Kraven på planetväxlars prestation blir allt högre samtidigt som tillverkningen ska ske snabbare och på ett allt mer effektivt sätt. Vid tillverkning av planet-, sol-och ringhjul så kan inte exakt diameter erhållas, detta samt andra brister leder till ojämn lastfördelning när fler än tre planethjul används. Målet med arbetet var att ta fram ett koncept på en förinställning för planethjul i en planetväxel med koniska kugghjul, samt kostnadsuppskattning och monteringsanvisning för konceptet. Studien resulterade i att det kan finnas en lönsamhet för konceptet, vilket medför att vidare simulering och tester anses varar aktuellt.

Värmebehandlingen av ett kugghjul sker genom sätthärdning. Detta görs i syfte att modifiera kuggens fysiska och mekaniska egenskaper. Kuggens härdade yta blir nötningsbeständig medan den sega kärnan visar en större flexibilitet för överföring av laster som vridmoment. För uppfyllning av önskade egenskaper värms kugghjulet i en kolgivande miljö (härd ugn) och behålls där under en viss tid och direkt efter att kuggen lämnat ugnen utsätts det för en påföljande snabbkylning. Dessa moment medför oftast geometriavvikelser och deformationer i kugghjulets geometri. Korrigering av dessa avvikelser blir svåra att åstadkomma i efterhand (Not 1) och innebär höga tillverkningskostnader. Idag väljer kuggtillverkaren ett optimalt tillverkningsätt, i syfte att förhindra eller minimera dessa tillverkningsfel. För att tillverkaren ska kunna vidta lämpliga åtgärder för kompensering av dessa geometriska fel, måste han ha tillräcklig kunskap om avvikelsens dimension. Att känna till avvikelsens mönster är den rätta vägen till att kunna hantera dem. Detta examensarbete har utförts vid Örebro universitet i samarbete med Meritor HVS i Lindesberg och behandlar geometriska avvikelser på ett cylindriskt kugghjul, påverkat av värmebehandling, så kallad sätthärdning. Kugghjulet kallas också för Solhjul och är kärnan i en planetkuggväxel som ingår i en navreaktion och sitter vid bakhjulen hos tunga fordon. I detta arbete har jag studerat avvikelsens dimension i form, storlek och riktning, Fig. 1. Via jämförelse av mätdata (Not 2) före och efter processen av sätthärdning, framställs en hypotetisk avvikelsemodell. Modellen kan vara signifikativ för Solhjulsproduktens geometriändring i stort, och kan användas vidare som bedömning av lösningar. En kuggs geometri korrigeras sällan i efterhand vilket beror på svårigheter med bearbetning av en hård yta. Lösningar ska alltså innebära förebyggande eller kompenserande åtgärder som implementeras redan i tidigare process steg. Figur1: Avvikelsestudier i 3 dimensioner: 1- Storlek: hur stor andel av den totala tillverkningsavvikelsen står för just denna del processen? 2- Riktning: avsaknad av eller anskaffande av material? (åt vilket hål) 3- Hur jämnt fördelad avvikelsen kan vara? (deformation i slutform) <img src="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAk8AAAC/CAYAAADnyjheAAAAAXNSR0IArs4c6QAAAARnQU1BAACxjwv8YQUAAAAJcEhZcwAADsMAAA7DAcdvqGQAAO/lSURBVHhe7P0HvG5Hdd//P8jpidMTx3GwsQHTe68SRQjRQTQJBLr03kH0jqimiCKqgEu/ovcqiimiFwMGDLaJcRI7sdN70U/vsT73v3P+95yrcDg85+rOer3mtfeesmbNmjVrfffs/eznAn/7b//ts//zf/7Pq//9v//36ogjjlj9n//zf1bo7/29v7eS/z/+x/8Y11vRX/krf2X1l//yXx710V/6S39p9b/+1/8aef/zf/7PkYeW/NHyWt1f+IVfWP33//7fV2efffbIiw/6a3/tr426B5JHO/JHeGm35CPPNXmWdZHyv/pX/+rI/2//7b+dm/t/k/ZoOZ7oH/2jf7T61//6X4/zv/7X//rqv/7X/zrOk598zo0NuUZLOS5wgQsMfTg25s1IncZGbvXjtSxD5kZ/yRQ1XqS9evTr/G/8jb8x2vzH//gfRznaOHfpdCPfjbRs5xzfdKhP8i71Qnb1yfBf/st/GfnrIvIs58h4k/0Xf/EX/y/9HIiML3ulb+OqPV5/82/+zdW/+3f/buiSbvS17G9JyrVRFzXnUvO9UZ9LW0RkQJWrn63hsbSbQ402jhXRbz5p0vmXzD27z19YK8h6Y/PZu/z83HmJa9FGvzXp8KL8PhvgU5zzNRc4p2y/x/ylX/qlYVT/9t/+23NzDk5LxoyMsWLMqcsTZAQIJCBy1hnu3/27f3cYvHoMOiNfkjbyCyr6swA4ennLQIBHCwTp50CLRB18yfpnf/Zn5+b+/0i5fv7W3/pbQz4yb1w4wJx+/sN/+A/7AYvARgYpWga7CP/qGHtjWxLe2irTtz706Qjg4ad8yVcZ3o7NxzKgnAOUR56gn8z1vVH25HJUV1K2UVblqL5d40uupWxoo7xR+UDov//3/37MGVnpdl3UeOicjW2UWzm51TE/dGPs2V56d62tcnW1oZ/sSfnSRtWRp746f+fv/J3RvjnfSK2/AxF5WmMbgYWy9E4e1NwfipTOODfpX/yLf3FuyaTDjdg2W8iuD0TWmXSgNbUViRvWnPV4oHg16fxHG3FRGzkDPHGil73sZVcPf/jDV5e+9KVHYOC0Gd/BAhgmAiojxCeHLI0OzuHlHFApuLgbdM54ta0NAZUDLYjDV5ahqk9wxks2bbWRp8y5QIK3pO8GulxItdPnP/gH/2Ac8bcw3MUAVMZNDvzIgI8x6EeegESuX/3VX13983/+z0e5toI/wChoOcdbPX1qrx5+ZCPjn//5n4+jPCn5tHOkD3pQn3zy2vFIT9qlS+NydJ0eCq54NF8ogKiuMvNCHnX+8T/+x6t/8k/+yeqHP/zhqIuP+sZQf3SqPn7O5ZPXUZ6kDd7ykoWu5eGV7p/2tKetLnKRi4z+fv3Xf311l7vcZegz2XeKjGMr+pf/8l+uLnShC+0H0si4/tN/+k/jPPuT6MBYyIyvsZsz81dbY6YjRM/qNk/ay5O0l9iQNlI6l2pTOf0iZYhcZFGHrssnk7r6JRc7jarTES3PdyPxU2yQTo3X2Ojk/e9//+ob3/jG6rnPfe65NSetgw62vtj6dsi6Y8f5GonN4pvdJ4O8fJWy5brYjOIj1d4RT2vrYOObdGiTuRbPf//3f391wgknDL/P3tAFzpn8s1UAnp7znOesLnrRi44KnC9iIFsR4xVYAIQCI2du5+Bf/at/tR+pSwKRx4EcnPx/82/+zTBGQZIR1qf2giqQoF3Bg6Gro4wx46Ot/PrGj8ycqWNAA//k0FZ9yVgBKMBB+vt//++PdhRERv3iGwBq0bTw9AOR0gHedKk+vnTAueMln7yOAqmjtsoc9aO8sUj6M3HyJNfGjmoD6JFHIlupPPXUaR7w1T89/tN/+k9Xf/InfzJ44m/s5gdwlK8O4OAokRlPcjZ+PJPLES3laexIm47JiIcxMsxjjjlm9aUvfWl18YtffHWf+9xnlAuMO0npXCJXMhpLc2Yng87+6I/+aNgKvQnQxsAu6EA9begXD3Yp0b3ybIOeHF2bG7ru3HiROs2//HSFbzwql8cOHM0RsiZds0N55p582snHU9ucwJLoYUnN3W4lc2P90QFZjdXcvPnNb1598pOfXL3+9a8/t+akdRDb3Yq2a1/8bj7GOmK/y3XAD8u3ftRh/2SyFtSzFrYiNxetI+0lfVhP+HdTNOn8Seaab+Gnr3nNa56b+xd+Z/9ju3/2z/7Z6tWvfvXqN37jN4ZjZpAc0cGMG0DKgC5zmcuMzjgzW10CH+PVscCM56/8yq+MwNzjCH0RhBG7Vodjz4kzdobfIpQvtQjUlZB6jFpZJI/hWwD4a6OvFpQ85x/60IdWn/nMZ1ZXvOIVVze60Y3235GTbylLvPVJN4KjXZoWEsCEzxlnnDEA6bHHHrt/oZkE7chDDsG1AKaPxkKu6gOYdCWPLtXjMMgB7NFd7ZIzXuRbjuuWt7zlCPbvete7xm7Z7W53uyGjet7ZItc//If/cOhHAhJ+/OMfD35S43eujWRs6VKfeKRnZeRL/+rHG6n3k5/8ZAA04GnPnj2r3/7t395/DfgCKztJZE93xmYcyLyTzxg8AvJIEcgjO/v+vd/7vWHj9GUOjVHdJUila+M2j+Y6e5OvjTr4mlfX6rEffbiWjz+7ksiJt/LWgzb0iid7QHSuP+NpjvRLn+TBQ7ljc7oZab+biezLdUB/xviOd7xj2NLceVovZaeb0c/KvqwttmBNWYvZuDVEBvYvWTv8J7JmtrJ9xA/z8epa/3yxNq1fa2vS+ZdsJph75KaeXfHF7O0XzglOT2ZQnPRtbnObYVwCCYekIuMueB4o2R5/4xvfuPrsZz+7uvzlLz+CgcDMYBnuIx/5yNUnPvGJYbC/9mu/Nsq1+c53vrP60z/907EdBoARUCDQP+IMf/mXf3m/4ycwWSwIvNRjxBymgcjXRv2CdUHROJRJ+tAu+bWzEN7+9rev3ve+9w1wd+1rX3vUdQdrgRiL/vBxrr0+XQuWxqQvAET+pz/96dXpp58+2tzwhjccvCxC/aGAEYqHhUmWFqOx4qkvfOQ3Tgkvcueckqukvnbf//73x/wIKre4xS2GXl7ykpeszjrrrNVxxx23uuQlL7n63d/93dWb3vSm1Re/+MXxqM6jSPoGGpKVzgMG+sLfec+Bu1ZX0k7/xpBsZHYuyScLu8N73759o98/+IM/GKDkWte61v5A2FztVMqxOkdkY0Ns8h73uMfqwx/+8Oo3f/M3xzy/+93vXj3zmc8ctmKc7MW4yeqoDZCivTEbC37ylKljvOmTjsy99siakegTgM/+6FM9ybm85RjkuUGJT/avT7Kozw71SS5EFmXqZW+Orfnl+W5N1gS5jY+O2S2b/MpXvrL67ne/O24YDtRupp9PMjdbpQO1+X9J7DvfaA2z1/yl6/wqm1dXHltx3ZrfKrnxx1sQzR+5oXW0/nf7+php65SP2ywBznCK81e84hXDbrLbIxQCCV7qFowlRlFAV3mrdOELX3i04ay+973vDaYCCoTu/ZXPf/7zw5nZTbCTgTfjs+MgsGsjeJNDG8EbX7tTQJh8VGDg7LW3q8VR6k99RA71jUVgIIc6DF27AhtgSBnqxN9Y9eEoYKlHSRaiZMHhYTFJzuXhbRdCfcGJjPoF/ApW2usbuCowIn3Lk0yQceFtUdMTXj0288hT2/joj6x0S15jIQ8dND5Owxj0Z/GTQ35zJ4B/+9vfHmDRI9tHP/rRqytf+cqDD37ePdJGXXz1+8d//MdDTjIan50rAME1OyJX+tYGACNz9oQvfhwS3ubHXGZrjuSlB/nJupMJsSNUXguL/oyHTj/1qU+t3va2t428m9/85qvjjz9+ABz6yq6Mix3Lpx/zpr4dNEBRubrGRy929ujINT7mXHt6okP60R6pT/fWBh7ZsHN57N65ZAzAHptmH9kJ3WqHd8EDddxI6WO3JuMgOz2wd3rvfT3HA7WZ6eeXDkYHavP/ksw7X8kG+Bu27UaCbYsxADQ/og7fwueoa005HojnMlmz+W/8tWFn/Cm/d6A2Mx06ic/dKsEsbur5UvPO37C5YbvnpLM5eRU8tmN4HBCDE1wZ4VbEiJ7xjGcMVHaHO9xhPG4RdAWcxzzmMQMY2eF41KMeNQKFAGyXgyCcPKNknIK2XRrG+cEPfnA8agpICNC2zNT91re+NXYnBAEDQs4NVJ8ABrk9psLzCle4wggsv/M7vzPepwHWKIDhAzh79uwZgY38p5566lgs3vsih3wAx7NOj98udrGLjSAEENpdAv7oSp2b3exmq6td7WpD2YLsE5/4xDFG/QiIFA5ANE6yC4Svec1rhsz0bXHi5/GnnRe7QnbtPvaxjw25lZkfehMUL3WpS+1/sVpbu3keVTi6li94A7H3ute9Vne7293GLt/LXvay1Ve/+tXV4x73uHFnrvx1r3vdGMe9733v0b8+jYMDolvkaL71Sz5H+vjmN7+5+tznPrf6wQ9+MObIfNAfPZ944onjRXAgUHtggINrzsho/GwFPzuRl7jEJYYtsQt1d5IsIDbGmQI25ons9CedfPLJw26PPvroYcuAzlOe8pTVda973TFW88Fe6Z293PSmNx36U88Ly2zdu1w3uclNhh187WtfG3r90Y9+NNqzNzcJxgnE2v1lQ1//+teHjQG35ArwsCF6uv71r7+60pWutF/3+JKXPGwOr+td73oD2H/84x8ftg88pVOy6OeBD3zgfj1IG8+b+91K5sq4rHnglT3xA29961tXH/3oR+c7T2umg8UPfmA7ZE2weT6EP7U+rEM+X6zgq/lvvtlNSeucXTvPzjcjdd/znveMnXpPTsSBYpFYxh9OOnSJ/9iK2K+YwE78mA6Zc3HvCAWcDkNyhNBzQgyTo90qCca3vvWtxztT3jPADy/GJnncAVgIQJw6Zy64AC0C9cMe9rABBp70pCeNx3nuGO1uCDCO7u4FYIDDgnjve987gIYg46ViACuwJVj4xaABP/vZz1594QtfGIvKI7RnPetZ49zuyvOe97wROIBF70QADcAMudUBWu50pzutHvzgB49Fps5b3vKWcWfvEZhHkZSH1+Mf//gBiDhpfVhseHDgHMM1rnGNIdPd7373ESTx8iIrGfVLDoH5xS9+8XgcJBC8/OUvX33kIx8ZdQS7d77znUN/dAyIPvShDx06e/7znz8WNtk9WiIvsCVwArT0QQ6ETwCOjIzGnRhdCuAczZe//OUBtuwgKRd06RDwufOd77y6613vOmSmP/Nj7j3qA4yBLyAB2LjjHe84+ABo5kU/+jU2Mkjsi0GSzzVQZadAHVT9A9nczzLVH1nKy7nSPyepzhve8IYxVwD25S53uZGvrvVinXjsC8Bop74bEgAKaLcry8Gbd7o688wzVxe84AVXT33qU1e3v/3tBx9ACzgDgPBhmxIgr82tbnWrISMewBLwAzg9+clPHo/MlQOgwDDAxUatNfIBEeYR+LZW73vf+453G80Zm2P35DMOdZBzfaST3ZrohP0EHB2NWRkb21h/pp9t4lesXTZv3ThaN/kY8wHU3POe9xy+8Ld+67fGnLE5a8RRfT4MHz5WOb/EFvHDJ9DPXzTn8rR3bi289KUvHe948ksCnEfrYoO4wQexC7zYiYSX+AF489VkJQN+AJi6+kf8rF0sPtjasP7JbL2zM3XJgqf4KZ+c+hEr1KETfq3HQPpb6nKmn38yb1slNma+zSUyh+YTbfu2kjEwKAGT0QEZDJmTZ5hXv/rVh+EwRsTJC7KCjSACcAm0BmKRWTR4MmhBCgCA+AtoDPYGN7jBeKkbMLMgAS539u7E3RXYFVEP+LIYBY4//MM/HAnIsKvCwN2J2D0CAOyaWGB2PO53v/uNfi1uwAd4sNtlTO2IWTwADoBBmRYsACIA2tESnCz+G9/4xmMnhWx0YTEZp4Vsh05fgBDw5EVuC8oCBJYsshyLMQN0gBYEbBeMvHaZACbAE2/y2o2yOwFo3fa2tx27VPoMqDjiS890QLeMwxFP8psv8waIebEceL3Oda4z+lYvB2kejdNjPzagX+CYHsmtP0ZYn+ZQHmeVQa6TyFCKWjgIyHGHyT4tJGOlM+XmEFDW1hpgj/THPiw4bQNZ5pWNsW+6edCDHrTfiQMz2qqHv10iAOkBD3jAuLlgP3a03HC4AZHo0K4WoGW9ucMGaPXBiZOLbQJAeAJhHjVaf3at8CRrj8YFCeMwLnNkfvCZNGkrYi9s0Vpw3Lie+Di23E6rHVr2zbdYV9qxPXboJs46UubVB7vQfAw/xUbxl9i2Ovw7G9Xe+rG7DqS5CePf2Tg5rDHxhF3z1W5qlMvnG8WIQBTQBUABXPyV/uQH9AKKEX78t7FYT+RuN02+uq0lbflBa1I/xjDp0KVtgyfGwcg4ZgvFDozdGQFdIBW8PRK0yDh6uxaPeMQjxou3fvrt8RqQZOHgxaglhiUIM36LrrsCRqguo2fwjNViyuELQIwdxQtwsCiBAEAIv6te9apjd8rdvxepyahdwA0vi6qFCxzpjwyMH0iTLBpgxZgBIHz0J3kfTMLL4rOonXMIgJH3Z4AhOwx442d72fj0Y0zGbXx0QxZt6dK5o0digqk6ZNGP+eCsUH1atI1PX66d22VyrY52eAjw9IY/ByP4qmMu8FOPToBeTsYOh7ry9WHu6BsPgAOZN3WMCZknad1kTGSiV+dkTC7XduM8NrajA+x79AlsG5c54ly1Z1OcsjzzZ7wBcjrBiw3RiXNzTbceKbAn4Jze8fWIFj8BwTyZE/NPLg4Zb0EHiAPQACs3DPpxbX35UcBJJ5007IyDV988AnV4GC/ZuvtlCzlz8iGyTpq0FXVXzn9YO2wTyWNX1s9pp502/BOf7abQDWygxM3mBz7wgdUpp5wy1hfb5Fe0s6vq6YTH5L4DJw/oiK9dfDvCXi0QS3yewk0kX8UXOepHjLC2XvCCF4wdWTuxbFsda5fvtmvvRkW5JwqecBSTjAUfa9M6sibFMrHOrrDdaLI89rGPHf2rH1C0W68O/m5sbS4ot/b4zkmHLm0bPDEEgVQAt6OEGKeg7E6A8QUm7ETYufEuh8dKFgywgXLoHDiHzrgtLkYruGjr2sKxSDl7QMHRwrSIGbs6iFwWGoMX8MljgflF4P3vf/8B9vSNh8UAKFm07pLcGeHnbt21BQN0AQR2ZSw6eR5H+jVW73jZbQqEFVgFLn277qVwDsZiBiAtcAGZc/B+lnxJW2MW8PRFH3Rpsbs2NvoSoDkuIFS+xz/6MS5y2B0zP67xKtBraxz6kKcuPXeXhqekX0cyO+JBp/Rux88OIN52Ptw9mhv9eWeHTlxL+tAeGQf95mjXSeyEbBLKvpA8Y3Q013aIkMelr3rVq4Yu3P3SOx3Y1hcM6M+1eTD3eNKrx7vK7BRZA/phk2406IQdqXfUUUeNR4Q+d0E+59YHUEXviK7Zm/bKgHQg3mNAgNpcBrJQ8yAPT+sMr+wgMmfkbc4nTdqK2As7kVrT1gsbc21nnG17/eIhD3nIsE1gCbBQzw0AnyhmeMSGrAG7/JIbF9f8y969e0dd9upVBuvG+mpnfd++fQNAsV1+LT+trvc78bee3bAodzPjUTc/bC0BOF4RIbtH2m6s8ZCMy1rh+9zMeGLiNQ1xxNMFr1LwhYAan+/xpORmGHgydmvyta997XiNxKP1blYmHZq0bfAkGDAoC4URMRYA48gjjxznDIbxMTyPgrxPhNxleKmaAboTAZgEASDGomJYgIXgLQ9Kd82xA0sCkzILgLELVnjIV5+xOwfqLAKP4Riuuxl35YzdIwyAycKzQAEWgc1dhIUkAXiAk0dS6rsT8sjMAnBnb/fIHYd3nzx2A2bowhjwJZvFbDwWOTld05FHjXYrOA79eJRj8WvvzkR7YxCk6ZkeLUwyc1r4AFFkJ5tHbPQquD/96U8fgdR4jIscdjck82UuBH46t3OEL53hC+i5dpQHbNU3YKQO3cuzNc5pAA12Fd1d2UlzNxc/9dIDvZhDVGBfN5GtFMggJ3npiaMzduDEozR68V4aO2LXV7nKVcajOIEgu/D4gA7wwped2hWy0wgEceacq10iwQQfuvWemEej6gHu3pVzE+Lu20vQbIINuVGwY8sezSm9c9JuDAQAAYPNWCv6NxfNmfPWmvXRtbky14G93TI/k3YvtW7YDNtix2zHOd/lhzj8j3hg/bjZZG/eR7Im2LCnAMALX8UXaec9QX6X7Xu/1c2hdejVC3EA+LKe+DhrgQxIGzcF7JnPBa7cQHoEaEfJ+vREhJ8GgvhLdbS33qxFclk3fLPx8AXWsbXRGrIGlZFFOzfNnmB4NYNf5cfx9GMc5b3DK+ELUHqyMunQpQucY9hnm0iPCAQDd7kWAoNh5AcjgRhoYVCAkh0Hxg+Bu8vAB39BXgCysDz2cJfO+BlfjzksIHca7lYsIjsxgpfFAFDg3e6RoM34tRdwXDNgRi4fD3cXAho+Fp1dL7Loi1xAkADjrp1R4y9f3nKRuFNxbJExfvIhRztb+rYogSLbyHYW8Ld7RUZjsFugD49s7EIAQRwCnuRypE9jAJ7wJIPdJHdMHIgyshkjHeqb3pR7VEcXFrUxkBNgMya7ZoKyubWzZs7IYM4EUY7L/OiD3GTlwMyb98rU54zon+Myt+ZBwG1O6Rh/c89pAglAnWAuSJNdQOaEtCEXvsi7Xx4/4c0G9uzZM8roZCeJTJw7Mgeu6c842Jwx0LV3voyBbdOTeeSgPS4zB+YYiKFL40PmnPz0RP/4A0gcqrmhCzr1kqu7aCCMgzefdGnuHfXDlt1keEzhnSVAFT9rxw8z2Jw515858Z4gfoIAx60v792pg4AwYzBGoJscxmxtBN4bx24mNmTOyG7tkNlY3CgJWn5ZOmnniL0t14z5YPf5Wzer1g0/yFbZvzXuXLxxgy3PIzC7PdaT9tq6YfWqBd52h8wlf8JnqesGpacbHpe5wbDD5UbCmmUDHpMha8GNhRs9Nz9+yMHnuxni89ykILZPXms838qO3OxYP26sxQJ+wFq3A+UHG71i4ukLefVlzNYzMCZ2iA10Jd4YAx/IZiftXjKXxTjx3XW46JzzX3gyowdS7IRwmia4RXEwYriYCUDOGYagL4BqLw9P/ARkBiUgC/aCsvrdeajDsBmUYMHALCzyCSSAAODRVq+A1cLUFwNFASJ3Ifq2kLS3gNoNw8suGKW0M2Ox4M/IlQtAdn30Rw6LjWMG1DxiwUdQBQLJoH+K1r9rYyC7BQkIGLP+OQ7jxAtQ0b/+yAy86l9dehD06NI48LZgHfEgQ9vEnBa9JjdexkIG53ZRAiPkky+PDjkD8uKFjwCkb/qhE48R1dMvO2FE2gjM5pSjNA/AmDtJ9QA+Ze4a5emXHujbXOnHnGRj7vgAeG3wAniVa7eTxHYtCP2YK+SafPLMdTcUxqs+3dApZ2oOCxjqqU//xgCssp90BSwDOa4BKuvEXHg8AVC5O/dSvjrulPGzLtgf/sCxd0bYkDtc+eaGLOaPTbBF68rRDQRZnVsLdG0Hlw2xXQ6fnGyBrtmhsZg/Oui4myn7MDayNg72B+gD5JN2jviQ1jCie+vcDdq+ffuG/3rCE54wfvDCZj3m4qPc5LF5/o8fY99s27tM7FxMsIO79KN4uil1Q8N2PRmw/vgra8YOPn/lETs/g5c1YE2KQ35AAfS4GdYn+yAHmfuxER9kTbB954ic2mrDnowJWUP8m7XsRtYPkax9N3/8GN7qKzd2/pRu+HbrHp98zqTdSfwhn8/OgXfX2fs5/mZ74IkRMF7tOWaBgUN3t6zMLgmewE4gyh06A4b+Gb/grz4jdm0hSQTl/PHUBznlC+SuBQSABWjQp2BioemLkVoAiEPFF2Bxx68eAyYv/upJjFlyTk68lOvPQrF7oIysiFLVs3AFOmUFWYvXUaASvIwFH0fjJTcZ6IfTd05GdejBOI3JohcU9YV3iw4f41rKm34k+pGnPd76UM4IJH25diSjeuprq3+y46udI10jYzcf6qtr7B43ulPk/Dg3728BahwHMMAJuSYTvehXe33QL9ot4KkgTL/IXSPbVobohuzk1pZunGvH7hzNkTraGK9xaycouHN1N0xvdvbccVsHQLi7aLbs2vtO3segN7/iVA/I8uK6X12SV19sma3TFRslDznMMTmUmSfykFdw0QeZzDvZrQs3GI279XJe1v+6Kfto3shO1xM8/fyIzlsf7IePsNtpt8iujlck3ESwOfbHn/kFtLXu5sC6t06040fYvJ0gMUKs4OO0wduaYcfWgJsEZeydr1TmBtBNMh52Vv2a2k4UkAN0ee+Jj+Wv1eXX+B724uYY4LHWACE3P8oBI7u+gJx16mmD9enRnF00vrxPgXh8bzzWn3zvRlqT+L7yla8c7dx8uuGRP2l3E5tjbwcCT9t+bDfp8CYOj+MCSu3OIWCDHbnDBJi3ooLfuh7b7TQBmoEsYBFwpic6A1oAdHriyB2RMo7cUbJw6VHgAYQBJnrBV+A6nClnxmcBggI04Dcf2/38CGiVzAM75xO6wWWv5gXIUQeYVwZYsP98hHI3kuzdXAL41gYe3ZxYN0C+cmVusti/+NUNqfVmnaiPF1n4IzcSzu3+qq8tH0UePAFtR4S3G15HQBw4c6PBroA4xN+5ASIf2QEnY9XGNT3wX16HME5r1bq1zsmnDhklNz34k9G6ph83PB0nrY/YrLkE7jc+tpvgadK2iLPiwNr9QII9h+fIIW5F53fwRC8FF2sK0ZNkfclLXxw1sh7T53IdFoQQpy3R/+FMEzytl6xPKds2D+w3+zYnbL+juWLbknqCEvvHw3W7MeZQao3ga275BARUSPrRVj5fE5DRDqDSp3rWlvYAFF4AGzCDN1m0d0Rk1bcj4CMpw1s7bfAB1shvTPK0cY3w0w6gIle+LL7aGK8yPI2bzOo4WtfyjWHS+oj9bAaetv1ru0mHN7kb5CQYlTsnybm8dqIOd+IoEQfLidNRd9buQjlJlKNG8pSp487Z3akFjAdaBqxJk9ZF2WA3BGwdOGC/dpWUBxQEIUd5QASbdkTy2TTQIB+gAna01U7iVwAjfPUhL8CDjz6tEXy0U1+eI8CEZ+3V06fdJjvCZNK35FyeMnWsWXz0ga+kHmBkJwpPAE0/yvSvjTyBVr/6I/MSBJJdW23U0cb7rt6FBM7sbk3avTS976RtUXeNHGdOrrtBZYc7cZqcIgdJN+403bHappc4SY60wCM5l6dMHdv3nDlgxeGqk3OeNGmdZJ0jNgkosN1lAiiAEaDBNfuVAj7AiaRMnXjJq05JneUakQeIqCuPLGSwduS5xiOwIk8fknxrio8in3bKJefylOGLtNGf9Ws9Orae8daHpA4eSHs7R9YtPnQhWbuBR22UAWP8gsd8PvuCd++ZTtqdNMHTpG2RXRQAobs7ybk8ZYc7cYwlzpxT5jw9ApA4WmUcLZ1JOW1l7lZL9Cqfjh0nTVo3sUUU2GCjCLgBAORl72zb0bV61oP26gATyvBh245svnWh3Dm+1oW2rSG81JcidQES/OOlX+3wd1SnHSVl8XAurzL1IuWukx1f8rmRcVQOfAXsKpfiQ37l9IMALCDMKzNen/GrP7/a6x2sSbuTJniatC2yO+LOiiPg2HKa8pRN+gvKMXP0y7QERZyu5Lyy2lY/5y9NmrRuyl7ZKNDBZiXnEl8ALASysuOS9mw623atPgpsZP9IGZ7LdvqXLw+1NuLpGDhCS3nb+U1GyXk7v+qWj7QB2Fq3y/G7dizVfzwDTBL+AFOAURmg5sV1O0/aeiF90u6lCZ4mbYu6+7Pw3X1Jzss/3GnpVDnSHL270rbzOVdOOPDpXJ6yHgsUHORJeOE5adI6KYCQbUuIbUrtFAUaJHmBkSW4WNp4a0IeYOEor74qU1e55Lw1Ublr7TbyUFcdAA0ganeoJE+Zdape/Wqf/K57ZNfY6oNeACw+EJ+u7YZ5z8k7j44eAfbeo//LO/bYY8dHcH3GwffcJu1emt530rYoR8Q5cSJSjkzZ4U6BIcSR56xLyuhKfnftznPunG515aMcOEc9adI6Kbtkr2wyICO5diPVLo06bDfgYT0sH4vJww94qU0+pDI3ZwCIcvzUwSdwgp/2tQVelAd4queofeusmxkpwKSsfrshRMs1DfSQqTFYk8vxu8bP+1V2stwMSc77FAG5nHvNgWzIuW9cTdq9dIFzDGvcKvj6qQ/4+QUB4/QclmFA05Mm7RRxFu7eTj755PH/gz6S547ruOOOG+Uc2KRJm5Eg1t29IMlvsSkfIvWRRD5t0qTdSoATACXW+osrHwf1IxEEBAJek9ZLwDMQDHDDRs7FLLB+RCdfevXJe6gYyoaEqzhp0k4R5+Cnw+95z3vGljXw1P/w+VAkpzJp0mbEobVzADwB274ELRB5Z8TXpidN2q0EIPkIJ9v1+M6fywvWHunNF8Z3B/mgqp3Evrllzsbu6Tl3bWd7y98/vNuitNXo2zLAk0lUadKknSJAnWH6401/feAjmf4jzz+UC4rscdKkzcguEx9lh5y9eBzifRJ/FOtvNfwx66RJu5VsTtiksJPh0d4JJ5wwvh0FRAFT88nPeolvcQPvv0bNjTkyV2j/zpP/6wGYOCOT6T+9bIULbpMm7SQxRkHOi5J2nvwpqP+iQgD8pEmbEdvpPRdH38qxG/Wa17xm/N/Yaaeddm7NSZN2HwH8Nis8qmPLbhzRt7/97WHTYvKk9ZGdbK8FmAf/tRjBSGPnCbr1dr9/nO7dAU7I4xS7ApMm7RS587K79KQnPWl1zDHHDPDkz0T9SbUy7wNMmrQZcW78FXLj57UDNuNPW/2r/rOf/exRNmnSbiQvqIuzwJMdU75PzPWHxr4wLm/S+oj+e+/M97fczJszN2gX+MVf/MWzbXX7V2kZHJHHdwKX564qTpq0UyTQAeoPetCDVte+9rUHeLrOda4z/jVdMJzv3E3aitzsAVDshN9q93zv3r2rs846a/zH3aRJu5UEZn+/5H0aO09Xv/rVR75f2tnd8EfGk3aODvaDJHPihszX4D0R4VvaUNr/x8BesPRLu16K0sjEajRp0k4S+3vCE56wutGNbjTA05WudKXVzW52s7EjNR/bTdqKvIPAoUl8Fcfmccfpp5+++uxnP7t6/vOff27NSZN2H3nU7Abgz//8z4ft3uAGNxg+7yMf+cjwi95/mrQ+8ufRnsyZE18kgIucj5u1c8rPdvHxj398dcELXnAgXc9gTaoJbUt80qSdII7D7uajHvWo/Z8qcPflUwV2EqRJkzYjO5dANgfHVvq18Bve8Iax8zTfeZq0m4m9ejRkB8RrM9e97nXHjpN47A+CxeBJO0cH23nqBp5v8QtwZL5sMg1kBEV57prj4YhMmsd43jafaaadSmyPcbI59gZMtXtQHcR4K+/xssT4lfW42bWXMLVzXp0lH4RHH71D1ald/VUfyUd4ksNuR21mWk8CvNmOc/PVLtRy3rdKSD1t+b7mlF06+qUNXh4tu3bn6TUH9qlv9qF/1+qxPcEPv96N0I69SJxxttUvd/QJBNavMglf9e0+yP+zP/uz0Y8++GdO3FqRkjd7da1/ZXjgx97JiK/yZDJ+dZA69KC+ftKjc/3hr29HTyb0OdNPn8w7PTZ/9C4Oe5QHTG2sP9PPNrHtrZK1aQ21rsxPT+fmttKkXU2cOsciFSjkLQGS8xIK2BTgOKcCTEd5nFQ8LI4WSAsLP3WXfTnqXwDCe9KhTcABh2hOgaLm1BeevcbgHSrlQJQbTEGNXSFAgx0hx151AC4AI3boxoDN4CPPOZtS5l/z9aHPP/mTPxn2p99szLl63/nOd4Y9X+QiFxkgDk9/HOulYo8q1ZPHtvVDBkH5V37lV8ZjB/Iqq3/18dMvmfWrPbl8W8gvrdk3Hv5rTR/Wip9rA4Y+bWPsdDFp0uFKEzxN2tXE8XP0gohAF8AJ7LhL7o4aFXgECwFAuWAhCQacv+RcO3W1QfgtAVJgTD7+BUNHAbU+Jx26ZD7bKTLfHYEIL+0CK4CDDxlK2QYgoh7b9MMaNsFWgZVsRX47S8CXHSSvRLBNvCWvSQR2yIHaccJDHz4aqw7wIk8CkoA5HwIF1gJFdofYNWCEt/71t1wTjdPYySppAySRj5x46cerHM5bN/jRDV3YGZk06XCl6f0n7WriwDn6QFPgpiQQSKiAoI368gNBAocgKOgVnNxpt+ukrSBSPwGmA/WLlOlr0qFNdpt8yd5nDb761a8OcODjhEAEMOE9ByAIcPHRTXYDRLCxwIQ8W/lsTD4bkYc322Mnyjx2A2qAkV/+5V8ewATY8gVj4Aov5cAW+1LfT9iBGXXcCKinD/XY5K//+q+PHSD1ASxJn9mrukCdMQBbrtsFY/PqOQeGHMkNjH3uc58bv1j85Cc/uXrlK185rtXXnhx2vubO06TDmSZ4mrSrSZAQEAAdjj3wEvWoRbkAIlC0q8TRC0QFI+0lgEiZFEgqdS3g4dHdeQCsAOVcn5MObWIrdm/e9ra3rV7ykpesPvaxj+1/bAVYAFS+9vzUpz51/AuDjxeae4ldsBFggi2xPQCDvQEqbI3dsCl57AVAQfJ//OMfjzI7OD/60Y/2/x0HfoAZkOWlYcDNDpg6p5xyyvglFvCF/x/+4R8O4IaP/smjLyAL4AKE8AXCrB3l6gXEAERHejAeNxjA5O/+7u+OsX/0ox9dnXnmmavnPOc5o2+PCslOZ75DNGnS4UoTPE3a1bTc6REUOP8CROBIwFJPwOP8BYre3Qh8Se08ucOXnCuXuutXx3m7UsCTpB9HfW7cpZp06BKQAkwA4UAMQMK+zK/5B176MQ378r6PnSBgBngAJNgF8KH8d37ndwbIwSPw5APEbDHbZDd4BLacX+pSl1pd7GIXGzy+9KUvjZ0w8rBjQO2HP/zh6r3vfe/q3e9+99gN8o8Q2nqvya6SftQFtJSRAbCyu+V/S9Wxu+RRoferyO5dKuDKOO2ASfRhjEceeeRqz549q2c961mrZzzjGWM8H/jAB0Y/eBqDHbpJkw5X4v3HT4gseiRocAaCkcVpsUyatFMUALnf/e63uulNbzr+2+6yl73scNxAjCBWQuyRjQooBbqAj2uBQLk8gAnYERDYM7Ck3DUSzJzjoV689eWu3x25POsAeAqwkRkfpP6k9VEgx/yaH3NuV8XHMT1qetnLXnZuzQOT+QU6/J0L0HGPe9xj/EE1EIPYFJBx8sknD7Bg9wkQetWrXjWOj3nMY1aXuMQlRr8/+MEPVm9605sGkHr4wx8+gAm+Pr/Bli53ucuNd5L8zYO/ImJHQBGwAlR9+MMfHnXxAmTYpTo+GgvcvfWtbx3gB2Dyh8cenT30oQ8du0N2x5TZSQL22D+wdOc733l1jWtcY9g+mQEvL6kDVPR2n/vcZ8gGXOkP6ROwk+xCff7znx9faie78QJ6SP0ZH7ZH+RJ27DGt7zzRKVvin/J7k9ZDfD9fYC2w+yUmmjMzaVdTgRFY4kw8ovAirEce3V2723YueLijFogEIEauLQfE0QuqknN5ytUXIDpK+HfX7/EF/gKld0UspPgKrJMOfXKzyLa+/vWvr97ylresnvvc566e/vSnj6NHVe94xzuGvZl3oEbAYxtsRR6wFGABNPBht4CMX6uxx8tc5jLj/xuBKt/yAc7ZGBADlHkcCPABXP6qSJ+PfexjV8985jNHQPVfj759ph9/Y0S2e97zngNwve997xvvYwFn8oGk29/+9sPhn3rqqUMGwId8bNgOFzle/vKXjw//AVN0gNwckF0gBybJ4U+7L3rRi67e/va3DyBmDQBwdt8mTTpcaYKnSWslSB4BIu0cATYlIIWT9uijxxGADufeoxO7TgBRL8V6H+Q3f/M3x/9EeeHXYwZ39/LsErhjl9xJXP7ylx8BTFAUbARCAMuOkgDZi8D6+9a3vjV2IdzFk63diUmHLplzxPYACLYDUNj9ZDvOfSIAmfdABpvwuE1iB+14sSNAxTm7DET5Yn7vKeEB0ABQ3dmyzVve8paDL9AEtAF0wJT2yDl52TjQBgyp/8EPfnB14QtfeIAz/XofCUCz6+RGwG4T2dUln4/R2nElszwykslakwdAqQ8I2mnz5f/HP/7xox5ZvUwPOFpvk9ZLwDDwa9eVvbApcykfmTPzaV6Vszfgn3/rRpK9sCnzCtDjxU+6YZi0OU3wNGmtxGEji7pHYgKMhe6O3Y6P1K+B1LfgOX+OQjBxzpH79Y8kQPQ4buPjtvoCkgQ5L9X6KTgw5Rw/AUX/gpPARR5BY3lXTraA36RDl9gGu2BLAIxHZHZ2bnjDG45dFo/wrna1qw2gzU7YAuCsPnBkt5OtsR2UrbAfQUw9dqYfAUtZgYutev+IPQHwdnj8rcztbne71Te/+c3xSM6L6h7tAWns0s0CUM/29KssQOXaLhb7B64i7awb8rBnvKwXtqysR8/KyVUdu0v04J/+vftlLEib0qT1knliE+aXTwOazIs5ZK9sFQHu6nr8a975Rjei6rNvYN6jQm3YpP+6lT9pc5rgadJaKScfeLLYOXOBycJ2xyTgCEocRHe/7sI5jYIRPsrV00Zbu0Z2p4AuQChApq1y10CZczwEUfyTScDjkFxLHI46eGqTY5p06JJgInD0IjWbMdeAAoABiNhl8ejW7qe79MCSc4+NlQs23lfqY5ds0LtE+DoPaLTDw07ZH15AFDn8uo0d3uEOd1g98IEPHDtEn/rUp8bL4+wWPzbJ5tk0oGO3yucKvMxtl8jOqL6+8pWvjPevrnCFK4xHhuya3epHv8g4u7Ho2jqpjn76zpNz7eWT31poR2zS+ogNANPmhD8yL2yTf/J/teyL/bFTcwdEZUd2lwB7dqytx7mAOB5A+Nx52prcOj/ZiRd2kUkQyCw2CnWcNGmnSKCRPHqweC1ywaQ/YWR/ASf2qC5gBfTYkeLA41FQ4uhL8gJE+HEqknPlgqVgIeHL0eDRXXhBj7PhWAQaqcd7E0Ctl8w7Msf8VnMHzABFfoSwFQkubMHjCnMKbAAM2Y0j0CR5fOdxmC+Dtwvj12/f+973xntHHnORwR9b48NmPOr1OMT/NbqrX8qZrarnnaU3vvGN+99fAqR8IuABD3jAeDncmiAncCaoqeO/++52t7sNuySnIAho+V+0T3/602Nn4SlPecp4F4qt+syAvskiiHZDQCZ6JE/2L9BaY0972tPGGiG7gGosgq81ZL0EvCb9dJT9OprfvXv3jvkAnruh24rMAwBk57L3Mrvh89iZ/Xmka97NqbljQ2zDuRtJNwnWAR+ojK21uykdzsS/0yU79+OTJSYyM/PXdpPWRhnjfe973/FeiF/bAU7HH3/8cATuuC367njV59wtdHffPe/vjsm5o2vnHIT66nIU7p71J18AVK/dKfWAJU6M08JHMOkxoL6tDYBNMELqTFofZT9sw3ybL3NzXn9t1/wBR8CAQGN+AQa+EE+2ANQ7ByC0YQd2PvXFhjx64yuzQ/bCpgIhHnuxI3nqcMb4SuzOGPTHRtm8vjyKw185mfAF8vDDQ9CzDtQzfmXa4gkcGYtdMby0BfLYuqCKX/2Q2xGRQfDFT1tgCT8BGn/9GZvyHgNN+umJbs09O2ZD/6+/tmMf7FYbvIBcoNsPAoAp82Yn87a3ve2YL2Dd3LNFvs78sTmASX3t/Kk2Ev/VP5wpHVhv89d2k3YdFfwk5wyUsXLiFjqgw/krE0g4FIHDOxkFMm0CNxyKdhyHJDBYAIEkAUJdfagf35xYvJZySPHleOS3iCYdugQksTtBB9hgD+yEvZh/YIz9+bWZHSc2IsgFHgDt7tI9LgE22AZ7YjN2UzldPFAgRXvBkQ3pQwCUB5jgC6Q5Im3UEegA/r7uLVjq01pQR30/krDrRQaPDNmsIKkfoMl7LOobh/6Qc7zYfHavHVDWL0/JJ08fxoIfPU1aL7Ff88InsY33vOc948cG3t+z+/jgBz94tW/fvpHYJt9nh5Ld2p1lJ4A8+wHc3HS4kWD/c1dxa5rgadJaiRPmxDlwlAPnzCWOnFMQTOwycfychSAX8NGeUxBggCNO3d2UO3S7A+6oOBkOQX2J81DH3bWjAMNZcCb4A13u3j3CkYfIIXBory/yTTq0CVhBbEgCEthCIMacsy27NGwVoGCDSD1BCogHrNiN3VL1BCMJgGFreLCXJVgHntilvtgbW8e7l9P1aS0A7GwQD4Svuvi1u6VPPAEs/elHOzYtsX1JOfCnrvbxQnhoqw6+6ntUacxkphvl9KRdgHDS+sg8N2fswy8rParza1Hzdte73nWA+9NOO2312c9+dvzqmI2Z64tf/OKDB1/m8a6vyJt3v65k2x7hTdqcJniatFbixDljFGhC8pQBPha3QCBICSqcgmCyBFqcuwXPiQSavPPi8wbOORht3KHZrRIIOAf19aNMMBDI2vFyp6Y/DoqzERzVw0vAStZJhy4FGBzZhTkObADV8tkYgCGxM3PPfgAI9hkYkdRnO8rYIfAFGLGhAL6jfoAz4JzdAlGBci+ns1l2SCZ5ghp7c60feXiyZ/Jp61q/juqSEV/l2jmSD7Fj49SuFDk3VrzogXzWo/ry8JFHpknrpWzEnLA3j6rRjW984zF3fODNb37zMXfvf//799uex4Lm2c6iOkD/ta997QGuvDPHrvi/SZvTBE+T1kqceA6ZY7e4BYccPgJoBAMOm7PwyEJAshPlXB7g41dFHmMIGHjgFfjCTz28Cgjq2tHyuIYc6ttB8CsUdckjiHA26nMw+KiLkjnwR0Z5knNp0u4mcyWwoOzCvMlzFGCAJbaoHNhmG+wi+2B7gET26VwCnPBwzh7Zifp4A2zsLdBUAFTfuTWhPp7qAUTaksW1cv3jw77x0F4/5Iwn23WujfzWW7bceLXDT7l8dfWnnTz1EF76M07tJq2femwMcJtX8wUQ8XX8o/lmi+YU0DenfjSgPlv0sVTfFuMPlavPL7I1fPNxzrMVNgJgHc40wdOktRJnXEIWZ05ZnsVdUHFtETvKkwoq1ald4KkgyAEUIFD9FCzKiz9S33nXSJ34F1AmTZo0aR3kFQUACYAHePgl4NaNJVCF8n8ewfJd/Jb3oTza87+FD3vYw8ZuPjDFZ17rWtca/6zAF2qbb83nIjwO953HCZ4mrZUs0CVgaZEi+e6CegyxBDLqAEYl5SV1tOVI2r2y2N15cSL14Qg8odoGrgCyjeBJOcIbP49FJk2aNGldxF8BPN7d5J/4S2Rn0CM4O1B+SW/HlB9T3+NiPxx45CMfOX4F6t1OPtQrCoCXR3l2LO0s5ZtL/KK66HC/eZzgadJayYJsgVr8gZol+Gl3KfBSvXac4iEpk1+Z9vIAJ0kd+RJSTz+uOYXAlXby1K+ea30FxDiaSZMmTVoX+UCqG0DJzpJPEvBTH/vYx8Y7e0cdddT4zAaf5ltQHt951KucD7v3ve89AJRdJ98WU9+v7bw/xc/xd8iRb3Tkj/nHQNThShM8TVorWdSRcwvfEWixeN1JWaSBF2WlwEx3X+0UqW9xcyjaywvwOF/2oY0y/NXPQTjHRx1HfAJaQBNe6k6aNGnSusifUHtPyWM77895fxNI8qs7Purud7/78FsnnXTS+HUdv8iHPetZzxrf1gOStFP3hBNOGH7RX/Lwp955yvc55msRHyodzjTB06S1UkAGLQGRBW5BW/gWruRc2tgmoGXBO1eHk7D13KIPXCHl2i1BF7Bkq1t7+e6uksV5vPTjcZ12h7vzmDRp0nrJj2T6wQKf5lHcq171qvEr42te85qrM844Y3Xcccet7n//+49dJ77thS984eqe97zn8Gs+teGvfXyg+CY