高速列車輪對(duì)軸承狀態(tài)表征與故障診斷方法研究.pdf

1、隨著我國(guó)高鐵的蓬勃發(fā)展，路網(wǎng)規(guī)模的迅速擴(kuò)大，高速列車運(yùn)行安全已成為高鐵研究、建設(shè)和運(yùn)營(yíng)最關(guān)注的重中之重。輪對(duì)軸承是列車走行系統(tǒng)中關(guān)鍵的旋轉(zhuǎn)部件，除了支承列車重量及車輛載重所構(gòu)成的靜態(tài)和動(dòng)態(tài)的徑向負(fù)荷外，在車軸方向還要承受額外的非穩(wěn)定力，可見輪對(duì)軸承的可靠性與穩(wěn)定性對(duì)列車行車安全有至關(guān)重要的影響。隨著列車運(yùn)行速度的提高，車輛輪軌間的動(dòng)載荷相應(yīng)地隨之增大，輪對(duì)軸承的振動(dòng)服役環(huán)境更加復(fù)雜化，加劇了輪對(duì)軸承的磨損、擦傷等故障產(chǎn)生及狀態(tài)偏離演變進(jìn)

2、程，由此可見，高速列車輪對(duì)軸承狀態(tài)檢測(cè)、監(jiān)測(cè)與故障診斷研究變得極為必要與迫切。
　　經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)和總體平均經(jīng)驗(yàn)?zāi)B(tài)分解(EnsembleEmpirical Mode Decomposition，EEMD)，是黃鍔院士(Norden E.Huang)提出的一種新的處理非平穩(wěn)非線性信號(hào)的方法，該方法一度被認(rèn)為是2000年以來以傅里葉變換為基礎(chǔ)的線性與穩(wěn)態(tài)頻譜分析的一個(gè)

3、重大突破。原因在于EMD是一種自適應(yīng)數(shù)據(jù)分解方法，其基于信號(hào)本身局部時(shí)間尺度特征進(jìn)行信號(hào)分解，無須關(guān)于待分析信號(hào)的先驗(yàn)知識(shí)。任意非平穩(wěn)信號(hào)被分解成若干本征模態(tài)函數(shù)(Intrinsic Mode Function，IMF)，每個(gè)IMF均具有明確的物理意義。對(duì)每個(gè)IMF計(jì)算相應(yīng)瞬時(shí)頻率和瞬時(shí)幅值，可以得到原始信號(hào)細(xì)致的時(shí)頻刻畫，能清晰描述非平穩(wěn)信號(hào)的時(shí)頻分布。EMD分解方法中蘊(yùn)藏的本征屬性參數(shù)，體現(xiàn)了原始信號(hào)中某些關(guān)鍵固有特性。因此，本文基

4、于EMD本征屬性，采用振動(dòng)信號(hào)分析方法，對(duì)高速列車輪對(duì)軸承狀態(tài)表征與故障診斷方法進(jìn)行了深入的研究。
　　在梳理EMD時(shí)頻分析方法基礎(chǔ)理論的過程中，提出了一種基于奇異值曲率譜的EEMD噪聲識(shí)別方法，能有效地自適應(yīng)地識(shí)別EEMD分解過程中產(chǎn)生的噪聲信號(hào)以及原始信號(hào)中包含的噪聲信號(hào)，可以很好地應(yīng)用于信號(hào)降噪處理。
　　利用EMD本征屬性表征高速列車輪對(duì)軸承振動(dòng)狀態(tài)，提出了三種定量表征方法。第一種是振動(dòng)信號(hào)形態(tài)函數(shù)表征方法，EMD形

5、態(tài)函數(shù)是對(duì)IMF一種新的概括，本文以健康狀態(tài)下的形態(tài)函數(shù)作為計(jì)算基準(zhǔn)，建立了多狀態(tài)輪對(duì)軸承振動(dòng)信號(hào)形態(tài)函數(shù)指標(biāo)度量辦法，可有效量化表征輪對(duì)軸承振動(dòng)狀態(tài)，并根據(jù)量化表征區(qū)間可識(shí)別輪對(duì)軸承故障類型;穩(wěn)定性檢驗(yàn)是衡量機(jī)械系統(tǒng)性能良好、狀態(tài)健康的最重要的指標(biāo)手段，本文為規(guī)避形態(tài)函數(shù)表征方法的先驗(yàn)條件，提出EMD穩(wěn)態(tài)偏量的概念及表征方法，用以定量地表征系統(tǒng)的穩(wěn)定狀態(tài)或穩(wěn)定偏離程度，建立了輪對(duì)軸承健康狀態(tài)與多故障狀態(tài)下基于幅度值和瞬時(shí)頻率的穩(wěn)態(tài)偏量

6、指標(biāo)度量準(zhǔn)則，依據(jù)穩(wěn)態(tài)偏量指標(biāo)可有效地區(qū)分輪對(duì)軸承單個(gè)故障形式以及部分復(fù)合故障模式，能較好地辨識(shí)或識(shí)別輪對(duì)軸承故障類型;為了改進(jìn)穩(wěn)態(tài)偏量表征方法中量化表征區(qū)間混疊問題，基于信噪比在信號(hào)處理領(lǐng)域的廣泛應(yīng)用及其方法的簡(jiǎn)易性，提出了信噪比量化表征輪對(duì)軸承狀態(tài)的方法，建立了信噪比指標(biāo)與輪對(duì)軸承狀態(tài)的強(qiáng)映射關(guān)系，形成了基于顯著性檢驗(yàn)的信噪比指標(biāo)、基于優(yōu)勢(shì)IMF規(guī)范化能量的信噪比指標(biāo)及基于奇異值的信噪比指標(biāo)，該方法具備高辨識(shí)能力和高度自適應(yīng)性，適用

7、于高速列車輪對(duì)軸承在線智能化檢測(cè)與監(jiān)測(cè)。
　　在輪對(duì)軸承狀態(tài)量化表征的基礎(chǔ)上，從故障特征頻率提取的角度，提出了一種基于IMF自動(dòng)選擇的高速列車輪對(duì)軸承故障診斷方法。建立了IMF價(jià)值量化理論，通過自相關(guān)性、偏度、峭度及沖擊特性等IMF自身屬性參數(shù)的價(jià)值設(shè)計(jì)，量化IMF價(jià)值，可以自主選擇對(duì)特征提取價(jià)值更高的IMF進(jìn)行重構(gòu)分析，結(jié)合Hilbert邊際譜可有效提取到輪對(duì)軸承特性頻率、故障特征頻率及其倍頻。
　　為了實(shí)現(xiàn)高速列車輪對(duì)軸

8、承故障診斷全過程自適應(yīng)化，依據(jù)熵權(quán)理論對(duì)信號(hào)穩(wěn)定狀態(tài)盼描述，提出了一種基于EMD目標(biāo)熵權(quán)和SVM的輪對(duì)軸承故障診斷方法。將SVM作為基礎(chǔ)工具，確定了適用于輪對(duì)軸承的目標(biāo)熵權(quán)，即IMFs相對(duì)時(shí)頻熵權(quán)與IMFs奇異值的組合系數(shù)形式，建立了匹配性強(qiáng)的分類模型;該方法對(duì)小樣本、非線性特性的數(shù)據(jù)樣本表現(xiàn)出較強(qiáng)的建模能力，能夠有效識(shí)別輪對(duì)軸承多種故障狀態(tài)。
　　總之，本文依據(jù)EMD本征屬性及特性參數(shù)，比較全面的研究了高速列車輪對(duì)軸承狀態(tài)表征與