基于CAN总线的车载机车轴承监测系统

在提速和高速的机车车辆上 ,单一的轴温检测已难以胜任安全监控及早期预警。基于CAN总线技术 ,建立振动诸参数和温度监测诊断的车载监测系统 ,可较全面地预报机车轴承故障 ,提高机车快速运行的安全     

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。     

机车车辆轴承诊断仪及应用研究

根据铁道机车车辆运行安全和维修需要，在研究和试验基础上，先后研制了两种轴承故障诊断仪，并在铁路的很多单位应用，效果显著。本文对两种仪器做了简要介绍，并根据近几年诊断实践，对现场诊断技术和方法进行重点讨论。文中附实例，对机车车辆轴承现场诊断有普遍意义。     

铁道机车车辆电气设备的故障倾向及其预防对策

机车车辆上搭载了越来越多的电气设备,电气类元件的失效、故障往往事前并无征兆,其失效是难以预防的,有时,故障突然出现。文章介绍了VVVF逆变器装置的故障发展趋势,以及针对设计及保养方面提出的预防故障的对策。     

基于仿真试验和BOA-VMD的轴箱轴承故障特征提取算法研究

针对城轨列车运行过程中轴箱轴承故障难以发现的问题，提出一种利用蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)对变分模态分解(Variational Mode Decomposition,VMD）参数进行优化的轴承故障特征提取方法。首先构建基于轴承-车辆刚柔耦合的轴承故障动力学模型，提取轮轨激扰和轴承故障情况下的轴箱振动信号；然后利用蝴蝶优化算法对轴箱振动信号的VMD模态分量数和二次惩罚系数进行寻优，确定最佳参数组合；最后利用已确定的最佳参数对轴承振动信号进行VMD分解，得到不同本征模态分量(Intrinsic Mode Function,IMF)，并对最佳模态分量信号进行包络分析，识别到轴承故障时的特征频率。试验分析表明，基于优化参数的VMD分析方法能够有效提取轴承故障特征频率，通过经验模态分解(Empirical Mode Decomposition,EMD)分析方法对比，可以发现文章提出的分析方法效果更加有效。     

基于定子电流小波包分析的牵引电机轴承故障诊断

滚动轴承失效是机车牵引传动系统的主要故障源之一。轴承失效引起电机振动增加,导致定子电流发生调制。本文根据轴承失效对电机运行参数(振动、电流)的影响,将牵引电机轴承故障分为单点局部损伤和整体磨损。分析两种滚动轴承故障对振动和电机定子电流频谱的影响。定子电流分析可在不影响电机运行的情况下,检测电机的工作状况。小波包变换适应于处理瞬变、非平稳信号,用于电机定子分析能获得较高的频率分辨率,有效提取故障征兆。本文提出一种基于定子电流小波包分析的机车牵引电机轴承在线故障检测方法。HXD2型机车线路运行试验证明,该方法能有效诊断电机轴承早期故障。     

提高轴承的可靠性及维修方便性

由于安装在机车车辆走行装置上的轴承损伤会导致事故发生，所以要求每个轴承都要有很高的可靠性。轴承损伤有多种形式，对于铁路机车车辆来说，其中的电蚀是很有特点的损伤形式。文中介绍了通过振动，声音及金属中的弹性波来检测轴承缺陷的诊断技术。     

BSO-MCKD在高速列车齿轮箱轴承早期故障诊断中的应用

齿轮箱轴承是高速列车传动系统中的重要零件之一,其故障检测对保障列车的正常运行具有重要意义。针对强背景噪声环境下高速列车齿轮箱轴承早期故障信号微弱难以检测的问题以及最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)方法受滤波器阶数、冲击信号周期和移位数影响的问题,提出了基于天牛群优化算法(Beetle Swarm Optimization Algorithm,BSO)改进的自适应MCKD的轴承早期故障诊断方法。该方法首先采用天牛群优化算法自适应的确定MCKD的影响参数,实现最佳反褶积,然后利用最优参数相对应的MCKD对振动信号进行滤波处理,消除信号中的噪声,突出由轴承故障激发的连续脉冲,最后依据连续脉冲的周期来诊断轴承。根据轴承外圈和滚动体故障试验数据分析表明:该方法能实现高速列车齿轮箱轴承早期故障的精确诊断,且故障诊断效果优于互补经验模态分解方法和最小熵解卷积方法。     

轴箱轴承热检测手段的进展

诊断与防止机车车辆轮对轴箱轴承因出现故障而导致事故的问题一直以来,都是一个十分迫切需要解决的问题。文章详细介绍了每一代轴承零部件检测装置在前苏联、俄罗斯研制的过程、应用情况和应用效果。     

基于模糊神经网络的数据通信子系统全局故障诊断

基于模糊神经网络理论,提出一种基于模型构建的数据通信子系统（DCS）全局故障诊断方法。全局故障诊断模型的输入空间由故障征兆集组成,诊断过程由全局故障诊断规则实现,输出空间由故障类别集组成。基于对DCS系统结构的分析,选取了一些关键设备信息作为故障征兆信息。将故障征兆信息中的物理向量分析转化为算术数值判断,创建决策矩阵,构建全局故障诊断规则,实现了故障类别综合判定,从而完成全局故障诊断模型构建。以工程实例中的DCS典型故障类别为验证对象,对全局故障诊断模型进行了试验验证。该方法丰富了DCS故障诊断方法,总体精度可达到91．29％。     

