Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "worm gears" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Study of Contact Strength, Tooth Wear and Metal-Polymer Life of Worm Gears
    Autorzy:
    Czerniec, Myron
    Świć, Antoni
    Powiązania:
    https://bibliotekanauki.pl/articles/2201754.pdf
    Data publikacji:
    2022
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    metal-polymer worm gear
    PA6 polyamide
    PA6+30GF
    Archimedes worm gears
    involute worm gears
    calculation method
    tooth correction
    contact pressure
    tooth wear
    tooth life
    Opis:
    This paper presents results of a study investigating worm gears consisting of polymer worm wheels and steel involute and Archimedes worms. The author uses his own calculation method to predict polymer wheel wear, gear life and maximum contact pressure in mesh. The effect of tooth correction and wear on gear life and contact pressure is considered. Cases of double and triple tooth engagement are analysed. The worm wheel is made of non-reinforced polyamide PA6. Quantitative and qualitative relationships are established between the maximum initial contact pressure along tooth profile and the tooth correction coefficient. Tooth wear causes a considerable decrease in contact pressure, with the highest decrease observed at the exit of engagement. The maximum contact pressure is generated at the exit of engagement. The same trend is observed for tooth wear. The minimum gear life is observed at the exit of engagement. It increases linearly with increasing the coefficient of tooth correction. The gear life significantly increases (by approx. 56%) in triple tooth engagement compared to double tooth engagement.
    Źródło:
    Advances in Science and Technology. Research Journal; 2022, 16, 3; 143--154
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bariery eksploatacyjne w przekładniach ślimakowych
    Worm gears operating barriers
    Autorzy:
    Marciniak, T.
    Ostrowski, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/197636.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    przekładnie ślimakowe
    bariery w eksploatacji
    trwałość przekładni
    worm gears
    barriers in operating
    durability of gears
    Opis:
    Decydującym czynnikiem określającym trwałość przekładni ślimakowych są materiały, z których wykonane są elementy przekładni. W odróżnieniu od przekładni zębatych, praktycznie w większości przypadków, współpracujące elementy są wykonane z utwardzonej stali. W przekładniach ślimakowych normą jest współpraca utwardzonego ślimaka ze stosunkowo miękkim brązem. Zastosowanie innych materiałów nie przyniosło pozytywnych rezultatów. W związku z tym pojawiają się bariery eksploatacyjne, niewykazujące podobieństw w innych rodzajach przekładni. W artykule przedstawiono mechanizmy zużywania się przekładni ślimakowych, które w większości przypadków decydują o ich trwałości. Podane zostały podstawy teoretyczne wszystkich barier eksploatacyjnych, ze szczególnym uwzględnieniem bariery zużycia zmęczeniowego i ściernego, jako najczęściej ograniczających trwałość tych przekładni. Przedstawiono wyniki badań eksploatacyjnych oraz próby określenia trwałości w zależności od warunków eksploatacyjnych. Sformułowano zalecenia co do stosowanych materiałów konstrukcyjnych, warunków eksploatacji oraz oceny stopnia zużycia przekładni.
