動車組機械傳動系統(tǒng)軸承振動信號分析與故障診斷.pdf

1、近年來，我國對外開放和社會經濟的高速發(fā)展，加快了高速鐵路的建設速度，隨著高速鐵路里程數和客流量的增多，動車組的裝機量迅速增加，高鐵運營的安全逐漸成為行業(yè)內所關注的最重要課題。軸承作為動車中重要的旋轉零件，也是主要故障源之一。在列車的高速重載運行中，軸承的早期故障很容易進一步擴大，從而造成列車顛覆等安全事故。動車組傳動系統(tǒng)滾動軸承的故障診斷，對鐵路運輸的安全運行有著切實的意義。本文針對動車組滾動軸承常見的內外環(huán)故障、滾動體故障和正常運行四

2、種運行狀態(tài)，分別從時域和頻域對其振動信號進行分析，采用了優(yōu)化的集合經驗模態(tài)分解(Ensemble Empirical Mode Decomposition，EEMD)時頻分析方法與BP神經網絡（Back Propagation Neural Network）狀態(tài)識別相結合的滾動軸承智能診斷方法。
　　論文首先系統(tǒng)地介紹了滾動軸承故障形式及其產生的原因，軸承各零部件振動的固有頻率及其故障特征頻率，然后分析了軸承在四種運行狀態(tài)下五個時

3、域特征的變化情況和規(guī)律。通過介紹EEMD時頻分析方法，針對其在運算效率方面的不足，提出兩種優(yōu)化方法并論證了其可行性。接著論文利用優(yōu)化后EEMD計算得到的8個基本模函數(Intrinsic Mode Functions，IMF)能量分布的非一致性，將各IMF的能量作為BP神經網絡的特征向量輸入。利用BP神經網絡的非線性映射功能，建立神經網絡并實現(xiàn)滾動軸承運行狀態(tài)和基本模函數能量分布之間的映射關系，對提取的特征向量進行網絡訓練后，測試并驗證