收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

列车滚动轴承振动信号的特征提取及诊断方法研究

熊庆  
【摘要】:铁路运输是综合交通运输体系的重要组成部分,也是“一带一路”战略的助推器。安全是铁路运输的前题,尤其是在列车经过六次提速和高速铁路蓬勃发展之时,安全问题更是成为全世界关注的焦点。列车是完成铁路运输任务最主要的工具,它能否正常服役直接关系到铁路运输是否安全、高效。而列车是否正常服役直接取决于其关键零部件的运行状态。然而,我国现有列车及其关键零部件的在线辨识、诊断、预测和监控技术远远不能满足综合交通运输体系持续发展的需要。对于这个重要问题,迫切需要研究并提出系统化的列车关键零部件状态辨识和在线监控的方法。鉴于此,本文针对列车的其中一个关键零部件——滚动轴承进行了如下的研究工作:(1)针对滚动轴承故障振动信号在强噪声背景下的解调问题,提出一种基于时延相关运算和集合经验模态分解(EEMD)结合的Hilbert边际谱方法。对原始信号的自相关函数进行离散化的无偏估计,加矩形窗进行时延降噪预处理,对处理后的信号进行包络分析并进行EEMD分解,选择敏感的内禀模态函数(IMF)进行Hilbert变换以得到局部Hilbert边际谱,最后从局部Hilbert边际谱中得到滚动轴承的故障特征信息。通过仿真分析及电机轴承实验数据验证,结果表明该方法比直接包络解调、仅采用时延相关解调及采用时延相关与经验模态分解(EMD)联合解调更能凸显信号的故障特征信息。(2)针对滚动轴承故障损伤程度难以确定的问题,提出一种基于多重分形去趋势波动分析(MFDFA)与粒子群优化最小二乘支持向量机(PSO-LSSVM)的智能诊断模型。先对各状态振动信号进行MFDFA分析,选取敏感性及稳定性最优的两种多重分形谱参数作为故障特征量,然后输入到经过PSO参数优化的LSSVM中进行故障诊断。通过电机轴承数据、列车轴箱轴承在线监测数据验证了该方法的有效性,并与未经过PSO参数优化的LSSVM、SVM方法的诊断结果进行比较。结果表明:所提方法可实现滚动轴承故障位置及损伤程度的智能诊断,比未经PSO参数优化的LSSVM、SVM方法具有更优的泛化性,更短的训练、测试时间。(3)研究了Alpha稳定分布(ASD)参数与滚动轴承故障程度之间的对应关系,提出一种基于ASD参数估计与PSO-LSSVM的智能诊断模型。首先,对各状态振动信号进行ASD参数估计,选取敏感性及稳定性最优的参数组成二维故障特征量输入到PSO-LSSVM中进行故障诊断。通过对电机轴承数据、列车轴箱轴承磨合试验台数据的分析、处理,结果表明:该方法能够有效实现滚动轴承不同故障位置、不同损伤程度的智能诊断。(4)研究了MFDFA参数与ASD参数之间的联系,提出一种基于MFDFA与ASD特征融合的智能诊断模型。首先,对各状态振动信号进行MFDFA,提取五个多重分形特征;同时对各状态振动信号进行ASD参数估计,计算其概率密度函数(PDF),提取五个ASD特征;其次,利用核主成分分析(KPCA)对这十个特征进行降维融合,获取信息互补的特征量。然后输入到PSO-LSSVM中进行故障诊断。通过电机轴承试验数据验证了该方法的有效性,结果表明:所提方法可实现滚动轴承故障位置及损伤程度的智能诊断,相比单一特征方法和相应的单一特征融合方法具有更高的诊断精度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王华,李介谷;人脸斜视图象的特征提取与恢复[J];上海交通大学学报;1997年01期
2 黄丽莉;皋军;;基于局部加权的非线性特征提取方法[J];华中科技大学学报(自然科学版);2013年S1期
3 徐昉,邱道尹,沈宪章;粮仓害虫的特征提取与分类的研究[J];郑州工业大学学报;2000年04期
4 张焱;张志龙;沈振康;;一种融入运动特性的显著性特征提取方法[J];国防科技大学学报;2008年03期
5 张辉;林建华;;网上交易历史记录的特征提取[J];企业科技与发展;2008年18期
6 刘美春;赵敏;谢胜利;;基于邻域空间模式的运动相关电位特征提取方法[J];华南理工大学学报(自然科学版);2009年10期
7 王天杨;程卫东;李建勇;;基于3种测度值的特征提取方法优化评价[J];仪器仪表学报;2010年04期
8 李霆,吉小军,李世中,彭长清,宋寿鹏;回归谱特征提取与识别效果分析[J];探测与控制学报;1999年04期
