（车辆工程专业论文）轨道车辆转向架电机轴承在线故障诊断系统开发.pdf

4 ； r 叫 摘要 中文摘要中又捅要 目前，我国高铁及城轨运输事业证处于l 速发展阶段，作为承载乘客直接载体的轨 道车辆，其安全性直接影响着乘客的生命安全。因此，有必要对轨道车辆进行状态检测 与故障诊断来预防或避免由于车辆故障带来的不必要的损失。转向架电机轴承是轨道车 辆的关键部件之一，它在轨道车辆中占有举足轻重的地位，而且其结构复杂，所以对轨 道车辆转向架电机轴承的故障诊断足车辆故障珍断的热点和难点，如何对其进行高效、 快速而准确地诊断是值得研究的一个重要问题。 结合本次8 6 3 课题的研究，将小波与改进神经网络相结合的故障诊断模型和方法应 用在轨道车辆电机上，诊断的具体对象为电机轴承。本文设计丌发了轨道车辆电机轴承 故障诊断系统，对电机轴承的四种工作模式进行了分析，分别是正常、内环故障、外环 故障、滚动体故障。在对采集到的信号降噪后，利用“小波包能量”法提取特征量， 并将其输入到神经网络中进行故障识别。为了验证本算法的改进之处，本文还对传统神 经网络和改进神经网络的诊断结果做了对比。与此同时，在实验室的列车走行部电机故 障诊断试验台上做了电机轴承故障诊断实验，实验结果表明小波与改进神经网络故障诊 断方法能够有效地对电机轴承故障进行诊断与识别。 最后，本文对轨道车辆电机轴承故障诊断系统进行了软件实现。首先对各功能模块 进行说明，然后展示了系统的运行界面，实现了对电机轴承的智能诊断，保证列车的安 全运行，具有很好的实用性。 关键词：轨道车辆；电机轴承；故障诊断系统；小波包；改进神经网络 轨道币辆转向架电机轴承在线故障诊断系统开发 一h a b s t r a c t a bs t r a c t a tp r e s e n t ，h i g h - s p e e dr a i l w a ya n dc i t yr a i l t r a n s p o r t a t i o n a r ei n r a p i d d e v e l o p m e n ts t a g e ，a sd i r e c t l yc a r r i e r f o rc a r r y i n g p a s s e n g e r s ，t h es a f e t yo f r a i l w a yv e h i c l ed i r e c t l yi n f l u e n c e st h el i f es a f e t yo ft h ep a s s e n g e r s t h e r e f o r e ，i t i sn e c e s s a r yf o rr a i lv e h i c l e st od i a g n o s et h ef a u l tt op r e v e n to ra v o i dt h e u n n e c e s s a r yl o s s e sb e c a u s eo ft h ev e h i c l ef a u l t m o t o rb e a r i n g so fb o g i ei so n e o ft h ek e yc o m p o n e n t so fr a i l w a yv e h i c l e sa n di tp l a y sa s i g n i f i c a n tr o l ei nr a i l v e h i c l e s b e c a u s eo fi t sc o m p l e xs t r u c t u r e ，f a u l td i a g n o s i so fm o t o rb e a r i n g so f b o g i eb e c o m ep i v o t a la n dd i f f i c u l t h o wt od i a g n o s ei te f f i c i e n t l y ，f a s ta n d a c c u r a t e l yi sa ni m p o r t a n tq u e s t i o nt h a tw o r t h yt os t u d y b a s e do nt h eo u t s t a n d i n ga c h i e v e m e n t so fp r e d e c e s s o r sa n d8 6 3p r o j e c t r e q u i r e m e n t s ，w a v e l e ta n di m p r o v e dn e u r a ln e t w o r km o d e lo ff a u l td i a g n o s i si