详情

原文传递城市轨道车辆轴承故障诊断研究

论文题名：	城市轨道车辆轴承故障诊断研究
关键词：	城市轨道车辆;轴承故障;智能故障诊断;小波包分析;自适应遗传算法;最小二乘支持向量机
摘要：	近年来，随着我国城市发展的步伐日益加快、扩张速度的急剧增加，城市交通拥堵现象普遍发生，成为制约城市发展的巨大难题。城市轨道车辆（地铁、城际铁路）的不断运营对提升城市交通通行能力、缓解路面交通压力具有不可替代的作用。及时准确地对城轨车辆进行故障诊断能有效降低其可能出现的严重后果，节约成本，降低风险。据相关统计，城轨车辆运行中的机械故障主要来源于滚动轴承，因此对滚动轴承的故障诊断必不可少。滚动轴承作为在城轨车辆中应用频率最高，范围最广的机械部件之一，其信号特点是不稳定且易受噪声干扰，如何准确提取故障特征并结合故障分析方法进行故障诊断对确保车辆安全平稳运行具有重要意义。　　针对城轨车辆滚动轴承运行过程中可能发生的主要故障，结合国内外传统故障诊断与智能故障诊断技术，分析了滚动轴承常见故障信号特点，提出应用小波包分解重构提取故障特征和运用自适应遗传算法优化最小二乘支持向量机（AGA-LSSVM）相结合的滚动轴承故障诊断模型，并借助虚拟仪器技术与MATLAB开发了城轨车辆滚动轴承故障综合诊断系统，实现了对滚动轴承常见故障的诊断，且准确率较高，人机界面良好。　　首先由小波去噪对振动信号分析处理，减轻噪声信号对正常振动信号的干扰。分别采用时变自回归模型（TVAR）、局部均值分解（LMD）、小波包分解与重构提取振动信号中能反映不同故障状态的能量特征向量，其次，将提取的故障特征输入经过自适应遗传算法优化的LSSVM模型和BP神经网络模型进行故障模式的识别，并将故障诊断的结果输入综合监测系统界面，实现智能化故障诊断。
作者：	毛云龙
专业：	控制科学与工程
导师：	高军伟
授予学位：	硕士
授予学位单位：	青岛大学
学位年度：	2017
正文语种：	中文