用于电动车减速器齿轮制造质量检测的动态啮合传动数据集

为什么安静的齿轮对电动汽车很重要

随着电动汽车越来越普及，车内听到的低沉嗡鸣越来越多地由将电机与车轮相连的齿轮决定，而不是发动机。齿轮齿面上的微小缺陷可能演变为恼人的嗡嗡声或振动，损害乘坐舒适性并增加制造商的成本。本研究提供了一个新的、基于真实工况的数据集，记录了电动车减速器齿轮在运行时的实际行为，为工程师和数据科学家提供构建更快、更准确质量检测方法的原始材料，从而使未来电动车更安静。

从缓慢检测到快速“听诊”

目前，许多制造商通过对每个齿面的精细扫描并使用称为傅里叶分析的数学工具来寻找不需要的波纹进行检测。虽然这种方法精确，但极其耗时：检查单个齿轮接近一小时，使得在高产量生产线上对每件产品进行检测几乎不可能。更糟的是，在这种静态测试下看起来合格的齿轮，装配并高速旋转后仍可能表现不佳，导致刺耳噪声和昂贵的返修。

在运动中评判齿轮的新方法

作者提出了更实用的方法：他们不仅检查齿面，而是直接测量一对齿轮在速度和载荷变化下啮合时的行为，更贴近真实驾驶情况。他们搭建了一个测试台，包括驱动电机、加载电机和放置在轴附近的灵敏振动传感器。每对齿轮在受控的加速与减速过程中运行，速度范围从类似怠速的低速到数千转每分钟，同时详细记录振动和速度信号。之后，同一批齿轮还接受高精度的表面测量和整车厂的末端测试，用这些结果将每个齿轮标注为良品或归类为特定问题类型。

这个数据集有什么不同

所得资源称为动态啮合传动数据集（DMTD），聚焦于生产中出现的五种真实齿轮状态：良好齿轮、有细微周期性波纹导致特征性嗡嗡声的齿轮、产生敲击声的小凸点齿轮，以及表现出磨削不良或表面损伤的齿轮。与以往在实验室中创建的齿轮数据集不同——那些数据集通常通过有意裂开、破损或在简单工况下磨损齿面来产生故障——这些数据来自实际制造线，包含机床、批次和控制设置等所有复杂变异。测试覆盖约100到2450转每分钟的速度区间，并包含加速与减速，捕捉噪声行为在驾驶范围内的变化。

将原始噪声转化为清晰模式

由于这些振动信号随转速变化，团队将其处理为“阶次”视图，使数据与齿轮啮合频率对齐，而不仅仅是时间。在此视图中，每种齿轮类型呈现出不同的模式：良好齿轮具有干净、规律的特征；轻微凸点会带来重复的冲击脉冲；而那类幽灵般的嗡嗡声在啮合频率的特定倍频处显示出强烈峰值，正对应驾驶者听到的嗡嗡音。磨削不良的齿轮整体振动明显更强，并伴有清晰的故障带。研究人员使用这些处理后的信号训练了一个一维卷积神经网络——一种现代模式识别模型——能够可靠地区分这五种状态。与三种常用的实验室数据集比较时，尽管DMTD更复杂且更接近真实工况，但其分类性能至少相当，有时更好。

这对未来电动车的帮助

DMTD不仅仅是一组信号；它是一个基准，允许研究人员在贴近工厂实际的条件下测试用于齿轮质量检测和噪声预测的新算法。通过捕捉小规模制造缺陷如何直接转化为振动和声音，这个数据集可以指导齿轮制造和自动故障诊断的改进。用通俗的话说，这意味着帮助整车厂在大约一分钟内发现有问题的齿轮，而不是一小时，减少车辆出厂前的高成本噪声问题，并为驾驶者提供更安静、更舒适的电动车。

引用: Guo, D., Yang, J., Li, H. et al. A dynamic meshing transmission dataset for manufacturing quality inspection of electric vehicle reducer gears. Sci Data 13, 510 (2026). https://doi.org/10.1038/s41597-026-06885-1

关键词: 电动车齿轮, 振动数据, 齿轮噪声, 制造质量, 故障诊断