论文部分内容阅读
摘 要：为了确保地铁可以安全有效地运营，就必须要做好地铁车辆的故障检修工作，而转向架轴承故障是地铁车辆故障中十分重要的一种，因此做好地铁车辆转向架轴承故障的诊断和分析就显得尤为重要。但是常规的故障诊断方法存在着准确率不足、智能化程度有待提升等情况，所以，本文针对此问题进行进一步思考与分析，希望可以提出新方法，为地铁车辆转向架轴承故障诊断提供一定的参考。
关键词：转向架轴承;故障诊断;小波包分解
1 转向架轴承故障模型
在车辆系统运转过程中，如果轴承的某部分发生损伤，那么随着的系统运转，会在轴承碰撞的过程中发生一系列反应，从而导致减幅振荡。我们可以通过减幅振荡频率的特征来判断故障类型。通常而言，依据滚动体种类我们可以把滚动轴承分成滚子轴承与球轴承两种，而滚子轴承又包括了圆柱与圆锥两个部分。滚动轴承结构图如图1所示。
2 小波包-包络分析
如果采取频域分析方法，那么在出现故障早期，故障特征频率会表现得十分微弱，通常会被系统运转的噪声所淹没，直接对信号进行转换就难以判断出局部的损伤故障。但是如果故障通过连锁反应引起其他元件的振动，这些固有振动就会被轴承故障特征频率所调制，并可以通过滤波器获取相关信号，再加上包络谱的作用就能够分离出共振调来，这就是小波包-包络分析的工作原理。小波包分解图具体见图2。
3 故障识别搜索算法
传统的频域分析法通常是观察故障处的频率，并将其与正常谱峰进行比对，进而排查故障。通过计算机来进行故障识别搜索的步骤主要包括如下内容：
3.1 谱峰判定
在研究特定一段频谱的过程中，频谱图上的最大值就是谱峰，通常在进行故障判定时，可以通过研究谱峰来判定故障出现的位置。由于计算机没有被输入计算机搜索相关数值信息，在进行故障判定时就不会发现明显的故障，但是计算机依旧会把频谱图中的最大值判断为故障区，这就为故障判定工作造成了一定的麻烦。因此，日常工作中在进行计算机设定的过程中，就必须要判断计算机谱峰值和谱峰第二大值的商能否达到相应的标准值，并以此来判定谱峰是否就是故障处。通过设置这个标准值可以进一步扩大计算机的确定范围。通常情况下，在谱峰位置周围几处的幅值也会相对较大，且因为这几处是谱峰形成的过渡阶段，所以在对第二大峰值进行判断时，要对相对较大的几个点一一进行排除，否则可能导致判断信息失误。可见，为了确保判断的准确性，需要做好谱峰两侧点的排除工作。故障识别搜索算法流程图见图3。
3.2 搜索频带设定
在判定故障的过程中，通常需要将故障特征频率处的谱峰和正常谱峰进行比对来进行判断。在设置搜索频带时，一定要注意必须要囊括故障特征频率，一般而言应当把故障特征频率设定成搜索频带的中心频率。如果搜索频带过宽，就可能会出现两处故障的情况，两处故障的频率分别为谱峰和谱峰的第二大值。尤其是在两个数值相差较小的时候，因为两者的商值达不到标准值，就会导致计算机自动取消搜索，严重制约着故障判断工作的准确性。
3.3 故障特征频率误差设定
当轴承的各个部件发生磨损、油污时，也可能会导致故障特征频率和实际故障频率之间出现偏差。在特定状况下，确实存在故障，但是在进行故障频谱分析的过程中却发现频谱的最高值和故障点之间存在相应的距离，在这种情况下计算机在进行故障判定时会误判为没有出现故障，因此我们必须要设定误差值。计算机在运行过程中，如果出现的误差在设定的误差值范围内，那么计算机就可以有效将这个误差考虑在内，从而做出更加准确的判定。
3.4基于小波包-包络分析的转向架轴承故障智能诊断方法
基于小波包-包络分析的转向架轴承故障智能诊断方法就是利用滤波器获得特定频率的振动信号，但是通常情况下事前根本无法对固有频率进行确定。此时，就能够利用小波包解决无法确定固有频率的这一难题，并可以有效解调出相应的调制信息。之后，再利用上文提到的故障识别搜索算法对各个节点的包络谱进行逐一搜索，最终判断出故障情况。此方法的具体操作步骤如下：首先，利用三层小波将获得的振动信号分解到八个频带中。其次，通过对各频带的重构信号进行Hilber转换，获得新的解析信号，并获取各频带重构信号的包络。然后，通过组合各个信号，形成包络谱。最后，利用故障识别搜索算法對得到的八个包络谱图一一进行搜索，如果某个故障标志的变量值为1，那么在以后的包络谱图中就不再对该故障标志变量相对应的故障类型进行搜索，最终依据变量值来对故障发生点进行准确判定。
4 总结
为了更好地保证地铁可以安全有效运行，就要求我们必须做好地铁车辆的故障诊断工作，目前采取的检查方法存在明显的智能化不足的缺点，准确性有待于进一步提升。利用小波包-包络分析法及故障识别搜索法，可以更加有效地判定出故障发生点，有利于地铁车辆故障诊断工作的有效开展。
参考文献
[1]庄楚.地铁车辆转向架轴承故障诊断方法分析[J].中国科技投资，2017，（23）：288.
