齿轮箱作为机械传动设备的重要组成部分广泛应用于航空航天、船舶、风电设备、电力系统、车辆运输、农业机械、机床加工、冶金、采矿等重大工程领域。随着技术的快速发展和传动设备出现大型化、高速化、结构轻量化的需求,齿轮箱的振动噪声、承载能力、服役周期、功率密度等性能提出了越来越高的要求。以往齿轮箱的结构设计往往是基于几何尺寸和结构强度方面,在许多领域已经不能满足工程实际应用的需求,齿轮箱的动态特性直接影响其振动噪声水平以及服役周期等。因此,研究齿轮箱的动态特性设计,将齿轮箱的动态特性引入齿轮箱初期研发设计阶段,从根本上解决齿轮箱振动噪声问题,避免齿轮箱加工完成后的二次设计引起的研发周期加长、结构改动空间缩小、优化效果不佳等问题,减少航空航天、舰船、高铁、大型风电、石化、钢铁和能源等重要装备的经济损失,具有重要的理论和现实意义。众多国内外学者对齿轮箱内部各组件误差激励对系统模态影响及齿轮箱内部各组件设计参数与模态关系做了大量研究工作,研究主要采用有限元方法,数值仿真分析方法和试验及统计指数等方法,取得良好成果,但关于齿轮箱各阶固有频率和齿轮箱系统的结构参数和材料参数之间的映射关系研究较少。研究齿轮箱内部激励与固有频率耦合齿轮箱激励频率机理以及齿轮箱系统的结构参数和材料参数与固有频率关系时发现振动噪声的传递是高度非线性的,其传递路径是复杂变化,各阶固有频率与齿轮箱各个结构尺寸之间的关系是相互耦合的。因此,研究齿轮箱振动噪声传递机理从而得到某个结构尺寸对应某阶固有频率的映射关系是十分困难的。以往通常采用结构尺寸的变化实现齿轮箱局部动态特性的逆向修改,但结构尺寸和动态特性之间的映射关系的未知使得该种方法具有很大局限性,论文围绕齿轮箱固有频率与结构参数的映射关系,齿轮箱动态特性与齿轮箱减振降噪的关系等问题,开展了下列研究,主要研究工作包括:(1)本文利用神经网络的高度非线性映射能力和出色泛化能力,建立固有频率-结构参数的映射关系的网络模型,通过神经网络模型由动态特性-固有频率输出结构尺寸,实现结构动态特性指导结构尺寸的正向设计,重设计的潜在共振的5阶最大频率误差为2.21%,其余25阶最大频率误差为3.39%,表明了本文的固有频率-结构参数的神经网络映射模型是可靠的;(2)神经网络对样本代替全局数据的表征能力具有很高要求,且样本需求量巨大,为了提高样本采集的效率以及获取高表征能力的样本,本文建立了全参数化齿轮箱模型,并根据几何约束定义结构参数区间,利用随机函数生成齿轮箱几何模型,自动进行模态分析并提取前30阶固有频率,进行固有频率-结构参数样本数据的提取,保证了大量样本数据提取的随机性和代表性;(3)为了通过动态特性设计进行齿轮箱减振降噪,必须研究齿轮箱固有频率和振动噪声之间的关系。研究了单自由度振动系统的位移响应特性和面板噪声辐射特性,发现齿轮箱的共振会增加齿轮箱振动水平以及齿轮箱表面振动速度从而导致噪声增大,因此提出了将齿轮箱的固有频率移出半功率带宽频率区间外,重设计了齿轮箱6阶、8阶、9阶、13阶和14阶固有频率,得到动态特性设计的前30阶固有频率,有效避免共振,实现齿轮箱的减振降噪;(4)通过训练完成的神经网络输入动态特性设计的前30阶固有频率输出对应的齿轮箱结构参数。对设计前后齿轮箱进行了谐响应分析,并将谐响应分析结果作为噪声分析的边界条件进行声学分析。谐响应分析结果表明,设计后齿轮箱在6阶、8阶、9阶、13阶和14阶潜在共振频率附近的振动水平明显降低,振幅下降均超过10%;辐射噪声分析结果表明,设计后齿轮箱场点声压级减小2dB以上,验证了利用神经网络进行动态特性设计实现齿轮箱减振降噪的方法的有效性。