数据驱动的蜗杆砂轮动态磨损状态在线预测方法
陶一杰1
李国龙2
雷君3
付丽3
聂少文3
刘欢3
1.东风汽车集团有限公司研发总院,武汉 430056;重庆大学 高端装备机械传动全国重点实验室,重庆 4000442.重庆大学 高端装备机械传动全国重点实验室,重庆 4000443.东风汽车集团有限公司研发总院,武汉 430056
摘要：[目的]针对新能源汽车齿轮加工中蜗杆砂轮磨损状态复杂度高、影响因素多、难以预测等问题,提出一种蜗杆砂轮磨损状态的在线预测方法.[方法]首先,基于二维分形维数,间接观测蜗杆砂轮型面拓印形貌,定量评价了蜗杆砂轮的磨损程度;其次,构建水母搜索优化的反向传播(Jel-lyfish Search-optimized Back Propagation,JS-BP)神经网络,基于离线变参数试验训练集和在线实时工艺参数,形成一种磨损状态在线预测策略;然后,开展正交试验,通过多因素方差分析,得知对蜗杆砂轮磨损的影响从大到小的因素;最后,基于反向传播(Back Propagation,BP)神经网络和JS-BP神经网络的预测结果,验证了JS-BP神经网络在磨损状态预测方面的有效性.[结果]提出的磨损状态预测方法的平均误差为1.133%.该方法可指导新能源汽车齿轮磨削工艺的改进,促进齿轮表面完整性的提升.
关键词：齿轮磨削蜗杆砂轮砂轮磨损数据驱动在线预测神经网络
分类号：TH165(机械制造工艺)
资助基金：国家自然科学基金(52275475)
论文发表日期：2026-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 172-179 )
英文信息