3ucn4Cv2JJ544rj/ykY8MP5c/5e/4ynxm/vRwpen9J62VLMjAUIAIWZiAirJAUwAq0BKwCUBZ1N0ZqbcEQPipEz+krjwEOEny9Iu0QxvBUz9tlz9p0qRJ6yK7RvyWz2P4Lph/aACSPvShD41PsXjfyVfDASw+zLUyf+ujHrDki+T8o0d2/OODHvSg8QL54x//+PFr5YAZ/5eP3uivD0ea4GnSWsliXS5ER6AFqLGgKwv0SNUNPMlzHhgK9NQ2fo7xQgEneXae3F3VL14S4jQCYvKANPUCYZMmTZq0DgKAvODtPSWP7Pzyjv/yEvgPf/jD8SK5F7/l+U9Ef73iO07+G5Ev48M84vNo7qpXverI08ZNojzvQgFl7bTnCyXlhzPtOHgq4EmULxXUpN1OBWJyG8Ny94P8XTsvSBeoJeUZHGMr2GsfMVjGykC1iXd9n5/JuOmHbuiNDoydjtKjnZ4e4UkcAXK3RXfp2c92tXcn5uhuCwFF7p44ll7yNg8ev3nmr2/8vTvQXOkTJY881Dy55pSWc0mOjfM/adKkSTtF/BQ/ZKfILhR/xM/xbfJ9WBiw4otOP/301dFHHz1+eee9KHV8ksCNI5/KF/rcgb//8Y0owAxwsmPVrjzfx5fq63D/wcyOg6flXXxBBQlI0m6ngmOBsbEsx1OwF1AlAbix1YYeBN6CryRPfcGbATvWV3o6v1N6XY6X7uiBbpzTX+VLnTt3LG2kZV1zIpkn1/KXfFHn8VLuPDAbH3MlOZ80adKkdRGfxafxRfwdMAXcuBlUBhD5X0YfwgSwjjnmmPH3LD/60Y8GuJKAKUefKnjve987/O71rne98Ws9vk+cws9RX71PKh3OtOPgyQQeKDguj7uZCpzIOAJNkfOu1VM/MmZ5y/EqZ+gBJiCqBbAM7I6uDwdKh0tdGTv9IDqid9RRucVMn83R8hy/wJG8jQC1ckd1Skg5qi/8lKlr7tyRSXhNmjRp0rqIj+Kf+EN+yzW/yF/J860nL4TzoXe84x0HMPIrOh/R7Fd6fJp3m5xf//rXH+9K+YNh4AjQUt7Nvj7wqL/DmXZ89JScoguMUcHqUCHyS8ZiTIyqoMqwGFiBXr66ykqNN2PX3tbnss2yzuFinI3bmLumH4tXHh3lJOiqcufZ1XJOnNO3XT7tXFvw7pjazVKezpFrc+ioXOq6MvzkA062sQ+X+Zk0adLupKXf4o/aFXcu3zeePK673e1ut7r0pS+9+slPfjJ2lPy9lTrAkUd5XoHw33d2pLxDxU/i6bGfsnxmffK987HdDpNgJglsJsskIEGrydjNJMAmJ9kL0I7LYN14JPXkb9yZUMagMzzPnNXBBxXI0aGin+0SXRmr5LzrHIFrW8YbwRP9Oo8HHdJl+qTnfhWH1G/eUH0i7ekaONLOdXk5puZMG6CObIfD/EyaNGn3En/Gx/FdqBtEPtMju9NOO228CO5Pfv0ZsK+Le5/p29/+9vjAppfMb3nLWw7/9pa3vGV1+ctffvW1r31t/Efenj179v8Je8T/6Y9fzLcerrTj4EmAkZbBahm0djslO1kF9CVQKtDKY8TSMkh3LaAzasm5+vHu8U88UYE7cHB+Jjoy3hIyduf04rjceaJzutIuYINcp+fKgKdlnfQe4SfPEX8OJye0nGdHc9F7BDmow915TJo0ab3UTjo/JwVs3Jh72du5bz/51Vy7Ur1Q7l2nb3zjG6vLXe5yq7e+9a2r3//93x87Uj6g+fznP398soAf5APx5fv0JfGx/ODhTDsOngQ+qRfOCjhNwm4nBoOSlyEJpIzPi3mOBVUGJRVsBW9bpH4F1i4IY2TwJXl4QPr4aaefgvf5negr3RozWgIiRCflsSGkzPmy7hI80WvgqYUvqe9Yf+rmIAAnfaFkqp429R14qu9JkyZNWgfln/JR+To+yuO2O9/5zuNdJq8ZeCHcnwW7ofc4zntOPrLp3H/dvfvd7x6/vvOnwbe61a32+9elz0T5PT7wcKYdB08CGPBUYFpOhAk/1Ij8xmFMXrwDeoAfecYlMbqQvWfIvq/hObKfd2pDF+nB3QGA5eU9IEsZ3RTUz+9kjC3KjumxshwCWtqP867VbdevshZ//Jbn6miTjqtfX8qXdZyXXz+TJk2atE7is/JJjgiosYMELNlV+uIXv7j/kwX8HBJnfJYAgPLnwX/6p3862ohnHusBX2JSPrB4xAcu/eThTD+T6EzZJo9S21Fpkij4ec973vjUO/TbZKhvp0W5iZK0AUJMFB4Zw1ZUQFRXO3wdK3NtR0JewbQ6+lKWceiTUTAagMc2JqQOBGWkyoEc5d/73vfGZ/AlL+Z5xgxUAU62SX2IjJHi50U9AIpxAlD4auMLr+rhxYiV6yNi3PgyfM+pffhMH/RlHMbejktBXn5lru2MKVMHb3nL59jrpHbtEF2RzzyQ37Wx+QsBP6VV1wuO3jlS9ku/9EujbWNS1/yaL6AdH3NMp8ZrzoBVZfLxSyfInRoblS9PX2zbubs3f6CpPLCcnU2aNGnSOohvKgZK4hTfyIdJYhU/KebwkV4T4R/5LnGEj5SnrXb8JN8r5njfSdxQTx/aOGrDb/KjhzNtGzxRbiBIYBFUKNVEUTYAYselwBipr1x7+cpNPDJBJh7fg5GJ1Bce+sYj3soEOkl5IKpdI3XJqm99InmMCxIHeATcP/iDPxjjAHaWn6sXxPHTnrGpBwSpazeJPGRBzgVx7QEhfIElcuED9TvirR98bKHi6ZosfkKKLwBARmPAl359FRZv+Y0Fb4shoIWUyXdMtt1M9HugZDyOFj7dATfm23g5C0DHnZc7Lsm5n+2WyucggCTgDHgClswDW5EmTZo0adKkjfQzAU+hWoELMAFABDLnXkizyyLIC9jqCdrOBUDtC+KuBXptC47nhbQPECA8SwAdXhK+wBLgYscHyAkUATR2hoCTwJb2gBFAYwwASiAGEGoHQ3IOxCiz02Ts2gci4wX44KUuvn0VWz1HbcmhjnLt0pekH3XIQmbgCsjyn0V+TUF+9YxVwtNYkD5QvKTdTsYfYJKay+Yz4NnPaeUBTxe60IX2g6QLXvCCAzwFoPx1QfmAE+AFhEnsBY/6mjRp0qRJkzbStsFTAVmgEaQBhJ6ZAikCeuAKBQYCJ3aY2nHCo3JHgexghI/6gp2dAoEPAS+AiXKAAxAhB+Bhx0cCUOwYecRGVkDKubr4CaoAIZ7kBzb05Zys+hO87V4IzD5rLyALzgVov2zwM1EfJRPU/VTUtfo+kS9g6wNPuiM3wKN/vJVJdEGv+qQzIMnumGQMxiV1rrzHi8ZJB8ktOTeWQ4nILLGNzs1vu0TND121E0VnUsAofdKtfLwiOneNT3Y1adKkSZMmbaSfyTtPApHAA5wIOHYBBPhvfvObI4gL1uqgghXAVPDTpoAIQNj5cVwGts1IHfyBNcm19nZvvKztfSTvCdmhsVvTzzcF0N6fEXhRO0jaOwIy5MNT4AWS7FzY1bjIRS6yutjFLjYAk+9l+AS+d3N8N8O1OsrUB5Q8RpLkAU3qX/ziF19d6lKXGm0ArcCVR0hk0jd5gSD6JAdAkF7oCygIoJHRHACGxi4Br67xaYdLe0dpt1M7ZMu0BDUB73SCjEs9NrSsK099KbtzbHcu3chXd9KkSZMmTToQbRs8CTSASEGoc4/CvAgtCAFTQIq6BW11BCplQA/wVYqWAXEzqk7Axzs/dl76FUGPyIA4uzLARTsS7VbgQYYe3ZC13SY7GGQEtICUdo4cXQNU6pDbmKQCL776wKsdnxLeCFDy2Kn3dAApR3ntkASYJO3oUdKn64AdXvKABroAuACvZepxY+Pe7UTOUuNepuyFHtKz/ObAeeTc/ABPladPhFdzI8V70qRJkyZNWtLPBDwJRAI1oABIAC7edbL7I6ABJI4AjroFbcFJstMD3AA2yoAG9c8LAQJ2VfRpZ6n3kdplwR8wEhTrvx0q/bXDRH5Btf4BEeAIiHEObCVTQI3c2mjvWsJHuaNy/akD0NR/bXqU2A4J/vqmL/0CaICUo3x1tMO3NtrLw9N4jRMfY5TaxSKbR3weSwKR5DuUwIGxdSyZqwBwcycBSHRDZ8v6SL6E1KWDyp3LU45n9SZNmjRp0qQl/Uy2HgILgpVdEECmn9QL5gKc4CTALQOSQNUvxbxvBGwBBuqo6/xgZDcFGNAWMLDrBFiQBQARBMlQkHTe7pJ+HOWTtd0ZY5EXYBGMjRFf9QJIZHSuHP9AT7tpxufY7lP6AcT0Kx9/MuIN9PWuEt7KtU8+YEsChLTRp+Q8+bRLLvqzo0UuMvayuqNy8h0KZPwbE9kdzafxGnuAx7Uj/S3bI/lStMxHeGjf/E6aNGnSpEkb6aDRswBbcHEtYAVI5As4wIAA7X9xPv7xj49fpQESQINABDgEKAQsYMC5dt6NeuYznznaetFamTYeRRXckPNAkHIgApgQOPHpnSF1CqZLQCGRW11lQJdvJwEsZAN6AA3neBgP/sbYrlhgxtiMyc6O3TZ11C+Ykw8/58rwS3Z8BHZySABVjwYDXtoHpuiwd6UAL48mgU7jxyvQoB1+ZEDK9K8Nct57UYCmNusmMtGLMZCX/umIDRiHPNcRmdWla0k97elIvuRcO2XVl5B8Ccmj5/Kc42luzK08fc+0e5P12RyyA/MtsQF2v7H+TDPtpsR2+WRHmw69BuJ82u/6k/jEt3hqY274leig4IkjwqRA4rrA5Rw4EeQEHAH9q1/96viiqd0NAV++eoiRCPAljs8ui90QQMHuk8duQARHiEd9l/QLNKhvlwkQ6LzdJ9faMT68DDjQJKB6idzP+9X3lVUBG+/Gqu/6CeCQ11gK6JK67Vbpk7yS8/LL672rjUkfZLITtARa+qMvfdKT3TljdE3mgCkZJKQtQND8SHafHPED9CTAwLyRad1kHGTjPOjJGIHDQFW6nmmmAyU/yMhfZPNs25ph3wdqM9NMuyUBSvy/V0TYMt8nFvCL7Dj/PtN6knjapop5kuTDAaLuQDa+E4QEMUFZIw4JqSww55yUNfkm2qTbaXrb2962+uxnPzuCs10g7QEIx7vc5S7j350BC8EScXBf+cpXVp/4xCdW3/rWt8bP+ffs2bO67nWvO9rpR9/6CQDJMwBGBhgAEgCUa/zK104/EoCiPUNVx8/3OVZ5fgkXaFIXUJKPjJXSgBjyKNM//vIdJXLpAx916ITh648+8V7S8lp9+tGn5Nx4I3XJCljgpX9ypRO61q/UnKDlXFmIAUBjoT/17dKRfZ1k9w+ge/jDH7464YQTxrtyQLd/+iY/OSdN2oysv+zcmkSc3ete97rVb//2b69OPfXUkTdp0m4kN8NujL3bauPgWte61sj32ouYs4wFk37+JJb7JbyNjitd6Ur7d6LE0YOCp2Uw1tARKZOa/A9+8IOrD33oQ6PtVa5ylRGo/UwemLn0pS+9uutd7zpAlt0lv1Zzt6j8jW9849iiBBIIeO1rX3t1pzvdafAGDEJ6AQPBFFABghyBMfnqkE99Y0g2wIrMzjlXZbbgABL1yQtABCz0qW4AR335+gFAEIcNGOnfUVv94qeONsCTnS9yoI0gAH/JOJakHt07Svp2xFvddqv0S4/GXn389Ofo2rjJUVBR5ly+JMgAuesk+kYnnnji6phjjhm7lj7jwAboVZo0aTPK7h3ZirVpTb/mNa8ZN3Knn376uTUnTdp9xK+7