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.     

改进的EWT方法在高速列车轴承故障诊断中的应用

高速列车轴承的故障特征提取较为困难,针对这一问题,在经验小波变换(Empirical Wavelet Transform,EWT)的基础上,提出了一种基于频谱趋势与频带合并的改进EWT方法,并将其应用于高速列车轴承的故障诊断。该方法首先利用经验模态分解,根据IMF分量判断准则,提取故障信号的频谱趋势,从而得到初始的频谱分界点;然后计算各初始频带的故障信息判断指标,得到自适应阈值,判断初始频带的有效性,通过对无效频带的合并完成频谱的重新划分;最后进行经验小波变换,将各频带通过正交滤波器组,对得到的各分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和试验验证,改进后的EWT方法可以准确地提取出轴承故障特征频率的基频和倍频成分,有效地确定轴承故障。     

机车轴箱轴承载荷分布的研究

本文将虚拟接触载荷法进一步推广应用到机车轴箱轴承载荷分布的研究。采用分布形式的虚拟接触载荷模拟圆柱滚子与轴承外圈之间的接触力，研究有游隙和无游隙接触情况下轴承滚子与外圈接触区中的接触力分布规律，计算结果与已有数值解相符合。     

经验小波在机车轴承故障诊断中的应用

针对机车轴承故障诊断中故障特征提取的难题,将经验小波变换(EWT)引入机车轴承振动信号分析。经验小波通过构造紧支撑自适应滤波器将信号分解为多个固有模态分量,能有效抑制模态混叠。针对轴承振动特征对经验小波变换进行改进,提出了首先利用改进经验小波变换分解机车轴承振动信号,然后以峭度为指标筛选敏感分量,进而对敏感分量进行希尔伯特包络解调提取轴承故障特征的诊断方法。机车运行试验表明,文章所提出的方法划分机车轴承振动信号频带合理,能有效提取轴承故障特征频率,准确诊断各种类型的轴承故障。     

基于Morlet小波与尺度空间的滚动轴承故障诊断研究

针对滚动轴承早期故障特征提取困难的问题,提出了一种基于Morlet小波与尺度空间的滚动轴承故障诊断方法.该方法先用尺度空间划分频带边界,得到共振频带,再把频带边界信息代入Morlet小波中构造滤波器组对信号进行滤波.由于尺度空间划分频带边界存在过分割的问题,引入了包络相关峭度作为指标,提出采用尺度空间优化谱的方法来识别...     

地铁车辆转向架轴承故障诊断方法研究

地铁车辆转向架轴承状态对车辆的安全运行至关重要。现有地铁车辆转向架轴承的监测与诊断存在智能化程度低、准确性差等不足。针对此不足,对地铁车辆转向架轴承故障模型进行推导,提出一种地铁车辆转向架轴承故障智能诊断方法。该方法根据转向架轴承径向振动加速度信号,采用小波包-包络分析和故障识别搜索算法,诊断轴承故障及故障类型。为了验证所提出方法的有效性,设计并搭建了轴承故障诊断试验台,基于此试验台对广州地铁车辆转向架故障轴承进行了测试。试验结果表明:所提出的转向架轴承故障诊断方法能够准确识别轴承故障,为地铁车辆转向架轴承故障诊断的自动化、智能化提供了新思路。     

小波分析与Hilbert变换在25T型客车故障诊断中的应用

小波具有多分辨特性,可以对信号进行多尺度变换,从而更精细地分析信号。Hilbert变换可以提取信号的包络。使用小波分析与Hilbert变换结合的方法,对采集的25T型客车轮对擦伤和动不平衡数据进行分析,小波分析可以滤去其噪声,得到近似和细节数据,Hilbert变换可以提取小波分解信号的包络。对处理后的数据计算功率谱和能量分布。通过对轮对擦伤数据、动不平衡和正常数据进行处理,处理结果显示了此方法可以有效地进行25T型客车的故障诊断。     

基于改进峭度图法的滚动轴承故障诊断

针对在强烈背景噪声和随机脉冲干扰下滚动轴承故障信号难以提取的问题,提出了一种改进的峭度图方法进行滚动轴承的故障诊断。该方法先通过计算特定频带信号包络的功率谱幅值的峭度,再按照峭度最大原则确定最优解调频带,然后根据最优解调频带获得带通滤波后的解调信号,通过对解调信号进行频谱分析来识别滚动轴承的故障及其类型。通过仿真和试验两种方式,对比分析了改进峭度图法和快速峭度图法诊断滚动轴承故障的效果,验证了改进峭度图法的有效性。分析结果表明:改进峭度图法比快速峭度图法能够更加准确地确定共振频带,并且在强烈背景噪声干扰下也能准确识别轴承故障。     

SS7型机车轴箱轴承故障诊断与案例分析

机车轴箱轴承是机车质量载荷最大的轴承,单边轴承载荷约为11000千克,也是最易损坏的零件。本文针对轴承故障早期振动信号微弱难以诊断的问题,通过对近期SS7型机车轴箱轴承故障实例分析得到故障成因,旨在为深化故障规律性认识、提升故障防范能力提供支持。     

基于谐波小波的轴承故障诊断方法的研究

提出了一种基于谐波小波的轴承故障诊断方法,并就滚动轴承内圈损伤、外圈损伤和滚动体损伤三类常见的运行故障,运用谐波小波变换提取了它们的故障特征。在武昌南机务段轴承检测的应用表明,该方法能有效提取滚动轴承振动信号的故障特征频率,具有良好的应用前景。     

基于ARM的机车轴承故障诊断系统

介绍一种基于ARM嵌入式系统和机车轴承诊断系统.该系统可方便,快捷地完成机务段常用的机车轴承检测项目,诊断出故障类型,分析出可能引起故障的原因,并提出维修或更换的建议.通过数种方式,方便灵活地将诊断信息适时传给机务段管理计算机,便于同机车其他信息统一管理.实验结果表明,该系统运行稳定可靠,达到了预期效果.详细介绍软硬件设计过程.     