s u s e di nr a i lv e h i c l em o t o r ，t h es p e c i f i ct a r g e to fd i a g n o s i si sm o t o rb e a r i n g r a i l v e h i c l em o t o rb e a r i n gf a u l td i a g n o s i ss y s t e mi sd e s i g n e di nt h i sp a p e ra n df o u r o p e r a t i n gm o d e s ( n o r m a l ，o u t e rr i n gf a u l t ，i n n e rf a u l ta n db a l lf a u l t ) o fm o t o r b e a r i n g a r e a n a l y z e d a f t e rn o i s er e d u c t i o n i nt h es i g n a l ，u s i n g w a v e l e t p a c k e t e n e r g y ”t oe x t r a c tt h ec h a r a c t e r i s t i cv e c t o ra n di n p u tt h e mt ot h en e u r a l n e t w o r kf o rf a u l ti d e n t i f i c a t i o n i no r d e rt ov e r i f yt h ei m p r o v e m e n t so ft h i s a l g o r i t h m ，i ts h o w sc o n t r a s to ft h et r a d i t i o n a ln e u r a ln e t w o r kd i a g n o s t i cr e s u l t s a n di m p r o v e dn e u r a ln e t w o r kd i a g n o s t i cr e s u l t s a tt h es a m et i m e ，m o t o r b e a r i n gf a u l td i a g n o s i se x p e r i m e n t sa r ed o n ei n t h el a b e x p e r i m e n t a lr e s u l t s s h o wt h a tt h em e t h o di se f f e c t i v ef o rm o t o rb e a r i n gf a u l td e t e c t i o na n d i d e n t i f i c a t i o n f i n a l l y ，r a i lv e h i c l em o t o rb e a r i n gf a u l td i a g n o s i ss y s t e mh a sb e e nr e a l i z e d i nt h i sp a p e r f i r s t ，n o t e st h ev a r i o u sf u n c t i o nm o d u l e s ，s h o w st h eo p e r a t i o n i n t e r f a c ei nt h es y s t e m ，r e a l i z e st h ef a u l td i a g n o s i so nt h em o t o rb e a r i n g ，a n d t h e ne n s u r et h es a f eo p e r a t i o no fr a i lv e h i c l e s oi th a sg o o dp r a c t i c a b i l i t y k e yw o r d s ：r a i lv e h i c l e s ；m o t o rb e a r i n g ；f a u l td i a g n o s i ss y s t e m ；w a v e l e t p a c k e t ；i m p r o v e dn e u r a ln e t w o r k 轨道卞辆转向架电机轴承在线故障诊断系统开发 i v 目录 目录 中文摘要1 a b s t r a c t i i i 第一章绪论1 1 1 课题来源。