基于SARIMA和SVR组合模型的转向架系统寿命评估

随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。

基于空-频域联合滤波的列车轴承轨旁声学诊断

现有的列车轴承轨旁声学诊断方法多集中在多普勒效应去除、空间滤波器优化等方面,忽视了轨旁环境中存在的大量冲击性噪声及循环平稳性噪声的影响。针对此问题,文中提出了一种波束形成和目标频带选择结合的列车轴箱轴承轨旁声学诊断方法。该方法采用传声器阵列采集列车轴承阵列声信号,通过时域插值重采样方法校正信号畸变,使用波束形成空间域滤波器提取目标轴承方向信号,利用ICS2gram选取最优解调频带并提取带通信号,对带通信号进行包络分析实现轴承诊断。实验结果表明,该方法能够在轨旁声场环境下有效避免冲击性噪声和循环平稳性噪声带来的影响,准确提取目标轴承信号并诊断出轴承故障,相较于现有方法表现出了更好的效果。

基于迭代融合优化算法和WPHM的牵引电机轴承可靠性评估

为了评估列车牵引电机轴承的运行可靠性,提出一种基于反向指数鲸鱼群(OEWOA)与粒子群(PSO)迭代融合的优化算法和威布尔比例故障率模型(WPHM)的评估方法。提取振动信号的时域、频域特征指标,利用主成分分析法(PCA)进行特征信息的融合,将融合后的特征指标作为WPHM的响应协变量进行可靠性评估。针对模型中多个参数直接求解困难的问题,利用反向学习策略(OBL)和指数收敛因子提高鲸鱼算法(WOA)的搜索能力,迭代融合PSO算法良好的收敛能力;通过OEWOA的探索指导PSO的迭代,避免PSO陷入局部最优,从而彻底探索搜索空间,同时使用PSO限制OEWOA的搜索,以便更快地将解收敛到全局最优值。应用该优化算法对WPHM中多个参数进行求解,实现牵引电机轴承运行可靠性的评估。结果表明,该方法与PSO、WOA等优化算法比较,具有更快的收敛速度和寻优能力。

基于改进CNN的轴承声学故障诊断

针对轴承振动信号在复杂机械中难采集和跨转速域工况下传统故障诊断方法精度低的问题,文中提出了一种基于Teager能量算子和卷积神经网络的滚动轴承声学故障诊断方法,即TEO-CNN。将轴承声学信号的Teager能量算子作为模型的输入,使用卷积神经网络学习输入的抽象特征,并结合全局平均池化层和全连接层实现轴承健康状态识别。模型验证基于轴承声学实验数据,并通过构建不同的轴承声学数据集模拟跨转速域工况。试验结果表明,与传统卷积神经网络和机器学习模型相比,TEO-CNN表现出明显的优势,并且在跨转速域工况下的预测精度始终高于95%。

基于互谱矩阵函数的多声源识别方法

为解决多声源识别中的混叠问题,提出一种基于互谱矩阵函数的多声源识别方法。首先,对与各峰值源相关的互谱矩阵进行特征值分解,并利用特征值和特征向量构造其函数;其次,在反卷积迭代过程中,将该函数用于计算移除各峰值源后的互谱矩阵函数和输出功率;最后,将与各峰值源相关的干净波束和剩余功率谱叠加,获得多声源的分布图像。仿真与实验结果表明,该算法的输出波束主瓣窄、旁瓣低,可有效提升传统反卷积算法的动态范围,实现多声源的高分辨率识别。

考虑轴承径向游隙变化和电动机气隙偏心的轨道车辆牵引电机轴承等效电容计算

考虑轴承径向游隙变化和电动机气隙偏心,基于赫兹接触理论将轴承等效电容分为赫兹接触电容和非赫兹接触电容,建立轴承等效电容计算模型,基于该模型分析了热稳定过程中滚子与滚道之间的间隙、最大径向载荷、赫兹接触面积、赫兹接触电容和非赫兹接触电容的变化,结果表明:滚子与滚道之间的间隙随温度升高先减小后趋于稳定,最终小幅增加;滚子最大径向载荷随温度升高先减小后趋于稳定;赫兹接触面积随温度升高先减小后增大;赫兹接触电容和非赫兹接触电容随温度升高先增大后趋于稳定。通过与有限元法对比验证了轴承等效电容计算模型的正确性,即热稳定过程中轴承等效电容随温度升高先增大后趋于稳定。轴承电压和EDM电流的计算结果表明,二者均随温度升高逐渐增大,且电动机气隙偏心度增大会使EDM电流增大,加剧轴承电腐蚀。

基于FPGA的轨旁列车轴箱轴承声学检测系统设计

现有的轨旁声学检测系统存在功耗高、成本高、系统可移植性差等问题。因此设计并实现了基于FPGA的40阵元数字MEMS传声器阵列轴承声学检测系统。首先给出检测系统硬件架构以及模块设计方案并在FPGA上实现了PDM信号传输;然后基于UDP协议实现了以太网传输模块。使用去多普勒技术去除信号畸变,通过波束形成技术定位轴承并获取其声信号,最后利用包络解调实现轴承诊断。实验结果表明该系统能在轨旁条件下有效获取轴承信号并实现声学检测。

