（车辆工程专业论文）轨道交通车辆轴承故障诊断系统的研究.pdf

1 一 中文摘要 随着我国轨道交通运输的快速发展，机车作为承载乘客的直接载体，其安全与含卣 接与乘客的生命安全息息相关。近年来轨道交通车辆设备的复杂程度不断提高，故障率 相应上升，而轴承作为轨道交通车辆最重要的部件之一，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。 本文在认真总结现阶段世界轨道交通故障诊断技术的基础上，总结分析了轴承故障 发生情况，并找出故障发生的规律和特性。基于上述的需求分析，本文采用了小波、希 尔伯特，神经网络等作为故障诊断方法对轨道交通车辆轴承进行了诊断，首先对采集到 的信号进行降噪处理，再对降噪后的信号进行小波变换，对小波变换后的信号分别进行 了：1 ) 希尔伯特变换；2 ) 提取特征向量，并将其输入到神经网络进行故障诊断。实验 结果表明： ( 1 ) 采用小波包和h i l b e r t 包络谱分析，能有效地识别滚动轴承的故障特征，说明该 故障特征提取方法是行之有效的； ( 2 ) 采用的小波包和b p 、e l m a n 、r b f 神经网络进行的滚动轴承故障诊断，能有效地 识别故障特征，此方法一j 样适用于轴承等旋转机械的故障诊断； ( 3 ) 无论从时问、还是输出准确程度上来看，r b f 神经网络都明显优于b p 神经网络。 最后，对轨道交通车辆轴承故障珍断系统进行了软件实现。首先对各功能模块进行 了说明，然后展示了系统的运行界面。应用希尔伯特变换找出了故障频率；结合小波与 神经网络诊断出了故障类型，实现了对机车轴承的智能诊断，保证了机车的安全、快速 运行，此系统具有较好的实用性。 关键词：轨道交通车辆；故障诊断；希尔伯特变换；小波变换；神经网络 a b s t r a c t w i t ht h ed e v e l o p m e n to fr a i lt r a n s p o r ti no u rc o u n t r y , r a i lv e h i c l e ss a f e t yo r n o ti sc l o s e l yr e l a t e dt op a s s e n g e r s s a f e t y i nr e c e n ty e a r s ，t h ec o m p l e x i t yo f r a i l v e h i c l e se q u i p m e n ti si n c r e a s i n g ，a n dt h ef a i l u r er a t ei sr i s i n g t h e r e f o r e ，h o wt o d i a g n o s et h eb e a r i n go f r a i lt r a n s i tv e h i c l e se f f i c i e n t l y , r a p i d l ya n da c c u r a t e l yi s a ni m p o r t a n ti s s u et ob er e s o l v e d i nt h i sp a p e r , b a s e do nt h er i g o r o u ss u m m a r i z a t i o nt or e s e n tr a i lt r a n s i tf a u l t d i a g n o s i st e c h n o l o g yi nt h ew o r l d ，w eh a v ec o n d u c t e da n da n a l y z e dt h ef a u l t o c c u r r e n c eo ft h eb e a r i n g ，a n di d e n t i f i e dt h er u l e sa n dc h a r a c t e r i s t i c so ff a u l t k n o w l e d g e b a s e do nt h ea b o v en e e d sa n a l y s i sa n dr e s e a r c h ，w a v e l e tt r a n s f o r m ， h i l b e r t t r a n s f o r m ，n e u r a ln e t w o r kw a su s e di nt h i sp a p e r , f i r s t l y , r o l l i n g b e a r i n gs i g n a l i s d e n o i s e d t h e n ，t h r e e l a y e rw a v e l e tp a