gbQJICbxgeKPJzhumIs5k9ZD8INdQTjmqKOOGoA2Ok87TwVnVHBG8qBlAOhzn/vcAEe+cSS4c2LAw3e+853VLW5xi/Evza7V916ToH7GGWeMdvjZBQGsfD/pXve61xAYMNCfQM/IHMkXf4BFIi8eeLpWz7X26gNHZHWOlANQQB/j7H0jQEUbSRt8IU+AA191OGjtPf9Uhiceyl3joZwsATF9l8iVbI76qT4ejS3eSD16MA/K5JOJDNppL8UfqSsPaiYTfq7Jqg0wqO4lLnGJUX9dRE46vec977m6+c1vvjrrrLPGh0Zvfetbj3KyTpq0GbEfa4gtS+zaevYP8XzPySeffG7NSZN2J4l1bNf7tyeddNLIO/PMM8d3A73GMGl9BJcAtT69dJvb3GbgELFbbD8oeCowm1xBTpk6UDEUtnfv3vE3Icp9owhYcC3o2dXwoUa7CHajOLXIY7qXvexl45ESwtc7SB6j2aWy+0BoOyxkAQwi12SQ9OcaQoTgOU8DlBdYIDd5AA/nwIQdHI/vXHtsBBjhpY2+nCtzBPq0JQtHjRe5gR19Bq7U0R9dqGNMFI0feZAyei1ZOEgdfWtXco0nPQNV5Gmnxtjx1J/xdh01ftvBxoc/2cmtLhCLt5fQ10lAHd0/8IEPHHdd73znO8cOm/n3nS5lkyZtRtY9u0bWmnXC5j//+c+PVwludKMbjbJJk3Yj8dP8sMRu/diK/7vyla88XmmZtLMkHm9F4Y4rXvGK4wdt4q/YbN4OCp4cQ1uCN2ZATv/w/7GPfWx8KTuEJhgCGTrwOA6wuNvd7ja+uO2ckTAKv7Czy2CnCV9OEEgAVgTRY489dlyTxQA5SOdkIgP+ZPXoTx6gAMCom/wcqeuASYhRH9oqx0d9MuATuFFHUgag9NgOL2MwRkf1gUJ9G4M6+sEXH6SNhJThaTzK061rR/UCQ2R2BPQsKPXJKZ+e1QMEjVU77ZPZOSITWbWR770yfdl5w3PdO0/Zm50n7zkxUHdc3n+ST/5JkzajbsjaqbVW5L3vfe8bf649d54m7Xbi0/lx/4LBB4pL3tcTL4sbk9ZDNjdsFLkRO+6440bMNSdi6EHBkyAsD2kgmAFOEPKXv/zl1WUuc5kBSDgvzwUFakBKh8CVx3gPeMADxi4UoMGheZnTjk3blR7jAUraA2aXu9zlVg9+8IOHHECIOuRwJHxAy9GukP7JBiAYmKPtTgCBPPjKZ4wI6FGfk1UXT0fjBX4YMoNWB8DQzlF9dchkRwRg0o+dHef60V47dcgs6btFoMy4JOeNK7ktHH0ZG50u26JAk3Hrlx4RuchtvOSlE3nmUT+CChnNjbEBuvpY986TsZEPwPbYDrAGnuxW0hHdTJq0GVkvrSU2bw06f+1rXzt2n1796lefW3PSpN1HbFXM88qLeOWFcTHBExs37Pz3pPWSmC5+Hn300SNmRgM8mSzvBwAVAmwgoaANCDgHFCDiT3/60wNQAUaclUDOCAT/HJngzCj8/5vHcB7pvec971m9973vHfW87BxvL8sxFKQdMKVN70YJoIwoQIeAJ/LYSQHCAA6fKQAuAnL60ZY8AQnjCKy4pgxOF6Aonz7UdzQe513b2aFM+cmhDTDlHE/6c65fesKbfPjHG8Dh+CV52rV71ZiTGbUThl8Box0ldcxdfLUFrOzq4RlvjynJRl+QNBBmDhufdupKZOp6J0kf6H73u9/qpje96bCvy172suNXl8ZZ+aRJByJ22lq2Pti59Qk8eZ/SqwGTJu1W6sac/YqBRx555MgXH8VKN8ST1kfirR+xmade7AdyxaUjOBwTJ/gKyIKrIwAiD5iRB3m99a1vXX3gAx8YYAko0g5oCDi5FpB1KBgL4F78BWTe9a53jcCIp/YSvpyfNktQw4gIyBEejAIT+AZUgAPvTnlUePWrX32ACEZY3XZvyOyla+DJOdCijiMQY+xkJw8w5CjP+0LAh3e7ADhKlZwrl+ir/9WTyIcnPuoClo7qSfLVoUO6My/GQj9kIgc+eMijO7tIxub9IEfPzI1dOVk9Nl0S3abnSZMmTZq0XuLTxSKJP0di6pOe9KQRvyatl4AlrwD45a6YC5cguOGIAqmgLei6NpEIqDCRn/zkJ8dPf31YUiMvHasrwLvLq51gL/ADAdA0PnaDvBflUwZAgl9/LXed9CGga6c94AYoaJccW5F+gYvAE36M0DaovgJ2+jJGMvd4C7ijEHX0pU4gUCKXfCAu8GNcDD7AJA9Q6QV65aVl/XbEAnrlkTn++k8XkrH55ZmxAEVkNj5jUE971/KN2U6dyV6OaQmWGheSp2zSpEmTJq2H+OD8eU8zxJLjjz9+HCetl2yUwAkwg9gdidVHCMAICBJsBXEBVvA2od/97nfH4zbvonjEc81rXnMEbBOLIbChnWDduzbAQGACavPLOjztBgECjEXngAPAlOFoa0cKzxDewajdmUABOfDBT75HVWTRJ3ABjAAYAKAUsFDXmB3xAEDUx8v1RgAirx00ZWSuDn0g+qFX40TK9UE2PMgOjNIb+fB0lJB2QBEQ6N0ku0uOHlWqY64CXSgd4ouXsdBtcpFRQvKUTZo0adKk9RBfXUwQLyP+2QbCpPWSd7XFYThCXBevkQ2e8ZMsEyUJ6IIyQGCX6Atf+ML4yJz8q13tamP3w6MpwRow2BiAXQvYBXGgwLngbwtSnk7tyDAYwAIRSjukjnP9BDq2Iv0ng3aBPm0BCyDC7pn+gQ/AQx9kVVdK1uTFB3gC9pZABJEVf+PHSxv6ka8tvnabgFI7QgBYbQGXFgodqKM8AIWnNhLdqIuXsZBBvsmkTwBQm0CXPshhbtrJkshKJmmCp0mTJk3aXWRHQ5wRG8Ve5LWOHuNNWh959cWGi00L8dITI3EZjaguUyCXKYCbTL++836TYAx82LoSyD2qUl/QLqg7F4y1U1+Q9/6NDgEubfEWzAV2bQCIgrm0lEE5IRnTwUibdnoCCShg0O4PgFSfZCC7vnp0JzFcfWuLj3bOARPJuTHSg3PgBXlsJ1997Sjc+074AzuBGiledtbcWZCP/tS1gOgufeNvbNoBW/RBdn2ojw8iiz4kVLnUWFC6di0pmzRp0qRJ6yE+nN/mq/l68UAMEj/EpEnrJXjHRo4Yj8RMMRQdAVAgwVTwFtT9SsXn4TXw1yom2GRq6FEXIBLgkVwDAPIYAgMQ/IERecBGu0DAgfpI3YCUFBgDQoCR8wKeAgrakTOZnJPJebzI0M5RbQGVdnlKiCwBPfK2G0RmfIA27fHD2zjpRp1eFkcAkLoBJ3rRpzwAEQ88k4seAnzmwxjIgNQhl6S9fh1d44F/+tSu8esDqSMheelh0qRJkyb9/Imv5uf5cHFGoObn5S0f401aD/k/XnFV/DYnbZigI0waMnEC7+/93u+Nbzh5xufzAgI0BOxdJQ0xUleAR4K3dq4ZgvJQtMm386R+oEBdoEQQByKUAQqOAnr1lBP4YGRAgQx9BxDihW+ASN+BEoS/chQACUA5Nzb1jRvoAaD0oyz0iYxVX8ZKV3gBbORJ8droy1asF+YbLwCDFx6OS0CTDI5k14Ys6VG+fgNKS+AH4LVDpp/60iaa4GnSpEmT1kf5dvHCZkP+2VMbvn/SegkOEkfF1zaCEFzwF899ziFB2HNWv6zzH3O+Gq6BgG1CTaQA77wgH9CRH4gCTNRRroxRyK9zCU/1BHnAgiCEyniUuQZE1EeBGiQvI3PUvxTVP/K4C4Cpf3IqIxNA0cvkASp11cOP/ORTn8zGokxb8pE7oGcseKsvD8gBPOV7ZmonShl58DMW9e3ueX9Jvz2Sk8ikP6S/AF1AzLU6jV1+ZeZFwlNbMsgH7vBWD4ALZBl79bTBG8/0fSiT8RqH5DxbMGZHec1ftibPHC1tareS8WyVJk2atH / The heat treatment of a gear takes place by case hardening. This is done in order to modify the tooth's physical and mechanical properties. The gear hardened surface will be abrasion resistant, while the tough core shows greater flexibility for transferring loads, such as torque moment. For reaching the desired characteristics, a gear, is heated in a carbon rich environment (hearth furnace) and is retained for a certain period. Immediately after leaving the oven the gear is subjected to a subsequent rapid cooling. These operations typically entail geometric deviations and deformations of the gear. Correction of these deviations will be difficult to achieve in afterward. It would involve high manufacturing costs. Today gear manufactures choose optimal manufacturing processes, in order to prevent or minimize these kind of geometric defects. So that the manufacturers can provide appropriate measures to compensate for these geometric errors, they must have sufficient knowledge of the deviated dimension. Knowing the pattern of deviation is the right way to be able to handle them. This thesis is written at Örebro University in cooperation with Meritor HVS in Lindesberg and treats geometrical deviations of a spur gear, affected by heat treatment, known as case hardening. The gear is also called Sun wheel and it is the core component of a planetary gear transmission system (as a part of a nave- reaction) which sits at the rear axle of heavy vehicle there, wheel is located. In this work, I have studied the gears geometric deviation of dimensional in shape, size and orientation, Figure 1. During comparison of data before and after the process of case hardening, a hypothetical deviation model was produced. The model can be significant for the sun gear production’s geometry change in general, affected by case hardening, and can be further used as the assessment of compensating solutions. Due to the difficulties in forming of a hardened surface of tooth, geometric correction as solution is implemented at earlier process stage. An example of this can be over dimensioning of gear that might turn shrinking in more advanced process stages. My solution in this thesis would be a solution that is implemented on an early process stage in a way of optimizing the manufacturing processes. Figure 1. <img src="data:image/png;base64,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