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。     

基于自适应频率窗经验小波变换的列车轮对轴承多故障诊断

针对列车轮对轴承故障信号复杂,尤其是在多故障并发情况下难以准确诊断的问题,提出了基于频率窗经验小波变换(EWT)的轮对轴承多故障诊断方法。首先对轴承多故障振动信号进行Fourier变换,引入一个带宽可变的滑动频率窗分割信号频谱;然后利用水循环优化算法(WCA),通过所提出的幅值包络谱相关峭度(ESCK)指标,自适应地确定轴承多故障中各单一故障所对应的最优频率窗位置;最后通过经验小波变换分解出单一故障信号,采用包络解调分析实现轴承复合故障准确诊断。轮对轴承多故障仿真和实际应用结果表明,所提方法能有效分离列车轮对轴承复合故障中的典型故障,有效降低轮对轴承多故障诊断的误诊率,具有一定的应用价值。     

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。     

CR200J型动力集中动车组动力车轴承故障判断方法研究

从动力车轴承分布、监控传感器分布、轴承数据分析设备、轴承温度数据、SV幅值数据分析等方面着手研究，提出同位温差大于20℃时需要重点跟踪、同位温差大于20℃并有上升趋势时安排入库检查，对轴承状态进行精确判定。通过个性化分析对时域波形图特征、频域图和诊断抽象谱图的对应关系进行判断，根据所报轴位的冲击诊断值、波形特征及对应关系，判断轴承的故障部位，确保动力集中动车组运行安全。     

基于SVD-MOMEDA的高速列车齿轮箱轴承故障诊断

针对强背景噪声环境下高速列车齿轮箱轴承故障信号难以检测的问题以及多点优化最小熵解卷积修正(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)方法受滤波器阶数、故障周期影响的问题,提出了基于奇异值分解(singular value decomposition, SVD)改进的MOMEDA的轴承故障诊断方法。首先采用SVD作为MOMEDA的前置滤波器滤除部分噪声,然后通过MOMEDA多点峭度谱追踪故障周期成分,采用变步长搜索法迭代求解MOMEDA滤波器最优阶数,最后利用最优参数相对应的MOMEDA增强信号中的周期性脉冲,并通过包络谱提取故障特征。仿真信号和试验数据分析表明:该方法能实现高速列车齿轮箱轴承故障的精确诊断,且故障诊断效果优于互补经验模态分解方法。     

基于贝叶斯网络的列控车载设备故障诊断方法

列控车载设备故障排查与维护多依赖于人员经验,存在一定的片面性且效率较低。提出一种基于贝叶斯网络的列控车载设备故障智能诊断方法,基于历史故障数据得到故障征兆,利用粗糙集理论对故障征兆进行属性约简,降低训练模型的复杂度;将专家知识与故障数据训练相结合,改进贝叶斯网络模型,并将故障征兆关联关系融入模型中。以武广线列控故障数据为例,验证该模型的诊断效果。该方法对提升列控系统故障诊断的智能化水平具有借鉴意义。     

SS8型电力机车轴箱轴承的振动诊断及故障分析

针对SS8型电力机车轴箱轴承的故障，进行了轴箱轴承不解体振动诊断，根据SS8型机车轴箱轴承诊断数据统计分析结果，确定简易诊断参数及其门限值，并介绍具体诊断的工艺及实际效果，同时指出了诊断中的不足。     

基于MSE与PSO-SVM的机车轮对轴承智能诊断方法

针对DF4型内燃机车轮对轴承单一和复合故障在内的7种不同健康状态的识别问题,提出了一种基于多尺度熵(Multiscale Entropy,MSE)和粒子群优化支持向量机(PSO-SVM)的机车轮对轴承故障识别方法.计算轴承不同健康状态下振动信号在多个尺度上的样本熵构成MSE特征向量,利用PSO-SVM识别轴承所属故障类型及故障程度.收集了DF4型内燃机车包含单一和复合故障在内的7种不同健康状态的轮对轴承试件,在南昌机务段的JL-501机车轴承检测台上采集了各轴承试件的振动信号样本.实验数据分析结果表明,MSE的特征提取效果优于多尺度近似熵(Multiscale Approximate Entropy,MAE)和小波包分解,PSO-SVM的故障识别效果优于参数不经优化的SVM和参数网格寻优法的Grid-SVM.本文方法能够有效诊断机车轮对轴承的不同故障,为提高机务段检测机车轮对轴承故障的精度提供了一种有效的方法.     

东风4KB型内燃机车轴箱辆承振动诊断

针对东风４ＫＢ型内燃机车轴箱轴承烧损故障，进行了轴箱轴承车上不解体振动诊断，根据东风４ＫＢ型机车轴箱轴承诊断数据统计分析结果，确定简易诊断参数及其建议门限值；并介绍具体诊断的工艺及实际效果，还指出了诊断中的不足之处。     

与轮对轴承磨合机联用的轴承故障声学诊断系统

提出了一种可以与轮对轴承磨合机联用的轴承故障声学诊断系统,通过增加轴承声音采集、分析软硬件,实现故障轴承的声学诊断。该系统利用4只高指向性麦克风并加装麦克风拢音罩的方式采集轴承发出的声音,有效的抑制了车间现场环境噪声对轴承声学诊断的干扰。采用统计因子结合共振解调法对轴承故障进行判别,可对轴承多种故障进行准确的诊断。大量的现场实验结果证明了此方案在实际运用中的可行性与可靠性。