VMD引导的轮对与轴承复合故障诊断方法

针对列车轮对轴承系统复合故障难以辨识与诊断问题,提出一种变分模态分解(variational mode decomposition,VMD)引导的多故障特征提取匹配方法.首先,为避免预定义模式数在运行过程中对先验知识依赖从而对诊断结果造成影响,对原始轴箱振动数据进行逐阶VMD分解,模式数为2~N;其次,对VMD分解获取的本征模态函数(VMD intrinsic mode functions,VIMF)进行相关峭度计算,提取相关峭度最大的VIMF;然后,将相关峭度最大的VIMF进行平方包络分析,提取故障特征频率;最后,将所提方法与快速峭度谱、相关峭度谱方法进行对比.仿真信号和试验数据分析表明:所提方法完全规避了VMD模型中关键参数K的选择问题,可以准确、有效地分别提取出轮对和轴承的故障特征;与快速谱峭度与相关谱峭度方法相比,获取的故障特征谐波分量在数量和信噪比上均具有明显优势.

基于小波时频图和量子遗传算法的车轮扁疤检测方法

针对地铁车轮扁疤在线诊断困难问题,提出了一种基于小波时频图、灰度投影法和量子遗传算法的智能在线车轮扁疤检测方法。首先对轮轨间的垂向振动信号进行小波时频分析,得到小波时频图,然后结合灰度投影法从时频图中提取车轮扁疤的特征;最后采用量子遗传算法对支持向量机进行优化以提高SVM的分类准确率。通过一个工程实例验证了该方法在识别车轮扁疤时的有效性。结果表明,该方法能够准确且快速地检测出对车轮扁疤,且所使用的分类模型的性能优于现有模型。

基于YOLOv4的客车转向架部件漏油故障图像检测

作为车体主要部件的铁路客车转向架是列车运行安全保障的关键部件,目前主要依靠客车故障轨旁图像检测系统检测出转向架故障并分类定位,但存在一定漏检和误检,检测准确率无法保证。基于此,针对客车转向架常见的关键部件漏油现象,展开漏油区域视觉图像缺陷检测研究,提出一种改进的YOLOv4目标检测算法,使用k-means++聚类方法获得更匹配关键部位漏油区域目标的候选框参数,更准确地识别和定位漏油区域目标。在网络中将部分标准卷积替换为可变形卷积,提高目标检测的准确性。

地铁列车车轮失圆动态接触式检测装置仿真分析及其优化

在接触式车轮失圆检测装置应用中发现,当列车运行速度较高时,检测结果准确度低,检测杆易损坏。以车轮失圆动态接触式平行四边形机构检测装置为例,建立检测装置三维有限元仿真模型,分析仿真结果,获得较高速度检测时检测结果准确度低、易损坏的原因,并提出优化措施。仿真试验验结果表明:车轮失圆动态接触式平行四边形机构检测装置检测杆前端轮缘入口处坡度由5.5°减小为2.48°,较高速度情况下检测时,能够减小车轮轮缘与检测杆间竖直方向载荷,提高检测结果准确度。

基于IVMD算法的动车组滚动轴承故障特征提取方法研究

动车组转向架滚动轴承的运行安全一直是影响列车安全运行的重要环节,目前国内外有多套监测体系进行了车载应用,但误报、漏报等现象时有发生,滚动轴承故障特征提取方法的准确性是该领域研究的重点之一。本文提出了一种基于改进的变分模态分解算法(Improved Variational Mode Decomposition,IVMD)的故障特征提取算法,采用混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)对模态数K和带宽控制参数α进行最优自适应选择。建立了基于包络熵、峭度和相关系数的多目标评价函数来选择最优模态分量。利用功效系数法将多目标优化问题转化为单目标优化问题,用频谱分析法对最优模态分量进行重构和处理。最后利用全实物电机轴承滚动实验台数据进行了方法的测试,有效验证了提出的改进方法分解故障信号及提取故障特征频率的准确性。

