MétaCan
Menu
Retour à la cohorte
Enregistrement W3155975840 · doi:10.3390/s21082638

Planetary Gearbox Dynamic Modeling Considering Bearing Clearance and Sun Gear Tooth Crack

2021· article· en· W3155975840 sur OpenAlexafffund
Xingkai Yang, Ming J. Zuo, Zhigang Tian

Notice bibliographique

RevueSensors · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGear and Bearing Dynamics Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBearing (navigation)VibrationStructural engineeringDynamic load testingEngineeringAutomotive engineeringFault (geology)PlanetComputer scienceGeologyAcousticsPhysics

Résumé

récupéré en direct d'OpenAlex

Planetary gearbox systems are critical mechanical components in heavy machinery such as wind turbines. They may suffer from various failure modes, due to the harsh working environment. Dynamic modeling is a useful method to support early fault detection for enhancing reliability and reducing maintenance costs. However, reported studies have not considered the sun gear tooth crack and bearing clearance simultaneously to analyze their combined effect on vibration characteristics of planetary gearboxes. In this paper, a dynamic model is developed for planetary gearboxes considering the clearance of planet gear, sun gear, and carrier bearings, as well as sun gear tooth crack levels. Bearing forces are calculated considering bearing clearance, and the dynamic model equations are updated accordingly. The results reveal that the combination of bearing clearances can affect the vibration response with sun gear tooth crack by increasing the kurtosis. It is found that the effect of planet gear bearing clearance is very small, while the sun gear and carrier bearing clearance has clear impact on the vibration responses. These findings suggest that the incorporation of bearing clearance is important for planetary gearbox dynamic modeling.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,196
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetGear and Bearing Dynamics AnalysisTravaux en français237 207