軌道交通車輛軸承故障診斷分析與研究.pdf

1、摘要近年來，我國高速鐵路發(fā)展迅速，隨著軌道交通車輛設(shè)備的復(fù)雜程度的提高，故障率也隨著上升，機車作為運輸、載客的直接載體，其運營安全與否直接關(guān)系著生命、財產(chǎn)的安全。滾動軸承是軌道交通車輛中應(yīng)用最為廣泛的一種通用機械部件，據(jù)統(tǒng)計，鐵路運營故障的產(chǎn)生大部分是由于軸承發(fā)生故障影響了軌道交通車輛的工作狀態(tài)，而一旦車輛發(fā)生故障，就會造成難以估量的經(jīng)濟損失甚至事故傷亡，因此，對軌道交通車輛運行狀態(tài)監(jiān)測和軸承故障診斷的研究是必不可少的，所以，如何對軌道

2、交通車輛運行故障進行高效檢測、快速診斷、準(zhǔn)確預(yù)測是一個值得研究重要問題。論文結(jié)合近期國內(nèi)外在軌道交通機械故障診斷上的發(fā)展現(xiàn)狀，分析了滾動軸承故障可能的發(fā)生情況，總結(jié)出機車的故障發(fā)生原因、特征和頻率，根據(jù)得到的頻率特征和故障特性，首先對測量到的滾動軸承振動信號進行小波消噪處理，然后分別采用了小波包，BP神經(jīng)網(wǎng)絡(luò)等經(jīng)典的算法對軸承進行了故障的分析和診斷：(1)對消除噪聲以后的信號進行sym8小波包變換，分析小波包變換后的歸一化振動信號，對軸

3、承振動信號進行診斷，得到故障發(fā)生的頻段；(2)利用BP神經(jīng)網(wǎng)絡(luò)進行故障分析和研究，并給出分析的程序和結(jié)果。實驗結(jié)果表明，小波消噪能夠較好的消除噪聲，采用小波包分析，能夠提取滾動軸承的故障振動信號特征，結(jié)果表明采用的小波包的故障診斷和神經(jīng)網(wǎng)絡(luò)故障診斷和預(yù)測，實現(xiàn)了對機車重要部件滾動軸承的智能診斷，保證了機車的運營安全，對軌道交通的快速運行和發(fā)展具有良好的保障性和較好的實用性。關(guān)鍵詞：軌道交通車輛；故障診斷；小波變換；小波包；神經(jīng)網(wǎng)絡(luò)Abs

4、tractInrecentyears，therapiddevelopmentofrailtransportation，motorcycleasthebearerofthedirectcarrierofpassengers，thesafetyoflifeandpropertyisdirectlyandcloselyrelatedAsapartofrotatingmachineryrollingbearingiswidelyusedinra

5、ilwaysectorAccordingtostatistics，mostoftherailwayrotatingmachineryfaultsiscausedbybearingfailurewhichisimpactedbytherailwaymachine’SworkingconditionOncethebearing’Sfault，itcausedheavyeconomicloss，thestudyoftherailwayroll

6、ingbearingsconditionmonitoringandfaultdiagnosisisessentialWiththerailtransitvehiclesincreasedcomplexityoftheequipment，thefailureratecorrespondingriseinrailroilingisthemostwidelyusedvehicleinacommonmechanicalcomponents，th

7、enthecourseofitsoperationforefficient，rapidandaccuratediagnosisisworthyofstudyanimportantissueTllisarticlesummarizesthecurrentseriousfaultdiagnosistechnologyworld，thedevelopmentofrailtransportsituationsummarizesandanalyz

8、estheoccurrenceofbeatingfailureandtoidentifyfailurepaaemsandcharacteristicsBasedontheaboveneedsanalysis，weusewavelet，waveletpacket，waveletneuralnetworkmethodforfaultdiagnosisofbearingrailtransitvehicleswerediagnosed，thef

9、irstbearingonthecollectedvibrationsignaldenoisingagainafterdenoisingsignalwaveletpackettransform，andthetransformedsignalextractionfeaturevectors，andtheirinputtotheneuralnetworkforfaultdiagnosisTheresultsshowthat：thewavel

10、etpacketanalysis，Canidentifythecharacteristicsofrollingbearingfaults，indicatingthatthefaultfeatureextractionmethodiseffective；usingwaveletpacketandneuralnetworkfaultdiagnosisofrollingbearings，canidentifythefaultfeatureTh

11、ismethodalsoappliestobearingsandotherrotatingmachineryfaultdiagnosisToensurethesafetyoflocomotiveoperationrailtrafficonthefastrunninganddevelopmentofgoodprotectionandmoregoodpracticalityKeywords：RailTransitVehicles；Fault