原文传递
动车组机械传动系统轴承振动信号分析与故障诊断
| 论文题名： | 动车组机械传动系统轴承振动信号分析与故障诊断 |
| 关键词： | 动车组;机械传动系统;滚动轴承;振动信号;故障诊断;BP神经网络 |
| 摘要： | 近年来，我国对外开放和社会经济的高速发展，加快了高速铁路的建设速度，随着高速铁路里程数和客流量的增多，动车组的装机量迅速增加，高铁运营的安全逐渐成为行业内所关注的最重要课题。轴承作为动车中重要的旋转零件，也是主要故障源之一。在列车的高速重载运行中，轴承的早期故障很容易进一步扩大，从而造成列车颠覆等安全事故。动车组传动系统滚动轴承的故障诊断，对铁路运输的安全运行有着切实的意义。本文针对动车组滚动轴承常见的内外环故障、滚动体故障和正常运行四种运行状态，分别从时域和频域对其振动信号进行分析，采用了优化的集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)时频分析方法与BP神经网络（Back Propagation Neural Network）状态识别相结合的滚动轴承智能诊断方法。 论文首先系统地介绍了滚动轴承故障形式及其产生的原因，轴承各零部件振动的固有频率及其故障特征频率，然后分析了轴承在四种运行状态下五个时域特征的变化情况和规律。通过介绍EEMD时频分析方法，针对其在运算效率方面的不足，提出两种优化方法并论证了其可行性。接着论文利用优化后EEMD计算得到的8个基本模函数(Intrinsic Mode Functions，IMF)能量分布的非一致性，将各IMF的能量作为BP神经网络的特征向量输入。利用BP神经网络的非线性映射功能，建立神经网络并实现滚动轴承运行状态和基本模函数能量分布之间的映射关系，对提取的特征向量进行网络训练后，测试并验证了神经网络的识别效果。论文最后介绍了滚动轴承故障诊断系统的搭建，分别从硬件和软件两方面对系统进行了简要的阐述，并通过现场实验验证了它在故障诊断中的作用。 |
| 作者： | 刘良峰 |
| 专业： | 电气工程 |
| 导师： | 方进 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