    The main factor that characterize the durability of worm gears are the materials from which the elements are made. Distinct from toothed gear, in which, in most of cases collaborating elements are made from toughened steel, in worm gears the standard is collaborating of toughened worm and relatively soft worm wheel, made from bronze. Applications of different materials have not given good results. Due to this reason a worm gear operating barriers, which not similar to different types of gears, take place. The article presents the mechanism of worm gears utilization, which in most of cases decide about its durability. Theoretical basis of operating barriers have been given, with particular emphasis on fatigue and abrasive wear barriers, which are most common reason of durability limitation. Operating test results have been presented as well as trials, that were to determine the durability depending on operation conditions. Recommendations have been formulated for proper material selection, operating conditions as well as valuations of gear durability stage.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2015, 89; 79-87
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Worm gear condition monitoring and fault detection from thermal images via deep learning method
    Monitorowanie stanu i wykrywanie błędów przekładni ślimakowej na podstawie termogramów z wykorzystaniem metody głębokiego uczenia
    Autorzy:
    Karabacak, Yunus Emre
    Gürsel Özmen, Nurhan
    Gümüşel, Levent
    Powiązania:
    https://bibliotekanauki.pl/articles/1841856.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    fault diagnosis
    worm gears
    thermal imaging
    convolutional neural networks
    GoogLeNet
    condition monitoring
    diagnostyka błędów
    przekładnie ślimakowe
    termografia
    splotowe sieci neuronowe
    monitorowanie stanu
    Opis:
    Worm gearboxes (WG) are often preferred, because of their high torque, quickly reducing speed capacity and good meshing effectiveness, in many industrial applications. However, WGs may face with some serious problems like high temperature at the speed reducer, gear wearing, pitting, scoring, fractures and damages. In order to prevent any damage, loss of time and money, it is an important issue to detect and classify the faults of WGs and develop the maintenance plans accordingly. The present study addresses the application of the deep learning method, convolutional neural network (CNN), in the field of thermal imaging that were gathered from a test rig operating on different loads and speeds. Deep learning approaches, have proven their powerful capability to exploit faulty information from big data and make intelligently diagnostic decisions. Studies concerning the condition monitoring of WGs in the literature are limited. This is the first study on WGs with infrared thermography rather than vibration and sound measurements which have some deficiencies about hardware requirements, restricted measurement abilities and noisy signals. For comparison, CNN was also trained, with vibration and sound data which were collected from the healthy and faulty WGs. The results of fault diagnosis show that thermal image based CNN model on WG has achieved 100% success rate whereas the vibration performance was 83.3 % and sound performance was 81.7%. As a result, thermal image based CNN model showed a better diagnosing performance than the others for WGs. Moreover, condition monitoring of WGs, can be performed correctly with less measurement costs via thermal imaging methods.
    W wielu zastosowaniach przemysłowych preferuje się przekładnie ślimakowe, ze względu na ich wysoki moment obrotowy, możliwość szybkiej redukcji prędkości i dobrą sprawność zazębienia. Jednakże przekładnie tego typu narażone są często na poważne problemy, takie jak wysoka temperatura przy reduktorze prędkości czy też zużycie, pitting (wżery), zatarcie, pęknięcie lub uszkodzenie kół zębatych. Zapobiec takim uszkodzeniom, i związanym z nimi stratom finansowym i czasowym, można poprzez wykrywanie i klasyfikowanie błędów przekładni i odpowiednie opracowanie planów konserwacji. Niniejsze badanie dotyczy zastosowania metody głębokiego uczenia oraz splotowych sieci neuronowych (SSN) do monitoringu stanu przekładni na podstawie termogramów zarejestrowanych na stanowisku testowym pracującym przy różnych obciążeniach i prędkościach. Podejścia oparte na uczeniu głębokim umożliwiają efektywne wykorzystanie informacji o błędach pochodzących z dużych zbiorów danych i podejmowanie trafnych decyzji diagnostycznych. Niewiele z dostępnych publikacji poświęconych jest monitorowaniu stanu przekładni ślimakowych. Niniejsza praca jako pierwsza przedstawia badania przekładni ślimakowej z zastosowaniem termografii zamiast zwyczajowo prowadzonych pomiarów drgań i dźwięku, które mają pewne wady dotyczące wymagań sprzętowych, ograniczonych możliwości pomiarowych i głośności sygnałów. SNN opartą na danych termicznych porównano z siecią, którą uczono na zbiorach danych wibracyjnych i akustycznych pochodzących z prawidłowo działających i uszkodzonych przekładni ślimakowych. Wyniki diagnostyki uszkodzeń pokazują, że model SSN przekładni ślimakowej oparty na obrazie termicznym osiągnął stuprocentową (100%) skuteczność, podczas gdy skuteczność modeli opartych na danych wibracyjnych i akustycznych wyniosła, odpowiednio, 83,3% i 81,7%. Tym samym, model SNN oparty na obrazie termicznym pozwalał na trafniejsze diagnozowanie przekładni ślimakowej niż pozostałe modele. Ponadto zastosowanie metod opartych na termografii pozwala na poprawne monitorowanie stanu przy niższych kosztach pomiaru.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 3; 544-556
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies