基于盲源分离的铁路货车轴承声发射信号特征提取与智能诊断研究

摘要

铁路货车车轴的滚动轴承是支撑、引导和减少固定机械与运动机械间摩擦的部件，是最重要的旋转机械零件。铁路货车轴承的故障，对铁路货车的安全运行带来严重隐患，甚至造成重大行车事故。虽然铁路货车的安全事故因各种原因无法完全避免，但准确监测铁路货车车轴轴承的状态，对其故障做出有效预测并采取适当方法，却可以有效避免因轴承故障产生的列车运行事故。铁路货车车轴轴承状态监测是未来铁路货车安全信息系统的重要部分。
　　 本文讨论声发射监测技术，分析在货车轴承组件中捕获的声发射信号(AE)。使用盲源分离技术对声发射信号进行分析与处理，利用模式识别方法实现故障的智能诊断。为了有利于检测轴承的早期故障，通过对比分析，最终选用抗干扰和灵敏度都较强的声发射信号作为故障信号源，通过盲源分离和支持向量机算法实现故障诊断。通过模拟仿真实验，验证了算法的有效性和实用性，基于盲源分离的声发射信号提取与支持向量机计算方法能较好地实现车轴轴承的故障在线智能诊断。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外研究的现状

1．3 本文的研究内容

第二章 基于声发射信号处理的轴承故障研究

2．1 滚动轴承故障的特点

2．2 声发射技术的理论概述

2．2．1 声发射信号的分类

2．2．2 声发射信号处理方法的介绍

2．3 声发射技术在滚动轴承中诊断的机理

2．4 声发射技术在滚动轴承中应用的优势

2．5 本章小结

第三章 基于盲源分离的声发射信号处理方法的研究

3．1 独立分量分析的数学模型

3．2 信号的预处理方式

3．2．1 去均值处理

3．2．2 白化处理

3．3 分析盲源分离算法

3．3．1 快速独立分量分析(Fast ICA)算法

3．3．2 Natural Gradient算法

3．4 评价算法的分离性能

3．5 声发射信号的特征分析

3．6 仿真及实验结果的分析

3．6．1 波形信号的分析

3．6．2 语音信号的分析

3．7 本章小结

第四章 支持向量机在轴承故障诊断中的应用

4．1 概述机器学习理论

4．1．1 机器学习的主要策略

4．1．2 机器学习系统的基本结构

4．2 概述统计学习的问题

4．3 支持向量机(SVM)算法

4．3．1 分类超平面

4．3．2 支持向量机分类算法的推导

4．3．3 核函数

4．3．4 SVM算法的优势

4．4 本章小结

第五章 基于盲分离算法和支持向量机的轴承故障诊断研究

5．1 铁路货车车轴轴承在线智能监测系统

5．1．1 在线智能监测系统

5．1．2 网络构架与数据采集层

5．2 铁路货车轴承故障监测算法

5．2．1 货车轴承声发射信号的盲分离特征提取算法

5．2．2 支持向量机(SVM)的分类算法

5．3 仿真试验结果及分析

5．4 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士学位期间科研及论文完成情况