随着工业生产的发展和科技水平的提高,更多的机械产品被投入到生产和生活过程中。为了满足生产需求和保证安全使用,机械产品不仅要经过严格的设计工作还要通过全面严谨的测试分析。一种低成本高效率的测试方法是使用结构的有限元模型进行模拟分析计算,但是建立的有限元模型精度要高,要与结构的实际信息相符合才可以得到具有实际指导意义的结果,否则有限元计算出的结果就会失去实际意义。因此,寻找一种建立精确有限元模型的方法是非常重要的。模态是结构固有的振动响应属性,反映了结构自身特有的动力学特性,模态参数可以由计算或者试验两种方法获得,对于同一结构,两种不同测试方法得到的模态结果应该是相同的,但是一般认为试验模态分析的结果是可靠的,而计算模态分析因为使用的有限元模型可能存在建模误差导致结果不可靠。这就为有限元模型修正提出了一种思路：以试验模态数据做为标准,去修正有限元模型使计算模态和试验模态数据达到一致,得到的有限元模型就可以认为更精确更能反映结构的实际动力学特性。本课题的研究内容就是基于模态相关性的齿轮箱有限元模型修正,具体做法是：首先根据设计图纸使用Pro/E软件建立齿轮箱箱体模型,导入到ANSYS软件中进行模态分析,得到计算模态参数；然后搭建齿轮箱模态试验平台,进行模态试验得到齿轮箱的试验模态参数；最后以试验模态参数为标准,修正有限元模型使其计算模态数值与试验模态一致。修正计算使用遗传算法,建立计算模态与试验模态相对误差的目标函数,对目标函数进行求极小值运算。此过程中重点需要解决的是建立计算模态与齿轮箱结构参数之间对应关系的数学模型,为了能够快速建立计算模态与结构参数对应关系的精准数学模型,本文创新的建立了一种新型的灰色神经元模型,该模型有两个输入,输入端是以最小二乘准则对数据进行拟合的二次函数,神经元使用自定义的矢量求和运算整合两个输入端得到输出值,在使用样本训练神经元的时候,灰色预测模型对神经元的权重变化规律进行分析预测,最终反馈回神经元的权重。本课题使用9组原始数据拟合出了齿轮箱计算模态与结构参数的对应关系,数据拟合和预测误差在1%以下,满足高精度的计算需要。通过修正计算,齿轮箱有限元模型的前四阶计算模态参数与试验模态参数误差均在0.7%以下,修正之前相对误差在3.17%-9.19%之间,证明了修正方法的成功。本课题的研究对象是一级减速器箱体,虽然结构并不复杂,但箱体是整个系统的支撑结构,设计要求更为严格,其结构特点和研究方法具有很强的代表性,因此本课题的研究方法和结论对于其他结构的模型修正也具有一定的实用性。