基于Ginigram和CHMR的列车轴箱轴承早期故障自主识别方法

为解决列车轴箱轴承故障诊断技术面临的多信号源混叠和早期故障程度无法量化的问题,首先,将经典Kurtogram方法采用的峭度改用基尼系数(Gini Coefficient),并将1/3-二叉树滤波方法与基尼系数结合形成Ginigram信号预处理方法,从多源混叠的轴承振动信号中快速提取微弱故障特征;然后,基于预处理信号的平方包络谱,提出一种新的统计指标循环谐波中值比(Cyclic Harmonic-to-Median Ratio,CHMR),有效量化轴承故障部位和程度的信息,并根据西格玛原则完成轴承故障程度的自主分级。为验证方法的有效性,通过列车轴箱轴承试验台进行正常轴承与自然磨损轴承的对比试验。结果表明:相比于采用峭度的经典Kurtogram方法,采用Ginigram对多信号源混叠的故障信号处理效果更优;在故障部位识别方面,CHMR能够精准诊断轴承故障部位;在故障程度量化方面,CHMR相较于现有的循环分量比、二阶循环平稳指标和故障出现率,能更清晰地量化区分轴承的故障程度。