原文传递
列车滚动轴承安全服役状态辨识与剩余寿命预测方法研究
| 论文题名： | 列车滚动轴承安全服役状态辨识与剩余寿命预测方法研究 |
| 关键词： | 城市轨道列车;滚动轴承;安全服役状态;剩余寿命;预测模型 |
| 摘要： | 近年来，随着城市人口的急剧增长，轨道交通由于其运量大、速度快、准时、节约能源等优点，已成为解决城市交通拥堵问题的最佳选择。作为城市轨道列车的关键部件，滚动轴承工作状态的优劣直接关系到列车的行车安全，在高转速、重载荷的恶劣工作环境下，轴承工作面由于受接触应力的长期反复作用，极易产生磨损、裂纹，严重的甚至会导致轴承断裂，据统计仅有10％～20％的滚动轴承可以达到设计寿命。因此，准确、稳定且高效的城轨列车滚动轴承安全服役状态辨识和剩余寿命预测方法，对于减少列车事故的发生，提高运营的主动安全保障能力并降低维修成本有着重要意义。鉴于此，本文进行了如下研究工作: 1.在充分了解列车滚动轴承的构造、故障机理及常用状态监测手段的基础上，深入分析了基于振动信号分析的列车滚动轴承安全服役状态辨识及剩余寿命预测方面的国内外相关研究现状。 2.针对其中涉及到的状态特征提取的技术难点，提出了基于统计模型法的状态特征提取方法。首先，简单介绍了统计模型法所涉及到的常用分布类型;其次，进一步给出了该特征提取方法的关键技术手段;最后，分别针对滚动轴承不同损伤类型和不同损伤程度的振动数据，设置了多个算例，详细阐述了该方法的具体实施过程，并验证了所选特征对不同轴承损伤状态的表征性能。 3.从列车滚动轴承不同安全服役状态间的界限具有高度模糊性的角度出发，提出了基于区间二型模糊C均值聚类的状态辨识方法，并与传统的模糊C均值聚类方法进行了多组对比实验，分析比较了它们在分类效果、迭代效率及在不同强度的模拟列车实际工况噪声环境下的算法鲁棒性等方面的性能差异。 4.基于前文状态辨识方面的研究成果，进一步探讨了基于神经网络的列车滚动轴承剩余寿命预测问题。详细阐述了BP神经网络和GA-BP神经网络预测模型的建模过程，并利用全寿命周期的轴承外圈故障振动数据进行实例验证，证明了基于GA-BP神经网络的剩余寿命预测方法的优越性。 |
| 作者： | 于珊 |
| 专业： | 安全科学与工程 |
| 导师： | 秦勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