l 1 2 本课题的研究目的和意义1 1 3 电机故障诊断技术的发展概述2 1 3 1 故障诊断技术的发展2 1 3 2 电机故障诊断的特点和方法5 1 3 3 国内外研究现状13 1 4 论文的安排及研究内容1 4 第二章电机轴承故障特征分析l5 2 1 电机轴承失效的基本形式1 5 2 2 电机轴承振动特征分析1 6 2 3 电机轴承特征频率分析18 2 4 电机轴承固有振动频率分析1 8 2 5 电机滚动轴承动力学分析19 第三章电机轴承故障特征提取分析方法2 1 3 1 幅域分析法2 1 3 2 波形因数分析法2 l 3 3 波峰因数分析法2 1 3 4 概率密度分析法，2 2 3 5 峭度系数分析法2 2 3 6 冲击脉冲分析法2 2 3 7 共振解调分析法2 2 3 8 时频分析法2 2 第四章小波分析技术及其在电机轴承故障诊断的应用2 3 4 1 傅罩叶变换2 3 4 2 小波变换2 3 4 2 1 连续小波变换2 3 4 2 2 离散小波变换2 5 v 轨道车辆转向架电机轴承在线故障诊断系统开发 4 3 小波包的分解与重构2 6 4 4 小波与小波包降噪2 7 4 5 利用小波包技术对电机轴承故障特征进行提取2 8 第五章遗传算法与人工神经网络诊断方法2 9 5 1 人工神经网络诊断概述2 9 5 1 1 人工神经网络及其在故障诊断领域中的应用2 9 5 1 2 人工神经网络故障诊断的特点3 2 5 1 3b p 神经网络学习算法及训练过程3 2 5 1 4m a t l a b 中b p 网络的工具箱函数3 8 5 1 5b p 网络的结构设计3 9 5 2 遗传算法基本原理4 0 5 2 1 遗传算法特点概述4 0 5 2 2 编码4 2 5 2 3 初始种群的生成4 2 5 2 4 适应度评估检测及目标函数4 2 5 2 5 选择4 3 5 2 6 交叉4 4 5 2 7 变异4 4 5 2 8 终止条件判断4 5 5 2 9 遗传算法g a 工具箱函数f 3 5 】4 5 5 3 遗传一神经网络诊断算法结合及实验研究4 7 5 3 1 用遗传算法优化神经网络权值的学习过程4 7 5 3 2 故障诊断试验过程及结果4 9 第六章电机故障诊断系统的硬件设计与实现5 5 6 1 系统总体结构5 5 6 2 车载系统结构及组成部件5 5 6 3 系统部分运行界面及简要功能介绍5 9 6 3 1 系统运行主界面5 9 6 3 2 神经网络参数设置界面6 0 6 3 3 设备现场诊断结果界面6 2 结论与展望6 3 v i 目录 参考文献6 5 致谢6 9 攻读学位期间发表的学术论文目录一7 1 v i i l 第一章绪论 第一章绪论 1 1 课题来源 本课题来源于国家8 6 3 项目( 编号2 0 0 7 a a l1 2 2 4 7 ) ，项目名称为“轨道交通运营安 全的关键装备监控预警及应急技术”，实验地点在北京交通大学轨道交通控制与安全国 家重点实验室。 1 2 本课题的研究目的和意义 铁路在我国的交通体系旱一直占有至关重要的位置，国民经济发展离不开铁路这一 重要的基础设施。近些年来，国民经济正在飞速发展，交通运输市场的竞争也更加激烈， 航空、公路、水运带来了更高的挑战，因此，铁道部做出了进行第六次大提速的决定。 然而，铁路第六次提速却给铁路运输部门带来经济效益的同时也给车辆检修提出了一系 列的挑战：即使足高可靠性的机车车辆，由于受操作环境以及使用条件的影响，在投入 运营使用中设备的固有可靠性会有所降低，列车也会发生多种故障，这样会给人民生命 和财产带来一定的损失n 3 。 下面是一组国内轨道交通部门公布的统计数据： 广州地铁1 、2 号线2 0 0 6 年1 - - 5 月份共发生故障8 7 件。其中，车辆故障3 4 件， 其中3 2 件造成晚点；信号故障3 7 件，其中1 9 件造成晚点；供电故障1 1 0 件；线路故 障3 件；通信故障1 件。 上海地铁l 、2 、3 号线2 0 0 7 年造成列车晚点5 分钟以上的原因中，车辆占3 7 8 ； 上海地铁l 、2 、3 、4 号线2 0 0 8 年造成列车晚点5 分钟以上的原因中，车辆占到了 3 8 3 ： 从以上数据可看出，在轨道交通运营故障中，车辆故障比例较大。因此，要提高轨 道交通运营的安全保障水平，必然要将轨道列车车辆作为重点故障诊断对象。而轨道车 辆的牵引电机是列车的重要部件，被誉为是电力机车的“心脏” 列车在牵引状态行驶的时候，转向架电机是一种将电能转换成机械能的设备，通过 轮对驱动列车行驶；当车辆在电气制动状态下行驶时，电机又将机械能转换为电能，反 馈至电网。如果电机发生了故障，将直接导致整趟列车“瘫痪”而中断运输。为了确保 电机能够工作在正常状态下，国家每年都会投入大量的维修费用，但足这也不能完全保 证电机的诈常运作。为此，对轨道车辆的电机进行状态检测和故障诊断是当今的热点也 是难点。8 0 的电机故障发生在电机轴承上，它的好坏对机器的工作状况影响极大。