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...     

基于多功能车辆总线的机车轴承故障诊断系统

研制开发的基于多功能车辆总线的机车轴承故障诊断系统是通过监测温度和振动信号来对机车走行部轴承进行早期诊断和预警,把组合预测模型引入机车轴承故障预警,使用灰色模型和时间序列模型预测故障增长性趋势和波动性趋势,再将预警值加以综合。给出了诊断系统的硬件结构、软件功能与特点。试验表明所开发的系统有很强的鲁棒性,能有效监测机车轴承故障。     

基于仿真试验和BOA-VMD的轴箱轴承故障特征提取算法研究

针对城轨列车运行过程中轴箱轴承故障难以发现的问题，提出一种利用蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)对变分模态分解(Variational Mode Decomposition,VMD）参数进行优化的轴承故障特征提取方法。首先构建基于轴承-车辆刚柔耦合的轴承故障动力学模型，提取轮轨激扰和轴承故障情况下的轴箱振动信号；然后利用蝴蝶优化算法对轴箱振动信号的VMD模态分量数和二次惩罚系数进行寻优，确定最佳参数组合；最后利用已确定的最佳参数对轴承振动信号进行VMD分解，得到不同本征模态分量(Intrinsic Mode Function,IMF)，并对最佳模态分量信号进行包络分析，识别到轴承故障时的特征频率。试验分析表明，基于优化参数的VMD分析方法能够有效提取轴承故障特征频率，通过经验模态分解(Empirical Mode Decomposition,EMD)分析方法对比，可以发现文章提出的分析方法效果更加有效。     

机车柴油机曲轴主轴承润滑和疲劳失效虚拟分析

以机车柴油机主轴承为对象,利用多体动力学软件EXCITE建立仿真模型,采用该模型对发动机主轴承进行了弹性液体动力学(EHD)计算,分析了主轴承工作时的最小油膜厚度、油膜压力、接触压力以及疲劳寿命的情况,为改进主轴承的结构设计和提高其工作可靠性提供理论依据。     

基于振动信号的轴承寿命预测

介绍了2012年IEEE PHM挑战赛关于轴承剩余使用寿命预测问题的专业类获奖算法,包括通过包络分析提取轴承特征频率法、PCA故障检测法以及在已知和未知轴承故障情况下预测剩余寿命的两种策略.     

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。     

轴承滚子缺陷激励下高铁轴箱系统振动特性研究

以某型高速列车转向架上轮对和轴箱系统为研究对象,构建一种包含轴箱轴承滚子缺陷的车辆-轨道耦合动力学模型,并利用现场试验数据验证轴箱轴承-车辆-轨道耦合动力学模型的有效性。通过仿真计算获得在京津线轨道随机不平顺激扰工况下轴箱的振动加速度时间历程以及轴承滚子与外圈的接触载荷时间历程,结合轴承滚子缺陷数学分析模型,研究轴承滚子缺陷激扰工况下轴箱系统内部结构的接触振动特性。研究结果表明：当轴承滚子出现缺陷时,轴箱横向和垂向振动加速度包络谱在滚子故障频率和2倍滚子故障频率的倍频处出现振动加速度峰值,且以保持架旋转频率10.32 Hz进行振幅调制;缺陷滚子与外圈接触载荷频谱主要分布在0～100 Hz的低频段,在200～1 000 Hz频段内出现以轴承保持架旋转频率为频率间隔的一系列峰值;随着轴承滚子缺陷宽度的增加,滚子与外圈接触载荷中高频段所占成分逐渐增加,表明轴承滚子缺陷宽度的增加会逐渐引起轴承滚子与外圈的中高频激振,加强轴箱轴承内部构件之间的动态作用从而加速轴承的疲劳破损失效;列车运行速度在250 km/h左右时,仿真数据表明轴承滚子缺陷宽度需限制在1 mm以内,尽量减少因轴承滚子缺陷宽度过大...     

基于支持向量机的机车轴承故障诊断方法

通过对机车轴承振动信号的分析处理,提出基于支持向量机(SVM)的故障诊断方法,提取反映轴承运行状态的无量纲系数作为故障的特征向量,并以此作为输入来建立支持向量机分类器,利用SVM网络的智能性来判断机车轴承的工作状态和故障类型.实验结果表明,提出的方法在小样本的情况下仍能准确、有效地对机车轴承的工作状态和故障类型进行分类,实现机车轴承故障的智能诊断.     

铁路货车车轮踏面擦伤及其对滚动轴承的影响

通过对铁路货车车轮踏面故障对滚动轴承寿命影响的调查分析,发现车轮踏面擦伤是车轮运行中发生的主要故障之一。从机务作业、车务作业和车辆运用3个方面介绍形成货车车轮踏面擦伤的原因,建立理想状态下轮对运动模型,说明轮对擦伤形成的冲击力随着速度提高而增加,易导致轮对轴承故障。对故障车轮进行了抽样调查分析,提出重视擦伤轮对轴承检查及发现轴承故障的建议。     

HXD3机车复合冷却器通风机轴承进水原因及防治

为应对2010年底多次发生HXD3型电力机车复合冷却器通风机组电机轴承进水锈蚀异音故障,通过对该故障现象的观察和解体轴承的检查,找出其产生故障的原因,提出了解决措施及建议,通过试验取得了较好的效果.     

柴油机曲轴轴系的柔性多体动力学仿真分析

以曲轴有限元模型为基础,建立了包括活塞、连杆、飞轮和减振器皮带轮在内的三维实体曲轴系统多体动力学模型.通过进行曲轴系统在发动机工作状态下的柔性多体动力学仿真计算,求出了柴油机在不同工况下的扭矩输出特性和各主轴承在一个工作循环内的载荷变化情况,分析了曲轴在实际安装和运行状态下的扭振响应特性,并将计算与实测的结果进行了比较,证明柔性多体动力学仿真分析的结果是可靠的.     

高速齿轮箱圆锥滚子轴承滚道接触损伤机理分析

为了确定高速动车组齿轮箱圆锥滚子轴承滚道剥离的原因,对故障样件进行了理化检测和轴承运动几何分析,确定了导致损伤的主要原因是由于滚动接触疲劳,反映出轴承工作过程中存在润滑不充分的事实。建立了滚动体与滚道的受力模型,对两者相互接触弹性变形的特征进行了分析。基于舍弗勒公司的高速滚动轴承动力学仿真软件对轴承运动状态进行了仿真验证,模拟了轴承运转过程中滚动体的自转效应及滚动体与滚道瞬时接触区域,阐明了润滑油膜厚度不足是诱发圆锥滚子轴承滚道接触损伤的重要原因。     

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型及故障程度.收集了DF4型内燃机车包含单一和复合故障在内的7种不同健康状态的轮对轴承试件,在南昌机务段的JL-501机车轴承检测台上采集了各轴承试件的振动信号样本.实验数据分析结果表明,MSE的特征提取效果优于多尺度近似熵(Multiscale Approximate Entropy,MAE)和小波包分解,PSO-SVM的故障识别效果优于参数不经优化的SVM和参数网格寻优法的Grid-SVM.本文方法能够有效诊断机车轮对轴承的不同故障,为提高机务段检测机车轮对轴承故障的精度提供了一种有效的方法.     

HXD3C型机车轴箱轴承故障救援回送的处置方案

通过一例HXD3C型机车轴箱轴承故障救援回送处置过程的分析,对采用救援小车和采取轮对悬挂2种机车轴箱轴承故障救援回送处置方案进行比较,表明轮对悬挂方案能缩短救援处置和回送时间,保证机车救援、回送安全.该方案对其他机型因走行部轴承故障的救援回送处置也有一定借鉴作用.     

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。     

动车组万向轴轴承润滑故障分析及轴承结构设计优化

针对动车组万向轴运用维护过程中出现的轴承润滑不良导致动平衡超标、传动系统异常振动问题,通过万向轴结构及轴承润滑原理分析、故障万向轴运用里程和季节分布、故障万向轴动平衡检测及轴承分解后状态检查、故障轴承油脂理化检测、润滑脂性能评估、万向轴运行工况及轴承运动学分析等手段,得出万向轴轴承润滑不良的原因并提出轴承结构优化方案,为提高动车组传动系统可靠性提出了建议和思路。     

自适应小波分析和多层卷积极限学习码器的轴承故障识别研究

针对滚动轴承振动信号由于强时变和强噪声等特性导致其故障难以辨识的问题,提出一种基于自适应小波分析(AWA)和多层卷积极限学习自编码器(MLCELAE)的滚动轴承故障识别模型.首先,提出一种新的轴承振动信号频谱边界检测方法,对信号频谱进行自适应分割,进而将信号分解为若干本征模态分量;然后选择较能反映轴承故障特征的模态分量并重构;最后构造卷积极限学习自编码器,并逐层堆叠建立深层网络MLCELAE,将信号样本输入MLCELAE进行自动特征学习与故障识别.试验结果表明:提出方法的平均故障识别准确率达到了98.48％,标准差仅为0.17,相比于其他方法在轴承故障识别准确率方面更具优势,适用于滚动轴承故障的自动识别.     

CRH380动车组轴箱轴承故障预警系统

高速动车组在高速运行过程中会发生多种设备故障,使行驶安全面临风险,威胁高速动车的正常运行。其中,属于转向架及其辅助系统的轴箱轴承一旦发生故障,很可能造成车轴热切甚至是脱轨,因此研究轴箱轴承数据挖掘模型和监控预警技术对于保证列车安全运行具有重要意义。通过研究动车组实时轴承温度与外温、速度、轮对里程、轴承位置等特征之间的关系,分析产生轴温过高的原因,并基于RBF神经网络对轴箱轴承的温度建立预测模型,进而设计故障预警系统,为日后的检修维护工作提供指导。     

基于IMF熵价值的轮对轴承故障自适应诊断

针对集成经验模态分解(EEMD)方法中本征模态函数(IMF)不能自主筛选的问题,提出IMF价值评价方法,以此评价IMF价值高低。将IMF能量熵作为IMF价值高低的核心评价标准,并基于此建立轮对轴承故障自适应诊断模型。该模型将轴承振动信号进行EEMD分解得到不同尺度的IMF,依据IMF熵价值算法,筛选出价值更高的IMF进行信号重构,对重构信号进行希尔伯特变换,应用其边际谱提取轮对轴承振动特性频率。应用无故障轴承及三种不同故障轴承对本模型进行试验验证。结果表明,该方法能凸显轴承特性频率,能够有效提取轴承旋转频率倍频、故障特征频率及其倍频,并且轴承垂向和横向振动对轴承故障特征频率的检测在谱分辨率及故障表征上都有较好的表现力。     

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。