列車滾動軸承性能退化評估方法研究.pdf

1、近年來，軌道交通憑借運力大、速度快、安全高效、綠色環(huán)保等特點，在我國乃至世界范圍的綜合運輸網絡中都發(fā)揮了至關重要的作用。滾動軸承作為列車的關鍵旋轉部件，其運行狀態(tài)的好壞直接影響著整個列車的行車安全。而滾動軸承從正常到失效往往要經歷一個連續(xù)的退化過程，因此，在設備運行過程中實現(xiàn)軸承性能退化程度的準確監(jiān)測，對有針對性的制定部件維修計劃，防止事故的發(fā)生有重要意義。本文基于上述主動設備維護的思想對列車滾動軸承性能退化在線評估進行了如下系統(tǒng)的研究

2、工作:
　　1.在認真梳理了列車滾動軸承的構造、退化模式及常用信號處理方法的基礎上，充分借鑒了相關領域的研究成果，系統(tǒng)的提出了針對數據不同完備情況的列車滾動軸承性能退化的在線評估方法。
　　2.針對所提取的特征向量需充分描述滾動軸承所處退化狀態(tài)這一難點，本文應用局部均值分解方法將所采集到的振動加速度信號進行分解，通過比較發(fā)現(xiàn)局部均值分解方法比常用的經驗模態(tài)分解方法分解效率更高，辨識效果更佳;其次，對分解后的各分量從時域方面進

3、行多特征提取;最后應用主成分分析方法對各分量的所提取的特征指標進行降維和融合，將得到的主元作為最終的特征指標。
　　3.針對列車滾動軸承數據不完備情況，提出了基于支持向量數據描述的軸承性能退化在線評估方法，并進行了自適應報警閾值的設定。該方法僅通過將滾動軸承正常運行時的特征數據作為輸入，訓練支持向量數據描述得到特征空間的最小容積的超球體，進而根據軸承待測狀態(tài)的特征值到超球體球心的距離值量化滾動軸承的退化程度。在此過程中利用基于相似

4、度權重動態(tài)調整的粒子群算法對支持向量數據描述建模中涉及到的核參數及懲罰值進行了選取。通過利用兩個滾動軸承的實際數據對上述方法進行了測試，證實該方法能在數據不完備狀況下準確識別軸承的性能狀態(tài)變化，并及時作出報警。
　　4.針對列車滾動軸承數據完備的情況，首次提出了分段投票思想，并將其與最小二乘支持向量機及最小二乘支持向量回歸結合，進行了軸承退化模式在線識別、性能退化評估及剩余壽命預測。通過軸承的全壽命特征數據進行了實例驗證，證實將傳