動(dòng)車組機(jī)械傳動(dòng)系統(tǒng)軸承振動(dòng)信號(hào)分析與故障診斷.pdf

1、近年來(lái)，我國(guó)對(duì)外開(kāi)放和社會(huì)經(jīng)濟(jì)的高速發(fā)展，加快了高速鐵路的建設(shè)速度，隨著高速鐵路里程數(shù)和客流量的增多，動(dòng)車組的裝機(jī)量迅速增加，高鐵運(yùn)營(yíng)的安全逐漸成為行業(yè)內(nèi)所關(guān)注的最重要課題。軸承作為動(dòng)車中重要的旋轉(zhuǎn)零件，也是主要故障源之一。在列車的高速重載運(yùn)行中，軸承的早期故障很容易進(jìn)一步擴(kuò)大，從而造成列車顛覆等安全事故。動(dòng)車組傳動(dòng)系統(tǒng)滾動(dòng)軸承的故障診斷，對(duì)鐵路運(yùn)輸?shù)陌踩\(yùn)行有著切實(shí)的意義。本文針對(duì)動(dòng)車組滾動(dòng)軸承常見(jiàn)的內(nèi)外環(huán)故障、滾動(dòng)體故障和正常運(yùn)行四

2、種運(yùn)行狀態(tài)，分別從時(shí)域和頻域?qū)ζ湔駝?dòng)信號(hào)進(jìn)行分析，采用了優(yōu)化的集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition，EEMD)時(shí)頻分析方法與BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）狀態(tài)識(shí)別相結(jié)合的滾動(dòng)軸承智能診斷方法。
　　論文首先系統(tǒng)地介紹了滾動(dòng)軸承故障形式及其產(chǎn)生的原因，軸承各零部件振動(dòng)的固有頻率及其故障特征頻率，然后分析了軸承在四種運(yùn)行狀態(tài)下五個(gè)時(shí)

3、域特征的變化情況和規(guī)律。通過(guò)介紹EEMD時(shí)頻分析方法，針對(duì)其在運(yùn)算效率方面的不足，提出兩種優(yōu)化方法并論證了其可行性。接著論文利用優(yōu)化后EEMD計(jì)算得到的8個(gè)基本模函數(shù)(Intrinsic Mode Functions，IMF)能量分布的非一致性，將各IMF的能量作為BP神經(jīng)網(wǎng)絡(luò)的特征向量輸入。利用BP神經(jīng)網(wǎng)絡(luò)的非線性映射功能，建立神經(jīng)網(wǎng)絡(luò)并實(shí)現(xiàn)滾動(dòng)軸承運(yùn)行狀態(tài)和基本模函數(shù)能量分布之間的映射關(guān)系，對(duì)提取的特征向量進(jìn)行網(wǎng)絡(luò)訓(xùn)練后，測(cè)試并驗(yàn)證