Detta arbete sammanfattar en del av den forskning som gjorts på kugghjul och planetväxlar med avseende på egenskaper som lastfördelning, verkningsgrad och ingreppsstyvheter. En jämförelse görs mellan olika metoder för beräkning av ingreppsstyvheter vilken visar på stora skillnader. En planetväxel av typ D simuleras i flerkroppsdynamikprogramvaran MSC ADAMS där egenskaper som lastfördelning, vridstyvhet och utväxling undersöks.

Företaget SwePart i Liatorp har tagit fram en prototyp på en planetväxel utan glapp vilken kan gynna bl.a. robotindustrin. Problematiseringen är att växeln låter illa vid rotation vilket är vad som ska studeras i detta arbete.Syftet med det här arbetet är att studera reaktionskrafter mellan kuggarna samt kuggformens inverkan på jämnheten i växelns gång. Dessa studier kan leda till kunskap om orsaken till missljud vid interaktion mellan kuggar på planetväxlar. Målet är att få en större inblick i hur kuggarna påverkar varandra vid kontakt och momentöverföring.Studierna utförs genom simuleringar med hjälp av programmet MSC Adams, där SweParts prototypväxel analyseras genom att ta fram kontaktkrafter mellan ett planethjul och ringhjulet.Simuleringarna visar på stora hopp i amplituden under simuleringens tidsintervall vilket kan vara orsaken till missljud. Detta beror bl.a. på kuggarnas form.

ROL Ergo is a company that manufactures and develops height-adjustable tables. Their product line-up consists mainly of electrically operated tables, but also a small-scale of tables where the height is determined by a hand-driven crank. One problem with ROL Ergos hand-operated crank table, PR25 2-column 2-stage crank, is the function of stopping the table after 470 mm which is the tables desired stroke. The solution the existing table have, to prevent this from happening, is a plastic stop mounted on top of the table’s outer legs. This plastic stop is intended to stop the table when the leg reaches its highest position. The hand crank used to change the height of the table have an integrated torque clutch which is used to prevent that the torque applied to the crank exceeds 4.3 Nm. However, the force applied to the plastic part that is generated by the hand crank is greater than what the plastic part is constructed for. This results in the stop being pushed out of its position and must be mounted back by hand, or in worst case, breaks. This report covers the steps taken to find a solution to this problem. Initially, the forces generated by the hand crank in the tables height adjustable system is needed. When these forces were calculated the process of finding concepts and solutions could begin. When a final concept was defined, the solution was verified with simulations and physical tests to ensure the concept’s stop function. Through this process the work resulted in a concept where a C formed ring is mounted onto the table’s thread bars. This ensures that the thread bars are prevented to thread further than the desired height. By using results from calculations, simulations and physical tests, the developed concept could be verified to withstand the forces generated by the hand crank in order to stop the table at the desired stroke. / ROL Ergo är ett företag som tillverkar och utvecklar höj- och sänkbara bord. Deras sortiment består huvudsakligen utav elektriskt drivna bord, men de säljer även, i liten skala, bord där höjden bestäms utav sprintar eller en handdriven vev. Ett problem som ROL Ergo har med sitt handdrivna vev-bord PR25 2-column 2-stage crank är funktionen att stanna bordet efter önskad slaglängd. Bordets slaglängd är ett mått som mäter förändringen utav bordets höjd mellan dess lägsta och högsta läge. Lösningen som bordet har för att stanna bordet vid önskad position är en stoppring monterad på toppen utav de yttersta benen. Denna stoppring är tänkt att stanna bordet när benens glidlager tar emot stoppringen. På grund av att vevens integrerade momentspärr är definierad för ett moment på 4.3 Nm genereras en kraft som trycker mot stoppringen som är större än det stoppringen lyckas hålla emot. Resultatet av detta blir att stoppringen trycks ut ur sitt läge och ringen måste monteras tillbaka för hand, eller i värsta fall, går sönder. Rapporten omfattar de steg som har tagits för att finna en lösning för att stoppa bordet vid den slaglängd som bordet är tänkt att ha. Detta har gjorts med hjälp av en produktutvecklingsprocess. Till en början gjordes handberäkningar för att beräkna de krafter som handveven genererar i bordets höj- och sänksystem. Därefter togs ett koncept fram med hjälp av en kravspecifikation, brainstorming och sållning. Konceptet verifierades därefter med simulationer och fysiska tester för att säkerställa konceptets funktion. Genom denna process resulterade arbetet i ett koncept där en C-ring monteras i en svarvad profil på bordsbenens gängstänger som ser till att gängstången inte kan gängas vidare vid önskad höjd. Genom att använda resultat från handberäkningar kunde simuleringar och fysiska tester verifiera att det framtagna konceptet håller för de påfrestningar som stoppet utsätts för.