基于电机定子电流分析的机车齿轮箱故障诊断

机车传动系统齿轮故障诊断对保障列车行车安全有重要意义,因此将牵引电机定子电流分析用于齿轮故障诊断。齿轮局部损伤引起齿轮系扭矩波动,扭矩的波动使驱动电机定子电流多个频率成分发生相位调制,在定子电流频谱中产生边频带,分析这些特殊频率成份就可以检测齿轮故障。齿轮早期故障产生的边频带幅值非常微弱,通常被电机结构引起的谐波成份和噪声掩盖。双树复小波变换保留了常规小波局部分析特性,又能有效抑制平移敏感性和频率混叠。提出了一种新的无传感器机车齿轮故障诊断方法,用双树复小波分析牵引电机定子电流,抑制噪声排除临近频率的干扰。30 t轴重货运机车正线运转实验证明,提出的方法能有效诊断机车齿轮故障。     

基于循环脉冲谱的动车轴箱轴承故障诊断方法

针对动车轴箱轴承故障冲击的脉冲性与周期性,提出基于归一窗S变换时频切片的循环脉冲谱分析方法。采用能量归一化窗函数对故障轴承振动信号进行归一化窗S变换并建立其能量随频率的变化关系,根据能量峰值与峭度最大原则在故障冲击共振频率点处进行时频切片。引入可变循环窗对时频切片序列的周期脉冲进行分离;采用可变循环窗内整体脉冲峰值矩的变异系数对故障信号的循环脉冲度进行表征,得到故障信号循环脉冲谱。通过仿真与动车轴箱轴承故障诊断实例表明,提出的循环脉冲谱不仅能够在强噪声干扰下对轴承复合故障进行准确诊断,而且对故障冲击共振频带中心的选择具有较好的鲁棒性,避免了对故障冲击共振频带的滤波解调与复杂的高次循环统计分析的繁琐步骤,计算简单高效,具有较好的工程适用性。     

基于小波分解改进算法和峭度最大原则的滚动轴承故障诊断研究

针对滚动轴承振动信号具有非平稳性以及工作情况下难以获得故障频率的情况,文章提出了一种基于小波分解改进算法和峭度最大原则对滚动轴承进行诊断的方法。首先,对小波分解改进算法进行验证,发现小波分解改进算法能够很好地克服小波分解传统算法过程中出现的频率混淆问题;然后,在小波分解改进算法的基础上,利用峭度最大原则选取故障频段,对其进行Hilbert包络解调和傅里叶变换来查看故障频率,最后通过美国凯斯西储大学实验室提供的数据对上述方法进行验证,并与小波分解传统算法进行了对比。结果表明,基于小波分解改进算法和峭度最大原则的故障诊断方法能够更加精准地识别故障频率,克服主频偏移的问题,有效地解决频率折叠现象和真实频率的映像问题,具有较好的可行性和优越性。     

铁路机车轴箱轴承的失效分析

1 前言 轴承的失效型式多种多样,这里仅从修理的角度把它分为两种:一种是不可修复的失效,另一种为可修复的失效.不可修复的失效多为突发性的,往往会带来极大危害;可修复的失效是指轴承的早期失效,可使用检测仪器检测得到,并通过一定的修理工艺消除失效症状,恢复轴承的原有精度,可继续投入使用.以下就这两种失效做一分析.     

基于小波分析的机车转向架振动信号的降噪和故障诊断

从小波变换的理论背景出发，介绍了利用小波变换对信号进行分解的原理。并重点对小波分析在信号消噪和故障诊断两方面的工程应用做了一些有益的探讨。首先对机车转向架振动信号用db4小波进行了分解，并运用所介绍的算法进行了消噪处理，取得了明显的效果。其次是运用小波包频分技术建立了机车转向架的振动状态特征向量，能较好地表征机车振动的故障状态。     

优化形态学滤波在高速列车轴承故障诊断中的应用

针对传统形态学滤波方法在提取高速列车轴箱轴承故障特征时过于依赖先验知识,结构元素相关参数(长度L和高度h)未结合信号特征做自适应选取的问题,文章在数学形态学滤波(Mathematical Filter, MF)、布谷鸟算法(Cuckoo Search Algorithm, CS)、实际工程应用方面做了深入研究。通过布谷鸟算法对结构元素的长度和高度进行自适应寻优,然后使用最优结构元素对信号进行处理,提取出信号中的冲击成分和故障特征,对比传统的解调方法可以发现该方法更准确、更快速。