Indexed by：
Abstract：
齿轮是机械传动的关键零部件,齿轮的磨削烧伤会影响其传动的稳定性和疲劳寿命.通过材料中马氏体含量的变化判定齿轮的烧伤程度,利用磁巴克豪森噪声检测装置对激光模拟烧伤齿轮进行测试,采集烧伤齿面的巴克豪森噪声信号;通过巴克豪森噪声信号的包络与切向磁场的关系曲线提取特征值(包括峰值,峰值位置,半峰宽),利用自适应模糊神经网络进行训练,建立材料马氏体含量的预测模型.试验结果表明,该方法具有检测和表征微观金相组织中马氏体深度的能力,同时可以避免激励频率对巴克豪森噪声信号输出的影响.通过拟合优度参数R2=0.9641和均方根误差RMSE=16.9817进一步验证了自适应模糊神经网络模型具有较高的准确性,可用于预测齿轮烧伤的程度.
Keyword：
Reprint Author's Address：
Email：
Source ：
无损检测
ISSN： 1000-6656
Year： 2019
Issue： 5
Volume： 41
Page： 38-43
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