轴 承的缺陷会导致机器剧烈震动和产生噪声，甚至会引起设备的损坏。因此，本文以转向 1 轨道车辆转向架电机轴承往线故障诊断系统开发 架电机的轴承为故障诊断对象，将电机诊断的问题又深入到了对电机轴承进行工况监测 和故障诊断。 1 3 电机故障诊断技术的发展概述 1 3 1 故障诊断技术的发展 作为一门发展中的新兴学科，故障诊断技术是现代化生产发展的一种产物，还未形 成完整的学科体系。2 0 世纪6 0 年代，美国国家宇航局( n a s a ) 就创立了美国机械故 障预防小组m f p g ( m a c h i n e r yf a u l tp r e v e n t i o ng r o u p ) 。随后由于故障诊断技术的应用带 来的巨大经济效益，这样，该技术得到迅速的发展。如美国b e c h t e l 电力公司丌发了火 电厂机械设备诊断用的专家系统( s c o p e ，1 9 8 7 ) ；美国r a d i a l 公司也在此时开发了汽 轮发电机组振动诊断用的专家系统( t u r b o m a c ，1 9 8 7 ) ；美国西屋电气公司( w h e c ) 首先将网络技术应用于汽轮机故障诊断，建立了故障诊断中心，对分布在各地电站的多 台机组实行远程诊断；美国b e n t l y 公司对旋转机械故障诊断及传感器的研制都进行了比 较深入的研究。随着美国的故障诊断技术迅猛发展的同时，西欧国家也迅速发展起来。 如英国在1 9 7 1 年成立了机械保健中心( m e c h a n i c a lh e a l t hm o n i t o r i n gc e n t e r ) ，促进了各 类机械工厂机械设备性能检测和维修水平的提高；法囤电力部门从1 9 7 8 年就在汽轮发 电机组上安装了离线振动监测装置，2 0 实际9 0 年代义提出了检测与振动支援站的设想； 还有瑞士的a b b 公司、德国的西门子公司、丹麦的b & k 公司等都开发了有关诊断系统 及信号检测装置。 在亚洲，日本也对故障诊断技术进行了相关研究，他们当时的研究对象是汽轮发电 机组。1 9 8 7 年，东芝电气公司设计开发了大功率汽轮机轴诊断系统，随后针对机器寿命 诊断又开发了专家系统；1 9 8 2 年，日立公司开发了应用于汽轮机组寿命诊断的装置并逐 渐形成了专门针对机器寿命诊断的一套完整方法；2 0 世纪8 0 年代，三菱公司也开发了 支持自动异常征兆检测功能的故障诊断系统，该系统还可以诊断故障的原因。 通过以上论述可知，世界上发达国家对故障诊断技术的研究与诊断系统的开发均起 始于汽轮发电机，其原因是： ( 1 ) 电力系统与国民经济建设和人民生活息息相关，具有较广的影响面； ( 2 ) 在连续生产系统中，发电机、空气压缩机都是动力源，如果一台机组产生故 障，不仅影响其本身效率的发挥还会影响整个生产系统的f 常运作； ( 3 ) 汽轮发电机组的生产过程是连续的旋转过程，对振动信号的提取和处理的方 法相对其他方法而言比较成熟，当时的生产条件下易实现。 我国故障诊断技术的研究起步较晚，大致分三个阶段。首先，在2 0 世纪8 0 年代自订 ， 第一章绪论 期，生产力落后，些连续生产系统中比如电力、化1 ：行业等等只有简前的读数仪表， 现场人员实时检测主要通过用眼观察、用手摸、用耳听等手段来监祧设备的运转情况， 或者是靠技术人员的技术经验以及记录分析来判断设备运转的规律。后来，图家提出改 革开放，开始从国外知名企业引进一些检测产品，这些产品的主要构成部件是传感器和 指示仪表箱，但大多用于测振动的。困外检测产品的引进对于提高当时幽内故障诊断的 科研水平起到一定的促进作用，但是这些产品也有一定的局限性，例如检测信号不但是 随机而且只对幅值进行监测，缺乏动态特性；在机组强烈振动时，此时振幅变化不明显， 故障征兆被淹没，对振幅的监测己不能达到诊断的目的；检测仪器毕竟是机器，缺乏主 观分析能力，单纯依赖个人经验。8 0 年代中期至9 0 年代末期，此时我国的故障诊断技 术处于快速发展的时期，多数企业不满足于现有的故障诊断产品的诊断能力，他们意识 到还应该引进监测产品专用的软硬件分析设备，使其具有自我分析功能。这种分析设备 主要是频谱分析仪器，其分析功能有一部分是通过计算机软件来实现。例如本特利 ( b e n t l e y ) 公司的a d r e 3 及恩特克( e n t e k ) 公司的p m 等系统就具有频谱分析、谱阵、 波特图( b o d ep l o t ) 、轴心轨迹图等功能，这有助于提高诊断的准确性，但仍存在着设 备缺乏自动判断功能、不能连续自动分析、易丢失故障信息、诊断正确率不高等缺点。 如今，我国的故障诊断技术进入到了一个相对稳定的发展时期。