轨道交通车辆轴承故障诊断分析与研究

论文摘要

近年来,我国高速铁路发展迅速,随着轨道交通车辆设备的复杂程度的提高,故障率也随着上升,机车作为运输、载客的直接载体,其运营安全与否直接关系着生命、财产的安全。滚动轴承是轨道交通车辆中应用最为广泛的一种通用机械部件,据统计,铁路运营故障的产生大部分是由于轴承发生故障影响了轨道交通车辆的工作状态,而一旦车辆发生故障,就会造成难以估量的经济损失甚至事故伤亡,因此,对轨道交通车辆运行状态监测和轴承故障诊断的研究是必不可少的,所以,如何对轨道交通车辆运行故障进行高效检测、快速诊断、准确预测是一个值得研究重要问题。论文结合近期国内外在轨道交通机械故障诊断上的发展现状,分析了滚动轴承故障可能的发生情况,总结出机车的故障发生原因、特征和频率,根据得到的频率特征和故障特性,首先对测量到的滚动轴承振动信号进行小波消噪处理,然后分别采用了小波包,BP神经网络等经典的算法对轴承进行了故障的分析和诊断：(1)对消除噪声以后的信号进行sym8小波包变换,分析小波包变换后的归一化振动信号,对轴承振动信号进行诊断,得到故障发生的频段；(2)利用BP神经网络进行故障分析和研究,并给出分析的程序和结果。实验结果表明,小波消噪能够较好的消除噪声,采用小波包分析,能够提取滚动轴承的故障振动信号特征,结果表明采用的小波包的故障诊断和神经网络故障诊断和预测,实现了对机车重要部件滚动轴承的智能诊断,保证了机车的运营安全,对轨道交通的快速运行和发展具有良好的保障性和较好的实用性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 国内外研究现状
• 1.3 论文研究内容
• 第二章 滚动轴承的故障特征分析、提取方法
• 2.1 概述
• 2.1.1 滚动轴承的主要故障形式及产生原因
• 2.1.2 列车走行部滚动轴承的振动故障特征
• 2.1.3 列车走行部滚动故障信号特点
• 2.2 轴承故障特征提取方法
• 2.2.1 特征参数法
• 2.2.2 频谱分析法
• 第三章 滚动轴承故障诊断方法
• 3.1 小波消噪方法
• 3.2 滚动轴承故障分析方法
• 3.2.1 频谱分析法
• 3.2.2 小波分析法
• 3.3 对故障特征量提取
• 3.4 神经网络分析方法
• 第四章 小波轨道交通车辆故障诊断的实现
• 4.1 振动故障的典型特征
• 4.2 引起故障的原因
• 4.3 小波包分析实例
• 4.4 小波包分析的结论
• 第五章 神经网络轨道交通车辆诊断的实现
• 5.1 概述
• 5.2 神经网络方法
• 5.3 程序及结果
• 5.3.1 BP神经网络程序
• 5.3.2 BP神经网络的结果
• 结论及展望
• 参考文献
• 攻读学位期间的研究成果
• 致谢