c k e ti sa d o p t e dt o d e c o m p o s et h es i g n a l a n dr e c o n s t r u c t e n e r g ye i g e n v e c t o r l a s t ，1 ) h i l b e r t t r a n s f o r m ，2 ) f a u l ts a m p l e so fw a v e le tp a c k e te n e r g ye i g e n v e c t o r sa r eu s e da s n e u r a ln e t w o r ki n p u tp a r a m e t e r st or e a l i z ei n t e l l i g e n tf a u l td i a g n o s i s e x a m p l e s w i t hr e a ld a t ad e m o n s t r a t e ： ( 1 ) t h ee x p e r i m e n t a lr e s u l tp r o v e st h a tt h ef a u l tc h a r a c t e r i s t i ce x t r a c t e d f r o mi m p r o v e dw a v e l e tp a c k e ta n dh i l b e r tt r a n s f o r mi si na c c o r dw i t ht h eo n e a n a l y z e df r o mt h e o r y , a n dt h ef a u l tf e a t u r ee x t r a t i o nm e t h o di se f f e c t i v e ( 2 ) t h ep r a c t i c ee x a m p l es h o w st h a tt h et r a i n e db p , e l m a n ，r b fc a n d i a g n o s et h i sk i n do fr o l l i n gb e a r i n gf a u l t s ，t h em e t h o dh a sf a i rp r o s p e c t so f a p p l i c a t i o nf o rt h er o t a r ym a c h i n ef a u l td i a g n o s i s ( 3 ) t h eg e n e r a l i z a t i o nc a p a b i l i t yo fr b fi s s u p e r i o r t ot h a to fb r m e a n w h i l e ，i nt h et r a i n i n gt i m e ，r b fi sa l s os u p e r i o rt ot h a to fb pn e t w o r k t h ec h a r a c t e r i s t i c so ft h eb e a r i n ga n de x t r a c t i o nm e t h o d sw a s p r e s e n t e d ， t h ea d v a n t a g e sa n dd i s a d v a n t a g e so fs o m em e t h o d sw a sb r i e fi n t r o d u c e d ，t h e n t h es y s t e m so v e r a lla r c h i t e c t u r ew a sp r o p o s e d ，a n de a c hp a r ti sd e s c r i b e di n d e t a i l f i n a l l y , t h i sp a p e rh a sd e v e l o p e dt h ef a u l td i a g n o s i ss y s t e mo ft h eb e a r i n g o fr a i lt r a n s i tv e h i c l e s f i r s t ，f u n c t i o n a lm o d u l e sa r ed e s c r i b e d ，a n dt h e ns y s t e m l i i o p e r a t i o n a li m e r f a c ei sp r e s e n t e d i nt h i sp a p e r t h ef a u l tf r e q u e n c yw a s f o u n db y h il b e r tt r a n s f o r m ；t h ew a v e l e ta n dn e u r a ln e t w o r kw a su s e dt od i a g n o s et h e k i n do ff a u l to ft h eb e a r i n g ，i tr e a l i z e s i n t e l l i g e n t f a u l td i a g n o s i s ，a n dt h e n e n s u r e st h es a f e t yo fr a i lt r a n s i tv e h i c l e s ，f a s to p e r a t i o n ，t h i ss y s t e mh a sg o o d p r a c t i c a b i l i t y t h i sh a si m p o r t a n tp r a c t i c a lv a l u e k e yw o r d s ：r a i lt r a n s kv e h i c l e s ；f a u l td i a g n o s i s ；h i l b e r tt r a n s f o r m ；w a v e l e t t r a n s f o r m ；n e u r a ln e t w o r k i v 目录 第一章绪论1 1 1 本课题的研究目的和实际意义1 1 2 困内外现状1 1 2 1 国外情况l 1 2 2 国内情况2 1 3 研究内容及技术路线3 1 3 1 研究目标及方法3 1 3 2 技术路线3 1 4 论文结构及主要内容4 第二章轴承的故障特征分析、提取方法5 2 1 轴承的故障特征分析5 2 1 1 概述5 2 1 2 滚动轴承的主要故障形式及产生原因5 2 1 3 列午走行部滚动轴承的振动特征6 2 2 轴承故障特征提取方法8 2 2 1 特征参数法一8 2 2 2 频潜分析法10 2 2 3 共振解调法1 0 第三章轴承的故障诊断方法1 3 3 1 滤波13 3 1 1f i r 数字滤波1 3 3 1 2 小波消噪l3 3 2 小波和小波包分解1 4 3 2 1 连续小波变换1 4 3 2 2 离散小波变换1 5 3 2 3 小波包分丰厅16 3 3 特征量提取17 3 4hilb e r t 变换18 3 5 神经网络1 9 3 5 1 b p 网络2 0 v 3 5 2e l m a n 网络2 4 3 5 3r b f 网络2 8 第四章轨道交通车辆轴承故障诊断系统总体设计3 3 4 1 系统总体设计3 3 4 2 系统功能架构3 4 4 2 1 传感器3 4 4 2 2 接线盒3 6 4 2 3 数据采集与传输系统3 7 4 2 4 工控机3 8 第五章轨道交通车辆轴承故障诊断系统的实现3 9 5 1 系统主要运行界面3 9 5 1 1 系统登录及权限管理3 9 5 1 2 参数设置界面3 9 5 1 3 系统运行后主界面4 2 5 1 4 波形图显示界面4 2 5 2 轴承故障诊断4 3 5 2 1 基于小波包和h il b e r t 分析的故障诊断4 5 5 2 2 基于小波包和b p 神经网络的故障诊断4 7 5 2 3 基于小波包和e l m a n 神经网络的故障诊断5 0 5 2 4 基于小波包的b p 和r b f 神经网络故障诊断的比较5 3 第六章全文总结与展望5 5 6 1 全文总结5 5 6 2 研究展望5 5 参考文献5 7 致谢6l 攻读学位期间发表的学术论文目录6 3 v l 第一章绪论 第一章绪论 1 1 本课题的研究目的和实际意义 近年来，我图轨道交通大力发展，其运营早程和建设里程不断提高，从而使轨道交 通车辆运行控制、行车安全、运行状念实时监测与故障诊断、轨道交通车辆故障检修的 快速高效性等问题变得尤为重要。 轨道交通车辆足一种十分复杂的大型机电设备，不仅设备本身复杂，并且具有许多 其他设备或场合所不具备的特点： ( 1 ) 机车是一种集机械、电力、电子、微机控制、气动装置等许多部件于一体的 机电设备，并且本身的运动状态和振动冲击都比较大，所以作为一个系统来 研究就十分复杂。 ( 2 ) 机车上的部件大都是在高压、大电流、大功率下工作，电力电子变流装置与 单相不对称牵引供电形成强大的电磁干扰。 ( 3 ) 机车运行中狄尘多、工作环境恶劣。 正足由于上述特点，爿导致轨道交通车辆发生故障概率不断升高，如：2 0 0 3 年5 月2 6h7 点3 0 分，4 4 1 7 2 次货物列车运行至龙舒线沈阳局管内哑复站外k 2 7 + 5 9 8 处， 机后11 位c 心4 4 2 9 7 3 6 三位轴头热切，中断正线行车3 小时3 3 分，构成危险性事故； 2 0 0 1 年1 月1of l ，郑州铁路局郑少1 1 4 匕车辆段定检发现c 6 2 b4 6 3 3 9 4 3 车辆的滚动轴承外 圈内滚道剥离；2 0 0 2 年4 月1 7 日，北京铁路局天津东车辆段定检发现c 鲫4 8 0 7 3 1 4 滚 动轴承内圈滚道剥离；2 0 0 3 年1 月1 3 日，北京铁路局侯马车辆段定检发现c 纵4 5 1 2 3 0 5 车辆的滚动轴承滚子剥离，由此可以看出机车的许多故障都与轴承有关，轴承的工作 好坏对机车的运行状态具有很大影响。 故本文以国家“8 6 3 计划”项目“轨道交通运营安全的关键装备监控预警及应 急技术”为依托，对轨道交通车辆轴承故障诊断系统进行了研究。 1 2 国内外现状 1 2 1 国外情况 轨道交通车辆故障诊断技术，困外发展比较快，如美困的专利技术：“m o d e lb a s e d a s s e s s m e n to fl o c o m o t i v ee n g i n e s ”，“m a c h i n ef a u l td i a g n o s t i c ss y s t e ma n dm e t h o d 和 “l o c o m o t i v et r a c t i o nm o t o rc o n t r o ls y s t e m ”，美国g e 公司丌发的内燃机车故障诊断系统 d e u f a ，f 1 本三菱公刊研制的铁路机车诊断系统。目自订国外的高速列车卜都装有相应的 列车监测诊断系统，如德凼i c e 高速列车自检系统呵在列车运i j ：过程中不断检测列车的 轨道交通乍辆轴承故障诊断系统的研究 运行状态及机车车辆、电器和机械方面的故障，记录发生的不j 下常现象，其数据可存储 也可用文字或图形显示。一旦发生故障，不仪能够报警，还可以通过i c e 的无线通信系 统将维修所需的重要诊断数据传送给有关的检修段，使其做好快速修复准备；f 1 本新干 线高速列车也采用了设备监测与诊断技术，以及现代化的列车控制、信息装备，司机室 设有速度控制屏、运行监控屏、设备故障自动诊断装置等，能随时对车辆设备进行动态 监测，自动显示出故障准确部位，司机还可监控a t c 系统状态。科学的管理，加上现 代化的临测、运行控制体系，确保了日本高速铁路运营逾3 0 年无行车事故；法国t g v 高速列车成功地采用了光纤通信技术，将列车重要零部件、牵引电动机、齿轮变速系统 等设备的状态信息、运行工况以在线方式及时传输到司机操纵室，司机可以随时了解整 个列车关键设备的状念，有助于发现设备故障，及时维修处理，防止各类事故。 从世界高速铁路技术较成熟的几个国家来看，对高速列车的状态监测及故障诊断技 术的研究起步较早，发展迅速。尤其以客运为主的欧洲高速铁路以及日本新干线，对车 载各子系统的安全检测和故障诊断技术都较先进，处于世界领先水平。 1 2 2 国内情况 我国铁路机车车辆故障诊断技术起步较晚，国内机车检测系统尚无统一的标准，经 过多年的不断探索，从早期的仿造到后来的技术引进消化，逐步对机车车辆控制和故障 诊断技术有了比较明确的认识。 2 0 世纪8 0 年代，铁路机车车辆经常出现的切轴故障使铁路付出了惨重的代价，铁 路行业除了在车轴上广泛推广滚动轴承取代传统的滑动轴承外，技术上也随之出现了全 路基本普及的红外轴温检测和各种车载轴温报警装置，基本上抑制了切轴故障的发生。 进入2 0 世纪9 0 年代后，我国铁路机车车辆制造得到空前的发展，特别是交流传动机车， 各种电力电子装置，计算机控制系统等大量应用，使得铁路机车车辆变得更加复杂。运 营部门迫切希望监测设备能够具有比较完善的故障自动检测和诊断功能：一是保障车辆 的安全运行，二是减轻检修维护的压力。在这种形式下，各高等院校、研究院和制造商 联合丌展了多种故障诊断装置的研制和推广。如中国铁道科学研究院开发的“j s c 2 0 6 机车车辆轴承诊断仪”，“儿一6 0 1 机车走行部检测系统”可以检测工厂新造轴承、大修及 中修后的轴承，适于在机车车辆制造厂，大修厂及机务段、车辆段对机车车辆走行部进 行状念检测，由于采样模式固定、抗干扰能力差等原因，无法满足机车车辆运行工作环 境的要求；河南思维自动化设备有限公司研发的列车监控装置，对存储在机车中的历史 数据进行地面分析处理，但没有解决实时监测问题；湖南株洲时代集幽研制多种与行车 安全相关的装置，如直流电力机车车载微机控制系统，能够埘机车部分运行状态进行实 2 第一章绪论 时豁测，并能够显示控制装置的故障状态、故障化置的信息，但它并没有实现机车信息 全面监测，由于车载硬件容量的限制，数据量小且不能长期保存，事后无法进行分析和 处理【2 】，本文提出的轨道交通车辆轴承故障诊断系统就是对运行中机车的轴承进行实时 采集与监测，实时跟踪机车、及时发现并排除故障，确保行车安全，同时大量的数据采 集分析处理，实时曲线动态描绘，为机车状态维修提供了科学的原始数据。 