基于三阶Teager能量算子的轴承诊断技术研究

周期性的冲击信号是诊断滚动轴承缺陷的关键指标,有效地提取缺陷的冲量对精确检测轴承故障非常重要。受到噪声的影响,滚动轴承故障信号的冲击特征始终处于被淹没状况。为了将周期性冲击信号自低信噪比信号内提取出来,可通过一类三阶Teager能量算子对滚动轴承故障进行诊断。通过三阶Teager能量算子对故障振动信号的瞬时总能量进行求解,借助傅里叶变换开展频谱分析,自三阶Teager能量算子谱内进行故障特征的提取。结果表明,三阶Teager能量算子谱能够突出地显示出故障特征,效果明显优于传统的频谱分析法、包络谱分析法与二阶Teager能量算子谱法。     

基于PSO-MK-ELM的动车轮对尺寸预测模型

动车轮对安全尺寸预测为动车安全性评估提供了依据。由于轮对尺寸变化受到运行环境等因素影响的复杂性,提出了一种适用于动车轮对尺寸数据的粒子群优化多核极限学习机(PSO-MK-ELM)预测模型。将多项式核函数和径向基核函数加权构成的多核函数(MK)引入极限学习机中,并采用粒子群优化算法对模型的4个关键参数进行寻优。针对CRH2车型的动车车轮直径数据,通过对比不同算法的预测结果,验证该方法的合理性和准确性。预测结果表明,在动车轮对尺寸数据的预测上,PSO-MK-ELM预测模型能够获取比BP模型、ELM模型和3种常用KELM模型更好的拟合优度、均方差、平均绝对误差和平均绝对百分比误差,验证了模型在动车轮对尺寸预测上的有效性。     

基于轮对磨耗数据的CRH2A型动车经济镟修策略研究

为提高镟修策略的经济性,基于轮对磨耗数据,进行CRH2A型动车经济镟修策略研究。在描述动车轮对磨耗的规律时,分别以二次拟合和数理统计的方式建立轮缘厚度的磨耗规律和轮径月磨耗量的规律,其中,轮径分布拟合的优劣采用卡方拟合优度来衡量,轮缘厚度磨耗函数拟合结果使用拟合度来评价。在轮缘厚度磨耗速率模型和轮径磨耗数理统计模型的基础上,采用蒙特卡罗仿真方法模拟动车轮对运行的实际情况,得到121种镟修策略的仿真结果,并选出最优策略。通过实验结果对比分析,该最优策略较现役的固定镟修方案,提高了动车轮对的使用时间,降低了动车运行成本,提高了经济效益。     

基于支持向量回归的地铁受电弓滑板磨耗趋势预测模型研究

针对列车供电系统中重要组成部分之一的受电弓滑板磨耗问题，设计了一款预测模型对地铁受电弓滑板磨耗趋势进行有效的拟合和预测，弥补了现有的检测系统只能对受电弓进行实时检测的不足。利用线性支持向量回归（SVR-Linear）、最小二乘支持向量回归（LSSVR）和优化后的最小二乘支持向量回归（MI-LSSVR）对检测系统得到的受电弓滑板数据进行训练和拟合，并利用训练后的模型实现滑板磨耗的预测，其中，MI-LSSVR的拟合精度最高，达到97.3%。此外，利用地铁行走的里程数据进行预测，提前得到下一次运行后的滑板厚度，在滑板即将磨耗到限时进行预测，可得到滑板还能承受的运行里程，减少受电弓检修人员的工作量，提高受电弓的使用效率。