基于特征融合的牵引电机轴承声学故障诊断

滚动轴承作为高速列车牵引电机的重要部件，其故障情况严重影响列车运行安全。声学轴承故障诊断方式具有无安装侵入性、运维成本低的优点，但也具有信噪比低、故障特征难以提取的缺点，机器学习则具有克服噪声影响的鲁棒性。针对应用机器学习进行声学故障诊断时，少量特征无法全面表征轴承故障的难题，文章提出将格拉姆角场（GAF）与小波时频图进行叠加融合，构成6通道融合特征图用以有效表征轴承的故障。首先，建立牵引电机轴承声学故障试验台获取故障声学信号；其次，建立基于GAF的声学信号融合特征图，然后使用残差网络（ResNET）模型针对融合特征图特征训练并验证故障分类模型，并与以单种特征图作为特征的故障分类方法进行准确率对比。结果表明，基于GAF的融合特征图的声学故障分类模型具有99.89%的准确率，融合特征图能更有效地映射轴承故障。     

基于LS-SVM和D-S证据理论的轴承故障诊断

利用信息融合技术,提出了基于LS-SVM和D-S证据理论的轴承故障诊断方法,并利用高速动车组传动试验台进行了验证,结果表明该方法可有效提高滚动轴承故障诊断精度。     

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...     

基于改进VMD的高速动车组轴箱轴承故障识别方法

针对高速动车组运行工况复杂、轴箱轴承故障率较高、背底噪声强和故障识别难度大的情况，提出基于改进变分模态分解（VMD）的动车组轴箱轴承故障识别方法。首先，运用能量差法和合成谱峭度法计算最优的变分模态分解关键参数；其次，基于相关系数、谱峭度及奇异值构建的评价参数，选取用于重构故障信号的本征模态分量；最后，对重构后的信号进行傅里叶变换，实现在强背底噪声情况下的故障特征频率识别，并通过模拟数据和真实动车组轴箱轴承试验数据对提出的方法进行验证。结果表明：提出的方法能够有效地在强背底噪声情况下重构带有预设的40或200 Hz故障特征频率的信号，重构后的信号最大程度保留了轴承的故障信息；故障特征频率识别效果好，能够为保障高速动车组的安全运行提供技术支撑。     

变轨距动车组轴箱轴承选择及优化研究

变轨距动车组轴箱轴承运用环境复杂,面临载荷工况异常、轴承线速度大的挑战。文章对变轨距动车组轴箱轴承的形式、结构、润滑、密封等方面进行系统分析,确定优化的轴承选择方案。通过试验台试验,模拟变轨距动车组轴箱轴承的运用工况,对轴箱轴承的耐久性、密封性、极限运用能力等方面进行试验验证,结果表明,热性能及耐久性能、极限性能、密封性能均满足有关要求。     

600 km/h轴箱轴承试验台设计

受陪试工业轴承性能的限制，传统试验台只能开展速度500 km/h及以下轴箱轴承性能测试。为在实验室内开展600 km/h及以上速度轴箱轴承测试，研究满足TB/T 3017.1—2016《机车车辆轴承台架试验方法 第1部分：轴箱滚动轴承》试验条件的600 km/h轴箱轴承试验台的设计方案。通过创新试验轴系的布局和轴向力施加方式，轴箱轴承性能测试时不需要工业陪试轴承，使得600 km/h轴箱轴承试验台测试的最高速度只取决于被测试轴箱轴承性能。介绍600 km/h轴箱轴承试验台的设计要求和设计思路，详细阐述600 km/h轴箱轴承试验台组成及各部分功能，并计算验证工装轴强度和临界转速、机架频率。利用600 km/h轴箱轴承试验台，可进行最高速度为700 km/h的轴箱轴承试验。     

高速动车组圆柱滚子轴承的应用研究

为提高高速动车组轴箱轴承的可靠性,采用正向设计理念,结合圆锥滚子轴承在我国高速动车组运用中出现的轴承漏油、温升异常及剥离等问题,以及圆柱滚子轴承径向承载能力大、极限转速高、保持润滑能力强等技术特点,研制了满足高速动车组运用需求的圆柱滚子轴承。通过台架试验、线路试验验证及批量装车应用证明,所研制的圆柱滚子轴承能够满足我国高速动车组的运用要求。     

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。     

动车组轴承异音故障诊断与研究

根据动车组高级修统计,轴承系统故障问题主要集中在锈蚀和剥离。目前高速动车组轴承故障监测系统有车载轴温监测系统和TADS轨边声学诊断系统2种,对于故障轴承的判断具有较高的准确率,但在一定程度上也有自身的局限性。针对车载轴温监测系统和TADS轨边声学诊断系统均未检测到的某动车组轴承剥离异音问题,借助该动车组既有车载传动系统监控装置进行振动检测,同时在客室内利用便携式设备进行噪声检测,利用FFT, STFT等技术手段对故障频率进行甄别,找到故障激扰源,这是对轴承故障诊断行之有效的方法。     

