Mostrar el registro sencillo del ítem

dc.contributor.advisorXanthi, Foteinies-ES
dc.contributor.authorVictoria Rodríguez, Ignacioes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2022-06-01T08:09:36Z
dc.date.available2022-06-01T08:09:36Z
dc.date.issued2022es_ES
dc.identifier.urihttp://hdl.handle.net/11531/68444
dc.descriptionMáster Universitario en Ingeniería Industrial + Máster en Ingeniería para la Movilidad y Seguridad/Master of Engineering in Mobility and Safetyes_ES
dc.description.abstractModelado en MATLAB de la eficiencia de engrane de engranajes helicoidales en transmisiones eléctricas con especial interés en los efectos de la rugosidad superficial mediante contactos rugoso bidimensionales. Incluyen pérdidas por fricción, resistencia a la rodadura, efectos térmicos, régimen de lubricación, campo de presiones en el lubricante y deformación de las superficies, juntando, adaptando y desarrollando diversos modelos encontrados en la literatura. Los resultados son similares a simulaciones con menor coste computacional. El modelo de contacto se basa en líneas rugosas bidimensionales. Los modelos de fricción y rodadura presentan fallos del 0.1% en la literatura. El módulo del régimen de lubricación se desarrolló a partir de una nueva aproximación muy precisa adaptada a engranajes y contactos deformables bilaterales (con diferentes tipos de contactos). Se propone una aproximación estática y bidimensional para estimar los campos de presiones en el lubricante a partir de una solución de las ecuaciones de Navier-Stokes. Los efectos térmicos se desarrollaron al final y presentan valores ligeramente inferiores a la literatura. Para entender los efectos de los diferentes parámetros superficiales se estudió en Python con técnicas de Machine Learning la relevancia de los parámetros típicos y se propone ligar requisitos de fabricación a la curva de Abbott-Firestone. Para el estudio, se tomaron medidas de rugosidad superficial con rugosímetros de contacto e interferometría óptica. Dado que no son comparables entre sí los métodos, se desarrolló un algoritmo que reproducía el filtrado físico del rugosímetro. Tras una discusión, se emplean técnicas de GPR para modelar superficies a partir de parámetros recogidos en el proceso de fabricación. La conclusión es que faltaban datos pero sí es posible ligar una pequeña tanda de parámetros para generar y predecir superficies aleatorias y realistas.es-ES
dc.description.abstractModelling the efficiency of meshing helical gears in MATLAB for electrified transmission, focusing on the effect of surface roughness through rough 2D contacts. The model includes losses due to friction, rolling resistance, thermal effects, lubrication regime, pressure across the lubricant and surface deformation, merging, adapting and developing several models found in literature. The results are similar to those based on simulation but at a fraction of the computational cost. The contact model is based on a 2D rough line contact. The friction and rolling resistance errors are of 0.1% in the literature. The lubrication regime module was developed from a new precise approximation adapted to gears and bilateral deformable contacts (with different types of contacts). A static and bidimensional approximation of the pressure field across the lubricant is proposed from a solution of the Navier-Stokes equations. The thermal effects module was developed last and shows results slightly below those found in literature. To understand the effect of different surface parameters, their relevance was studied in Python with Machine Learning techniques, concluding it´s best to correlate manufacturing requirements to the Abbott-Firestone curve. For that study, surface roughness measurements were taken with contact profilometry and optical interferometry. Since both techniques are not comparable, a MATLAB algorithm was developed to mimic the physical filtering found in contact profilometry. After a discussion, GPR techniques were used to model surfaces from the surface roughness parameters measured during production. The conclusion was that more data was needed to accurately model surfaces but it is possible to model random realistic surfaces from a small set of surface roughness parameters.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoen-GBes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject33 Ciencias tecnológicases_ES
dc.subject3313 Tecnología e ingeniería mecánicaes_ES
dc.subject331309 Engranajeses_ES
dc.subject.otherH62-mecanica (MII-M)es_ES
dc.titleModelling of gear surface roughness impact on electrified transmissions' efficiencyes_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES
dc.keywordsMecánica de contacto, Machine Learning, eficiencia, engranajes, transmisiones, MATLAB, Pythones-ES
dc.keywordsContact Mechanics, Machine Learning, efficiency, gears, transmisions, MATLAB, Pythonen-GB


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States