[2]刘建强，赵治博，章国平， 等.地铁车辆转向架轴承故障诊断方法研究[J].铁道学报，2015，（1）：30-36.
关键词：转向架轴承;故障诊断;小波包分解
1 转向架轴承故障模型
在车辆系统运转过程中，如果轴承的某部分发生损伤，那么随着的系统运转，会在轴承碰撞的过程中发生一系列反应，从而导致减幅振荡。我们可以通过减幅振荡频率的特征来判断故障类型。通常而言，依据滚动体种类我们可以把滚动轴承分成滚子轴承与球轴承两种，而滚子轴承又包括了圆柱与圆锥两个部分。滚动轴承结构图如图1所示。
2 小波包-包络分析
如果采取频域分析方法，那么在出现故障早期，故障特征频率会表现得十分微弱，通常会被系统运转的噪声所淹没，直接对信号进行转换就难以判断出局部的损伤故障。但是如果故障通过连锁反应引起其他元件的振动，这些固有振动就会被轴承故障特征频率所调制，并可以通过滤波器获取相关信号，再加上包络谱的作用就能够分离出共振调来，这就是小波包-包络分析的工作原理。小波包分解图具体见图2。
3 故障识别搜索算法
传统的频域分析法通常是观察故障处的频率，并将其与正常谱峰进行比对，进而排查故障。通过计算机来进行故障识别搜索的步骤主要包括如下内容：
3.1 谱峰判定
在研究特定一段频谱的过程中，频谱图上的最大值就是谱峰，通常在进行故障判定时，可以通过研究谱峰来判定故障出现的位置。由于计算机没有被输入计算机搜索相关数值信息，在进行故障判定时就不会发现明显的故障，但是计算机依旧会把频谱图中的最大值判断为故障区，这就为故障判定工作造成了一定的麻烦。因此，日常工作中在进行计算机设定的过程中，就必须要判断计算机谱峰值和谱峰第二大值的商能否达到相应的标准值，并以此来判定谱峰是否就是故障处。通过设置这个标准值可以进一步扩大计算机的确定范围。通常情况下，在谱峰位置周围几处的幅值也会相对较大，且因为这几处是谱峰形成的过渡阶段，所以在对第二大峰值进行判断时，要对相对较大的几个点一一进行排除，否则可能导致判断信息失误。可见，为了确保判断的准确性，需要做好谱峰两侧点的排除工作。故障识别搜索算法流程图见图3。
3.2 搜索频带设定
在判定故障的过程中，通常需要将故障特征频率处的谱峰和正常谱峰进行比对来进行判断。在设置搜索频带时，一定要注意必须要囊括故障特征频率，一般而言应当把故障特征频率设定成搜索频带的中心频率。如果搜索频带过宽，就可能会出现两处故障的情况，两处故障的频率分别为谱峰和谱峰的第二大值。尤其是在两个数值相差较小的时候，因为两者的商值达不到标准值，就会导致计算机自动取消搜索，严重制约着故障判断工作的准确性。
3.3 故障特征频率误差设定
当轴承的各个部件发生磨损、油污时，也可能会导致故障特征频率和实际故障频率之间出现偏差。在特定状况下，确实存在故障，但是在进行故障频谱分析的过程中却发现频谱的最高值和故障点之间存在相应的距离，在这种情况下计算机在进行故障判定时会误判为没有出现故障，因此我们必须要设定误差值。计算机在运行过程中，如果出现的误差在设定的误差值范围内，那么计算机就可以有效将这个误差考虑在内，从而做出更加准确的判定。
3.4基于小波包-包络分析的转向架轴承故障智能诊断方法
基于小波包-包络分析的转向架轴承故障智能诊断方法就是利用滤波器获得特定频率的振动信号，但是通常情况下事前根本无法对固有频率进行确定。此时，就能够利用小波包解决无法确定固有频率的这一难题，并可以有效解调出相应的调制信息。之后，再利用上文提到的故障识别搜索算法对各个节点的包络谱进行逐一搜索，最终判断出故障情况。此方法的具体操作步骤如下：首先，利用三层小波将获得的振动信号分解到八个频带中。其次，通过对各频带的重构信号进行Hilber转换，获得新的解析信号，并获取各频带重构信号的包络。然后，通过组合各个信号，形成包络谱。最后，利用故障识别搜索算法對得到的八个包络谱图一一进行搜索，如果某个故障标志的变量值为1，那么在以后的包络谱图中就不再对该故障标志变量相对应的故障类型进行搜索，最终依据变量值来对故障发生点进行准确判定。
4 总结
为了更好地保证地铁可以安全有效运行，就要求我们必须做好地铁车辆的故障诊断工作，目前采取的检查方法存在明显的智能化不足的缺点，准确性有待于进一步提升。利用小波包-包络分析法及故障识别搜索法，可以更加有效地判定出故障发生点，有利于地铁车辆故障诊断工作的有效开展。
参考文献
[1]庄楚.地铁车辆转向架轴承故障诊断方法分析[J].中国科技投资，2017，（23）：288.
[2]刘建强，赵治博，章国平， 等.地铁车辆转向架轴承故障诊断方法研究[J].铁道学报，2015，（1）：30-36.