轨道车辆转向架电机轴承在线故障诊断系统开发

摘要

目前，我国高铁及城轨运输事业正处于飞速发展阶段，作为承载乘客直接载体的轨道车辆，其安全性直接影响着乘客的生命安全。因此，有必要对轨道车辆进行状态检测与故障诊断来预防或避免由于车辆故障带来的不必要的损失。转向架电机轴承是轨道车辆的关键部件之一，它在轨道车辆中占有举足轻重的地位，而且其结构复杂，所以对轨道车辆转向架电机轴承的故障诊断是车辆故障珍断的热点和难点，如何对其进行高效、快速而准确地诊断是值得研究的一个重要问题。
　　 结合本次863课题的研究，将小波与改进神经网络相结合的故障诊断模型和方法应用在轨道车辆电机上，诊断的具体对象为电机轴承。本文设计开发了轨道车辆电机轴承故障诊断系统，对电机轴承的四种工作模式进行了分析，分别是正常、内环故障、外环故障、滚动体故障。在对采集到的信号降噪后，利用“小波包-能量”法提取特征量，并将其输入到神经网络中进行故障识别。为了验证本算法的改进之处，本文还对传统神经网络和改进神经网络的诊断结果做了对比。与此同时，在实验室的列车走行部电机故障诊断试验台上做了电机轴承故障诊断实验，实验结果表明小波与改进神经网络故障诊断方法能够有效地对电机轴承故障进行诊断与识别。
　　 最后，本文对轨道车辆电机轴承故障诊断系统进行了软件实现。首先对各功能模块进行说明，然后展示了系统的运行界面，实现了对电机轴承的智能诊断，保证列车的安全运行，具有很好的实用性。

目录

文摘

英文文摘

第一章 绪论

1.1 课题来源

1.2 本课题的研究目的和意义

1.3 电机故障诊断技术的发展概述

1.3.1 故障诊断技术的发展

1.3.2 电机故障诊断的特点和方法

1.3.3 国内外研究现状

1.4 论文的安排及研究内容

第二章 电机轴承故障特征分析

2.1 电机轴承失效的基本形式

2.2 电机轴承振动特征分析

2.3 电机轴承特征频率分析

2.4 电机轴承固有振动频率分析

2.5 电机滚动轴承动力学分析

第三章 电机轴承故障特征提取分析方法

3.1 幅域分析法

3.2 波形因数分析法

3.3 波峰因数分析法

3.4 概率密度分析法

3.5 峭度系数分析法

3.6 冲击脉冲分析法

3.7 共振解调分析法

3.8 时频分析法

第四章 小波分析技术及其在电机轴承故障诊断的应用

4.1 傅里叶变换

4.2 小波变换

4.2.1 连续小波变换

4.2.2 离散小波变换

4.3 小波包的分解与重构

4.4 小波与小波包降噪

4.5 利用小波包技术对电机轴承故障特征进行提取

第五章 遗传算法与人工神经网络诊断方法

5.1 人工神经网络诊断概述

5.1.1 人工神经网络及其在故障诊断领域中的应用

5.1.2 人工神经网络故障诊断的特点

5.1.3 BP神经网络学习算法及训练过程

5.1.4 MATLAB中BP网络的工具箱函数

5.1.5 BP网络的结构设计

5.2 遗传算法基本原理

5.2.1 遗传算法特点概述

5.2.2 编码

5.2.3 初始种群的生成

5.2.4 适应度评估检测及目标函数

5.2.5 选择

5.2.6 交叉

5.2.7 变异

5.2.8 终止条件判断

5.2.9 遗传算法GA工具箱函数[35]

5.3 遗传-神经网络诊断算法结合及实验研究

5.3.1 用遗传算法优化神经网络权值的学习过程

5.3.2 故障诊断试验过程及结果

第六章 电机故障诊断系统的硬件设计与实现

6.1 系统总体结构

6.2 车载系统结构及组成部件

6.3 系统部分运行界面及简要功能介绍

6.3.1 系统运行主界面

6.3.2 神经网络参数设置界面

6.3.3 设备现场诊断结果界面

结论与展望

参考文献

致谢

攻读学位期间发表的学术论文目录