“城市轨道车辆故障诊断技术”课程建设探究

本文分析了"城市轨道车辆故障诊断技术"课程的课程定位,针对课程定位和课程特点,剖析现有教学内容和方法中存在的问题,从课程目标、课程内容、教学手段和评价体系以及师资队伍建设四个方面提出了改进和优化方案,为该课程教学水平的提高提供了有效保障。

基于GSO算法的自适应随机共振轴承故障诊断

针对强噪声下轴承故障弱信号较难检测和传统仅靠单参数优化随机共振系统问题,提出一种基于萤火虫优化算法(GSO)的自适应随机共振轴承故障信号检测方法。首先按固定频率压缩比压缩频率;然后以传统随机共振系统输出信噪比作为GSO算法的初始荧光素,利用GSO算法选取随机共振系统的结构参数a、b;最后通过双稳随机共振系统的输出信噪比检测轴承故障弱信号是否增强,通过系统的输出时域图分析信号的周期性,通过功率谱分析轴承故障弱信号的特征频率。仿真验证与试验验证结果分析表明,该方法可检测出轴承故障弱信号,实现弱信号的增强和降噪。

虚拟现实技术在《城市轨道交通车辆认识实习》中的应用分析

基于虚拟现实技术,进行了城市轨道交通车辆认识实习课程教学的研究。在虚拟现实中构建出与真实地铁车辆一致的场景,学生利用VR设备沉浸式学习车辆的关键结构及原理,并可使用双手柄与场景进行交互虚拟拆装操作,使其知识、能力、素质协调发展,对于提高学生的工程意识、工程素质和工程实践能力有着重要的意义。

基于经验模式分解和排列熵的轴承故障特征提取

针对滚动轴承故障声信号故障诊断中共振解调滤波参数较难确定以及故障诊断困难的问题,提出一种基于经验模式分解和排列熵的改进滚动轴承故障诊断解调方法。该方法首先对滚动轴承声信号进行经验模式分解,将其分解为多个本征模态分量;然后计算各本征模态分量的排列熵值和相关系数,根据联合系数最大化原则对筛选出的分量进行信号重构;最后,利用快速谱峭度对重构信号进行滤波分析,将峭度值最大的频段进行平方包络提取特征频率。将该方法用于滚动轴承故障声信号的实际数据进行分析,结果表明该方法能够有效提取滚动轴承故障特征,并且相较于传统的包络解调具有更好的效果。

基于稀疏贝叶斯学习的高分辨率Patch近场声全息

针对基于空间二维Fourier变换的近场声全息技术的重建效果受到测量孔径与测点数影响的问题,提出一种基于稀疏贝叶斯学习的高分辨率Patch近场声全息方法。利用高斯核函数和稀疏贝叶斯学习算法对全息面声压进行插值和外推,利用插值和外推后的全息面声压进行近场声全息重建。仿真和实验结果表明,所提方法可有效抑制小全息孔径测量对重建精度的影响,同时可以在测点较少的情况下极大提升全息重建的空间分辨率。另外,仿真结果还证明了插值过程具有较好的稳定性,可以在一定程度上提高测量数据的信噪比。

基于灰色综合评估和PSO-BP的地铁车辆可靠性评价

为了更加科学地评价地铁车辆的可靠性状态,并依据评价结果指导车辆检修策略的调整,使上线车辆的可靠性处于可控状态,提出采用灰色综合评估和粒子群算法优化反向传播神经网络(PSO-BP)预测相结合,综合评价地铁车辆当前的可靠性状态。依据地铁车辆安全评价相关标准,确定地铁车辆可靠性状态评定等级、取值范围及对应状态。基于车辆各子系统当前故障数据分析获取各子系统可靠度及评分值,同时利用层次分析法确定各子系统所占车辆的权重,根据各子系统评分值及权重采用灰色综合评估法确定车辆不同可靠性等级的比重,对车辆可靠性状态进行预分析。利用BP神经网络和PSO-BP神经网络可靠度预测模型,根据历史故障数据对车辆各子系统的可靠度进行预测,并对比2种模型的预测精度。根据灰色综合评估法预分析结果和PSO-BP神经网络可靠度预测结果,综合评价车辆当前的可靠性状态。以上海地铁某车型为例,依据各子系统的故障数据进行算例分析及验证。研究结果表明:PSO-BP神经网络相比于BP神经网络预测的相对误差降低了4.39%,具有较好的预测精度。将灰色综合评估和PSO-BP预测相结合,可以更客观准确地评价地铁车辆当前可靠性状态,为深入开展轨道交通车辆的可靠性评价体系研究提供新方法与案例支持。

