论文部分内容阅读
摘要：众所周知，地铁转向架的故障智能承载和其运行的实际状态对于地铁车辆的安全和运行有着极为重要的作用，在现实的生活当中，很多现有的地铁车辆转向架对其转向架智能故障轴承的监测的方法普遍存在着系统智能化的一系列缺陷，这些缺陷在一定程度上影响着我们的安全问题，因此，需要对这些故障以及缺陷进行深入的诊断和试验以及分析研究。
关键词：地铁车辆;转向架轴承;研究方法
引言：地铁车辆转向架和轴承作为地铁车辆的重要组成部分之一，在实际的工作过程当中，一旦转向架发生异常的故障问题，就会在一定程度上严重危及地铁车辆的安全，甚至有很大的可能引发交通事故。因此，能够较为快速地、准确及时地诊断和检测地铁车辆的异常故障有着相当重要的意义。
1转向架轴承故障类型分析
1.1 局部断点损伤
当滚动轴承的局部滚动体和局部冲击体与轴承的局部损伤中断点共同发生了局部的冲击损伤时，轴承的其它部分在其正常运行中会出现周期性的滚动并且产生局部冲击，这是轴承的局部损伤中断点。通常情况下根据一种轴承的周期故障发生位置和周期特征频率等，它可以准确判断一种类型轴承在正常运行中是否已经出现了具有某种周期性的异常故障，并可以确定一种轴承的周期性故障发生的位置。滚动弹性轴承按照其滚动体的直径大小和滚动类型又大致可以细分为弹性滚珠滚动轴承和弹性滚柱滚动轴承。
1.2零部件冲击故障
通常情况下，当一个运动系统中的一个轴承发生了局部振动冲击故障的时候，故障的接触点也会发生周期性的振动，并且冲击其它轴承的零部件，因此就会造成周期性的局部振动冲击。这种周期性的影响也不容小觑，它将直接反映在运动中的轴承发生振动的时域信号和振幅根据温度分布的信号上，因此，我们就需要选择这两种基本的振动信号证据作为来源。一般情况下，对于接触点振动的信号，时域振动信号参数的接触点和峰度振动因子对于轴承发生故障的冲击是非常敏感的。时域信号故障越严重，振动轴承信号的振幅偏离正态的分布越大，对应的时域信号峰度指数因子值越大。
2故障诊断方法研究
2.1小波包-包络分析
在小波包轴承的故障早期时间，反映轴承局部冲击，损伤轴承故障所在位置的轴承故障特征频率冲击分量的能量一般来说都很弱，往往会完全被淹没在噪声当中。由频谱分析图可以直接对轴承振动特征信号的频率进行详细的分析，但是往往很难准确地诊断得出早期的轴承局部冲击损伤轴承故障。然而，这些轴承早期发生故障的特征频率冲击分量会直接激发一些轴承零部件的高频固有的振动，这些固有的振动信号会被相应的轴承早期发生故障的固有特征频率所影响进行调制。小波包通过带通滤波器直接提取一个具有固有频率的小波包原频带共振信号，然后通过计算其中的小波包络谱，就这样可以将其分离出所需要调制的信息，小波包每层的分解都将原频带一分为二，从而能够很好地实现了原频带的细分工作，并且在一定程度上提高了时频的分辨率。在此种方法的基础之上，进行自适应轴承小波包的分析，快速地提取转向架轴承故障的特征并对其进行分析诊断。为了更进一步验证所提出的转向架故障检测和诊断解决方法的可靠和正确性，可以建立转向架轴承故障试验台并对此进行一定时间长度的试验研究。已有的实验结果表明，该诊断解决方法有助于在无人值守的转向架得情况当中较为准确、快速地检测和实现对轴承转向架故障的诊断工作，是一种十分符合实际应用需要的转向架故障诊断解决方法。
2.2谱峰判定
