Prediction method of root stress distribution in herringbone gears

WANG Cong; LENG Sheng; JIANG Zenghua; CHEN Fuxing; LU Fengxia

doi:10.16579/j.issn.1001.9669.2026.04.003

您当前的位置：

首页 >

文章列表页 >

Prediction method of root stress distribution in herringbone gears

·Experimental Research·Testing Technology· | 更新时间：2026-04-15

- Prediction method of root stress distribution in herringbone gears
- Journal of Mechanical Strength Vol. 48, Issue 4, Pages: 22-29(2026)
- 作者机构：
  
  1.南京航空航天大学机电学院，南京 210016
  2.中国航发湖南动力机械研究所，株洲 412002
- 作者简介：
  
  JIANG Zenghua, E-mail: jzhsup@163.com
- 基金信息：
  
  Fund of the State Key Laboratory of Helicopter Transmission Technology(HTL-0-21G13)
- DOI：10.16579/j.issn.1001.9669.2026.04.003
  CLC： TH132.41
- Received：27 September 2024，
  
  Revised：2024-10-08，
  
  Published：15 April 2026
- 稿件说明：
移动端阅览
王聪，冷晟，蒋增华，等. 人字齿轮齿根应力分布预测方法［J］. 机械强度，2026，48（4）：22-29.

WANG Cong，LENG Sheng，JIANG Zenghua，et al. Prediction method of root stress distribution in herringbone gears［J］. Journal of Mechanical Strength，2026，48（4）：22-29.
王聪，冷晟，蒋增华，等. 人字齿轮齿根应力分布预测方法［J］. 机械强度，2026，48（4）：22-29. DOI： 10.16579/j.issn.1001.9669.2026.04.003.

WANG Cong，LENG Sheng，JIANG Zenghua，et al. Prediction method of root stress distribution in herringbone gears［J］. Journal of Mechanical Strength，2026，48（4）：22-29. DOI： 10.16579/j.issn.1001.9669.2026.04.003.

摘要

目的

为实现变工况条件下人字齿轮齿根应力分布的快速预测，解决有限元法求解时间成本高的问题，构建一种基于反向传播（Back Propagation

BP）神经网络的齿根应力分布预测模型。

方法

首先，以某型人字齿轮副为研究对象，依据20组不同转速与负载转矩工况开展有限元仿真，获取齿根区域应力分布数据；其次，开展齿根应力测试试验，将仿真结果与试验结果对比，验证有限元模型的有效性；然后，采用应力分区域预测方法，将齿根区域划分为3个子区域分别构建BP神经网络模型，并融合形成全局预测模型；最后，选取1组训练样本之外的工况，通过有限元仿真与模型预测分别获取齿根应力分布及最大值，对预测效果进行验证。

结果

结果表明，模型预测的齿根应力分布规律与有限元仿真结果高度一致，齿根弯曲应力最大值的预测误差为4.6%，预测均方误差为3.017 MPa，证明了该预测模型的有效性。研究可为变工况下人字齿轮齿根应力的快速评估提供参考。

Abstract

Objective

To achieve rapid prediction of the root stress distribution in herringbone gears under variable operating conditions and address the high computational cost of the finite element method

a prediction model for root stress distribution based on a BP neural network was constructed.

Methods

Firstly

finite element simulations were conducted on a herringbone gear pair under 20 sets of operating conditions with varying rotational speeds and load torques to obtain stress distribution data in the tooth root region. Secondly

tooth root stress tests were performed

and the simulation results were compared with the experimental data to verify the validity of the finite element model. Then

a stress subregional prediction method was adopted

in which the tooth root region was divided into three subregions

and BP neural network models were independently constructed and subsequently integrated to form a global prediction model. Finally

a set of operating conditions outside the training samples was selected

and both the finite element simulation and the proposed model were employed to obtain the root stress distribution and its maximum value

thereby validating the predictive performance.

Results

The results indicate that the root stress distribution predicted by the model is highly consistent with that obtained from finite element simulations. The prediction error for the maximum tooth root bending stress is 4.6%

and the mean squared error of the prediction is 3.017 MPa

demonstrating the effectiveness of the proposed model. This study provides a reference for the rapid evaluation of tooth root stress in herringbone gears under variable operating conditions.

