详情

原文传递 HXD1型电力机车轴箱轴承故障诊断方法研究

论文题名：	HXD1型电力机车轴箱轴承故障诊断方法研究
关键词：	电力机车;轴箱轴承;故障诊断;端点效应
摘要：	轴箱作为机车车辆转向架的重要组成部分，具有连接构架与轮对、承载机车重量、缓冲车体振动等重要作用，保证轴箱性能的稳定是整车安全运行的前提条件。在现场对轴箱的检测中，滚动轴承因转速快、载荷大易发生故障，轴箱轴承的工作状态影响着机车车辆运行的安全性与稳定性，保证轴承正常运转则显得尤为重要。针对机车车辆检修过程中不能及时判定轴承性能且无法精准确定轴承故障发生位置等问题，本文通过对故障诊断中常用的振动信号分析和故障识别方法进行仿真信号测试对比，选取小波包阈值去噪、聚合经验模态分解和希尔伯特包络谱的组合故障诊断方法对现场采集的信号进行分析，结果验证了所选方法的准确性和可行性。基于此方法设计开发出一套针对HXD1型电力机车轴箱轴承的故障诊断系统，该系统可以对轴承振动试验台采集的振动信号进行故障诊断，并以可视化界面输出轴承故障发生的位置，便于检修人员对损伤零部件准确检修。　　本文第一部分介绍了滚动轴承故障诊断方法的国内外发展研究情况，阐述了HXD1型电力机车轴箱轴承的主要结构和失效形式，为故障诊断方法选择提供了理论依据。　　第二部分对振动信号进行去噪以提高信噪比，本文选择小波包阈值去噪法。通过仿真信号分析对比，证实小波包分解对振动信号的分层更为精细；继而选取小波包阈值去噪法对仿真信号进行处理，得到了较为良好的效果，证明小波包阈值去噪可以减少故障信息的流失且去除了振动信号中无用的杂波。　　第三部分对去噪信号进行聚合经验模态分解获取IMF分量。经验模态分解在分解过程中存在端点效应，该问题是由于信号曲线在分解过程中需循环不断的利用三次样条曲线对极值点进行包络，但无法确保任意信号的端点均为极值点而引起端点处的波形发散，最终造成振动信号内部失真。EEMD分解因多次向信号中加入均匀分布的白噪声，可以一定程度的降低端点处的波形发散，但效果仍不明显，本文对如何解决EEMD分解中存在的端点效应问题作为研究重点，选取基于改善端点效应的聚合经验模态分解对振动信号进行分析。　　本文对抑制EEMD端点效应的几种方法进行阐述，并采取三种端点效应评价指标对抑制端点效应的效果进行评价。在波形匹配延拓法基础之上提出了一种新的波形获取方法，该方法利用三角形匹配误差在整个波形中寻找与模板子波最为相似的匹配子波作为延拓波形，可以根据信号内部变化情况来预测信号端点处的走势。采用波形匹配延拓法结合EEMD分解对现场采集的故障轴承振动信号进行故障诊断，振动信号经延拓后再分解得到的峰值频率更贴近轴承各部位的故障特征频率，进一步说明了该方法的有效性。　　基于上述理论研究，本文第四部分选取VisualBasic6.0和MATLAB软件集成开发出了一套针对HXD1型电力机车轴箱轴承的故障诊断系统，经过实测信号输入分析，该系统可以对轴承进行较为精确的故障诊断，系统中还包含了“信号去噪”、“查询”、“经验值维护”等模块便于维修人员操作。
作者：	陈禹州
专业：	车辆工程
导师：	李刚;高伟东
授予学位：	硕士
授予学位单位：	兰州交通大学
学位年度：	2022