高速列車自動化生產(chǎn)線智能監(jiān)測技術——滾動軸承故障診斷方法的研究與實現(xiàn).pdf

1、我國高鐵交通的飛速進步令世界矚目，其對提升經(jīng)濟也起了非常大的促進作用，而高速列車自動化生產(chǎn)線對保證高速動車的生產(chǎn)數(shù)量和質(zhì)量起著重要的作用。高速列車自動化生產(chǎn)線關鍵設備的運行故障將直接影響生產(chǎn)線的生產(chǎn)效率乃至停工停產(chǎn)，因此企業(yè)希望自動化生產(chǎn)線能夠在無故障的條件下運行或者在有故障的時候能夠迅速查明原因。怎樣確保生產(chǎn)線健康穩(wěn)定的運行，降低生產(chǎn)線的故障頻率成為高速列車自動化生產(chǎn)線的重要關切議題。滾動軸承作為生產(chǎn)線中的關鍵部件，其運行狀態(tài)的優(yōu)劣往

2、往影響到整個生產(chǎn)線的生產(chǎn)。軸承故障的原因多種多樣，傳統(tǒng)的維護方式已難以應對設備穩(wěn)定健康運行的要求。本文研究了國內(nèi)外在故障診斷領域取得的成果，分析了各個診斷技術的優(yōu)勢與缺點，提出了基于改進的遺傳神經(jīng)網(wǎng)絡的方法來對滾動軸承進行故障診斷與監(jiān)測。
　　對滾動軸承進行故障診斷需要解決兩個關鍵問題:第一，如何選取合適的特征量來反映軸承的健康狀態(tài);第二，如何建立合適的模型進行有效的故障診斷。本文針對這兩個關鍵問題進行了如下的研究:
　　(

3、1)對軸承的振動信號進行有效的特征提取。軸承的故障狀態(tài)與振動信號的統(tǒng)計特征量之間存在一定的聯(lián)系，通過分析軸承在外圈剝落、內(nèi)圈剝落、滾動體剝落以及正常狀態(tài)下的振動信號，從時域和頻域兩個角度提取能刻畫其運行狀態(tài)的14個特征量。因各個特征量之間具有相關性和冗余性，故利用主成分分析對特征量集進行降維。
　　(2)采用遺傳神經(jīng)網(wǎng)絡對軸承各故障狀態(tài)進行有效分類是進行故障診斷的可行方法。傳統(tǒng)遺傳神經(jīng)網(wǎng)絡模型的學習機制存在缺陷，導致其難以獲得全局