关键词

Keywords

references

莫帅，曾彦钧，王震，等 . 高速重载人字齿轮传动非线性动力学分析［J］. 力学学报， 2023 ， 55 （ 10 ）： 2381 - 2392 .

MO Shuai ， ZENG Yanjun ， WANG Zhen ， et al . Nonlinear dynamic analysis of high speed and heavy load herringbone gear transmission ［J］. Chinese Journal of Theoretical and Applied Mechanics ， 2023 ， 55 （ 10 ）： 2381 - 2392 . （In Chinese）

尹逊民，贾海涛，张润博，等 . 重合度对人字齿轮传动系统振动特性的影响分析［J］. 机械强度， 2023 ， 45 （ 2 ）： 284 - 289 .

YIN Xunmin ， JIA Haitao ， ZHANG Runbo ， et al . Analysis of the influence of contact ratio on vibration characteristics of herringbone gear transmission system ［J］. Journal of Mechanical Strength ， 2023 ， 45 （ 2 ）： 284 - 289 . （In Chinese）

王冀，李志宾，王三民，等 . 不同重合度下系统参数对人字齿传动非线性动态特性的影响［J］. 机械传动， 2024 ， 48 （ 1 ）： 1 - 7 .

WANG Ji ， LI Zhibin ， WANG Sanmin ， et al . Influence of system parameters on nonlinear dynamic characteristics of the herringbone gear transmission under different coincidence degrees ［J］. Journal of Mechanical Transmission ， 2024 ， 48 （ 1 ）： 1 - 7 . （In Chinese）

蒋进科，方宗德，卞翔 . 人字齿轮齿向修形优化设计［J］. 哈尔滨工业大学学报， 2013 ， 45 （ 11 ）： 86 - 92 .

JIANG Jinke ， FANG Zongde ， BIAN Xiang . Optimal design of longitudinal correction of double helical gear ［J］. Journal of Harbin Institute of Technology ， 2013 ， 45 （ 11 ）： 86 - 92 . （In Chinese）

王峰，方宗德，李声晋，等 . 基于齿根动应力的船用人字齿轮疲劳分析与优化［J］. 工程力学， 2015 ， 32 （ 7 ）： 184 - 189 .

WANG Feng ， FANG Zongde ， LI Shengjin ， et al . Fatigue analysis and optimization of marine herringbone gear based on tooth root dynamic stress ［J］. Engineering Mechanics ， 2015 ， 32 （ 7 ）： 184 - 189 . （In Chinese）

BOLANDI H ， LI X Y ， SALEM T ， et al . Bridging finite element and deep learning：high-resolution stress distribution prediction in structural components ［J］. Frontiers of Structural and Civil Engineering ， 2022 ， 16 （ 11 ）： 1365 - 1377 .

MAURIZI M ， GAO C ， BERTO F . Predicting stress，strain and deformation fields in materials and structures with graph neural networks ［J］. Scientific Reports ， 2022 ， 12 （ 1 ）： 21834 .

JUNG J ， YOON J I ， PARK H K ， et al . An efficient machine learning approach to establish structure-property linkages ［J］. Computational Materials Science ， 2019 ， 156 ： 17 - 25 .

CHEN C T ， GU G X . Generative deep neural networks for inverse materials design using backpropagation and active learning ［J］. Advanced Science ， 2020 ， 7 （ 5 ）： 1902607 .

LIU X Y ， AL-QADI I L . Three-dimensional tire-pavement contact stresses prediction by deep learning approach ［J］. International Journal of Pavement Engineering ， 2022 ， 23 （ 14 ）： 4991 - 5002 .

唐成顺，孙丹，唐威，等 . 基于LSTM循环神经网络的汽轮机转子表面应力预测模型［J］. 中国电机工程学报， 2021 ， 41 （ 2 ）： 451 - 460 .

