1绪论
1.1研究背景及意义
随着城市人口的不断膨胀,城市的交通问题已经成为制约我国城市进一步发展的突出问题。近年来,城市轨道交通和城际客运专线的不断开通运行,使轨道交通成为发展的热点。轨道交通具有运载量大、速度快、准时、绿色能源和占地少等优势,因而成为各大中城市重点发展的对象。
当前我国正处于城市轨道交通建设高速发展时期,预计到2016年,城市轨道线路总长度达到2500公里,到2020年,预计将有超过60多个城市的逾3万辆城市轨道列车投入使用。城市轨道交通的迅猛发展,大量线路开通以及大量列车投入运行,能否保障这些列车的安全运营成为日益关注的问题。城市轨道交通车辆是一套复杂的机电一体化系统,车辆系统的安全状态随着投入运营时间的增加,在不断的变化之中,因而列车运行有可能存在安全隐患。列车走行部滚动轴承是在高速、重载的环境下工作,轴承表面接触应力反复作用,极易引起轴承的疲劳、裂纹、剥烛、.压痕以致断裂、胶着、烧损等现象。列车滚动轴承工作表面一旦出现缺陷损伤,将会带来轴承的旋转精度丧失,振动增加、产生噪声和旋转阻力,甚至轴承滚动体卡滞,造成整个轮轨机械系统的失效,更严重的将造重大列车安全事故。
对走行部滚动轴承常见故障的产生机理的深入了解,釆用合理的故障诊断方法,及时诊断出故障并进行处理,可以有效保证列车滚动轴承系统的安全以及整个列车的运行安全,对于确保轨道交通列车的行车安全有重要意义。通过对列车走行部轴承常见故障的分析和诊断,可以在故障发生的早期发现问题,防止故障隐患的进行一步恶化,预防由于轴承严重故障引起的重大铁路安全事故,并为实现“状态修”创造条件。
本文依托国家高技术研究发展计划(863计划)——“城市轨道列车在途监测与安全预警关键”的子课题“列车在途隐患挖掘与评估预警技术及系统研制”,重点对轨道车辆走行系滚动轴承的故障诊断方法进行了研究,为列车在途隐患挖掘提供了理论与技术支撑。
1.2国内外研究现状
20世纪50年代以来,设备故障诊断技术已经逐渐形成一门完整的学科。国外对列车滚动轴承故障诊断技术的研究开始于20世纪60年代,随后的发展过程中,各种理论的不断提出,方法的不断完善,使诊断的有效性也在不断提高。...................
.........................
2轨道车辆滚动轴承故障诊断方法
轨道车辆滚动轴承由于工作环境复杂,当载荷冲击过大或者受到安装设计不当、润滑状态不良等因素影响时,容易出现各种故障,因而是轨道车辆中最易损坏的部件之一。
本章主要详述轨道车辆滚动轴承故障诊断基础、轴承故障信号特征提取方法,为后文的仿真实验做理论基础。
2.1滚动轴承故障诊断基础
2.1.1滚动轴承振动机理
轨道车辆的滚动轴承一般由四个部分组成,分别是内圈、外圈、滚动体和保持架。轴承内圈一般装配在轴上,与轴共同旋转;轴承外圈通常装配在轴承内或机壳内,起支撑作用。滚动体在内、外圈之间的滚道上滚动,使相对表面间的为滚动摩擦。滚动体一般有钢球、圆柱滚子、圆锥滚子、球面滚子和滚针等,轨道车辆走行部轴承多为圆锥滚子轴承和圆柱滚子轴承。保持架主要作用是将轴承中的滚动体等距离隔开,保持滚动体与内圈或外圈构成组合件,同时还可以引导滚动体正确运动,改善轴承内部润滑性能和载荷分配,因此更适合用于轨道车辆这样的高速旋转设备。为典型的用于列车的双列圆柱滚子轴承图。
轨道车辆是一个复杂的机电一体化综合系统,轴承本身的结构以及装配过程都不可避免的产生误差。同时滚动轴承连接车辆轮对和转向架的部件,在轴承转速和载荷一定时,由轴承、传动轴和轴承底座共同组成的轴承传动系统将产生激励,引发振动,因此车辆运行过程中产生的是复杂的振动和噪声信号,振动的激励产生过程。滚动轴承系统的振动根据振动机理的不同,大致可以分为:轴承本身振动、与轴承加工精度有关的振动和轴承不受处理或存在缺陷引起的振动。
2.1.2滚动轴承的主要故障形式及产生原因
磨损类故障和损伤类故障是滚动轴承的常见故障类型。渐变性是磨损类故障的特点,即在日常使用过程中轴承不断磨损,导致零件间隙逐渐变大,使振动加强,进而轴承的故障程度逐渐增加。磨损类故障振动波形变化没有清晰的规律,且随意性也较大,可以通过计算通频带的振动幅值的变化量的来确定磨损类故障的严重程度。...................
..................................
