原文传递
局域均值分解在机车轴承故障诊断中的应用研究
| 论文题名： | 局域均值分解在机车轴承故障诊断中的应用研究 |
| 关键词： | 铁路机车;滚动轴承;故障诊断;时频分析 |
| 摘要： | 滚动轴承是机车车辆的关键零部件之一，其工作状态直接影响到机车的性能和行车安全。本文针对机车轴承故障征兆提取的难题，将局域均值分解(Local MeanDecomposition，LMD)和1.5维谱引入轴承振动/声学信号分析，取得以下研究成果。 本研究分析了机车轴承振动/声学信号特点，重点讨论了其非平稳、非高斯特性，论证了用时频分析方法提取机车轴承故障特征的有效性和实用性。分析了常用时频信号分析方法（小波变换、经验模式分解等）的特点和不足之处。局域均值分解(Local Mean Decomposition，LMD)是近年来出现的一种相对新的时频分析方法。LMD方法可以自适应地将信号分解为若干乘积函数(Productfunction，PF)分量之和，其中每个PF分量为一个包络信号和一个纯调频信号的乘积。信号分解与解调过程同步完成，获得原始信号完整的时频分布。和经验模式分解(Empirical mode decomposition)方法对比，结果表明LMD方法在端点效应、迭代次数等优于EMD方法。针对LMD方法存在的问题，本文研究加入辅助高频谐波分量抑制模态混叠，选用B样条包络分析来解决滑动步长选取问题，运用极值点镜像延拓法减少端点效应的影响，并进行了有效试验验证。总结上述研究成果，提出了先进行改进局域均值分解，再采取1.5维谱处理得到的乘积函数分量的机车轴承诊断方法，成功用于DF4型机车内燃机配气齿轮系的故障诊断。 |
| 作者： | 贾依娇 |
| 专业： | 检测技术与自动化装置 |
| 导师： | 杨江天 |
| 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
