第45-50页 |
5.2.1 设计分析流程 | 第45-46页 |
5.2.2 有限元模型的导入 | 第46页 |
5.2.3 材料S-N曲线的建立及修正 | 第46-47页 |
5.2.4 载荷谱的编制 | 第47-48页 |
5.2.5 疲劳分析结果及处理 | 第48-50页 |
5.3 高铁轴承疲劳寿命试验 | 第50-54页 |
5.3.1 试验目的 | 第50-51页 |
5.3.2 试验设计 | 第51页 |
5.3.3 试验机介绍 | 第51-52页 |
5.3.4 试验结果分析 | 第52-54页 |
5.4 疲劳寿命分析结果与试验结果对比 | 第54页 |
5.5 本章小节 | 第54-56页 |
第6章 深度学习预测轴承失效 | 第56-65页 |
6.1 深度学习简介 | 第56页 |
6.1.1 人工智能、机器学习及深度学习的关系 | 第56页 |
6.2 深度学习的类别及常用算法 | 第56-60页 |
6.2.1 深度学习的类别 | 第56页 |
6.2.2 深度学习常用算法 | 第56-59页 |
6.2.3 深度学习的一般框架 | 第59-60页 |
6.3 深度学习算法拟合模型 | 第60-61页 |
6.3.1 逻辑回归函数 | 第60页 |
6.3.2 拟合模型的建立 | 第60-61页 |
6.4 预测轴承失效 | 第61-64页 |
6.5 本章小节 | 第64-65页 |
第7章 总结与展望 | 第65-67页 |
7.1 全文总结 | 第65-66页 |
7.2 工作展望 | 第66-67页 |
参考文献 | 第67-72页 |
致谢 | 第72-73页 |
攻读学位期间的研究成果 | 第73页 |