3基于神经网络的滚动轴承故障诊断...................................26
3.1轴承故障特征量的提取...................................................26
3.1.1基于EMD分解的特征量提取.......................................26
3.1.2基于小波包分解的特征量提取...................................31
3.2神经网络原理与方法....................................................37
3.2.1人工神经网络及其建模方法.....................................37
3.2.2BP神经网络...............................................................38
3.2.3RBF神经网络...........................................................39
3.2.4神经网络建模步骤...................................................40
3.3基于祌经网络轴承故障诊断实验仿真........................42
3.4本章小结.................................................................................51
4基于遗传算法优化的RBF神经网络的滚动轴承故障诊断...... 52
4.1基于遗传算法优化的RBF神经网络模型..............................52
4.1.1遗传基本概念.......................................................................52
4.1.2 GA-RBF祌经网络建模.......................................................53
4.2小波包与GA-RBF神经网络结合故障诊断模型..................55
4.3 EMD与GA-RBF神经网络结合故障诊断模型....................57
...................................
全文总结
本文在了解轨道车辆轴承故障诊断技术现状及赴广州地下铁道总公司现场调研的基础上,针对轨道车辆走行系滚动轴承在线监测与故障诊断问题,提出并建立了 EMD分解结合遗传算法优化的RBF神经网络的轨道车辆滚动轴承故障诊断模型,并利用实测数据进行了仿真验证。
本文主要完成了以下几个方面的工作:
(1)了解了轨道车辆轴承故障诊断技术的现状和发展趋势,对滚动轴承故障诊断的相关知识进行了总结,研究了多种轴承故障特征提取方法,采用神经网络用于轴承故障模式识别,对今后进一步深入研究提供了参考。
(2)重点研究了轴承故障信号特征提取的两种方法,即小波包分析和经验模态分解,阐述了各方法的基本原理与具体实现过程。利用EMD分解包络解调技术对Benchmark数据进行实验,初步证明EMD分解可以用于提取滚动轴承的故障特征。
(3)釆用EMD分解和小波包分解两种方法提取了故障数据的特征向量,釆用BP神经网络和RBF神经网络用于故障模式识别,分别建立了小波包-BP、小波包-RBF、EMD-BP和EMD-RBF四种故障诊断模型,通过仿真实验得出了 EMD在故障特征提取上比小波包有优势,RBF祌经网络比BP神经网络更适合于故障模式识别的结论。
⑷针对RBF神经网络隐层节点中心参数难以最优确定的问题,利用遗传算法全局搜索能力强的特点,提出了一种遗传算法优化的RBF祌经网络算法。釆用遗传算法优化RBF祌经网络的隐层节点中心参数,基于经验确定径向基函数宽度和利用最小二乘法计算输出层权值。仿真实验证明了 GA-RBF用于滚动轴承故障诊断识别的有效性。
（5）针对轨道车辆滚动轴承故障诊断的问题,在北京交通大学轨道交通控制与安全国家重点实验室采集了实测数据,利用实测数据的仿真实验,证明了本文提出的EMD-GA-RBF模型可以用于轨道车辆滚动轴承的故障诊断。...........
参考文献
[1]秦萍,张勤.复杂机械系统实用故障诊断原则的研究[J].西南民族大学学报,2005, 5(6): 956-959
[2]彭惠民.车辆的状态维修与技术诊断[J].铁道车辆,1998,11:40-43
[3] Martin R. Detection of Ball Bearing Malfunction [J], Instruments and Control Systems,1970, (12): 79-81
[4]唐德尧,王定晓,杨政明.共振解调技术与机车车辆传动装置故障诊断[J].电力机车技术.2002,25(5): 14-18
[5] Harting D R. Demodulated Resonance Analysis System:U.S,3842663 [P]. 1974
[6]吴俊伟.Laplace小波在机车轴承故障诊断中的应用研究[D].北京:北京交通大学,2010
[7] 丁福姆,杜永平.机车车辆故障诊断技术的发展[J].铁道机车车辆,2004, 24(4):24-30
[8]姜诚君,李孟源,杨黎明.采用声发射技术对货车轮对轴承故障进行诊断[J].铁道车辆,2004, 8(1):20-25
[9]达正雄,朱元高,陆玮.加强轴承检测,防止机车故障[J].铁道车辆,2001,28(1):35-36
[10]唐德尧,王定晓,杨政明.共振解调技术与机车车辆传动装置故障诊断[J].电力机车技术,2002, 25(5): 1-5
[11]王德志.滚动轴承的诊断与维护[M].北京:中国铁道出版社,1994
[12]李纪顺,高海增,田久明.机车轴承检测的实施[J].铁道机车车辆工人,2003,9:20-21
[13]鲁新义.基于共振解调技术和小波分析的故障诊断[D].武汉:武汉科技大学,2007
[14]盛兆顺.设备状态监测与故障诊断技术及应用[D].北京:化学工业出版社,2003
[15]屈粱生,何正嘉.机械故障诊断学[M].上海:上海科学技术出版社,1991