论文部分内容阅读
随着我国科技、经济的发展,社会不断进步,城市化进程进一步深入。伴随着城市人口的增加,城市交通设施建设的需求日益突出。目前,我国正在快速建设城市轨道交通,并处在开通运营的高峰期,城市轨道车辆为承载乘客的载体,其运行安全与乘客的生命财产安全直接相关。城轨车辆齿轮箱作为其关键部件之一,对其展开实时有效的在线监测与诊断,不但能够避免事故的发生,还能改变现有的维修机制:以状态修代替时间修和故障修,从而降低运营成本,近而提升运营维护水平。本文以城市轨道车辆齿轮箱为研究对象,以对城轨车辆齿轮箱的故障诊断和监测为目标,从研究其振动机理着手,确立了以信号处理、能量特征量提取、故障识别为关键步骤的研究:(1)针对城轨车辆工作环境复杂恶劣,信号信噪比低的特点,通过WPA分析方法对信号进行了消噪处理,对比Chebyshev滤波器噪效果,验证了WPA消噪的效果。(2)采用一种多传感器融合方法,以求降低城轨车辆工作中的局部干扰,增加故障诊断的准确率。通过仿真信号和实验数据验证,该方法可以有效降低信号的均方误差,提高采样精度,并能排除个别故障传感器或局部干扰对故障诊断结果造成的影响。(3)针对振动信号的非线性和非平稳性,采用自适应的经验模态分析方法,对故障信号各层本征模态的能量进行提取,利用WPA分析将信号分解至4层的能量特征作为故障特征进行故障诊断,再辅以时域特征量,取得了良好的效果。(4)以故障诊断的准确性和快速性为前提,通过带特征选择的SA-SVM方法对齿轮箱故障信号进行了诊断,取得了98.75%的诊断准确率,高于传统SVM,验证了SA-SVM应用于在城轨车辆齿轮箱故障检测的可行性,并以此为基础初步建立了基于SA-SVM方法和数据采集系统的城轨车辆齿轮箱检测和故障诊断系统。