1 3 研究内容及技术路线 1 3 1 研究目标及方法 针对以上国内外轨道交通故障诊断技术的几个特点，本文以轨道交通车辆轴承为诊 断对象，其研究目标是：以提高诊断系统智能性为出发点，结合轨道交通车辆轴承故障 的特点，设计一套轨道交通车辆轴承的监测和诊断的系统。 通过对上述国内外机车故障诊断技术及方法的分析，结合轨道交通机车故障的特 点，基于所要达到的研究目标，本文采用了小波包变换、希尔伯特变换和神经网络等作 为故障诊断方法。 1 3 2 技术路线 围绕课题研究内容，在综合分析轨道交通牟辆轴承故障数据的基础上，明确了本文 的研究重点及研究思路，其研究路线图如图1 1 所示： + 原始数据 _ t _ 一i 弋夕 滤波 l 弋夕 小波包变换与重构 妙之乡 l 希尔伯特变换提取特征向量 妙妙 i 找出故障频率神经网络 妙 l ： 别故障特征 图1 1 研究技术路线图 f i g1 1s t u d yt e c h n o l o g yr o u t e 3 轨道交通乍辆轴承故障诊断系统的研究 1 4 论文结构及主要内容 本文共有入部分组成，各章具体内容安排如下： 第一章：绪论。本章首先介绍了国内外机车故障诊断技术的现状，通过分析，了解 到f 1 本、欧洲等国的高速铁路的故障诊断技术起步较早，发展较快，技术处于领先水平。 针对轨道交通机车故障诊断技术的现状，提出相应的特点及问题，确定本文的研究目标、 研究方法及技术路线。 第二章：轴承的故障特征分析、提取方法。本章主要介绍了轴承的故障特征，失效 形式及故障的提取方法。 第三章：轴承的故障诊断方法。主要介绍了轴承故障诊断现在较为常用的一些方法。 第四章：轨道交通车辆轴承故障诊断系统总体设计。本章首先对系统的总体架构进 行了简单介绍，然后对各个分系统进行了详细说明。 第：丘章：轨道交通车辆轴承故障诊断系统的实现。本章首先对系统的运行界面进行 了展示，接着应用诊断方法对轴承进行了诊断，得出了较好结果。 第六章：论文结论与展望。本章对本文的研究成果作了总结，并提出不足之处，最 后提出了需要进一步研究的问题。 4 第一：章轴承的故障特征分析、提取方法 第二章轴承的故障特征分析、提取方法 2 1 轴承的故障特征分析 2 1 1 概述 滚动轴承是轨道交通车辆中应用最为广泛的种通用机械部件，同时也是一种易损 部件引，其在使用过程中常常由于疲劳、磨损、变形过大、腐蚀、断裂、胶合等各种原 因造成机器性能异常，以至无法工作，故列车走行部的许多故障都与滚动轴承有关，它 的好坏对机车的运行状态有极大影响。在轨道交通车辆的运转过程中，由于滚动轴承本 身的结构特点、加工装配误差和运行过程中出现的故障等内部因素，以及传动轴上其它 零部件的运动和力的作用等外部因素，当传动轴以一定的速度并在一定载荷下运转时对 轴承和轴承座或外壳组成的振动系统产生激励，使该系统振动，其振动产生的机理可用 图2 1 表示i 训。 图2 1 滚动轴承振动产生机理 f i g2 1t h ev i b r a t i o np r i n c i p l eo fr o l l i n gb e a r i n g 2 1 2 滚动轴承的主要故障形式及产生原因 走行部滚动轴承在运行过程中，由于润滑不良、装配不当、水分和异物侵入、过载 和腐蚀等都有可能使轴承过早损坏，走行部滚动轴承的故障十分复杂，主要故障形式见 下表【5 1 。 表2 1 滚动轴承的主要故障形式及产生原因 t a b l e2 1t h em a i nf o r mo fr o l l i n gb e a r i n gf a u l ta n dr e a s o n 损伤损伤损伤损伤 彤式原【大i特征结果 ( 1 ) 轴向载衍过人：( i ) 向心轴承的滚道仪一侧表面剁落；使滚动休或滚道表 ( 2 ) 轴向钱衍过人，对中小良；( 2 ) 舣列轴承的表面仅一列表面剥落；面产牛剥落坑，并向 ( 3 ) 保持架的网度淡苊太人；( 3 ) 滚动体及滚道接触边缘剥落；大i 剥落发j f 芝，导敛 疲劳 ( 4 ) 装配f i 当，轴：曲；( 4 ) 滚动体的训州方向4 ：对称化置一f ：有轴，r 失效。 ( 5 ) 间隙过小，载衍过人，润剁落； 滑，颅j 卡过人。( 5 ) 滚道面和滚动体毕期j f 现表面剥落。 ( 1 ) 汹泔1 i 良，润滑脂过碘，( 1 ) 滚逅皿年兀滚明作炭向岘股合；甘敛表面烧伤，片使 启动时加速度太人；( 2 ) 深沟球轴承的滚道面f “现螺旋状胶会属从个表血卡【一 胶合 ( 2 ) 滚道面卜、l ，行，转速过商；合：附到另一个表嘶。 ( 3 ) 装龇1 i 当，轴向载衙过人。( 3 ) 滚道面和挡边外现胶合。 