通常，默认振动峰值被准确地定义为振动信号频谱中的最大振动峰值。因此，当使用计算机在轴承中搜索最大振动峰值时，首先我们需要在振动信号频谱的一个振动信号频带内准确地搜索最大振动峰值。但同时也可能存在这样的振动信号情况：例如，当一个轴承中几乎没有某一类型的轴承发生故障的时候，在轴承振动信号的频谱图中以轴承发生故障的特征频率表示在作为信号中心的振动信号频带内，计算机通过搜索得到的最大振动峰值确实在轴承发生故障的特征频率上，但最大值与振动信号频带内其它振幅信号频率相差不大，如果这样，需要人们仔细观察，它不被计算机误认为可能是计算机的光谱峰。为了尽可能地避免计算机的误判，在频谱上设置故障计算机特征值搜索时，最大特征值搜索频率应明显地大于故障搜索频带内的其他特征值。例如，负责计算机故障频谱数据分析的研究人员调查发现，故障的最高特征率峰值对应点与最低故障峰值对应点之间有一定的误差距离，这就可能导致了计算机在频谱上发生错误，或者叛乱计算机故障时为了使计算机没有发生故障而错误地进行识别，所以计算机需要在频谱上设置一定的错误值，从而可以确定计算机的误差。
结束语
转向架轴承主要零部件的正常使用和运行对于地铁车辆旅客的安全具有重要的意义。为了能够快速、准确地检测和诊断转向架轴承的各种故障和状态，研究的这些方法，在线路运行状态条件下就可进行轴承故障的诊断，并且在一定程度上能够为故障诊断工作的智能化提供出一种新的思路过程。
参考文献：
[1]王远霏，裴春兴，孙海荣.基于加权改进D-S证据融合理论的地铁车辆转向架轴承故障诊断方法[J].北京交通大学学报，2018，42（06）：75-82+90.
[2]刘建强，赵东明，赵楠.一種改进的地铁车辆转向架轴承故障诊断方法[J].铁道学报，2018，40（11）：55-61.
[3]曾琦.地铁车辆转向架的轴承故障诊断方法[J].住宅与房地产，2015（S1）：162.
[4]赵治博. 地铁车辆转向架轴承故障诊断方法研究[D].北京交通大学，2015.
[5]刘建强，赵治博，章国平，王广明，孟双，任刚.地铁车辆转向架轴承故障诊断方法研究[J].铁道学报，2015，37（01）：30-36.
关键词：地铁车辆;转向架轴承;研究方法
引言：地铁车辆转向架和轴承作为地铁车辆的重要组成部分之一，在实际的工作过程当中，一旦转向架发生异常的故障问题，就会在一定程度上严重危及地铁车辆的安全，甚至有很大的可能引发交通事故。因此，能够较为快速地、准确及时地诊断和检测地铁车辆的异常故障有着相当重要的意义。
1转向架轴承故障类型分析
1.1 局部断点损伤
当滚动轴承的局部滚动体和局部冲击体与轴承的局部损伤中断点共同发生了局部的冲击损伤时，轴承的其它部分在其正常运行中会出现周期性的滚动并且产生局部冲击，这是轴承的局部损伤中断点。通常情况下根据一种轴承的周期故障发生位置和周期特征频率等，它可以准确判断一种类型轴承在正常运行中是否已经出现了具有某种周期性的异常故障，并可以确定一种轴承的周期性故障发生的位置。滚动弹性轴承按照其滚动体的直径大小和滚动类型又大致可以细分为弹性滚珠滚动轴承和弹性滚柱滚动轴承。
1.2零部件冲击故障
通常情况下，当一个运动系统中的一个轴承发生了局部振动冲击故障的时候，故障的接触点也会发生周期性的振动，并且冲击其它轴承的零部件，因此就会造成周期性的局部振动冲击。这种周期性的影响也不容小觑，它将直接反映在运动中的轴承发生振动的时域信号和振幅根据温度分布的信号上，因此，我们就需要选择这两种基本的振动信号证据作为来源。一般情况下，对于接触点振动的信号，时域振动信号参数的接触点和峰度振动因子对于轴承发生故障的冲击是非常敏感的。时域信号故障越严重，振动轴承信号的振幅偏离正态的分布越大，对应的时域信号峰度指数因子值越大。