铁路货车转向架旋转部件故障诊断方法研究

利用振动信号监测铁路货车轴承和车轮的故障极易受到轮轨接触振动和周围环境噪声的影响,故障特征信号被外界干扰噪声淹没,难以提取,并且车辆频繁变速带来振动信号频率扰动。文章针对以上问题,提出了一种基于信号平稳化条件下的自适应滤波解调技术的轴承故障诊断方法,能够在列车变速工况和随机冲击干扰下实现对轴承故障的准确识别。转K6型转向架实车线路测试结果表明,文章提出的方法能够准确有效地诊断轴承剥离以及车轮踏面擦伤故障,可为后续铁路货车故障诊断与监测提供技术基础。

基于6A走行部故障监测子系统的车轮多边形故障诊断方法

提出一种基于6A走行部故障监测子系统(ATDR)的车轮多边形故障诊断方法。首先,通过6A走行部故障监测子系统采集和诊断机车运行过程中的轴箱振动冲击信号。然后,基于地面软件展示车载诊断状态数据和报警结果,根据车轮多边形故障特征确定多边形故障阶次,并根据报警结果为车轮多边形故障镟修提供建议。最后,通过线路数据和轮对不圆度测试验证了该方法的有效性。结果表明,该方法可实现车轮多边形故障阶次诊断,且故障报警等级可有效支撑车轮多边形镟修。

轨道车辆全寿命周期费用分析系统研究

轨道车辆产品全寿命周期费用分析对产品设计制造具有十分重要的意义,其中产品的可靠性、可用性与可维护性是制约产品全生命周期费用分析的关键因素,如何结合RAM研究成果及LCC研究成果,为决策提供最优支持,是当前RAMS研究和LCC研究的主流方向,针对以上问题,本文研究了一种轨道车辆全寿命周期费用分析系统,加强全寿命周期费用分析能力,支撑检修成本分析和修程修制优化。

轨道车辆全生命周期可靠性评估分析系统研究

为进一步实现数据的互联、互通、互用、复用,将提炼、加工过的数据、形成的结论、经验和知识共享,得到进一步的提炼、升华和积淀,促进工程设计人员的设计水平的提升,形成数据、经验、知识、设计能力的良性循环,文章研究了一种轨道车辆可靠性评估分析系统,加强全寿命周期分析能力,支撑检修成本分析和修程修制优化。

轨道车辆RCM分析技术与系统研究

RCM分析方法以可靠性为中心开展维修分析,在轨道车辆研制过程中,通常采用RCM确定车辆预防性维修需求、优化维修策略。通过对系统进行功能与故障分析,明确系统故障发生的后果,用规范的逻辑决断方法,确定各类故障后果的预防性对策,通过现场故障统计、专家评估和定量化建模等手段,在保证安全性和可用性的前提下,以维修停机损失量最小为目标,优化系统的维修策略。文章通过分析轨道交通RCM分析MSI选择与RCM逻辑决策流程,建立了适用于国内轨道车辆检修规程分析的RCM分析系统技术架构,基于可靠性数据分析、系统功能故障分析、故障影响分析等模块开发,搭建了可动态扩展、可实现快速响应需求的轨道车辆RCM分析平台,可以有效支撑轨道车辆检修规程制定及修程优化。

城市轨道交通智能综合检测列车检测系统集成方案

目的:随着新一代城市轨道交通智能综合检测列车的研发,需要对其搭载检测系统的集成方案展开研究。方法:利用改进层次分析法,从需求、效益、功能替代性3个维度量化各检测系统的评分,提出城市轨道交通智能综合检测列车各检测系统配置方案决策模型,确定各检测系统的优先级。以北京某条地铁运营线路为例,对其展开智能综合检测列车各检测系统集成分析,提出集成原则,按照动拖比配置进行分类并进行动力性能核算。提出搭载不同检测系统的3节编组列车配置方案与2节编组列车配置方案。总结了智能综合检测列车的技术优势。结果及结论:经需求、效益、功能替代性3个维度对各检测系统的评分量化,结合智能综合检测列车各检测系统配置方案决策模型,将各系统分为A_(0)、B_(0)、C_(0)3个优先级,不同检测系统的配置方案取决于钢轨探伤系统、车辆动力学响应检测系统等B_(0)级系统的搭载情况。挑选出符合车辆动力性能的动拖比配置方案,依据所搭载B0级检测系统的不同,得到适应于智能综合检测列车动拖比为2∶1的3节编组列车方案与动拖比为3∶1的2节编组列车方案。