9 王智文,谢国庆;图像中点、线、面特征提取[J];广西工学院学报;2005年03期
10 朱永娇;;汉字特征提取的量化研究[J];科学技术与工程;2007年10期
11 张颖;姚晓东;;提升小波包特征提取在压缩机信号监测中的应用[J];制造业自动化;2009年06期
12 古辉;吴佳丽;;一种红细胞特征提取与分类识别的研究[J];浙江工业大学学报;2009年05期
13 左黎明;刘二根;徐保根;汤鹏志;;恶意代码族群特征提取与分析技术[J];华中科技大学学报(自然科学版);2010年04期
14 刘克文,周取定;烧结机尾断面图象的特征提取[J];北京科技大学学报;1994年06期
15 冯辅周,丁汉哲;K—L变换在有效特征提取中的应用[J];装甲兵工程学院学报;1996年01期
16 周生祥,冯培恩,潘双夏;材焊接结构加工特征提取方法[J];浙江大学学报(自然科学版);1997年04期
17 李世中,吉小军,朱苏磊;熵值分析法在特征提取中的应用研究[J];华北工学院学报;1999年03期
18 张德干,尹国成,郝先臣,赵海;一种基于概括约简的特征提取新方法[J];东北大学学报;2004年06期
19 曹国辉;;车辆特征提取方法综述[J];中国水运(理论版);2006年03期
20 柳革命;孙超;陈建莉;;基于局域判别基空间能量的特征提取[J];空军工程大学学报(自然科学版);2008年01期
中国重要会议论文全文数据库 前10条
1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年
2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年
5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年
6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年
9 刘红;陈光;宋国明;姜书艳;;模拟电路故障诊断中的特征提取方法[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
10 杜栓平;丁烽;杨华;;基于小波系数聚类的特征提取器[A];中国声学学会2002年全国声学学术会议论文集[C];2002年
中国博士学位论文全文数据库 前10条
1 易军;人脸识别中的特征提取与度量学习算法研究[D];北京邮电大学;2015年
2 段佳;SAR/ISAR目标电磁特征提取及应用研究[D];西安电子科技大学;2015年
3 冯博;雷达高分辨距离像特征提取与识别方法研究[D];西安电子科技大学;2015年
4 沈虹;固体振动产生非平稳信号的特征提取及检测系统的研究[D];河北工业大学;2015年
5 张妮;基于流形特征提取的化工过程故障诊断方法研究[D];中国石油大学(华东);2013年
6 陈斌;连续语音识别特征提取与声学模型训练区分性技术研究[D];解放军信息工程大学;2015年
7 熊庆;列车滚动轴承振动信号的特征提取及诊断方法研究[D];西南交通大学;2015年
8 游大涛;基于听觉机理的鲁棒特征提取及在说话人识别中的应用[D];哈尔滨工业大学;2013年
9 赵武锋;人脸识别中特征提取方法的研究[D];浙江大学;2009年
10 杨先勇;基于信号局部特征提取的机械故障诊断方法研究[D];浙江大学;2009年
中国硕士学位论文全文数据库 前10条
1 韩晓爽;基于激光诱导荧光光谱的油种识别方法研究[D];内蒙古大学;2015年
2 袁芳兵;基于SVM的GSM系统上行干扰判定研究[D];华南理工大学;2015年
3 汤鹏;基于LDA的特征提取及其在人脸识别中的应用[D];河北大学;2015年
4 安磊磊;基于改进PCA和LDA的特征提取方法[D];河北大学;2015年
5 代士超;滚动轴承外圈故障机理建模及双冲击特征提取方法的研究[D];昆明理工大学;2015年
6 王瑞琦;太赫兹光谱降维特征提取及分类方法研究[D];昆明理工大学;2015年
7 江海;心音信号特征提取及分类研究[D];昆明理工大学;2015年
8 董秀青;面向协同过滤的推荐攻击特征提取及检测方法[D];燕山大学;2015年
9 井波;基于EEMD的高速列车安全性态数据的特征研究[D];西南交通大学;2015年
10 梁致汉;基于EEG的脑机接口技术研究与实现[D];天津理工大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978