随着城市轨道交通网络的发展,地铁等轨道交通给人们带来了很大的便利,因此其安全问题也日益引起关注,机械部件中旋转机械是最容易出现故障的,也是最容易引起重大事故与人员伤亡的,在受人们重点关注的旋转机械部件中,轮对又占据重要地位,轮对的健康状态直接关系到车辆运行的安全性与平稳性,因此,建立城市轨道交通车辆轮对的检测与诊断系统十分重要,系统的核心应是轮对故障的分类与特征提取,并且构建完整的故障诊断流程。(1)本文首先介绍轮对故障诊断的研究现状,介绍其诊断时常用的时频分析方法,之后重点介绍稀疏分解方法的研究状况及其在机械故障诊断领域的应用,并确定其为本文的主要故障诊断方法,最后介绍轮对擦伤与多边形的振动机理与故障特性。(2)轮对的早期故障多耦合,信噪比较低,有用的故障信号多淹没在周围大量的无用噪声信号中,根据稀疏分解算法重构信号后可以有效去噪的特点,提出了改进的稀疏分解去噪算法,利用仿真信号验证了此算法的有效性,并建立轮对故障试验台,对轮对擦伤信号进行稀疏分解去噪,重构后可大大提高故障信号的信噪比,可证明此算法的有效性。(3)针对信号的故障冲击容易被淹没的特点,引入数学形态法对微弱的故障信号进行故障特征能量增强,数学形态法采用开-闭与闭-开形态滤波器结合,并用峭度值自适应选取结构元素长度,实验证明可有效增强故障特征冲击信号,加强较微弱故障信号的特征提取与识别。(4)提出稀疏形态分析法(Sparse Morphology Analysis,SMA)进行轮对的故障诊断。原始信号首先进行稀疏分解重构去噪,针对稀疏分解计算复杂用时长的缺点,用自适应的免疫粒子群算法来优化寻优过程;之后用自适应的数学形态法来增强故障特征信号,并对稀疏形态法重构信号进行频域变换可提取故障特征频率,利用仿真信号与轮对擦伤信号实验验证其有效性,最后采用SVM进行轮对擦伤信号的诊断与分类。(5)针对以上研究内容,构建城轨列车轮对故障诊断系统,可对轮对进行数据采集与数据分析,实验可证明其有效性。本文在车辆轮对上进行探索,研究针对轮对故障机理与信号特征的故障诊断算法,可在地铁等城轨列车的早期故障时及时检测并诊断到相关故障,可增强城市轨道交通的运行稳定性与安全性,降低故障维修成本。