This Master Thesis, written in collaboration with CorPower Ocean, serves as the finalization of the author’s master degree education at KTH (Royal Institute of Technology) Stockholm. The purpose has been to characterize the Cascade gearbox which is used to convert vertical motion induced by waves to rotational motion which powers generators in the company’s future wave energy power plant. The purpose was also to suggest future improvements and shed light on any problems discovered. The method for characterizing the Cascade gearbox was to conduct physical measurements of the load sharing in the inherently overdetermined geometrical design. These data were then used to calibrate a static as well as a dynamic model also developed for this thesis. Focus has been on determining that the novel load sharing method is sufficient and that no gear takes more than the 2,5% overload during max load the gearbox is dimensioned for at any time. Also included in the thesis is an analysis of the tolerances effect on the performance of the Cascade gearbox. Results showed that the current design perform within the expected dimensioning limits. However some unexpected characteristics were discovered after analysis of the results. Because of deliberate geometric decisions half of the gears trail behind initially in one direction causing uneven load sharing and unwanted lateral forces on the rack. Also discovered was the importance of equal stiffness of the flex units, used to divide the load evenly between the gears, since the load sharing factor converges towards values directly proportional to the stiffness ratios in between them. As a conclusion it can be said that although the current design is sufficient, there is still room for improvements which could enhance life expectancy as well as load sharing performance of the Cascade gearbox. / Detta examensarbete utfört i samarbete med CorPower Ocean, är det slutgiltiga steget i författarens utbildning på masternivå på KTH (Kungliga Tekniska Högskolan) Stockholm. Syftet med arbetet är att karakterisera en kaskadväxellåda som används för att omvandla vertikal rörelse från vågor till rotation som driver generatorer i företagets framtida vågkraftverk samt att utifrån resultat föreslå möjliga förbättringar och belysa eventuella problem. Den metod som använts för att karakterisera kaskadväxellådan var att via fysiska mätningar, på den testrigg placerad på KTH (Kungliga Tekniska Högskolan) i Stockholm, erhålla data för lastfördelningen i den geometriskt överbestämda konstruktionen. Dessa data användes sedan för att kalibrera en statisk och en dynamisk modell som också utvecklades för det här projektet. Huvudfokus för arbetet har legat i att ta reda på om den konstruktion som används för att fördela lasten mellan kugghjulen fungerar tillfredställande samt att säkerställa att inget kugghjul tar mer än de 2,5% överlast vid fullast växellådan är dimensionerad för vid något tillfälle. Examensarbetet inkluderar även feltoleransers inverkan på lastfördelningen i kaskadväxeln. Resultaten visade att den nuvarande konstruktionen presterar inom de specificerade dimensioneringsintervallen. Några oväntade karaktärsdrag upptäckdes dock vid analys av resultaten. På grund av en avsiktlig geometrisk oregelbundenhet släpade hälften av kugghjulen efter åt ena hållet vilket i sin tur resulterade i en ojämn lastfördelning och oönskade sidokrafter på kuggracken. Flexenheterna som används för att fördela lasten likvärdigt mellan kugghjulen skilde sig åt i styvhet. Den inverkan spridningen av dessa har på lastfördelningen belystes också eftersom lastfördelningen konvergerar mot värden direkt proportionella mot styvhetsförhållandet mellan dem. Slutsatsen från examensarbetet är att den nuvarande konstruktionen, även om den fungerar tillfredställande, lämnar utrymme för förbättringar som potentiellt kan förbättra både livslängd och lastfördelningsprestanda.

No description available.

This master thesis has been performed by a request from Scania CV AB in Södertälje. Scania CV AB is a global company manufacturing heavy vehicles, such as busses and trucks. When developing a gearbox, an endurance test is made that shows failures, such as damaged gears or bearings. STP and delta-ANALYSER are used to discover this kind of failure. STP is developed by Scania CV AB, and it measures the vibration, oil pressure, temperature, etc. delta-ANALYSER is developed by Reilhofer. It is a measuring system that detects failures in the gearbox by comparing the vibrations with a reference. The main issue is that these tests are time consuming. The goal is to cut time and still be able to follow the results more accurately and in an early stage receive failure reports from bearings and gears. Accelerate the tests is not possible, because the test-rig is already heavily accelerated. The purpose of the thesis is to investigate existing methods for a more precise detection of a damage that has reached a certain size, also be able to isolate the source of a defect to a specific gear. In this thesis project different methods for detection of damages has been identified: vibration, thermography, acoustic emission, ultrasonic, oil analysis, etc. After an internal discussion, a combination of two methods: oil analysis and vibration, were chosen. Companies demonstrated their oil analysis systems. Advantages and disadvantages were discussed and it was decided to continue with an oil particle sensor, OPCom FerroS, from ARGO HYTOS, that detect the oil particles with a magnet in the flow of oil. The final system for detection of damages is a combination of OPCom FerroS and Scania’s current system: delta-ANALYSER and STP. The developed detection system was evaluated by the set system requirements, showing that the system meet 22 of the 33 tested requirements. All requirements could not be verified and needs more investigation and tests. / Detta examensarbete har utförts på uppdrag av Scania CV AB i Södertälje. Scania CV AB är ett globalt företag som tillverkar tunga fordon, såsom lastbilar och bussar. Vid utveckling av en växellåda, är ett livslängdsprov genomfört för att upptäcka typiska fel, t.ex. skadade kugghjul eller lager. Idag används två system, STP och delta-ANALYSER, för att upptäcka fel. STP har utvecklats av Scania CV AB, och det används för att mäta vibration, oljetryck, temperatur, etc. Delta-ANALYSER är framtaget av Reilhofer. Det är ett mätsystem som detekterar fel i växellådan genom att jämföra vibrationer med en referens. Det största problemet är att dessa system är tidskrävande. Målet är att förkorta provtiden men fortfarande erhålla tydliga resultat och i ett tidigt stadium erhålla en rapportering av skador på lager och kugghjul. Det är inte möjligt att accelerera proven eftersom provriggarna redan är kraftigt accelererad. Målet med examensarbetet är att göra en undersökning av befintliga system som kan tänkas vara användbara för tidig detektering av utfall kopplat till en viss storlek och kunna isolera felkällan till en viss del av växellådan. I detta examensarbete har flera tekniker för detektering av skador identifierats: vibration, termografi, akustisk emission, ultraljud, oljeanalys, etc. Efter en intern diskussion så valdes det att kombinera två olika tekniker, oljeanalys och vibration. Flera olika företag som jobbar med oljeanalys demonstrerade sina system. Fördelar och nackdelar diskuterades och det valdes att gå vidare med en oljepartikelsensor, OPCom FerroS, från ARGO HYTOS, som med hjälp av en magnet i oljeflödet kan detekterar oljepartiklar. Det slutgiltiga systemet för detektering av skador blev en kombination av OPCom FerroS och Scanias nuvarande system: delta-ANALYSER och STP. Det utvecklade detekteringssystemet utvärderades med de ställda kraven och det påvisade att systemet uppfyller 22 av de 33 testade kraven. Alla krav kunde inte verifieras och kräver vidare undersökningar och tester.

A handheld heavy-duty nut runner, commonly used to assemble windmills and oil pipe lines, and capable of producing 4100 Nm of torque, experiences low cycle fatigue and usually fails after 20 000 cycles at the specified torque. A full assembly Finite element model of the last stage of the four-stage planetary gearbox is constructed and simulated over one complete load cycle. The results from the simulation is compared with, and used to verify a KISSsoft simulation of the same model. Using the Finite Element model, a parametric optimization is performed using a full factorial design. The results show that misalignment issues are difficult to prevent due to the planetary gearbox design. Comparing the two models shows similar characteristics and stress levels but that local differences are common. A proposed design improvement results in better load distribution in the planet – ring interaction, which was previously impaired compared to the planet – sun interaction due to deformation induced misalignment. The result shows that by balancing the rotational stiffness of the side 1 and side 2 carrier pin mountings, it is possible to reduce the contact misalignment and improve the load distribution in the gearbox. / En handhållen mutterdragare vars användningsområde innefattar bland annat montering av vindkraftverk och oljeledningar, producerar ett vridmoment om 4100 Nm. På grund av det här havererar vanligtvis verktyget av utmattning vid ca 20 000 cykler, något som tros vara kopplat till vinkelfel som uppkommer vid deformation av verktygets växellåda. Vinkelfelen resulterar i att lastfördelningen mellan kugghjulen blir skev och spänningskoncentrationer uppstår. Finita elementmetoden används för att undersöka uppkomsten av vinkelfelen och en komplett modell av hela det sista steget i den fyrstegade planetväxellådan undersöks. Simuleringen jämförs med en liknande modell i KISSsoft, dels för att bekräfta resultatet från simuleringen, dels för att undersöka skillnader och svagheter i de båda modellerna. FE-modellen används även för att bygga upp en parametrisk optimering baserat på faktoriell design. Resultatet visar att vinkelfel är svårt att motverka på grund av växellådans design och konfiguration. Jämförelsen av de två simuleringsmodellerna uppvisar liknande karaktärsdrag och spänningsnivåer men att lokala skillnader finns mellan de båda modellerna. Optimeringen resulterar i en föreslagen designförändring som visar sig förbättra lastfördelningen i planet – ring – interaktionen utan att påverka lastfördelningen i planet – sol – interaktionen. Det här är att föredra eftersom lastfördelningen mellan planet och sol är bättre än lastfördelningen mellan planet och ring. Resultatet visar också att det är möjligt att minimera vinkelfelet mellan kontaktytorna, och förbättra lastfördelningen i växellådan genom att balansera rotationsstyvheten på var sida om planeten i planetbäraren.

The purpose of this bachelor thesis is to design and optimize a powder metal gear through FEM-analyzes. The moment of inertia and weight of the gear shall be reduced at the same time as the demands on tension and bending stiffness are met. The gear that is used as reference and will be optimized is the standard gear in the FZG-rig at the department of Machine Design at KTH. The work is initiated with a literary study. After that a CAD-model of the gear and its pinion is created in Solid Edge. Then the reference gear is analyzed in the FEM-program Ansys and control calculations are made according to standards and handbooks. Thereafter different geometry and density variations are made and tested. The tests are then compared to the reference gear. By varying the density of the gear and varying the geometry of the waist of the gear several different optimization proposals could be made. By cutting material off the waist of the gear the weight can be reduced by 6 % with an increase in bending stress of 1 %. If a bigger increase in bending stress is allowed more material can be removed. If the bending stress increase is allowed to be 5 % a decrease in weight and moment of inertia of 14 % is obtained. With an increase in deformation of 5 % a decrease of 11 % in weight and moment of inertia was obtained. The different tested geometries behave relatively equal up to a 3 % decrease in weight with respect to deformation but begins to vary considerably if the weight is further decreased. Removal of material should be symmetric around every gear tooth to avoid transmission failure which also leads to increased noise. The results show that it is better to remove material under each gear tooth rather than under the root. It is also advantageous to remove material close to the flange. Further work is required to analyze and optimize the gears even more. Fatigue tests as well as different load cases should be analyzed. / Syftet med kanditatexamensarbetet är att ta fram och egenskapsoptimera ett pulvermetallurgiskt kugghjul med hjälp av FEM-analyser. Tröghetsmomentet och vikten på kugghjulet ska minimeras samtidigt som kraven på spänningar och böjstyvhet uppfylls. Det kugghjul som används som referens och ska optimeras är standardkugghjulet i FZG-riggen på institutionen för maskinkonstruktion på KTH. Arbetet inleds med att en litteraturstudie görs. Sedan tas en CAD-modell för kugghjulet och dess tillhörande drev fram i Solid Edge. Därefter analyseras referenskugghjulet i FEM-programmet Ansys och kontrollberäkningar görs enligt standarder och handböcker. Därefter konstrueras och analyseras olika geometrier och densitetsvariationer och jämförs med referenskugghjulet. Genom att variera densiteten på kugghjulet och variera geometrin på kugghjulets liv kunde flertalet optimeringsförslag tas fram. Genom att göra en utskärning i livet kan vikten minskas med 6 % utan att böjspänningen påverkas mer än 1 %. Om en större ökning i böjspänning tillåts kan ytterligare material avlägsnas. Om böjspänningsökningen tillåts vara ca 5 % kan en viktminskning och tröghetsmomentsminskning på ca 14 % åstadkommas. Vid en deformationsökning på 5 % erhölls en viktminskning och tröghetsmomentsminskning på ca 11 %. De olika geometrier som testas beter sig relativt lika upp till 3 % viktminskning med avseende på deformation och börjar därefter variera kraftigt. Borttagning av material måste ske symmetriskt kring varje kuggtand för att transmissionsfel och därmed ökat buller ska undvikas. Det visar sig att ta bort material under kuggen är bättre än att ta bort material under kuggroten. Det gynnsamt att göra geometriska förändringar närmast flänsen på kugghjulet. Vidare arbete krävs för att analysera och optimera kugghjulen ytterligare. Utmattningstester och fler lastfall bör analyseras.