基于ICEEMDAN和SANC的HX_(D)1机车牵引风机声纹采集数据联合降噪处理方法

HX_(D)1机车机械间内的牵引风机是关键的机电设备,可通过声纹分析技术对牵引风机进行状态监测和故障诊断。由于机车机械间有大量机械和电气部件,采集后的牵引风机声纹监测数据会受到多种类型噪声数据影响。为降低噪声数据干扰,有效提取所需声纹特征值进行分析,提出一种基于改进自适应噪声的完备集合经验模态分解(ICEEMDAN)和自参考自适应噪声消除技术(SANC)的HX_(D)1机车牵引风机声纹采集数据联合降噪处理方法:含噪信号与参考信号分别经ICEEMDAN分解,获得2组相对应的本征模态分量(IMFs);利用SANC对含噪信号的IMFs执行自适应降噪处理,得到经联合降噪处理的声纹采集数据。在仿真电笛信号、冲击信号的时域指标中,所提算法的信噪比(SNR)、均方误差(MSE)、相关系数,均优于SANC和ICEEMDAN算法;在实测含电笛信号、冲击信号的时域指标中,所提算法的SNR、MSE、相关系数,同样优于SANC和ICEEMDAN算法。因此,联合降噪处理方法具有自适应性、可实施性和有效性,有助于机械间牵引风机的声纹采集数据纹监测数据降噪处理,为牵引风机的状态监测和故障诊断分析奠定了基础。

基于差分演化算法的机车牵引风机优化设计

为提高机车多翼式牵引风机的效率,建立风机的数学优化模型。该模型以风机叶轮为研究对象,将风机流动损失最小作为目标。采用差分演化算法对风机优化问题进行求解,将优化后的结果同常规相似设计进行对比,风机的流道损失降低16.79%,结果表明该方法的工程可行性。