5 轨道交通下辆轴承故障诊断系统的研究 ( 1 ) 运输中轴承受到振幅很小( 1 ) 类似静j 卡j 艇；j 员移j _ 车i i l 乐，f 肇低轴承 的摇摆运动作用； ( 2 ) n ：蚍合曲i - r 现红 玛色磨损粉末的运转精度。 ( 2 ) 配合曲问自微小间隙造成局部磨损； 磨损 ( 3 ) 滚道血、滚动体、凸缘面、保护架的滑动磨损： ( 3 ) 异物荡入，润滑f i 良，对等磨损。 中1 i 良，装配1 i 当。 烧伤 装刚 i 当，润滑1 i 良。滚道面、滚动体血、挡边面变也、软化、 表面局部软化，降低 熔体。使用寿命。 ( 1 ) 轴承内部配合面等锈蚀；( 1 ) 卒气中水分的凝结，腐蚀性介质侵表面山十 u 流、化学 ( 2 ) 滚动血l ：出现搓板状p q 凸；入：和机械作用产生损 腐蚀 ( 3 ) 表血红色或黑色的锈斑 ( 2 ) 电流通过产生i u 火拢熔化； 伤，丧失精度_ | | j 卜能 ( 3 ) 微振，装配小当。 继续l ：作。 ( 1 ) 冲i 打载荷过大，装配不当，( 1 ) 外环或内环产生裂纹：导致产生裂纹，断 胶合发展；( 2 ) 滚动体产生裂纹；裂，使轴承失效。 ( 2 ) 冲击载荷，热处理不当装( 3 ) 保持架断裂。 破损 配不当，胶合发展； ( 3 ) 对中小良，装配不当，润 滑f i 良，异常载荷，转速过快， 异物进入 ( 1 ) 静载荷过火，冲击载荷过( 1 ) 滚道面 ：有按波动休问足 1 分布的压导致表面川凸小、h 大，异物进入；痕，滚道面、滚幼体面i ：有胝痕：降低使用寿命。 压痕 ( 2 ) 装配刁i 当，滚道承受载荷( 2 ) 圆柱滚了轴承的滚f 和滚道接触处 1 i 均匀： 有楔形j k 痕。 2 1 3 列车走行部滚动轴承的振动特征 ( 1 ) 低频段的旋转特征频率 滚动轴承由内圈、外圈、滚动体和保持架4 部分组成。 滚动轴承各元件存在单一缺陷时的特征频率如表2 2 所示 表2 2 滚动轴承各元件存在单一缺陷时的特征频率 t a b l e2 2t h es i n g l ed e f e c tc h a r a c t e r i s t i cf r e q u e n c yo fr o l l i n gb e a r i n g 故障一般公式外圈静止、内圈运动内嘲静止、外圈运动 部位 滚动体 石= 瓤一，i ( 等c o s 2 c t ) 以= 虽舢一吾2 c o s 2 ) 石= 虽刖一 - 等 2c o s 2 ) 缺陷 外圈 以= 秒一z | ( 1 _ 吾c 。s 口)五= 乏棚一吾c 。s a )六= 主刖丢c ) 缺陷 内阁 乃= 弘一z l ( 1 - 丢c )z = 主棚一吾c o s 口)，= 主棚一丢c 。s 缺陷 注：卜滚动体的直径；r 滚动体的个数；伊一轴承节径；z 外环旋转频 率；f 内环旋转频率 需要说明的是上表中所给出的特征频率分别为滚动体、内圈和外罔故障的基频。实 际应用中，根据故障严重程度，频谱图中还可能出现各自的倍频。 ( 2 ) 滚动轴承的固有振动频率 滚动轴承的振动，原则上分为与轴承的弹性有关的振动和与轴承滚动表面状况有关 的振动两种类型。前者不论轴承帚常或异常，振动都要发生，它虽与轴承异常无关，但 却决定了振动系统的传递特性；后者则反映了轴承的损伤状况陋1 。下面给出内外环的i 直l 6 第一二章轴承的故障特征分析、提取方法 有振动频率的计算公式： ( 1 ) 内外坏的固有振动频率 z ，2 丽n 丽( n 2 - 1 ) 、万e 1 ( 彪) ( 2 - 1 ) 式中n 变形波数； 必一一圆环单位长度内的质量，。 b 圆坏材料的弹性模量， n ， 厶一外环截面绕中性轴的惯性矩， m 4 d 一环中性轴的直径，所； ( 2 ) 钢球的固有振动频率 小半参( 舷) 沼2 ) 式中 小一钢球的直径，m ； b 材料的弹性模量，钢为2 1 x 1 0 5 ， m m 。 p 一- 材料的密度，影m ，钢为7 8 0 0 影m ， ( 3 ) 滚动轴承的振动特征 滚动轴承的异常情况是多种多样的，为了叙述的方便，在此讨论各种典型的单一型 异常形式的振动特性，这并不意味着典型的异常形式总是独立发生的。 1 ) 滚动轴承的构造所引起的振动 轴承元件的变力变形引起的振动 给滚动轴承施加一定的载荷时，由于内外环以及滚动体的受力变形，而使旋转轴的 中心发生变动，由此引起的振动的主要频率成分为玩，其中z 为滚珠个数，z 为滚动 体的公转频率。 旋转轴弯曲时引起的振动 当旋转轴弯曲或倾斜时，此时发生的振动的主要频率成分为矾z 。 滚动体直径不一致引起的振动 当一个滚动体的直径大于其他直径时，旋转轴轴心将以滚动体的公转频率，而变 动，即发生此频率的振动。此外，由轴向刚度的不同，还会引发频率衫，的振动。 