论文部分内容阅读
铁路运输的快速发展对机车车辆行车稳定性、舒适性及各部件服役安全性的要求越来越高。滚动轴承作为机车车辆走行部中的重要支撑部件,其服役状况、动力学性能及使用寿命对机车车辆安全、稳定、高效的运行有着至关重要的影响。因此开展机车车辆走行部轴承性能退化及寿命预测方法的研究,具有重要的应用价值。基于对轴承性能退化过程的识别与跟踪和对轴承剩余寿命预测的强烈需求,对近五年我国高速动车组轴承的故障情况进行了统计分析,并总结和分析了机车车辆轴承故障诊断与剩余寿命预测的研究现状,提出了针对我国机车车辆轴承故障诊断与剩余寿命预测的合理设想,以期实现更好的轴承监测和剩余寿命预测,保障机车车辆的安全运行。本文主要研究内容如下:(1)损伤-振动耦合作用下的滚动轴承性能退化机理研究。建立了滚动轴承损伤-振动耦合作用下的性能退化模型,并提出了针对耦合模型的数值解法。随后以6209深沟球轴承内圈内表面裂纹为例,将轴承内圈内表面裂纹作为切入点分析了过盈装配、内圈裂纹和转速对轴承原始设计载荷分布的影响,进一步分析了载荷分布的改变对裂纹扩展的影响,更清晰的阐述了损伤-振动之间的耦合关系。最后通过数值模拟和实验验证手段验证了所提出的耦合模型及其数值解法,实验结果表明:损伤-振动耦合作用将加速裂纹的扩张,导致轴承性能退化过程要比传统物理模型下的退化过程更加迅速。(2)基于符号动力学熵的轴承性能退化状态识别及跟踪方法研究。针对损伤-振动耦合模型中,快变振动分量与缓变损伤分量在时间尺度上的差异,提出了基于多尺度符号动力学熵的轴承损伤程度识别及跟踪方法,该方法通过熵值变化率、互信息、伪近邻等方法确认了最佳符号数量、最佳嵌入维数和最佳延迟时间等影响多尺度符号动力学熵算法的关键参数。随后提出了基于距离评估技术的敏感特征提取方法,该方法通过求取的类间平均距离计算敏感因子,进而筛选出用于损伤程度识别的敏感特征分量,随后将筛选出的敏感向量利用支持向量机方法识别出故障位置。最后通过实验验证,验证了所提出的算法在退化状态识别及跟踪上的优越性。实验结果表明,相较于传统的均值法、均方差法、峭度值法、样本熵法及排列熵法,提出的多尺度符号动力学熵能够很好的识别出不同的缺陷尺寸,结合支持向量机理论可以准确识别出故障位置。(3)基于变分模态分解的轴承性能退化状态识别及跟踪方法研究。针对损伤-振动耦合模型中快变振动分量在缺陷产生早期十分微弱且铁路工况中背底噪声和干扰极大的情况,本文提出了基于变分模态分解技术的轴承性能退化识别及跟踪方法。该方法在传统变分模态分解的基础上利用能量差法和合成谱峭度法实现了对模态数和惩罚系数的最优化选择,从而提高了变分模态分解精度。提出了基于相关系数、奇异值和谱峭度的最优IMF分量综合评价标准,通过综合评价指标筛选出用于信号重构的IMF分量,实现了对早期故障的识别以及对退化状态的跟踪。随后通过数值模拟和实验验证等手段对所提方法进行了验证,实验结果表明,所提出的基于变分模态分解的轴承性能退化状态识别及跟踪方法能有效的识别出强背底噪声下轴承早期故障特征频率,同时重构后的信号最大化的包含了原有信号中的故障信息。(4)基于物理-数据驱动的滚动轴承剩余寿命预测方法研究。基于损伤-振动耦合模型提出了一种滚动轴承剩余寿命预测方法,该方法建立了滚动轴承的性能退化模型,采用前文中提出的多尺度符号动力学熵方法和基于变分模态分解方法提取特征向量,通过U统计方法和切比雪夫原理识别滚动轴承性能退化的不同阶段。随后将特征向量中包含的轴承性能退化指标作为输入,利用数据驱动方法对参数进行更新,进而准确预测滚动轴承剩余寿命。实验结果表明,基于物理-数据驱动的滚动轴承剩余寿命预测方法,可以利用物理模型损伤机理的研究以及历史数据计算模型参数,随后采用数据驱动方法,通过分析实时采集到的振动数据对模型参数进行更新,最终实现了更精准的轴承剩余寿命预测。