基于自适应Morlet小波变换滚动轴承声学故障诊断的研究

基于声音信号的测试与分析是滚动轴承故障检测与诊断的一种新方法,提出了基于自适应Morlet小波变换诊断轴承声学信号故障的新方法。首先利用最小Shannon熵对Morlet小波的形状参数进行优化,找到与所测声音信号特征成份最匹配的小波,再对小波系数矩阵进行奇异值分解,通过奇异值与变化尺度的关系曲线得到最佳小波变换尺度,最后对滚动轴承故障信号进行Morlet小波变换进行故障特征提取。结果表明:该方法能有效地从强噪声背景下提取出轴承声学信号的故障。     

基于声学诊断技术的动车组风机故障自动识别方法研究

动车组风机负责动车组牵引、供电等关键设备的冷却,一旦出现故障将给动车组运行安全带来危害。目前,动车组风机故障识别主要通过人耳对风机声音进行筛选与判别,易受到人为因素影响,导致误判或漏判。针对人耳诊断动车组风机故障的不足,基于声学诊断技术研究一种自动识别动车组风机故障的方法。利用高速声学采集设备代替人耳,用声学诊断技术代替大脑,将人耳对动车组风机运转声音的经验分析转化为算法和程序语言,对动车组风机声音进行采集分析,实现自动识别及判断动车组风机故障。     

红外线轴温探测系统(THDS)预报故障轴承分析

介绍了红外线轴温探测系统(THDS)的工作原理及故障轴承温度预报标准，统计了全路THDS在2010—2018年预报铁路货车滚动轴承热轴及兑现情况，归纳分析了引起热轴的铁路货车滚动轴承故障类型；此外，利用统计学方法研究了THDS预报热轴故障与滚动轴承声学诊断系统(TADS)预报轴承声学故障之间的相关性，从原理上对热学及声学2种轴承故障诊断方法进行了分析。统计结果表明，THDS预报的故障热轴提前被TADS预报声学故障的可能性不足2.3%,即热轴故障在早期阶段并无显著的声学故障特征，THDS及TADS两者在轴承故障预报方面无相关性。     

基于冲击特征的轴承保持架变形故障识别方法研究

为及时发现和准确诊断轨道交通机车车辆走行部轴承保持架故障,对轴承保持架变形故障的信息产生机理进行了分析,对走行部车载监测装置采集的数据进行了基于冲击信息的特征提取与故障模式识别方法研究,提出了通过联合轴承保持架故障特征谱与外孤谱的保持架变形识别方法。实践证明,该方法对轨道交通机车车辆走行部轴承保持架的故障诊断具有实际的工程应用价值。     

基于特征融合的牵引电机轴承声学故障诊断

滚动轴承作为高速列车牵引电机的重要部件，其故障情况严重影响列车运行安全。声学轴承故障诊断方式具有无安装侵入性、运维成本低的优点，但也具有信噪比低、故障特征难以提取的缺点，机器学习则具有克服噪声影响的鲁棒性。针对应用机器学习进行声学故障诊断时，少量特征无法全面表征轴承故障的难题，文章提出将格拉姆角场（GAF）与小波时频图进行叠加融合，构成6通道融合特征图用以有效表征轴承的故障。首先，建立牵引电机轴承声学故障试验台获取故障声学信号；其次，建立基于GAF的声学信号融合特征图，然后使用残差网络（ResNET）模型针对融合特征图特征训练并验证故障分类模型，并与以单种特征图作为特征的故障分类方法进行准确率对比。结果表明，基于GAF的融合特征图的声学故障分类模型具有99.89%的准确率，融合特征图能更有效地映射轴承故障。     

基于麦克风阵列的机车车辆转向架跑合试验的故障监测研究

针对目前机车车辆转向架跑合试验信息化和智能化程度较低,在试验过程中难以快速准确地实现轴承和齿轮箱故障诊断及故障定位的现状,将麦克风阵列技术应用于跑合试验中,可直接通过声信号实现故障诊断与故障定位。针对转向架常见的轴承内外圈故障进行故障模拟试验,对故障轴承产生的声信号进行采集分析,通过特定的数据处理方法得到信号包络谱,实现故障诊断;同时结合基于到达时延的定位算法确定故障轴承位置,实现故障定位。为满足现场需要,设计了1套便于麦克风阵列精确布局与灵活变换的阵列支架,通过模拟试验 验证了所述算法与阵列支架的可靠性和准确性。     

动车组轴承异音故障诊断与研究

根据动车组高级修统计,轴承系统故障问题主要集中在锈蚀和剥离。目前高速动车组轴承故障监测系统有车载轴温监测系统和TADS轨边声学诊断系统2种,对于故障轴承的判断具有较高的准确率,但在一定程度上也有自身的局限性。针对车载轴温监测系统和TADS轨边声学诊断系统均未检测到的某动车组轴承剥离异音问题,借助该动车组既有车载传动系统监控装置进行振动检测,同时在客室内利用便携式设备进行噪声检测,利用FFT,STFT等技术手段对故障频率进行甄别,找到故障激扰源,这是对轴承故障诊断行之有效的方法。     

地铁车辆转向架轴承故障诊断方法研究

地铁车辆转向架轴承状态对车辆的安全运行至关重要。现有地铁车辆转向架轴承的监测与诊断存在智能化程度低、准确性差等不足。针对此不足,对地铁车辆转向架轴承故障模型进行推导,提出一种地铁车辆转向架轴承故障智能诊断方法。该方法根据转向架轴承径向振动加速度信号,采用小波包-包络分析和故障识别搜索算法,诊断轴承故障及故障类型。为了验证所提出方法的有效性,设计并搭建了轴承故障诊断试验台,基于此试验台对广州地铁车辆转向架故障轴承进行了测试。试验结果表明:所提出的转向架轴承故障诊断方法能够准确识别轴承故障,为地铁车辆转向架轴承故障诊断的自动化、智能化提供了新思路。     

一种改进的地铁车辆转向架轴承故障诊断方法

转向架轴承故障特征极容易受到轮轨激扰和环境随机噪声的影响。现有地铁车辆转向架轴承故障诊断方法存在故障特征提取困难、诊断准确率低等不足。为此,提出一种故障诊断方法。该方法首先对采集的振动信号进行降噪预处理,并利用小波包分析法将其分解为多个频带,基于峭度指标自适应调整各频带包络分析和故障搜索的顺序,快速、充分地提取轴承故障特征。建立轴承测试台,使用广州地铁公司提供的转向架轴承对所提出的方法进行实验验证。测试结果表明,经过预处理后,轴承的故障特征更加明显,提出的转向架轴承故障诊断方法能够准确、快速地诊断轴承的故障状态。     

轴承部件声学放射诊断系统的分析和发展趋势

介绍了声学放射诊断的方法,用这种方法可以对轴承部件进行早期诊断,诊断正确性可达97%。根据诊断结果,可以建立按照实际情况进行修理的制度。