地铁车辆转向架轴承故障诊断方法研究

摘要

在中国，城市轨道交通迅猛发展，各大省会城市都在进行建设或规划自己的城轨，其运营安全越来越受到关注。转向架轴承是地铁车辆中的关键部件，其状态对车辆的安全运行至关重要。因此，对列车转向架轴承故障诊断具有很大的现实意义，而如何对其进行在线智能故障诊断是一个值得研究的重要问题。振动信号中往往含有与故障相关的大量信息。本文基于小波包-包络分析对转向架轴承故障诊断方法作了深入的研究。
　　论文首先介绍了滚动轴承的典型结构和故障形式，研究了地铁转向架轴承的振动机理，推导了滚动轴承的故障特征频率。这是利用振动信号对其进行故障诊断的理论基础。
　　故障诊断包括故障特征提取和故障模式识别两大部分。本文将小波包分解与重构和Hilbert变换结合起来，通过获取振动信号各频段的包络谱将故障特征有效提取出来，使之更易识别。针对现有智能故障诊断方法的弊端，本文提出了故障识别搜索算法这一智能模式识别方法。该搜索算法完全采用计算机模拟人“观察”频谱图，对提取的故障特征进行有效模式识别，进而诊断出故障情况，为故障的自动智能诊断打下了坚实的基础。
　　为了验证上述方法的有效性，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轴承内圈、外圈和滚动体故障分别进行了测试，结果证明该方法能够准确诊断出列车转向架轴承故障。
　　最后论文设计了地铁列车转向架轴承在线故障诊断硬件装置，并基于本文提出的诊断方法对该装置进行了测试。该装置能对上述三种故障做出准确诊断，具有一定的工程实用性。

目录

声明

致谢

摘要

1 序言

1．1 研究背景

1．2 研究目的和意义

1．3 国内外研究现状

1．4 本论文思路和主要内容

1．4．1 论文研究路线

1．4．2 论文主要内容

2 列车转向架轴承故障机理及分析方法

2．1 滚动轴承典型结构

2．2 滚动轴承的故障形式

2．3 滚动轴承振动机理及特征频率

2．4 滚动轴承的振动信号分析方法

2．4．1 时域分析法

2．4．2 频域分析法

2．5 本章小结

3 列车转向架轴承故障智能诊断方法

3．1 基于小波包分析和包络解调分析的故障特征提取方法

3．1．1 小波包分析

3．1．2 基于Hilbert变换的包络分析

3．2 智能故障模式识别方法研究

3．2．1 谱峰判定

3．2．2 搜索频带设定

3．2．3 故障特征频率误差设定

3．2．4 故障识别搜索算法

3．3 基于小波包-包络分析的智能故障诊断方法研究

3．4 本章小结

4 轴承试验平台设计及试验研究

4．1 故障诊断试验平台设计与搭建

4．2 基于MATLAB软件平台的试验验证

4．3 故障诊断硬件装置设计与试验

4．3．1 故障诊断硬件装置结构与组成

4．3．2 在线故障诊断策略

4．3．3 程序设计

4．3．4 试验测试

4．4 本章小结

5 总结与展望

5．1 全文总结

5．2 不足与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集