TANG Chengshun ， SUN Dan ， TANG Wei ， et al . A turbine rotor surface stress prediction model based on LSTM recurrent neural network ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 2 ）： 451 - 460 . （In Chinese）

杨超，张开富 . 基于PSO-BiLSTM神经网络的机身筒段应力预测［J］. 航空学报， 2023 ， 44 （ 7 ）： 261 - 270 .

YANG Chao ， ZHANG Kaifu . Stress prediction of fuselage tube section based on PSO-BiLSTM neural network ［J］. Acta Aeronautica et Astronautica Sinica ， 2023 ， 44 （ 7 ）： 261 - 270 . （In Chinese）

ZHANG Q ， WEN G ， LIANG S ， et al . Prediction mathematic model and influencing factors of contact stress of cylindrical gear with arc tooth ［J］. Complexity ， 2020 ， 2020 ： 8888407 .

LI D Z ， YAN M J ， MIAO Z W ， et al . LSTM neural network based tensile stress prediction of rubber streching ［C］// Proceedings of the 2020 IEEE International Conference on Networking，Sensing and Control（ICNSC） . New York ： IEEE ， 2020 ： 1 - 5 .

LIU X ， LIU Z ， LIANG Z W ， et al . PSO-BP neural network-based strain prediction of wind turbine blades ［J］. Materials ， 2019 ， 12 （ 12 ）： 2889 .

HOU W A ， FANG X S ， LI M H ， et al . Stress fitting and forecast model of dams based on BP neural network ［J］. IOP Conference Series：Earth and Environmental Science ， 2020 ， 560 （ 1 ）： 012028 .

BOLANDI H ， SREEKUMAR G ， LI X Y ， et al . Physics informed neural network for dynamic stress prediction ［J］. Applied Intelligence ， 2023 ， 53 （ 22 ）： 26313 - 26328 .

陈季凌，唐进元，杨铎 . 齿面粗糙度参数与接触应力的敏感性分析研究［J］. 西北工业大学学报， 2022 ， 40 （ 4 ）： 883 - 891 .

CHEN Jiling ， TANG Jinyuan ， YANG Duo . Study on sensitivity analysis of tooth surface roughness parameters and contact stress ［J］. Journal of Northwestern Polytechnical University ， 2022 ， 40 （ 4 ）： 883 - 891 . （In Chinese）

王振博，郑鹏，刘逸飞 . 基于神经网络优化的正交试验内齿轮齿面偏载矫正研究［J］. 机械传动， 2023 ， 47 （ 8 ）： 16 - 23 .

WANG Zhenbo ， ZHENG Peng ， LIU Yifei . Research on correcting eccentric load of the internal gear tooth surface by orthogonal tests based on neural network optimization ［J］. Journal of Mechanical Transmission ， 2023 ， 47 （ 8 ）： 16 - 23 . （In Chinese）

伍建军，李嘉辉 . 基于BP神经网络的柔顺铰链多目标稳健优化设计［J］. 机械强度， 2023 ， 45 （ 4 ）： 856 - 861 .

WU Jianjun ， LI Jiahui . Multi-objective robust optimization design of compliant hinge based on BP neural network ［J］. Journal of Mechanical Strength ， 2023 ， 45 （ 4 ）： 856 - 861 . （In Chinese）

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Modeling and test study of the radial stiffness of the force-balanced compensators

Temperature effect of dynamic mechanical properties of rubbers on identation rolling resistance of conveyor belts

Prediction and evaluation of remaining useful life of casing with corrosion defects

Research on the mechanical properties of FCC truss lattice structures

OPTIMAL DESIGN OF VARIABLE PITCH STRUCTURE IN VASCULAR STENTS TO PREVENT LOOP-END FRACTURE

Related Author

GAO Xianming

LU Shaohui

XU Hongpeng

LI Yuhan

ZHANG Yanlong

JI Bin

YAO Yanping

ZHOU Lidong

Related Institution

College of Mechanical and Electrical Engineering, Shaanxi University of Science & Technology

Xi’an Institute of Aerospace Dynamic Test Technology

School of Mechanical Engineering, Taiyuan University of Science and Technology

School of Mechanical Engineering, Yangtze University

No.4 Gas Production Plant of China National Petroleum Corporation Changqing Oilfield Branch

⁰