原文传递
地铁列车走行部滚动轴承故障诊断研究
| 论文题名： | 地铁列车走行部滚动轴承故障诊断研究 |
| 关键词： | 地铁列车;滚动轴承;神经网络;故障诊断 |
| 摘要： | 地铁列车转动轴承状况对列车的良好运行非常重要。地铁列车转动轴承一般发生损伤时，往往表示为非比例、非高斯性。高阶数学统计分析能够较好的处理非平稳、非线性、非高斯的信号。最近，为了对轴承损伤进行准确诊断，高阶数学统计分析处理技术在轴承损伤准确诊断中倍受青睐。 首先，本文介绍了人工神经网络和高阶数学统计量理论，重点分析了双谱方法及其算法、性质、以及神经网络构造及其学习算法改进，并将其运用到转动轴承损伤判定中去。然后，本文对地铁列车轴承损伤信号数据分别在时间域和频率域来分析，并利用双谱分析方法用于故障特征的获取，给出外圈损伤、内圈损伤、转动体剥落及正常等4种差异状况下振动信号的双谱图；同时，本文用基于双谱形成的损伤特征向量及6种时域的指标——峰值、峭度、偏度、裕度、波弧和脉冲作为神经网的输入，并利用 BP神经网络识别滚动轴承发生的部位，通过分两种情况对实测的地铁列车滚动轴承振动数据进行深入研究： (1)差异转动轴承损伤类型的双谱特征比较; (2)相等载荷，统一损伤下的差异严重水平的双谱特征分析。 最后，实验研究表明：本文提出的双谱结合 BP神经网络多特征量输入的方法对故障的分类识别的正确率很高，在处理轴承故障中是可行的、有效的，为轨道列车转动轴承损伤诊断提供了新方法。 |
| 作者： | 彭松 |
| 专业： | 电子与通信工程 |
| 导师： | 胡清;钟茂连 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
