基于物理知识的逆向识别与动态重建技术，用于处理具有非对称网格刚度的高速齿轮系统

《Scientific Reports》：Physics-informed inverse identification and dynamic reconstruction of high-speed gear systems with asymmetric mesh stiffness

　　

摘要

齿轮传动系统是工程应用中的关键组成部分，但在高速条件下的动态建模仍然具有挑战性。本研究开发了一个基于物理原理的学习框架，用于非线性齿轮动力系统的逆向识别和模型诊断。该框架不仅将物理信息网络（PINN）作为参数估计算法来使用，还用于检验传统对称网格刚度假设的结构合理性。基准测试首先证实，PINN能够准确恢复实际刚度和阻尼参数。当应用于ADAMS生成的传动系统误差数据时，通过该框架识别的对称刚度能够成功重现低速重载情况下的响应，但在高速轻载条件下却出现明显不匹配现象，这表明传统对称模型中的参数设置不足。从ADAMS中提取的额外接触状态信息显示：低速响应主要发生在单一接触支路上，而高速轻载响应则会在驱动侧和自由侧接触支路之间反复切换。这一独立的接触状态证据，加上齿轮齿面之间的机械非等效性，促使研究者手动构建了一个双边非对称的网格刚度模型。所提出的模型能够更一致地再现高速轻载条件下的响应，并表明方向依赖的刚度切换是导致系统不连续性的一个独立原因，包括在零背隙极限下的“擦边”型过渡现象。