列車滾動軸承振動信號的特征提取及診斷方法研究.pdf

1、鐵路運(yùn)輸是綜合交通運(yùn)輸體系的重要組成部分，也是“一帶一路”戰(zhàn)略的助推器。安全是鐵路運(yùn)輸?shù)那邦}，尤其是在列車經(jīng)過六次提速和高速鐵路蓬勃發(fā)展之時(shí)，安全問題更是成為全世界關(guān)注的焦點(diǎn)。列車是完成鐵路運(yùn)輸任務(wù)最主要的工具，它能否正常服役直接關(guān)系到鐵路運(yùn)輸是否安全、高效。而列車是否正常服役直接取決于其關(guān)鍵零部件的運(yùn)行狀態(tài)。然而，我國現(xiàn)有列車及其關(guān)鍵零部件的在線辨識、診斷、預(yù)測和監(jiān)控技術(shù)遠(yuǎn)遠(yuǎn)不能滿足綜合交通運(yùn)輸體系持續(xù)發(fā)展的需要。對于這個(gè)重要問題，迫

2、切需要研究并提出系統(tǒng)化的列車關(guān)鍵零部件狀態(tài)辨識和在線監(jiān)控的方法。鑒于此，本文針對列車的其中一個(gè)關(guān)鍵零部件——滾動軸承進(jìn)行了如下的研究工作:
　　(1)針對滾動軸承故障振動信號在強(qiáng)噪聲背景下的解調(diào)問題，提出一種基于時(shí)延相關(guān)運(yùn)算和集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)結(jié)合的Hilbert邊際譜方法。對原始信號的自相關(guān)函數(shù)進(jìn)行離散化的無偏估計(jì)，加矩形窗進(jìn)行時(shí)延降噪預(yù)處理，對處理后的信號進(jìn)行包絡(luò)分析并進(jìn)行EEMD分解，選擇敏感的內(nèi)稟模態(tài)函數(shù)(IMF

3、)進(jìn)行Hilbert變換以得到局部Hilbert邊際譜，最后從局部Hilbert邊際譜中得到滾動軸承的故障特征信息。通過仿真分析及電機(jī)軸承實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，結(jié)果表明該方法比直接包絡(luò)解調(diào)、僅采用時(shí)延相關(guān)解調(diào)及采用時(shí)延相關(guān)與經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)聯(lián)合解調(diào)更能凸顯信號的故障特征信息。
　　(2)針對滾動軸承故障損傷程度難以確定的問題，提出一種基于多重分形去趨勢波動分析(MFDFA)與粒子群優(yōu)化最小二乘支持向量機(jī)(PSO-LSSVM)的智能診

4、斷模型。先對各狀態(tài)振動信號進(jìn)行MFDFA分析，選取敏感性及穩(wěn)定性最優(yōu)的兩種多重分形譜參數(shù)作為故障特征量，然后輸入到經(jīng)過PSO參數(shù)優(yōu)化的LSSVM中進(jìn)行故障診斷。通過電機(jī)軸承數(shù)據(jù)、列車軸箱軸承在線監(jiān)測數(shù)據(jù)驗(yàn)證了該方法的有效性，并與未經(jīng)過PSO參數(shù)優(yōu)化的LSSVM、SVM方法的診斷結(jié)果進(jìn)行比較。結(jié)果表明:所提方法可實(shí)現(xiàn)滾動軸承故障位置及損傷程度的智能診斷，比未經(jīng)PSO參數(shù)優(yōu)化的LSSVM、SVM方法具有更優(yōu)的泛化性，更短的訓(xùn)練、測試時(shí)間。<

5、br>　　(3)研究了Alpha穩(wěn)定分布(ASD)參數(shù)與滾動軸承故障程度之間的對應(yīng)關(guān)系，提出一種基于ASD參數(shù)估計(jì)與PSO-LSSVM的智能診斷模型。首先，對各狀態(tài)振動信號進(jìn)行ASD參數(shù)估計(jì)，選取敏感性及穩(wěn)定性最優(yōu)的參數(shù)組成二維故障特征量輸入到PSO-LSSVM中進(jìn)行故障診斷。通過對電機(jī)軸承數(shù)據(jù)、列車軸箱軸承磨合試驗(yàn)臺數(shù)據(jù)的分析、處理，結(jié)果表明:該方法能夠有效實(shí)現(xiàn)滾動軸承不同故障位置、不同損傷程度的智能診斷。
　　(4)研究了MF

6、DFA參數(shù)與ASD參數(shù)之間的聯(lián)系，提出一種基于MFDFA與ASD特征融合的智能診斷模型。首先，對各狀態(tài)振動信號進(jìn)行MFDFA，提取五個(gè)多重分形特征;同時(shí)對各狀態(tài)振動信號進(jìn)行ASD參數(shù)估計(jì)，計(jì)算其概率密度函數(shù)(PDF)，提取五個(gè)ASD特征;其次，利用核主成分分析(KPCA)對這十個(gè)特征進(jìn)行降維融合，獲取信息互補(bǔ)的特征量。然后輸入到PSO-LSSVM中進(jìn)行故障診斷。通過電機(jī)軸承試驗(yàn)數(shù)據(jù)驗(yàn)證了該方法的有效性，結(jié)果表明:所提方法可實(shí)現(xiàn)滾動軸承故