城軌列車齒輪箱故障診斷與剩余壽命預測方法研究.pdf

1、城市軌道交通能夠減少交通擁堵、能源損耗及空氣污染等問題，具有快捷、高效等優(yōu)點，給人們的生活帶來了便利。在軌道交通日益受到青睞的情況下，列車安全問題不容忽視。齒輪箱作為車輛動力傳動系統(tǒng)不可缺少的部件，其運行狀態(tài)直接影響車輛的安全性能。因此，通過實時監(jiān)測手段及時準確地獲取齒輪箱的運行狀態(tài)，并預測其剩余壽命，從而有針對性、預測性地制定維修計劃和管理決策，對保障軌道車輛安全可靠運行、防止事故的發(fā)生具有重要意義。本文針對齒輪箱故障診斷及剩余壽命預

2、測進行了系統(tǒng)的研究，主要內容如下：
　　(1)研究了齒輪箱振動信號的特征提取方法。本文利用局部均值法將原始信號分解成若干單分量信號，避免了經驗模態(tài)分解的過包絡和欠包絡問題;針對有效單分量選擇問題，提出將能量占比及各單分量與原始信號間的相關性作為衡量指標，并提取有效單分量的特征值;最后，應用主成分分析法對特征值降維，實現(xiàn)多角度融合。
　　(2)研究了基于循環(huán)平穩(wěn)統(tǒng)計量的齒輪箱故障檢測法。本文提出將不同特征頻率處的譜相關密度函數

3、最大值突變情況作為軸承早期故障點識別的依據，并結合CUSUM理論實現(xiàn)了軸承早期故障點檢測;為解決實際數據受噪聲干擾的問題、降低計算量，采用譜相關密度組合切片分析法分析了軸承的故障特征;將循環(huán)自相關函數和等高線圖應用于實際數據故障檢測中，有效的分析了齒輪不同故障的特征，并與以往算法對比分析，驗證了循環(huán)自相關函數具有較強的解調性。
　　(3)建立了基于變量預測的齒輪箱故障分離模型。本文將拉普拉斯分值作為特征值的選取依據，選擇合適的變量

4、，降低了特征值對模型預測精度的影響;為解決傳統(tǒng)變量預測模型易受“異常值”影響的問題，采用穩(wěn)健回歸法對模型進行參數估計;以最小估計誤差值為衡量指標確定最優(yōu)模型類型和階數，建立了變量預測模型。最后，通過對比分析不同故障分離方法的性能，驗證了變量預測模型的準確性和高效性。此外，對不同故障狀態(tài)下特征值的敏感性做了初步探討。
　　(4)研究了基于半監(jiān)督協(xié)同訓練的齒輪箱剩余壽命預測算法。本文提出將PSO-BP神經網絡和支持向量回歸結合，基于半