2故障诊断方法研究
2.1小波包-包络分析
在小波包轴承的故障早期时间，反映轴承局部冲击，损伤轴承故障所在位置的轴承故障特征频率冲击分量的能量一般来说都很弱，往往会完全被淹没在噪声当中。由频谱分析图可以直接对轴承振动特征信号的频率进行详细的分析，但是往往很难准确地诊断得出早期的轴承局部冲击损伤轴承故障。然而，这些轴承早期发生故障的特征频率冲击分量会直接激发一些轴承零部件的高频固有的振动，这些固有的振动信号会被相应的轴承早期发生故障的固有特征频率所影响进行调制。小波包通过带通滤波器直接提取一个具有固有频率的小波包原频带共振信号，然后通过计算其中的小波包络谱，就这样可以将其分离出所需要调制的信息，小波包每层的分解都将原频带一分为二，从而能够很好地实现了原频带的细分工作，并且在一定程度上提高了时频的分辨率。在此种方法的基础之上，进行自适应轴承小波包的分析，快速地提取转向架轴承故障的特征并对其进行分析诊断。为了更进一步验证所提出的转向架故障检测和诊断解决方法的可靠和正确性，可以建立转向架轴承故障试验台并对此进行一定时间长度的试验研究。已有的实验结果表明，该诊断解决方法有助于在无人值守的转向架得情况当中较为准确、快速地检测和实现对轴承转向架故障的诊断工作，是一种十分符合实际应用需要的转向架故障诊断解决方法。
2.2谱峰判定
通常，默认振动峰值被准确地定义为振动信号频谱中的最大振动峰值。因此，当使用计算机在轴承中搜索最大振动峰值时，首先我们需要在振动信号频谱的一个振动信号频带内准确地搜索最大振动峰值。但同时也可能存在这样的振动信号情况：例如，当一个轴承中几乎没有某一类型的轴承发生故障的时候，在轴承振动信号的频谱图中以轴承发生故障的特征频率表示在作为信号中心的振动信号频带内，计算机通过搜索得到的最大振动峰值确实在轴承发生故障的特征频率上，但最大值与振动信号频带内其它振幅信号频率相差不大，如果这样，需要人们仔细观察，它不被计算机误认为可能是计算机的光谱峰。为了尽可能地避免计算机的误判，在频谱上设置故障计算机特征值搜索时，最大特征值搜索频率应明显地大于故障搜索频带内的其他特征值。例如，负责计算机故障频谱数据分析的研究人员调查发现，故障的最高特征率峰值对应点与最低故障峰值对应点之间有一定的误差距离，这就可能导致了计算机在频谱上发生错误，或者叛乱计算机故障时为了使计算机没有发生故障而错误地进行识别，所以计算机需要在频谱上设置一定的错误值，从而可以确定计算机的误差。
结束语
转向架轴承主要零部件的正常使用和运行对于地铁车辆旅客的安全具有重要的意义。为了能够快速、准确地检测和诊断转向架轴承的各种故障和状态，研究的这些方法，在线路运行状态条件下就可进行轴承故障的诊断，并且在一定程度上能够为故障诊断工作的智能化提供出一种新的思路过程。
参考文献：
[1]王远霏，裴春兴，孙海荣.基于加权改进D-S证据融合理论的地铁车辆转向架轴承故障诊断方法[J].北京交通大学学报，2018，42（06）：75-82+90.
[2]刘建强，赵东明，赵楠.一種改进的地铁车辆转向架轴承故障诊断方法[J].铁道学报，2018，40（11）：55-61.
[3]曾琦.地铁车辆转向架的轴承故障诊断方法[J].住宅与房地产，2015（S1）：162.
[4]赵治博. 地铁车辆转向架轴承故障诊断方法研究[D].北京交通大学，2015.
[5]刘建强，赵治博，章国平，王广明，孟双，任刚.地铁车辆转向架轴承故障诊断方法研究[J].铁道学报，2015，37（01）：30-36.