此时，我们在理论和实j 践方面仍然面临着许多问题需要解决，例如信号采集的实时性、故障机理、小样本的信 号处理、参数估计及动态系统中的建模问题等等，相信随着时间推移与社会的进步，故 障诊断技术将会带来更高的发展和更新的突破【2 】。 近些年来，纵观国内与国际故障诊断方法技术研究发展，主要集中在三个领域，一 是故障诊断策略与模式的研究，如分布式监测诊断模式、基于i n t e r n e t 的远程分布式监 测诊断模式等；二是智能诊断方法与技术的研究，如基于行为的神经网络诊断方法、基 于多智能体( 即多代理) 的诊断方法等；三是故障特征分析与特征量提取的研究，如小 波分析和时域分析方法的应用等。 故障诊断发展至今已经提出了大量的诊断方法。图际故障诊断学权威p m f r a n k 教授将所有的故障诊断方法划分成以下三类： ( 1 ) 基于解析模型的方法 基于解析模型的方法是在明了诊断对象数学模型的基础上，按一定的数学方法对被 测信息进行处理诊断，可分为状念估计法、等价空间法和参数估计法。目前该方法得到 了深入研究。但在实际情况中，往往难以得到对象的精确数学模型，因此大大限制了基 于解析模型诊断方法的使用范围和效果。 3 轨道下辆转向架l u 机轴承在线故障诊断系统开发 ( 2 ) 基于信号处理的方法 基于信号处理的方法是利用信号模型，如相关函数、频谱、自回归滑动平均、小波 变换等，直接分析可测信号，提取诸如方筹、幅值、频率等特征值，从而检测出故障。 ( 3 ) 基于知识的方法 基于知识的故障诊断方法包括：专家系统故障诊断方法、模糊故障诊断方法、故障 树故障诊断方法、神经网络故障诊断方法和数据融合故障诊断方法等等。由于近些年来 人工智能及计算机技术的迅速发展，故障诊断技术有了新的理论基础。从而产生了基于 知识的故障诊断方法，该方法由于不需要知道对象的精确数学模型，而且具有某些“智 能 特性，因此是一种很有生命力的方法。 随着故障诊断技术的不断发展，近年来又出现一些较新的方法，如基于p e t r i 网的 故障诊断方法、基于支持向量机的故障诊断方法和基于数据挖掘的故障诊断方法等。故 障诊断分类示意图如图1 1 所示。 4 第一章绪论 图1 1 故障诊断分类示意图 f i g 1c l a s s i f i c a t i o no f f a u l td i a g n o s i s 1 3 2 电机故障诊断的特点和方法 电机故障诊断是设备诊断技术的一个分支，但由于电机设备其工作原理和结构与其 他设备有很大的差异，故对其采用的检测技术与诊断方法要不同于对其它设备的诊断。 通过分析电机的工作原理可知，在它内部存在着几个相互关联而又不可截然分割的工作 系统，因此，对电机进行诊断需涉及较多技术领域。 机械设备故障诊断中用到的检测与诊断的信息源种类很多，包括温度、振动、声响、 压力、位移、扭矩和变形等等，但在众多信息罩由于振动信号可以更加迅速、更加直接 地反映机械设备的工作状态，而且掘统计7 0 以上的故障均以振动形式表现出来，因此 本文对电机进行的故障诊断就是基于振动监测的诊断。振动是所有设备在运行过程中普 遍存在的一种现象，电机在运转过程中也会发牛不同程度的振动。对丁二不同种类不同规 格的电机来说，在它们稳定运行时，振动都会有一种典型特性和允胡：限值。当其内部 气 轨道乍辆转向架电机轴承在线故障诊断系统开发 发生故障、零部件出现缺陷、装配和安装情况发生改变时，电机振动的幅值、振动形式 和频谱成分都会发生相应地变化而表现出异常。故障形式不同，其引起的振动形式也会 不同。这就说明电动机的运行状态可以根据振动形式客观地反映出来，凶此有必要对电 机的振动进行监测和诊断，这也是掌握电机工作状况以及找出故障起因的重要技术手段 【4 o 从电机设备的工作原理方面讲，电机的工作都是基于电磁理论的，其主要包括电路 和磁路两部分。通过对其j 作原理的了解可知，其内部的电路系统、磁路系统、绝缘系 统、机械系统以及通风散热系统等相互关联、相互制约，构成了一套完整的工作体系。 这也决定着电机故障的起因、征兆和类型的表现形式的多样化。 电机故障多发于定子部分、转子部分和轴承部分。定子部分的故障主要表现为定子 绕组故障，这是由绝缘破坏而引起的各种表现形式的故障，例如内部放电、匝间短路、 相间短路和单相对地短路等，其中匝问短路和相问短路是最常见和最危险的故障之一； 转子部分的故障的原因往往由于电动机的频繁起动和过载运行，会使转子承受极大应 力，而这种应力的长期作用，使得转子导条和端环易产生疲劳，使之逐渐发生断裂或开 焊，引起转子故障；轴承失效主要是因负载过重、润滑不良和异物进入等原因引起，轴 承失效形式表现为轴承磨损、表面剥落、腐蚀、碎裂和胶合等故障。轴承出现故障后， 将会引起电动机的振动。本文所做的工作就是基于电机轴承振动在线监测的故障诊断。 由于电机产生振动原因的复杂性，将对电机轴承故障诊断的步骤分解成两个层次。 