论文部分内容阅读
轴箱轴承是列车走行部的关键部件之一,由于其结构复杂、运行速度高、工作环境恶劣,也是最容易发生损伤的部件之一。由于受到轮轨激励及环境的影响,轴箱轴承振动信号的频率成分极其复杂,其故障特征信息往往被强烈的背景噪声所淹没,故障信号与噪声信号在频带上互相混叠,传统的滤波降噪方法难以处理。如何从强背景噪声信号中分离出有用的故障特征信息,是列车轴箱轴承状态监测和故障诊断的一个重要内容。本文研究工作主要包括:(1)针对列车轴承单点故障特征在强背景噪声下的分离难题,提出了一种基于典型谱相关峭度图算法的改进型共振解调方法。该方法在典型谱峭度图算法的基础上,将相关峭度指标代替峭度指标,并通过优化谱相关峭度值,快速定位典型故障冲击信号所在的频率区间。经分析表明:该算法能降低背景噪声和其它非故障冲击信息的干扰,自适应地定位共振频带,实现故障特征与强背景噪声的分离。(2)针对列车轴承复合故障特征在强背景噪声下的分离难题,提出了一种基于多点峭度谱和最大相关峭度解卷积相结合的滚动轴承复合故障诊断方法。克服了传统的最大相关峭度解卷积方法需要预知故障特征周期的不足。首先利用多点峭度谱对采样信号进行处理,对预先估计的故障特征周期进行修正,再将优化后的各故障周期精确值依次代入到算法中,实现复合故障的分离提取。研究表明:即使在转速未知的情况下,该方法依然可以有效的分离滚动轴承的复合故障特征。(3)以轮对轴箱轴承为研究对象,对以上提出的两种诊断方法进行试验验证。结果表明:基于典型谱相关峭度图的改进型共振解调方法无论在准确性还是在稳定性方面均表现出了极大的优越性,优于基于典型谱峭图的共振解调方法;基于多点峭度谱和最大相关峭度解卷积相结合的滚动轴承复合故障诊断方法扩展了最大相关峭度解卷方法的应用范围,实现了复合故障特征的有效分离。