地铁车辆转向架轴承故障诊断方法分析

在社会经济高速发展过程中,为了充分增强城市交通运输的综合能力,充分增强人们出行的便捷性、舒适性,城市地铁线路的建设如火如荼地开展。为了充分保障地铁运行的安全性,轴向架轴承作为地铁车辆的核心内容,在运行中要充分保障车辆运行的稳定性。而在轴承运行中受到应用频次以及强度的增加会导致出现不同程度的故障问题,因此,要综合实际状况总结故障诊断方法。

基于形态学滤波的车轮多边形故障诊断方法

通过车轮多边形轴箱振动响应提出一种基于形态学滤波的车轮多边形故障诊断方法。核心是通过形态学滤波算法对轴箱振动加速度信号进行降噪,通过降噪信号频谱分析确认是否存在多边形故障,并根据多边形主频计算多边形阶次。首先,根据车轮多边形仿真信号研究形态学滤波器类型、结构元素类型、结构元素尺寸对车轮多边形信号降噪的影响,并给出上述参数的选择建议;然后,通过车轮多边形仿真信号验证本文多边形故障诊断方法的有效性;最后,通过线路试验数据和轮对多边形测试验证该方法的有效性。验证结果表明,该方法可实现车轮多边形故障信号降噪,并能有效诊断出车轮多边形故障。

城市轨道交通车辆故障诊断技术综述

随着轨道交通行业的快速发展,使得城轨道交通的速度、运输效率和智能程度都在不断地提升。但轨道交通可靠性保证是实现上述技术发展所必需的先决条件,也是整个轨道交通工程建设的首要任务。轨道交通车辆通常由车身、车门、动力及传动系统、行走系统、制动系统、电气系统、车载信号系统及其它附属功能部件构成,但由于轨道交通工具的工作环境复杂多变、噪声干扰大、故障模式难以预测等问题,成为其故障诊断面临的突出挑战。文章主要对对轨道交通车辆关键设备故障诊断方法、技术进行了分析。

高速重载铁路货车轮轴智能检测系统的研究

针对铁路货车在高速重载行车状态下的轮轴智能检测和轴承故障难以诊断问题,研究设计了一种高速重载铁路货车轮轴智能检测系统。通过构建系统的软件和硬件结构模型,制定通信指令集的编码和解码规则,设计智能化指令调度策略,编写专家控制产生式规则。同时采用基于有限脉冲响应-经验模态分解(FIR-EMD)和改进支持向量机(SVM)的铁路轴承故障诊断方法,实现铁路轴承故障有效分类。提出一种高速重载轮轴检测领域中可编程的智能化测控方法,能够对现场设备的控制程序进行重构和功能扩展。实验测试及结果表明,该系统设备的设计满足铁路货车轮轴高速度、大重载、智能化检测的需求。

射频识别技术在城市轨道交通车辆检修专业信息化建设中的应用

目的:为有效提高城市轨道交通车辆检修专业信息化管理水平和现场作业效率,有必要结合RFID(射频识别)技术开展相应的应用研究工作。方法:从现场人员安全管理,物资无人值守管理,工具、工装、抢险设备动态管理,走行部及车下高压部件,线缆温度监控,以及车辆部件全生命周期管理等方面,总结了当前城市轨道交通车辆检修专业在运营管理过程中的“痛点”问题。简述了RFID技术的工作原理和技术特点,以及基于RFID技术的车辆检修专业信息化平台构成,并详细介绍了该平台应用层中的人员监控子系统,物资无人值守子系统,工具、工装、抢险设备动态管理子系统,温度监控子系统,以及车辆全生命周期履历管理子系统。从电子标签选型与安装、降低电子标签安装成本等方面介绍了RFID技术在车辆检修专业信息化建设应用中的关键问题。结果及结论:RFID技术可以很好地应用于城市轨道交通车辆检修专业中,为人员安全管理、物资管理、工器具及设备管理、温度采集、车辆全寿命周期履历建设提供支持,在检修过程中真正实现降本增效,为企业的数字化转型提供帮助。