一次诊断是简易诊断，判断电机总振动级，确定其是否超过规定的标准限值，再决定此 种故障电机是否还需二次诊断；二次诊断是基于振动的精密诊断，二次诊断的目的是要 找出发生故障的部位与产生振动的起因。首先要借助各种测量工具和分析装置对电机进 行振动测试和分析，同时还需使用振动诊断分析软件。图1 2 是电机故障诊断的流程。 匣丑莲圈 图1 2 电机诊断的流程 f i g 1 2f a u l td i a g n o s i sp r o c e s so f m o t o r 表1 1 列出了常见的电动机故障起因与征兆的财应关系。 6 第一章绪论 表i 1 电机故障起因与征兆1 5 l t a b 1f a u l tc a u s e sa n ds y m p t o m so f m o t o r 电机部伉故障起冈日- 期征兆 设计不良 机库振动安装不当 振动加人 强迫机械振动 制造问题温度增加 机庠带电 安装不当绝缘热分解 机座 管道堵塞温度增加 冷却介质流失软管破裂温升增加 泵故障绝缘热分解 绕组绝缘破损 机座带电 接地绝缘电阻过低 机座放电 带电导体碰壳 压装不紧 启动和运行噪卢人 机械振动 铁心松动绝缘磨损 压紧部件失效 振动加大 定子铁心铁心风道乐条损坏 定转：f 相擦 局部温升 局部过热 制造与安装中铁心绝缘 绝缘热分解 局部损坏 定子绕组绝缘局部损坏安装、运行中撞坏局部放人 多次启动， 定子绕组松动 端部振动加人 绕组端部绑扎不紧， 绝缘磨损泄漏电流增加 槽楔松动 局部放电增加 铁心松动，电机振动 7 轨道下辆转向架电机轴承在线故障诊断系统开发 冷却空气温度过高 冷却空气过滤不好绝缘电阻卜降 绝缘受污染 轴承漏油 泄漏电流增加 风路和端罩渊风 焊接不良 连接线损坏振动放电 电流过人 端部俐定不良绝缘电阻下降 绝缘裂纹机械振动泄漏电流增加 温度过高，温度过低局部放电增加 铁心出口电位梯度过火 暗处能看剑电晕现象， 电晕绝缘层层间隙 绝缘电腐蚀 制造i ：艺缺陷 槽楔松、 线圈与槽有间隙 绕组窜位 端部绑扎不紧，绑扎垫 块脱落，启动时电力人 端部蚓定不好 三相流不对称 机械碰撞使绕组变形 定子绕组 匝间短路电动机振动 绕组振动 有短路匝线圈温度高 制造缺陷 冲击负荷使键连接松动 铁心，支架松动电动机振动 制造缺陷 冲击负荷噪声 支架开裂 转子本身 轴承扭振焊缝开裂 匝间短路或断条 振动 不平衡转二f 零件脱落 噪声 转子绕组或端环移位 振动 绝缘损伤 转子绕组接地 放电 过热 8 第一章绪论 绝缘损伤l l l 流摆动 匝间短路 过热三相阻抗不平衡 污垢积存振动、绝缘热、分解 设计、制造缺陷电流摆动，启动凼难 断条，开焊焊接不良，艮期过载振动，滑筹增强 启动次数频繁换向火花加大 润滑不良 温度高发热 轴瓦间隙过小 接地不好轴电流、轴瓦和轴颈上 带电 轴电压过高出现电火花产生麻点 轴承 滚动轴承内、外圈和滚 振动 动体损坏滑动轴承，油 振动 膜振荡 润滑油渗漏 漏油密封失效 润滑脂溢出 换向恶化 换向火花拉k 或条状片 环火 维护不良、云母间存在 间闪络 导电粉末 云母材料收缩，片间压 电刷跳动 变形力降低 换向火花大 拉紧螺杆松，电机振动 换向器 表面烧伤换向不良换向火花人 换向火花、冷却空气多 尘埃 磨损换向器出现轴向波浪度 跃期低电刷电密运行， 电刷材质不合适 升高片断裂振动人、轴系士n 振换向火花人 9 轨道下辆转向架电机轴承在线故障诊断系统开发 火花人，电刷压力人 表面出现“打印”烧黑 磨损 电刷材质不合适，环境 和沟纹 尘埃多 电刷材质不合适，电流 滑环 分配不均匀 火花人电刷下火花 电刷，i ：作状态不良，电 流过火，冷却不良 绝缘表面碳粉、 绝缘不良 绝缘电阻低 油污粘结 松动绝缘材料收缩滑环移位，偏转 换向火花拉长， 烧毁环火 片间闪烁 换向火花大， 材质不合适碳粉多， 电刷磨损快 换向器表面状态不好，电刷消耗量大 电刷结构换向器变形 维护不当，电刷 电刷不均匀火花压力不均均个别或少数电刷下火花 电刷材质不均匀 温度过低，电刷 电刷抖动 电刷噪声 润滑性不好 目前用于电机故障诊断的技术有： ( 1 ) 电流分析法( c u r r e n ta n a l y s i s ) 通过对负载电流幅值、波形的检测和频谱分 析，诊断电机故障的原因和程度。例如通过检测交流电动机的电流，进行频谱分析来诊 断电机是否存在转子绕组断条、气隙偏心、定子绕组故障、转子不平衡等缺陷。 ( 2 ) 振动诊断( v i b r a t i o nd i a g n o s i s ) 通过对电机的振动情况进行检测，并对信号 进行各种处理和分析，判断电机产生故障的起因和部位，制定解决方法。 ( 3 ) 绝缘诊断( i n s u l a t i o nd i a g n o s i s ) 利用各种电器实验和特殊诊断技术，对电机 的绝缘结构、工作性能和是否存在缺陷做出结论，并对绝缘剩余寿命做出预测。 