2 ) 滚动轴承的非线性引发的振动 滚动轴承是通过滚道与滚动体的弹性接触来承受载倚的，可以形象的比之为“弹 7 轨道交通下辆轴承故障诊断系统的研究 簧”，此“弹簧的弹性系数很大，当轴承的润滑状态不良时，就会出现非线性弹性， 由此而引发振动。其振动的频率为轴的旋转频率，及其喈波珥，珥和1 珥， 1 鞔。这种形式的振动常在深槽球轴承中发生，而在自动调心和滚子轴承上不经常 发生。 3 ) 由于精加工波纹引起的振动 制造时，如在滚道或滚动体的精加工面上留有波纹，当凸起部数目达到一定值时， 就会产生特有的振动，如表2 3 所示。 表2 3 由于精加工波纹引起的振动 t a b l e2 3t h ev i b r a t i o nc a u s e db yp r e c i s i o nw o r kr i p p l e 波纹位置波纹凸起数振动频率 内环 舷1 f o f r 外环 g i g 1 n f , 滚动体 2 n 2 晚z 注：z 为滚动体个数，n = l ，2 ，3 ， 应该指出，上表对于有径向间隙并承受径向载倚的轴承，多数是不适用的。 2 2 轴承故障特征提取方法 在对列车的轴承状态监测时发现，有用的故障信息通常被淹没在强烈背景噪声中， 这给故障诊断带来了很大的难度。为准确可靠的诊断出列车轴承的故障，采取有效的方 法提取故障特征信息是十分重要的。在滚动轴承故障诊断中，提出了很多基于振动信号 的故障诊断方法1 7 。14 1 ，其中比较常用的振动诊断方法有特征参数法、频谱分析法、共振 解调法。 2 2 1 特征参数法 在滚动轴承的故障诊断中，特征参数法占了十分重要的位置。其优点是能用少数指 标解释轴承的状态，并且诊断结果分析简单、方便。在滚动轴承故障诊断中常用的特征 参数有：有效值、峰值、峰值因子、峭度、脉冲因子、波形因子等时域特征参数和重心 频率、均方频率、均方根频率、频率方差、频率标准差等频域参数f 1 5 1 。 常用的时域特征参数： ( 1 ) 有效值。有效值又称均方根值，它是振动振幅的均方根值，定义如下： 斤矿一 r 臃2 专善( 置一牙) 2 3 ) 其中，置( 扛1 ，) 为采用的信号，n 为采样点数。 ( 2 ) 峰值。峰值反映的是某时刻振动的最大值，信号 x ，) ( f ：1 j ) v ，为采样点数) 的 峰值定义为： 8 第二二章轴承的故障特征分析、提取方法 胛七= 丢( m a 地) 一m i n ( 删 ( 3 ) 峰值因子。峰值因子的定义为峰值与有效值之比，即： c r e s t f ac t o r ：p e a k s r m s ( 4 ) 峭度( k u r t o s i s ) ：对于零均值的振动信号x ( 0 ，峭度( k u r t o s i s ) 定义为： ，x 4 p ) d x k u r t o s i s = 一 ( ，x 2 p ( x ) 出) 2 其中p 0 ) 为x ( o 的概率密度分布函数。 ( 5 ) 脉冲因子( i m p u l s ef a c t o r ) i m p u 瓜咖t o r - 笔生 专孙l ( 6 ) 波形因子( s h a p ef a c t o r ) r m s s h a p e f a c t o r2 _ _ _ f 一| 丙鲁- x ，i ( 7 ) k 因子( kf a c t o r ) k 因子定义为峰值和有效值的乘积，即 k f a c t o r = r m s x p e a k 几个主要的频域参数为： ( 1 ) 重心频率f c ： + 0 2 jf s ( f ) d f f c = i 一 + js ( f ) d f ( 2 ) 均方频率m s f ： ff 2 s ( f ) d f m s f = ! i 一 4 - 0 0 i s ( f ) d f 6 ( 3 ) 均方根频率r m s f - r m s f ：厮 ( 4 ) 频率方差v f ： 9 ( 2 4 ) ( 2 5 ) ( 2 6 ) ( 2 7 ) ( 2 - 8 ) ( 2 1 0 ) ( 2 1 1 ) ( 2 一1 2 ) 轨道交通车辆轴承故障诊断系统的研究 沁一f c 、) 2 s ( f ) d f v f = i 一 i s ( f ) d f 0 ( 5 ) 频率标准差r v f ： r v f = 一v f ( 2 1 3 ) ( 2 1 4 ) 频域中的f o u r i e r 变换是完全局部化的，但由于其基函数在时域上的全局性，使它 没有任何的时间分辨率，故它不适应非平稳信号的分析；短时傅立叶变换虽然在时域和 频域上都具有一定的分辨率，但其基函数只能埘信号进行等带宽的分解，因此它的基函 数一旦确定，它的时域和频域分辨率也就不能变化，从而不能白适应地确定信号在不同 频段的分辨率【1 6 】。 2 2 2 频谱分析法 时域特征参数法是判断轴承故障的简易方法，可以判断出轴承是否有故障。 