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...     

采用声发射技术对货车轮对轴承故障进行诊断

在相同工况下采用声发射(AE)技术对352226X2—2Z型铁路货车滚动轴承故障信息进行了采集与处理。试验结果表明，将AE诊断法用于检测铁路货车滚动轴承故障具有一定的可行性。     

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。     

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...     

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EWT-MCKD的机车轮对轴承故障诊断

针对机车轮对轴承在实际运行过程中故障特征难以提取的问题,提出经验小波变换(Empirical Wavelet Transform,EWT)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的滚动轴承故障特征提取方法.对原始信号进行傅里叶变换得到Fourier频谱图,根据频谱中的极大值将Fourier频谱图进行分段得到若干模态分量,以无量纲的裕度指标作为评价指标,再采用最大相关峭度解卷积对裕度因子最大的模态分量进行降噪处理.通过分析其包络谱中的频率成分来实现故障诊断.研究结果表明:所提方法对不同故障类型的轮对轴承进行诊断,可以准确有效的识别轮对轴承故障类型,具有一定的工程实用价值.     

铁路车辆轮对轴承故障早期预报监控技术研究

通过对车辆轮对故障和既有监测技术的分析，针对性地开展复合传感技术的研究，并对其车载监控装置进行了试验和扩大试验，证实了复合传感技术对车辆轮对轴承故障信息的采集、分析和监控体系覆盖了热传感技术，做到了对车辆轮对轴承故障的实时在线监测，是既有轴温报警器的最佳替代装备，它为列车安全运行提供了强有力的支持。     

基于概率包络的轮对轴承故障诊断方法

信号不确定性的正确表达是故障诊断的先决条件。然而,在实际情况中,轮对轴承的信号存在各种不确定性,采用传统方法处理这类不确定性,存在信息丢失问题。提出一种基于概率包络的轮对轴承故障诊断方法。对原始信号进行分布类型检验,针对不同分布特点使用不同方法进行概率包络建模。提取概率包络模型的几何形状作为故障特征,并将其输入支持向量机(SVM)训练获得故障诊断模型。以公共数据集及实测数据进行诊断测试,并对诊断结果进行比对验证。实验结果表明,该方法合理有效,提高了诊断精度和效率。     

铁路客车轮对轴承故障的形成原因及可行性防范措施

针对现场铁路客车轮对轴承故障进行调查研究,统计并归纳现有客车轮对轴承的典型故障,浅析主要故障的形成原因,并进一步提出可行性防范措施。     

基于改进多尺度排列熵的列车轴箱轴承诊断方法研究

多尺度排列熵作为非线性方法,被广泛应用于时间序列复杂性和随机性的评估之中。由于粗粒化过程中的缺陷会导致熵值精度低、稳定性差,提出了改进多尺度排列熵。通过仿真信号与传统多尺度排列熵方法比较发现,在不同尺度下改进多尺度排列熵方法估计的熵值结果更加稳定,且误差减小。结合马氏距离特征选择与遗传算法优化的支持矢量机模式识别算法,提出了一种智能化的轴承故障诊断方法。通过列车轴箱轴承实验数据进行验证,结果表明该方法可准确识别出不同类型的故障轴承。     

机车轴承若干故障的诊断与分析

JK00430型机车走行部车载故障检测装置投入应用以来,成功地发现了多起轴承故障。文章通过对其诊断数据和轴承故障状态的分析,提出了对目前机车轴承性能状态的一些观点及通过诊断数据分析合理指导视情维修的建议。     

客车轮对故障探讨

对近3年来成都车辆段配属及代管的客车运用过程中的轮对故障进行统计分析后得出:轮对故障率随走行里程的不同而变化,段修后走行里程在40~50万km之间轮对出现故障的可能性最大;盘形制动轮对主要故障为剥离,踏面制动轮对主要故障为圆周磨耗;电子防滑器对轮对故障尤其是擦伤的减少能起到很好的作用;踏面清扫器可以减少剥离,但会增加出现局部凹陷和圆周磨耗的可能性;不同轴型的轮对故障分布各不相同。     

采用新式振动传感器与固体声波分析法诊断轮对轴承

利用新式固体声波传感器和改进的信号分析法诊断轮对轴承,在维修保养领域显示出新的潜力。采用这种新的自动检测法,除了轮对轴承按状态维修保养的优点之外,特别是有利于列车的运行安全。     

轮对诊断试验台

众所周知,列车运行的安全性在很大程度上取决于机车车辆走行部分的状态,这一点对于现代化的高速列车来说更是如此。所以,世界各国的铁路十分重视用于诊断轮对总成(车辆下不推出或推出轮对)的设备以及在工艺检查与维修保养时用于诊断单个车轮的设备的研制与使用。     

一种自适应信号采集技术——应用于轴承故障检测仪

在许多信号采集中，我们关心的不是信号的绝对大小，而是相对关系，即波形。这时，就需要能够根据波形的振幅自动地改变放大电路的增益。一种方法是用AGC电路，用硬件来直接实现。这种方法增益变化速度快，但是增益调整范围有限，功耗大，且成本高，调试复杂，一般应用于宽带信号的高速采集。另一种方法是采用增益可编程运放。这种方法应用很广泛，但增益必须以2倍关系变化，单片运放一般增益调整在16倍范围内，且功耗大。 　　本文利用已有的数据采集单片机资源，设计了一种大范围增益调整的信号采集方案，解决了本系统的特殊需要，现在这里作一介绍。     

基于相关熵的自适应扩展卡尔曼滤波定位方法

我国下一代列车运行控制中,列车位置主要通过融合以卫星定位为核心的多源定位信息得到。然而,卫星量测易受到钟跳或环境多源噪声等不确定因素影响,产生阶跃故障或瞬时粗大偏差等现象,导致传统扩展卡尔曼滤波估计失准且稳定性下降。通过分析常规滤波方法在列车位置估计中存在的问题,采用信息理论学习思想提出一种基于最大相关熵准则的自适应扩展卡尔曼滤波定位方法(AMCEKF);利用最大相关熵准则替换传统滤波中的最小均方差准则,选择高斯核函数作为代价函数,重构量测噪声,避免了量测噪声的先验高斯假设;设计基于Pseudo-Huber的核宽度自适应更新策略,解决核宽度对估计性能的制约问题。采用拉萨—林芝铁路实测数据进行测试,测试结果表明：在瞬时故障和阶跃故障场景下,AMCEKF均能够有效抑制故障量测带来的定位性能退化,具有较高的鲁棒性和估计精度;相比基于扩展卡尔曼滤波的定位结果,水平位置精度分别增加了56.5%和61.2%。     

城轨转向架轴承故障形式及诊断方法研究

随着我国城市轨道交通运营里程持续增加,如何有效保障其运营安全,持续提高运营维保水平,降低全生命周期成本已成为城市轨道交通行业持续健康发展的核心问题之一。轴承是列车走行部的重要组成部分,轴承可靠性对列车安全运行起到了重要的作用。文章首先介绍了城轨车辆转向架轴承的分类及其故障特点,接着对轴承常见的故障类型及其原因进行了分析,然后对目前主流的轴承故障诊断技术如温度诊断技术、振动诊断技术等进行了介绍与分析,并对其应用场景与优劣势进行了探讨,最后对轴承故障诊断方法的未来发展方向进行了初步的探讨。