1 0 第一章绪论 ( 4 ) 温度诊断( t e m p e r a t u r ed i a g n o s i s ) 用各种温度检测方法和红外测温技术，对 电机各部分温度进行监测和故障诊断。 ( 5 ) 换向诊断。对直流电动机的换向进行检测和诊断，通过机械和电器检测方法， 诊断出影响换向的因素和制定改善换向的方法。 ( 6 ) 振动噪声诊断技术。对诊断对象同时采集振动信号和噪声信号，然后综合进 行信号处理，可以大大提高诊断的准确率1 6 j 。 把电机的行为通过一个动态模型来描述，在电机动态模型的基础上可以对它的故障 进行检测与诊断。但是，电机系统的工作是极其复杂的，它具有复杂的传递函数，通常 情况下，对电机系统建模是非常困难的。于是，许多不依赖于其动态模型的故障诊断方 法产生了，近些年来，提出的主要方法包括故障树分析法、专家系统方法、模糊推理方 法、模式识别方法、粗糙集理论、人工神经网络方法等。近期还兴起了一些新的诊断方 法：基于数据挖掘的故障诊断、基于支持向量机的故障诊断、基于p e t r i 网的故障诊断 方法等。下面针对一些常用智能诊断算法做简要论述。 1 ) 基于专家系统的故障诊断法。 专家系统实质是应用大量人类专家的知识和推理方法求解复杂实际问题的一种人 工智能计算机程序，是人工智能应用研究中最活跃最成功的分支之一。它由知识库、数 据库、推理机、以及解释程序、知识获取程序五部分组成。它的主要缺点是对于知识的 获取方面困难以及知识库的更新能力差1 2 j 。 2 ) 基于模糊推理的故障诊断法。 故障珍断是通过研究故障与征兆( 特征元素) 之间的关系来判断设备状态。由于实际 因素的复杂性，故障与征兆之间的关系很难用精确的数学模型来表示，随之某些故障状 态也是模糊的。基于模糊推理的故障诊断法主要有：模糊故障向量识别法、根据先验知 识建立故障征兆和故障原因之问的模糊规则库，然后根据模糊规则库进行推理实现故障 诊断的方法、模糊聚类分析法三种诊断方法。模糊推理故障诊断方法的主要缺点是不具 备学习能力、获取模糊诊断知识困难，因此，常常将此方法与其他方法如神经网络、小 波分析技术等结合起来，能取得更准确的结果1 2 j 。 3 ) 摹于人工神经网络的故障诊断方法。 神经网络由于具有以任意精度逼近任何连续非线性函数的能力和从样本学习的能 力，因而在故障诊断中得到了广泛的应用。目前应用的主要有三种：一种是从模式识别 角度应用它作为分类器进行故障诊断；第二种是从预测角度应用神经网络作为动态预测 模型进行故障预测；第三种是从知谚 处理角度建立基于神经网络的诊断专家系统。本文 1 1 轨道车辆转向架电机轴承在线故障诊断系统开发 采用的就是第一种应用1 2 1 。 4 ) 基于p e t r i 网的故障诊断方法。 p e t r i 网是德国数学家提出来的一种通用数学模型，它以描述系统中各元件之问的关 系为基础，用网络来表示系统中i j 时发生、次序发生或循环发生的各种活动。简单地说， p e t r i 网络是一个加权有向网络，其中节点可以被分割为两个非空有限集合，分别称为库 所( p l a c e ) 矛h 变迁( t r a n s i t i o n ) ，这些节点之间用加权有向弧连接起来。网络结构是静态的， 网络的动态性质是由位置中托肯( t o k e n ，也称标识) 的数目及其变迁体现出来的【引。 p e r t i 网适合于诊断中的知识表示，这是因为p e r t i 网适合于描述系统状态和行为的 改变，而各种诊断系统是以设备状态和行为变化为特征的，故障产生和传播是一个动态 过程，p e t r i 网可以很好地表示系统状态和行为的变化关系，准确地描述系统的产生和传 播特性。用p e t r i 网表示知识，既能表示诊断对象的结构组织关系，也能反映诊断过程。 因此将p e t r i 网用于诊断系统建模分析，特别是故障诊断系统有着广泛的研究与应用。 根据可行性和实用性分析，系统采用基于专家系统的故障诊断方法。 5 ) 基于故障树分析法的故障诊断技术 故障树分析法具有层次性强、因果关系明确等特点，是故障诊断中经常使用的基本 方法之一。故障树分析法是在建造f 确合理的故障树的基础上，采用逻辑推理诊断法或 最小割集诊断法进行故障诊断。逻辑推理诊断法采用从上而下的测试方法，从故障树顶 事件开始，先测试最初的中间事件，根据中间事件测试结果判断测试下一级中间事件， 直到测试底事件，搜寻到故障原因及部位。最小割集诊断法逐个测试最小割集，从而搜 寻故障源，进行故障诊断。故障树分析法在简单的系统中是快速准确的诊断方法，但随 着大型复杂系统的日益增多，常规的故障树分析方法已经不能满足维修人员进行快速诊 断定位故障的要求，在实际应用中显得繁琐、低效。 