基于軌旁聲學信號的城軌列車滾動軸承故障診斷研究.pdf

1、城市軌道交通在城市化的進程中扮演著越來越重要的角色，城軌列車的安全性能也得到了越來越多的關注。城軌列車的走行部是列車最重要的組成部分，而滾動軸承是走行部中極易發(fā)生故障的部件，對列車的安全運行意義重大，因此對列車滾動軸承進行狀態(tài)監(jiān)測有著重要的意義。本文在總結(jié)前人的研究基礎之上，進行了基于軌旁聲學信號的城軌列車滾動軸承故障診斷研究，主要工作內(nèi)容如下:
　　首先，對城軌列車的軸承結(jié)構(gòu)進行了介紹，總結(jié)了軸承比較常見的故障模式，對不同軸承部

2、件的故障信號特點進行了簡要概括，著重分析了軸承聲音信號的產(chǎn)生機理、特點和傳播規(guī)律，并對滾動軸承信號分析中常見的幾種時頻特征指標以及能量特征指標進行了介紹;
　　其次，根據(jù)滾動軸承實驗平臺設計了相應的滾動軸承聲信號采集系統(tǒng)，并根據(jù)要研究的目標，進行了陣列傳感器聲信號采集實驗設計，采集了不同參數(shù)下相應的軸承故障聲信號，為下文進一步的研究提供數(shù)據(jù)支持;
　　然后，針對單一傳感器信號在軸承運動過程中采集信號的不完整性，提出了基于瞬時

3、權系數(shù)的滾動軸承陣列傳感器聲信號融合算法，并驗證了融合模型的有效性。為了突出融合算法的有效性，在進行融合之前對采集到聲音信號進行自適應形態(tài)組合濾波;
　　最后，提出了基于峭熵比(KER)和集成經(jīng)驗模態(tài)分解(EEMD)的滾動軸承故障診斷算法。介紹了小波變換、小波包分解、峭熵比以及集成經(jīng)驗模態(tài)分解的基本原理，本文將這幾種方法有效結(jié)合起來，提出了本文的算法，并以軸承仿真信號、實驗信號和現(xiàn)場實測信號為輸入的原始數(shù)據(jù)，利用本文算法對軸承進行