论文部分内容阅读
高速动车组在铁路运输中的比重越来越大,对动车组日常维护和检修也提出了更高的要求。在复杂多变的线路环境下,动车组车辆受到的冲击形式也多种多样,长时间的运行不但增加了动车组悬挂系统的负担,还提高了维护成本。如果车辆在运行中出现悬挂系统的故障,在日常检修未拆卸悬挂部件检测的情况下难以辨别。悬挂系统是高速动车组吸收和传递冲击振动的关键,一旦发生故障,极有可能危害车辆运行的安全性和稳定性。轻者使乘客感到不适、恶心,增加旅程疲劳程度,重者可能引发连锁故障,危及车辆安全和旅客的生命财产安全。因此要想确定进行对悬挂系统故障识别的研究,首先要对悬挂系统故障对车辆动力学性能的影响程度有所了解,其次要对车体、构架振动信号的分析和深入挖掘,找到识别故障特征的方式。本文总结了现有悬挂部件的故障形式、故障原因,分析了故障影响以及在多体动力学模型中的表现形式。用SIMPACK软件建立了某350km/h速度级高速动车组模型,通过仿真说明了模型的准确性。建立了悬挂系统故障后的高速动车组模型,并根据故障部件、故障程度以及故障组合情况的仿真数据进行分类对比。结果表明:(1)高速动车组悬挂参数存在较强的冗余设计,在部件故障不十分严重的情况下,车辆运行动力学性能不会特别严重。部件的故障程度往往存在一个特征值,故障程度超过这个值,将会使车辆动力学性能迅速恶化。(2)轴箱弹簧、垂向减振器、转臂节点的故障关系到车辆的运行安全性,应予以足够的重视。观察构架的振幅谱,根据构架的振动形式变化,共振的产生和频率的移动,可以初步识别出这类故障。(3)横向减振器、抗蛇行减振器和空气弹簧对车辆运行平稳性指标的影响最大,车体横、垂向加速度和摇头角变化也十分明显。观察车体振动振幅谱和加速度最大值的变化,可以初步识别这类部件故障。之后,对车体和构架的振动信号进行了聚合经验模态分解(EEMD),每个信号分解后得到一组反映原信号时频特征的IMF信号。运用信息熵的理论,讨论了能量熵、时间熵、时频熵、奇异熵和平均熵这5个信息熵的原理和代表的物理意义,并对分解后得到的IMF信号求算信息熵。根据变动较大的熵值,建立x轴(能量熵)、y轴(奇异熵)、z轴(平均熵)的信息熵坐标系。每个工况在信息熵坐标系中代表一个点,用不同颜色标记出不同故障对应的工况后,即可明显的看出不同故障的信息熵分布,并根据信息熵坐标系中的分布情况,直观的识别出故障类型。