6 ) 基于数据挖掘的故障诊断方法 数据挖掘技术定义为：能从大量数据中挖掘和发现有价值的、隐含的知识或有用的信 息。数据挖掘的任务主要是关联分析、聚类分析、分类、预测、时序模式和偏差分析等。 目前数掘挖掘与知识发现己经被广泛应用于市场营销、银行业、电信业、制造业、保险 业、医药业、等各个领域。随着信息技术的进步及计算机技术和网络技术的发展，故障 诊断中采集的数据可以方便的被收集和存储在各种数据库中，采用传统的数据分析方法 对这些海量的数据进行分析不仅费时而目难以挖掘出有效的目的数据。另一方面，尽管 专家系统、智能诊断等方法在故障诊断中得到了广泛的应用，但是这些方法仍然存在着 知谚 瓶颈、推理困难等尚未解决的问题。数据挖掘技术却可以有效的克服这些困难，因 第一章绪论 此将数据挖掘技术应用到故障诊断中足有效的，可行的。 7 ) 基于粗糙集理论的故障诊断 卡h 糙集理论以集合代数为理论基础。它以对认知科学、哲学、逻辑学等的基本抽象 概念，进行集合代数的知识化表达与知识运算处理作为研究对象。理论上，它将知识与 人类感兴趣的领域对象分类模式联系在一起。领域被称之为论域。该理论认为，从分类 中可显示出关于论域的知识，而依据分类所提供的显示实数据集合，又可对论域中某些 模糊与不确定的、不完整的显示实数据集合，进行推理决策。该理论近些年来受到粒度 计算、机器学习、知识发现、不确定性推理等研究普遍关注的一种智能数据分析工具f 7 】。 8 ) 基于支持向量机的故障诊断 该理论源于v a p n i k 在1 9 6 3 年提出的用于解决模式识别问题的支持向量方法。这种 方法从训练集中选择一种特征子集，使得对特征子集的线性划分等价于对整个数据集的 分割。这组特征子集称为支持向量s v 。1 9 9 5 年，v a p n i k 提出了统计学习理论，正式奠 定了s v m 的理论基础。与神经网络、遗传算法、人工智能等现有的学习机相比，尤其 在处理高维数据时，s v m 具有较好的推广能力与非线性处理能力，有效地解决了“维 数灾难”问题。s v m 通过引人核函数映射可方便地实现非线性处理。 ” f 1 3 3 国内外研究现状 一 在6 0 年代初期，国外就已经丌始了对电机设备故障诊断技术的研究。尽管世界上 的各个国家对此都很重视，但是直到七八十年代，设备的在线诊断技术随着计算机、传 感器、光纤等高新技术的不断提高才得以飞速发展。前苏联、同本、加拿大等国针对变 压器、发电机的局部放电、泄漏电流而陆续研制开发了在线监测系统，但只有少数发展 成为正式产品。 我国设备诊断技术的发展始于8 0 年代初期，其经历了准备阶段、实施阶段、普及 提高阶段、工程化、产业化阶段和现如今的传统诊断与现代诊断并存的五个阶段。在某 些特定设备故障诊断研究方面形成了自己的特色，成功研制开发了批具有自主知识产 权的在线监测诊断产品。如东北大学的“轧钢机状态监测系统”和“风机工作状态监测系 统”，西安交通大学的“大型旋转机械计算机状态监测与故障诊断系统”，哈尔滨工业大 学的“机组振动微机监测和故障诊断系统”。通过对我国设备诊断技术现状的调研，其应 用集中在化工、电力、冶金等行业，科研则主要集中在高校。我园的部分高校如东北大 学、哈尔滨z ) l k 大学、西安交通大学、清华大学、上海交通大学、华中理工大学等等已 经相继成立了颇具实力的诊断工程中心。这对促进我固诊断技术的飞跃发展提供了良好 的必要条件。 l3 轨道车辆转向架电机轴承在线故障诊断系统开发 1 4 论文的安排及研究内容 本文将轨道车辆转向架电机众多故障类型中的轴承故障作为研究的丰要划象，对其 在车辆运行期间的振动情况进行监测，在广泛阅读相关文献的基础上，针对以往传统故 障诊断方法的不足，提出了利用小波变换技术与改进的神经网络算法对其进行在线诊 断。利用小波滤波技术对采集到的振动数据进行滤波预处理，这样做的好处是小波滤波 的时效性要好于其他滤波方式，既达到了滤除干扰的目的，又提高了滤波的速度。神经 网络的“改进”之处是采用遗传算法对其权值的训练进行优化，提高其网络的训练速度 与精度，克服了传统的b p 网络权值训练方法即梯度下降法的收敛速度慢、易陷入局部 最小值等缺点。利用小波变换与改进神经网络进行故障诊断的总体思路是：第一，采集 振动数据；第二，利用小波滤波技术对采集到的数据进行滤波处理；第三，利用小波变 换提取特征向量；第四，利用神经网络对提取的特征向量进行故障分类识别。 本文主要分为六部分，第一部分阐述了对电机故障诊断的发展情况以及国内外的研 究情况进行论述。第二部分主要讲述电机轴承的振动机理及故障特性分析。第三部分主 要讲述的是故障特征提取的一些分析方法。第四部分详细介绍了小波分析技术，着重讨 论小波包特征提取技术。同时简要介绍了小波降噪技术。第五部分介绍人工神经网络、 算法及结构设计和遗传算法优化方式。最后，论述了故障诊断