城市轨道交通车辆故障诊断方法

为提高城市轨道交通车辆检修效率并降低车辆运维成本,对城市轨道交通(以下简称“城轨”)智慧运维体系中的数据传送链路结构及故障数据筛选诊断方法进行了研究,建立了故障诊断及数据处理运维管理体系框架。根据我国城轨车辆的维修特点,基于FMECA(故障模式影响及危害性分析)矩阵对重点故障进行筛选,并利用SPC(统计过程控制)统计法对重点故障进行分析,提出一种城轨车辆故障过程诊断与数据处理方法。研究结果表明,所提方法可以对城轨车辆故障信息及其产生原因进行筛选分析,并能够针对这些故障制订相应的故障处置措施,在一定程度上实现数据处理的自动化。实例分析结果表明:某型城轨车辆车内环境控制系统与高压牵引系统的故障率较高,需要更多地关注这两个系统的检修维护;辅助电气系统与供风及制动系统均处于稳定状态,可适当延长其维修周期,以降低全寿命周期成本;转向架驱动装置更易发生故障,而驱动装置出现故障的部位集中在齿轮箱。

基于TFDS智能检测技术的铁路货车技术交接平台研究

目前,对于厂矿企业专用线铁路货车的技术交接普遍采用室外人工检查方式,受人员素质、作业环境等因素影响易出现漏检问题,给铁路货车运行安全埋下隐患。基于“科技保安全”工作理念,研究采用TFDS(Trouble of moving Freight car Detection System,货车故障轨旁图像检测系统)[1]智能识别技术对专用线铁路交出货车进行技术交接检查作业,在TFDS采集线阵图像基础上,综合利用深度学习和AI图像处理技术,实时分析采集图像信息,利用智能识别技术交接车辆存在的故障并进行预警,把控专用线发出列车质量,保障铁路运输安全畅通。

滚动轴承的非线性动力学故障模型研究

在分析滚动轴承载荷分布和判断承压滚子数量的基础上,将滚动轴承的每个滚子与内圈和外圈之间、外圈与轴承座之间、内圈与轴之间的关系均分别视为弹簧—质量—阻尼系统,根据滚动轴承的物理结构,建立其滚子与内外圈的接触模型,以及在随机干扰力和径向载荷力作用下的滚动轴承非线性动力学故障模型。以内圈表面有划伤缺陷的滚动轴承为例,利用给出的滚动轴承非线性动力学故障模型和四阶龙格—库塔法进行故障诊断仿真。结果表明:当轴承内圈的表面有缺陷时,其位移和振动加速度信号明显增大;对此振动加速度信号进行共振解调后,得到的滚动轴承故障特征频率与理论计算结果一致,从而验证了滚动轴承非线性动力学故障模型的有效性。

融合注意力机制与多尺度网络的EPR电缆终端故障诊断方法

高铁列车关键部件的智能化诊断是当前电气化铁路智能检测与控制的关键一环,如何通过深度学习方法更精确、灵敏地诊断出高铁列车关键部件的故障已成为当前研究的热点。该文在卷积神经网络架构的基础上,提出了融合注意力机制与多尺度网络的故障诊断方法,选择4种乙丙橡胶(ethylene propylene rubber,EPR)电缆终端典型缺陷模型作为研究对象,通过所提出的融合注意力机制与多尺度网络的方法进行了终端典型缺陷的诊断。结果表明:所提出的方法对于EPR电缆终端故障的预测准确率达95.9%,相较于传统方法,预测准确率提高15%;同时,相较于其他深度学习方法,该方法对终端故障的预测准确率提高了5%,且所构建的诊断模型的训练迭代步数减少约40%。该文还提出了一种在极值寻优能力、网络稳定性、特征学习能力优于多尺度网络的网络模型,但相较于传统识别方法,深度学习方法的模型训练时间过长,如何缩短网络的模型训练时间还需要进一步深入研究。