若对故障轴承的振动信号做进一步的频谱分析，则可以判断出轴承故障的类型和原 因。滚动轴承的振动信号频率成分可分为低频成分和高频成分。每一种特定的故障都对 应特定的频率，需要通过适当的信号处理方法将特定的频率分离出来，从而指出特定故 障类型。 轴承信号的频谱分析是最有用的故障检测方法，但这种方法存在两大缺陷：第一， 需要知道被检测轴承的几何结构和运行状态；第二，由于部分故障轴承的特征频率接近 由机器的其它部件激发的频率，有时很难识别出轴承的具体故障原因 1 7 l 。 2 2 3 共振解调法 共振解调技术也称为早期故障探测法。它是利用被测件、传感器或电路的谐振，将 轴承故障冲击引起的衰减振动放大，从而提高了故障探测的灵敏度。同时，还利用了解 调技术将轴承故障信息提取出来，通过对解调后的信息作频谱分析，诊断出轴承故障。 共振解调法的基本原理是：当轨道交通车辆的某一机械设备出现故障而产生周期为 t o 的冲击脉冲时，根据傅立叶级数理论，该脉冲串的频谱为包含基频f o = 1 t o 在内的一 系列谐波分量。其中的高次谐波若与结构系统或传感器的固有频率相吻合，则将激发 产生周期性的高频自由衰减振动。该振动信号大周期为脉冲串的周期，而衰减振动的频 率则为结构系统或传感器的固有频率。列车设备的其它工作振动频率都远低于该固有频 率，对引起该频率的振动贡献极小，因而消除了其它振动信号的干扰。该高频自由衰减 振动信号经检波和低通滤波后，便得到个与原脉冲串相对应的并经过放大了的信号， 该信号便可求出原脉冲串的周期和相应的i 旧值大小。 1 0 第一二章轴承的故障特征分析、提取方法 共振解调的故障特征信息提取：共振解调法诊断列车旋转机械损伤类故障的原理图 2 2 比较完整地概述如下：当旋转机械的某一元件表面出现局部损伤时，在受载荷运行 过程中要撞击与之相互作用的其它元件表面产：生冲击脉冲力。由于冲击脉冲力的频带很 宽，必然包含轴承外圈、传感器甚至附加的谐振器等得到的圊有频率而激起这个测振系 统的高频固有振动。根据实际情况，可选择某一高频固有振动作为研究对象，通过中心 频率等于固有频率的带通滤波器把固有振动分离出来，然后通过包络检波器检波，去除 高频衰减振动的频率成分，得到只包含故障特征信息的低频包络信号，对这一包络信号 进行频谱分析便可容易地诊断出轴承的故障来【l8 1 。 通滤波 图2 2 共振解调原理示意图 f i g2 2b l o c ks c h e m eo fd e m o d u l a t e dr e s o n a n c et e c h n i q u e 共振解调存在的问题：当轴承内圈或滚动体表面上出现局部损伤并且承受径向负荷 时，由于损伤点的位置相对传感器随轴承运动旱周期性变化，时而进入载倚区，时而退 出载荷区，所以传感器感受到的脉冲冲击力的大小和方向随轴承运动呈周期性的变化。 这种情况下传感器拾取的振动信号，包络信号及频谱都比较复杂，尤其是当损伤点不止 一个时情况更为复杂，有时难以解释，从而给诊断带来一些问题。 轨道交通下辆轴承故障诊断系统的研究 1 2 第二章轴承的故障诊断方法 第三章轴承的故障诊断方法 小波分析方法是目前发展最为迅速的时频分析方法。因小波分析窗 1 形状可以变 化，使其能对信号进行多分辨率分析，利用小波分析不仅i 叮以看到信号的概貌，还可以 看到信号的细节，特别是对非平稳振动信号的分析显示出极大的优越性；神经网络以其 并行分布式处理、联想记忆、自组织及自学习能力和极强的非线性映射能力，特别适合 于多故障、多征兆的复杂模式识别问题，这两项技术是故障诊断与状态监测的关键，近 年来国内外科学者针对把二者结合起来进行故障诊断这类问题进行了广泛的研究1 1 9 - 2 6 1 ， 但针对铁路轴承进行的研究不是很多，因此，本文借鉴这些方法对铁路轴承进行了故障 诊断研究，为解决此类问题提供理论依据，具有重要的实际工程应用价值。 3 1 滤波 3 1 1fir 数字滤波 在实际应用中，由于故障早期所产生的特征信息比较弱，而机器运转时的背景噪声 一般较大，特征信息常常淹没在背景噪声中不易被识别出来，冈此，对采集过来的信号 首先进行滤波处理，然后再对滤波后的信号进行后续处理，而f i r ( 有限冲击响应) 数字 滤波器的突出优点，是具有很好的稳定性和线性相位特征，所以对采集信号首先进行f i r 滤波【2 7 l 。 图3 1 即为对采集过来的信号进行滤波的后的比较。 5 卜丽矗茹矿高矿1 赢广葡j 帅 图3 1 信号滤波前后的比较 f i g3 1c o m p a r i s o no fd e n o i s i n gr e s u l t s 3 1 2 小波消噪 连续小波变换具有“变焦”特征，适合处理非平稳信号，也足降低噪声1 二扰、提高 信噪比的，种有效方法。设受到噪声丁扰的信号表示为： s