基于小波包分解和集合经验模态分解的列车转向架轴承智能故障诊断方法

提取故障特征不理想、诊断速度慢等是目前现有列车转向架轴承故障诊断方法存在的主要不足。本文提出了一种列车转向架轴承故障的智能诊断方法。该方法将小波包分解和集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合在一起,充分提取信号故障特征,并利用能量判别法和故障识别搜索算法进行故障模式识别,进一步提高了故障诊断速度。为了验证该方法的有效性,构建了轴承实验台,测试分析了广州地铁列车3种故障状态的转向架轴承。实验结果表明,该方法能够充分提取故障特征,迅速锁定搜索频段,准确识别轴承故障,提高了列车转向架轴承故障的诊断速度和准确性。     

基于红外热成像和机器学习的动态转向架监测系统研发

基于红外热成像和机器学习的动态转向架监测系统可以对货运列车的转向架进行动态、可视化监控分析。系统利用了红外热成像技术和机器学习图像识别技术,全方位对转向架的关键部件故障,如热轴故障、抱闸故障、制动缓解不良和不制动等故障进行全面监测诊断和实时预报。系统实现了地面设备对货运列车车辆转向架部位的关键部件动态监测,提高了货运列车安全运行能力。     

基于长短期记忆网络的动车组轴箱轴承故障诊断预测模型研究

动车组轴箱轴承是动车组转向架的关键部件,其运行品质直接影响动车组的运营安全.以深度学习算法为基础,利用轴承振动信号时间序列的特点和LSTM(长短期记忆网络)擅长处理时间序列的优势,通过构建LSTM模型对轴承的故障状态进行识别,开发了基于深度学习的轴承故障诊断预测软件,实现了轴承故障早期的分类与诊断.模型的仿真和试验表明...     

论高速旅客列车转向架的结构模式与发展

高速列车转向架是提高列车速度的关键部件。作者在分析了日、德、法三国高速列车转向架的结构发展概况，阐述了我国高速旅客列车转向架的结构模式与发展趋势，提出我国高速旅客列车仍将以提高运量为前提这一实际情况，列车的牵引重量比较大，因此高速客车转向架型式应立足于适用动车组使用。     

基于电信号的高速列车动力链诊断技术研究

牵引电机、联轴节及齿轮等传动机械广泛应用于轨道交通车辆,是高速列车动力链的重要组成部分。这些动力链部件长期工作在复杂恶劣的环境下,在宽速域、大负载工况及轮轨冲击振动等因素影响下容易发生故障,进而影响列车的安全运行与行车秩序。因此及时预警潜在故障对于确保轨道交通车辆的正常运行与行车秩序具有重要的意义。由于基于电信号的诊断技术具有信号易于获取、信号可靠性和准确性高、可实现对象部件的非嵌入式监测等优点,逐渐成为轨道交通故障诊断方向的研究热点。文章阐述了轨道交通车辆动力链关键部件的故障原理,以基于电信号的诊断方法为切入点,对该领域的现有诊断方法与研究成果进行整理与分析,然后基于多特征融合与机器学习理论,提出了一种全新的基于电信号的多变量解析诊断法。该方法首先获取各电信号数据,进行小波降噪,然后通过信号的分解与重构提高信噪比,基于重构信号提取不同的故障特征,最后利用决策树统合各故障特征进行诊断。验证试验与实际应用效果表明,本研究提出的电信号诊断法能够有效检测并识别动力链故障,可以实现早期故障预警,保障高速列车的运行安全。     

基于LSTM网络高速列车悬挂系统故障预测方法研究

高速列车悬挂系统安全性对于整车安全运行非常重要,对悬挂系统进行全生命周期状态监测以预测其故障成为不可忽略的研究内容.当高速列车悬挂系统发生机械故障时,产生振动加速度,信号呈现非线性、非平稳特征.文章提出一种基于LSTM网络的高速列车悬挂系统故障预测方法,通过SIMPACK建立某型号高速列车整车模型,获得重要部件在各健康...     

高速列车监测数据处理及故障诊断

车体性能好坏直接影响列车的行车安全,文章利用安装在车体上的传感器所采集到的振动信号,选取合适的信号特征提取方法进行评估,达到列车故障早期预警的目的。试验数据表明,车体的振动信号具有非线性、非平稳的特点,先对振动信号提取小波包能量矩特征进行时频域分析,发现该特征提取方法可以直观地反映车辆横向和垂向振动情况。引入基于局部分析的拉普拉斯特征映射算法(LE),对故障工况的小波包能量矩熵特征所构造的高维特征向量空间进行降维,发现能够从垂向加速度信号识别出空气弹簧失气工况,从横向加速度信号识别出抗蛇行减振器故障和横向减振器故障。这与车辆动力学分析结果一致,同时也证实了流形学习方法对列车性能评估具有一定的作用。     

基于Copula函数的高速列车信号联合特征提取

针对高速列车在车体不同位置的通道测得的振动信号,提出一种基于Copula函数的通道间信号联合特征提取方法。该方法使用泛化高斯分布对各通道信号的边缘分布进行拟合,并使用Gaussian Copula函数构建信号间的联合分布函数。提取边缘分布参数以及联合分布函数的参数作为特征。通过对某型高速列车转向架正常、抗蛇行减振器失效、空气弹簧失效和横向减振器失效4种典型工况的振动信号进行分析和特征提取,并采用支持向量机进行识别,平均识别率超过97%,表明该特征提取方法的有效性。     

基于深度学习的地铁列车走行部关键部件温度检测系统

地铁列车走行部的良好运行状态是列车安全运行的保障。针对其关键部件发热故障的检测问题，研发了基于深度学习的地铁列车走行部关键部件温度检测系统。该系统采用红外热像仪获取走行部热成像图，引入注意力机制模块和CIoU损失函数，改进YOLOv5目标检测模型，识别、定位出关键部件；对关键部件图像进行灰度化处理和自适应阈值分割等操作，提取温度。基于实验室的Pytorch深度学习平台，在南京地铁运营公司马群车辆段对所研发的系统进行实验。实验结果表明，该系统可以获取走行部热成像图，准确定位关键部件并提取其温度信息。     

基于WATV去噪的冲击特征提取方法在高速列车轴承故障诊断中的应用

提取高速列车轴承故障振动信号中的冲击特征,可以有效地对其进行故障诊断。利用"小波-全变差(Wavelet-Total Variation,WATV)"算法能够对信号进行稀疏引导的特点,提出了基于WATV去噪的冲击特征提取方法。该算法针对含噪声冲击特征的提取问题构建了目标优化函数,该函数融合了冲击特征的保真度度量算子以及惩罚因子。利用凸优化理论可对目标函数进行求解,从而增强信号在小波域和时域的稀疏性,使得特征提取结果最优化。通过构造一仿真信号对WATV算法的有效性进行了验证,并将该方法应用于高速列车齿轮箱轴承故障诊断中。结果表明,该方法能够很好地提取出信号中的冲击特征,并且频谱中的故障表征明显,能够有效地应用于高速列车轴承故障诊断中。