采用小波变换和盲源分离的电机轴承故障诊断

针对地铁车辆转向架牵引电机轴承故障,提出一种结合小波变换和盲源分离的轴承故障识别方法。首先从原始信号频谱中判断轴承高频共振信号的大致频带范围以确定小波分解层数;其次利用小波分解提取轴承高频共振信号成分;然后利用盲源分离方法从小波分解后的重构高频信号中分离故障特征信号;最后对故障特征信号进行Hilbert解调并通过包络谱分析提取故障特征频率。对上海地铁某型地铁车辆转向架牵引电机进行试验,试验结果证明该方法能清晰、准确地识别轴承故障特征。

基于IMF聚合与SVD的城轨车辆牵引电机轴承故障诊断

为有效提取城市轨道车辆牵引电机轴承的故障特征,提出一种基于本征模式分量(IMF)聚合与奇异值分解(SVD)相结合的轴承故障诊断方法。该方法首先运用经验模式分解(EMD)将原始振动信号分解成一系列本征模式分量;其次在利用皮尔逊积矩法进行本征模式分量的筛选后将剩余的分量聚合重构,再将重构信号运用奇异值分解降噪;最后对降噪信号进行Hilbert谱分析,实现轴承故障特征向量的提取。城市轨道车辆牵引电机轴承实测数据的分析结果表明该方法能够有效提取故障特征信号,对轴承故障进行有效的诊断。

换流站阀水冷系统主泵轴承故障诊断方法研究

对换流站阀水冷系统主泵轴承的故障诊断方法进行了比较研究。采用支持向量机作为分类工具,分别利用时域特征值和小波包分解取样本熵作为样本训练,比较分类准确率,并择优用于换流站阀水冷系统主泵的轴承故障诊断。首先,利用轴承故障试验台的数据,对采用时域特征值和小波包分解取样本熵作为样本训练的分类准确率进行了比较,结果表明小波包分解取样本熵值比时域特征参数更适合用于特征故障分类。然后将小波包分解取样本熵值用于换流站阀水冷系统主泵的轴承故障诊断,结果显示分类准确率达98%,完全满足工程运用需求。

强背景噪声下基于谱峭度-波束形成轴承故障特征提取

在利用声学信号分析法对滚动轴承进行故障诊断时,环境噪声或其他设备噪声会严重影响目标声信号的提取并降低诊断精度。针对这一问题,提出一种用于故障特征增强的谱峭度-波束形成方法。该方法首先利用快速谱峭度算法确定最优滤波频带,然后根据确定的频带,利用2阶锥规划方法设计恒定束宽波束形成器并提取目标频带信号,最后对提取的带限信号进行包络解调得到轴承故障特征频率。实验结果表明,该方法能够在强干扰环境下有效提取滚动轴承故障特征,并且相较于传统的延时求和波束形成器具有更好的效果。

基于Web的机器人虚拟装配个性化实验的设计与实现

西南交通大学机械基础实验教学示范中心充分利用个性化实验提高学生工程实践与创新能力。阐述了基于Web的机器人虚拟装配的个性化实验的设计与实现过程，介绍了机器人三维建模与编辑、虚拟装配人机交互主界面设计和个性化实验网站的设计，实现了网络环境下机器人各功能模块的虚拟装配。

基于随机森林方法的地铁车门故障诊断

针对现有地铁车门故障诊断方法存在的诊断速度慢以及大量故障检修数据未得到合理利用等问题,提出一种基于信息增益率的随机森林故障诊断方法。该方法将地铁车门历史故障数据集转化成决策表,通过Bootstrap重抽样,建立多棵基于信息增益率的决策树,形成随机森林故障诊断模型,实现地铁车门故障的快速诊断。且随着故障数据的增加,其故障诊断模型可以自动更新完善。通过地铁车门实际故障数据,验证了该方法的有效性。同时,通过对随机森林模型中决策树的数目讨论分析,确定了该方法模型的最优设计结构。

列车轮对内侧距光学快速测量系统设计及实现

列车轮对内侧距的准确、及时测量,是列车检修中必不可少的工作。目前,主要使用专用机械卡尺测量轮对内侧距。由于机械卡尺读数与记录都是人工操作,步骤繁琐。针对以上问题,设计了基于三角测距原理的列车轮对内侧距快速测量系统。首先,采用嵌入式处理器驱动摄像机的方式采集轮对内侧激光点图像,并根据激光光斑在像素平面的移动特征,提出快速搜索光斑初步位置方法,剪裁出含有光斑的局部图片;然后,利用阈值分割法和图像形态学处理法,过滤局部图片中光斑的背景噪声;最后,根据灰度重心法精确提取光斑中心坐标,计算轮对内侧距。为验证该系统的可行性,与轮对内侧距机械测量卡尺进行对比试验。试验结果表明,轮对内侧距光学测量方法准确有效。该系统能够大大缩短轮对内侧距测量时间,提高工作效率,在列车日常维护中具有一定的应用价值。