基于改进粒子群的动态过程神经网络的变厚齿轮传动特征预测

变厚齿轮的传动特性仿真以及接触区的预测等都可以看作是一类十分复杂的非线性时变问题，难以用确定的机理模型进行描述，因此利用积累的丰富的性能参数样本进行预测就成为一种现实而有效的方法。针对现有的基于传统人工神经网络的在解决时变状态预测问题时的不适应性，本研究在发展过程神经网络理论的同时将其与曲面重构理论相结合，提出了一种基于改进的粒子群动态过程神经网络的新型曲面重构理论，与传统的曲面重构技术相比，在处理时变问题方面，本研究提出的基于改进的动态过程神经网络的曲面重构理论在方法上其模型结构更加紧凑、实时性更强且精度更高。并将该理论用于解决航空航天用特种齿轮传动的特性仿真及接触区的预测的实际问题，对揭示变厚齿轮的传动规律有重要意义，为提高我国的特种传动设计水平奠定了基础。

变变厚齿轮的传动特性仿真以及接触区的预测等都可以看作是一类十分复杂的非线性时变问题，难以用确定的机理模型进行描述。本项目建立了实现线接触的相交轴和交错轴非渐开线变厚齿轮的数学模型，并推导其啮合方程、齿廓方程、接触线方程和诱导法曲率等。采用滚齿机加工一对相互啮合的非渐开线变厚齿轮副，并提出了利用改进的大平面砂轮磨齿机对非渐开线齿轮进行修形的方法研究；完成了非正交变厚齿轮和试验台架的加工；采用无网格局部Petrov-Galerkin法对复杂曲面进行离散（稀疏点云），将齿面的稀疏点云作为改进的动态过程神经网络输入，采用Hertz接触算法估算啮合变形量，预测一对齿轮在整个啮合传动过程中的接触区；提出了用改进的粒子群算法替换传统的BP 算法，并将其应用在给定的全连接过程神经网络的训练过程中，优化了网络结构，使其成为动态过程神经网络，提高了网络的收敛速度和精确度，本研究在发展过程神经网络理论的同时将其与曲面重构理论相结合，提出了一种基于改进的粒子群动态过程神经网络的新型曲面重构理论，与传统的曲面重构技术相比，在处理时变问题方面，本研究提出的基于改进的动态过程神经网络的曲面重构理论在方法上其模型结构更加紧凑、实性更强且精度更高。