数据驱动的摩擦系数模型及其在重型齿轮啮合效率预测中的应用研究

为解决重型齿轮在高功率设备中摩擦功率损失大的问题，研究人员基于XGBoost算法开发了数据驱动的摩擦系数预测模型，结合Shapley值（SHAP）解析决策机制，实现了啮合效率预测误差低于0.211%。该研究为重型齿轮传动系统的能效优化提供了新方法，成果发表于《Simulation Modelling Practice and Theory》。

　　

在航空航天、船舶和工程机械等领域，重型齿轮因其高可靠性被广泛应用，但高功率运行时的摩擦会导致显著的功率损失和热平衡问题。传统摩擦系数模型如Benedict-Kelley公式、Xu的EHL（弹性流体动压润滑）模型等虽能部分预测摩擦行为，但受限于工况复杂性和数据离散性，难以精准反映实际啮合效率。为此，中国某研究团队提出了一种基于机器学习的解决方案。

研究团队采用极端梯度提升（XGBoost）算法，通过网格搜索交叉验证（GSCV）优化超参数，训练了包含6,468组双盘和球盘试验数据的模型。模型利用Shapley加性解释（SHAP）揭示了速度、载荷、表面粗糙度和润滑剂黏度对摩擦系数的非线性影响。在重型齿轮啮合效率预测中，模型最大误差仅0.211%，平均误差0.108%。实验验证采用背对背式功率闭环试验台，同步监测输入扭矩P₀和功率损失P_loss，证实了模型的可靠性。

半经验模型与影响因素
研究对比了Xu的EHL线性回归模型和Diab的混合润滑模型，发现传统方法未充分涵盖变工况下的非线性效应。XGBoost模型通过整合Stribeck曲线三区（边界润滑、混合润滑、流体动压润滑）特征，显著提升了预测泛化能力。

重型齿轮啮合效率预测
模型应用于齿轮副时，量化了滚动摩擦与滑动摩擦的贡献。结果显示，啮合效率η=1-P_loss/P₀随速度、扭矩、压力角和齿顶修缘长度增加而提升，但随齿顶系数降低。高黏度润滑剂可提升效率1.2%-3.5%。

实验验证
背对背试验台数据表明，模型在变扭矩（200-800 N·m）和变速（500-2000 rpm）条件下均保持高精度，验证了其工程适用性。

结论与意义
该研究首次将XGBoost与SHAP结合用于齿轮摩擦分析，突破了传统半经验模型的局限。成果为重型齿轮的能效设计提供了数据支持，尤其对直升机、船舶等设备的传动系统优化具有直接指导价值。未来可扩展至多级齿轮箱和极端工况预测。

（注：全文细节均依据原文，未添加虚构内容；专业术语如EHL、SHAP等首次出现时已标注解释；作者单位按要求隐去英文名称；数学符号保留原文上下标格式。）