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。     

250km/h标准动车组轴箱轴承选型方案分析

根据轴箱轴承的结构尺寸、润滑、密封、寿命、可靠性、可维修性等技术指标对现有动车组所用轴承的性能进行了详细分析,结合250 km/h标准动车组的特点以及后续发展方向,对轴承的选型给出了可行性建议,并形成了250 km/h标准动车组轴箱轴承选型方案。     

东风4KB型内燃机车轴箱辆承振动诊断

针对东风４ＫＢ型内燃机车轴箱轴承烧损故障，进行了轴箱轴承车上不解体振动诊断，根据东风４ＫＢ型机车轴箱轴承诊断数据统计分析结果，确定简易诊断参数及其建议门限值；并介绍具体诊断的工艺及实际效果，还指出了诊断中的不足之处。     

基于双通道特征融合的轴承故障诊断方法

基于卷积神经网络（Convolution Neural Network,CNN）的智能诊断方法在轴承故障诊断中应用广泛，但是大多数诊断模型以单源信息输入为主，这将影响基于CNN的故障诊断准确性和可靠性。针对这个问题，文章提出一种基于双通道特征融合的滚动轴承故障诊断方法。首先利用多重Q因子连续Gabor小波变换（Multiple Q-factor Continuous Gabor Wavelet Transform,CMQGWT）和快速谱相干（Fast Spectral Coherence,Fast-SC）分别构造滚动轴承振动信号的时频分析图；然后搭建1个具有双输入通道的CNN网络模型，通过特征融合层将各个通道提取的深度时频特征融合成1个新的特征；最后利用分类器输出诊断结果。在高速列车滚动轴承单故障和复合故障的分类识别试验中，较之于单输入通道的CNN模型，该模型具有更高的诊断准确性和鲁棒性。     

速度400 km/h高速列车轴箱轴承技术研究

高速列车轴箱轴承的可靠性和高速性能是保障高速列车运行安全和运行效率的关键因素。依据高速列车轴箱轴承的实际应用工况特征,并结合现有高速列车轴箱轴承的检修统计数据,对比分析了双列圆锥和双列圆柱设计的轴箱轴承技术特点。针对现有某高速列车车型,以满足运营速度400 km/h的技术要求为目标,对双列圆锥轴箱轴承低摩擦优化设计和轴箱系统散热设计优化这两个方面进行研究。其中为了准确评估摩擦功耗,建立了轴承—车辆刚柔耦合动力学模型,并以京津轨道谱和实测车轮不平顺作为输入,计算了轴承的动态载荷。轴承摩擦计算结果表明,在车速400 km/h,X-life设计的双列圆锥轴箱轴承的摩擦发热功耗比原有双列圆锥轴箱轴承大约降低24%;轴箱轴承台架测试显示,在更高的车速下,X-life设计的双列圆锥轴箱轴承运转温度比原有双列圆锥轴箱轴承降低了大概15°C。轴箱系统热仿真计算显示,在相同的热源输入和环境温度和散热条件下,铝合金轴箱体的最高温度相比铸铁轴箱的最高温度降低了约20°C。相关研究结果,可以为运营速度400 km/h高速列车的轴箱系统总体设计提供参考。     

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。     

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.     

高速动车组轴箱轴承温升故障分析

针对高速动车组轴箱轴承在夏季运营时部分车辆轴箱轴承出现超过温度限值的现象,从轴承的设计制造、轴承装配状态、轴承润滑状态、新旧牌号油脂对比试验及线路试验等方面进行了调查分析,结果显示:轴承油脂的性能可能是导致轴承温升故障的主要因素,采用新牌号油脂能够降低轴承温度约5~10℃,表现出降低轴承温升故障的潜力。     

基于随机森林的动车组牵引电机故障特征选择方法

动车组车载数据具有维度高、数据量大的特点,从高维度的数据中提取出牵引电机相关的有效特征是进行数据驱动模型构建的基础。文章以基尼指数为例,介绍了基于基尼指数的CART分类树构建步骤、基于CART分类树的随机森林构建方式以及基于随机森林分类算法的基尼指数平均不纯度减少和袋外误差平均准确度减少2种特征选择方法,并对2种特征选择方法进行了试验验证。基于UCI机器学习样本库,通过Dry Bean Dataset和Wine Dataset 2种典型案例验证了2种特征选择方法在特征选择和模型分类方面的有效性;基于动车组车载实测数据,通过对动车组牵引电机的特征选择,验证了2种方法都能有效筛选出牵引电机故障特征,同时基于所选故障特征建立的牵引电机故障诊断模型具有较高准确率和召回率,可用于动车组牵引电机故障特征选择。     

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。     

单轮对高速滚动试验台的动态有限元模拟研究

为开发一套基于轮对加速度测量的高速车轮擦伤自动甄别监测系统,建立了旨在研究车轮踏面擦伤激励下轴箱加速度信号的单轮对高速滚动试验台。文章采用ANSYS/LS-DYNA建立了模拟上述试验台的三维高速滚动接触有限元模型,通过对比模拟与试验的轴箱加速度信号,完成了对有限元模型的验证,为进一步研究试验台无法实现的极端工况和建立动态接触力与轴箱加速度信号之间的关系提供了模拟手段。