基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。      

基于误差耦合补偿的3K型行星齿轮传动误差研究

本文中针对行星齿轮啮合线等效啮合误差之间的误差耦合补偿问题,提出一种运用数值分析计算行星齿轮传动误差的方法。首先通过啮合线分析方法建立3K型行星齿轮减速器的传动误差模型,以系统耦合传动误差最小为目标运用数值分析方法计算误差分量之间的耦合补偿误差值和各自对应的初相值,并得到该方法下的系统传动误差;接着通过蒙特卡洛法分别计算各构件随机装配和提高部分零部件的加工精度等级两种情况下的系统传动误差;最后通过对比分析不同方法得到的系统传动误差,表明本文中提出的数值分析方法可有效提高行星齿轮系统的传动精度。     

列车关键部件过盈配合面微动损伤研究展望

随着列车不断向高速、重载和轻量化方向发展,列车关键部件过盈配合面(如轮轴、车轴-轴承等)微动损伤问题日益突出,已成为影响铁路运输安全的关键问题之一。在分析列车关键部件过盈配合面微动损伤机理的基础上,归纳几种典型的过盈配合面微动损伤的类型,进一步分析其影响因素及防护措施,并论述过盈配合面微动损伤的研究方法。最后,对过盈配合面微动损伤的研究进行展望,为铁路列车列车关键部件过盈配合面微动损伤的研究指明方向。     

自适应频域字典的机车轮对轴承稀疏诊断方法

稀疏分解是强噪声环境下故障特征提取的一种有效方法,构造与故障振动信号匹配的字典对稀疏分解效果至关重要。小波参数字典因小波的灵活多变性和良好的局部时频特性而被广泛应用于轴承故障诊断领域。然而,现有小波参数字典多是通过时域相关滤波法(CFA)以小波与故障冲击间的相关系数为指标获取字典原子的最优中心频率、阻尼比等参数,时域滤波耗时长、抗噪性差,相关系数指标没有考虑冲击发生的周期性特点,导致字典匹配性欠佳。针对上述问题,提出一种自适应频域滤波进行参数字典设计的机车轮对轴承故障诊断方法。该方法以新提出的时频域指标——加窗包络谱峭度(WESK)和相似度指标——皮尔逊相关系数(PCC)作为字典原子参数选取依据,以粒子群优化算法(PSO)优化的Morlet小波带通滤波器确定轴承故障产生的系统共振频率作为字典原子的中心频率,按照PCC值最大原则选取最优阻尼比完成字典原子的构造,改变时移变量张成小波字典后,结合正交匹配追踪算法(OMP)稀疏重构原始信号,提取故障特征频率。自制试验台数据以及机车轮对轴承的工程实际应用均验证了所提方法和新指标(WESK)的有效性和稳定性,诊断效果优于现有时域相关滤波法(CFA...