基于振动加速度与声音信号融合的轨道交通列车轴箱轴承故障诊断方法

[目的]轴箱轴承是轨道交通列车转向架的关键零部件,其健康状态直接影响列车的运行安全。需建立更为科学、高效的轴箱轴承故障诊断方法,以有效提取强干扰噪声下的轴承故障特征信息。[方法]以振动加速度及声音信号(以下简称“振声信号”)为研究目标,分析了轴箱轴承振声信号的故障特征,提出了一种最优带通卷积滤波的信号降噪方法。该方法将原始信号在频域内划分为多个分段,确定不同分段的带通滤波参数,构建了多通道带通卷积滤波器组。采用时域指标分段峭度来选择最优滤波信号,并对最优滤波信号进行频率加权能量算子解调,以识别轴承的故障部位。[结果及结论]所提故障诊断方法可以在强干扰噪声下实现对振动加速度信号、声音信号故障特征的提取,仿真结果及现场试验结果均验证了该诊断方法的有效性。振动加速度、声音信号的故障诊断结论可相互补充验证,进一步提高轴箱轴承故障诊断的准确率。

基于数据驱动的高速铁路动车组列车头尾车车轮踏面缺陷预测方法

[目的]踏面缺陷是高速铁路动车组列车车轮失效的主要表现形式之一,严重影响了动车组运行的安全性及乘客的乘坐舒适性。车轮踏面缺陷主要集中在头尾车,可能是多种因素共同作用的结果,需要寻找一种能综合多种影响因素的预测方法。[方法]基于某铁路局动车组列车的车轮镟修数据,每个数据样本包括10个特征(4个名义特征和6个连续特征),对数据进行预处理。通过合成少数类样本过采样技术对不平衡数据集进行处理,构建了标准化数据集。建立了DNN(深度神经网络)模型,对底层特征进行组合,形成了特征的高层抽象表示。通过网络结构调整和超参数优化得到了模型的最优学习效果。对模型进行训练并测试,验证了该模型的预测效果。[结果及结论]基于数据驱动的头尾车车轮踏面缺陷预测方法具有较高的预测精度和较优的综合性能,其预测精确率达92.5%,可有效预测头尾车车轮踏面损伤的发生概率。

轨道交通车辆转向架轴箱轴承故障声学特性分析

[目的]为解决轨道交通车辆转向架轴箱轴承在轨道服役工况下故障难以辨别的问题,需对该故障声学特性进行研究。[方法]以轨道交通车辆转向架故障轴箱轴承为研究对象,考虑外加载荷和激励,引入非规则故障,结合转子-轴承系统,建立了轴箱轴承系统动力学模型。依据脉动点声源辐射方式,采用数值仿真软件搭建了轴承内外圈非规则故障声音信号模型,探究了轴箱轴承在轨道服役工况下内外圈故障特性,以及载荷、转速对轴承声音信号特征参数的影响。利用轴箱轴承试验台进行了不同工况下故障轴承声音信号试验,并对其结果进行了分析。[结果及结论]内、外圈故障轴承和正常轴承声音信号都会出现对应的特征频率和倍频,但内圈故障轴承声音信号的倍频附近会出现转频的调制频率。随着转速递增,内、外圈故障轴承和正常轴承的特征参数均会出现特有且明显的正相关趋势,其中时域波形指标随转速增大而减小,特征频率幅值随转速增大而线性递增。随着载荷递增,内、外圈故障轴承和正常轴承的特征参数均会出现特有且明显的正相关趋势,其中时域方差指标随载荷增大而增大,特征频率幅值随载荷增大而线性递增。

基于自相关降噪和局域均值分解的轨道车辆轴箱轴承故障诊断方法

以轨道车辆轴箱轴承为研究对象,建立了基于振动监测的故障诊断模型,提出了基于自相关降噪和局域均值分解的轨道车辆轴箱轴承故障特征提取方法,用于轨道车辆轴箱轴承故障分类辨识。为分析该方法在轴箱轴承故障诊断中的有效性,参考轨道车辆轴箱轴承实际服役工况搭建了实验平台。进一步利用加速度传感器采集信号,将不同故障模式下的振动数据按照所构建方法的流程进行故障特征频率提取。实验结果表明,原始信号中的随机干扰噪声得到有效抑制,故障特征3倍频及以上频率成分被成功提取出来,验证了所构建方法用于轨道车辆轴箱轴承故障诊断的可行性。

多物理场耦合监测的高速列车转向架轴承实验台设计

为满足高速列车转向架轴承状态监测的教学需要,考虑高速列车实际服役工况,根据驱动、激振、控制的相关理论,研制了适合高速列车轴箱、齿轮箱及电机等多类轴承的轴承系统实验台;同时研发了多场耦合监测系统,使轴承运行状态监测由单点监测发展为场监测;实验证明,多场信息融合能提升轴承故障诊断的有效性,对探索轴承多维故障特征以及提升学生的理论创新能力有极大的帮助。