信号自适应分解及其在轨道车辆故障诊断中的应用

《信号自适应分解及其在轨道车辆故障诊断中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：密级：公开硕士学位论文信号自适应分解及其在轨道车辆故障诊断中的应用作者姓名陈欣安学科专业检测技术与自动化装置指导教师杨江天副教授培养院系机械与电子控制工程学院二零一五年三月硕士学位论文信号自适应分解及其在轨道车辆故障诊断中的应用作者：陈欣安导师：杨江天北京交通人学年月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。学校可以为存在馆际合作关系的兄弟

2、高校用户提供文献传递服务和交换服务。保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：《年月丨日签字日期：一年月各日学校代码：公幵：密级北京艾通大学硕士学位论文信号自适应分解及其在轨道车辆故障诊断中的应用作者姓名：陈欣安号：导师姓名：杨江天职称副教授学位类别：：工学学位级别硕士学科专业：检测技术与自动化装置研宄方向：故障诊断北京交通大学年月致谢致谢本论文的工作是在我的导师杨江天副教授的悉心指导下完成的，杨教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢三年来杨老师对我的关心和指导。杨教授悉心指导我们完成了实验室的科研工作，在学习上和生活上

3、都给予了我很大的关心和帮助，在此向杨老师表示衷心的谢意。在读研期间，同实验室的王爽心教授、刘如九老师、付国强等老师对于我的科研工作和论文都提出了许多的宝贵意见，在此表示衷心的感谢。在实验室工作及撰写论文期间，张婷、韩洪兆、赵龙等同学对我论文的研宄工作给予了热情帮助，在此向他们表达我的感激之情。另外也感谢我的家人，他们的理解和支持使我能够在学校专心完成我的学业。摘要摘要城市轨道列车牵引系统故障诊断对保障轨道车辆安全可靠运行，防止交通事故发生有重要意义。为了有效提取轨道车辆故障特征，本文将局部特征尺度分解引入城市轨道列车轴承振动信号分析，取得以下成果：分析了轨道车辆轴承振动信号特点，重点讨

4、论了其非平稳、非高斯性特征与故障的关系。论证了用自适应信号分析方法提取车辆轴承故障特征的有效性和实用性。研宄了常用自适应信号分析方法如经验模态分解（、局部均值分解（和局部特征尺度分解的特点和不足之处。局部特征尺度分解能够自适应地将一个复杂信号分解为若干个瞬时频率具有物理意义的内禀尺度分量与一个余项之和。这一特性使得特别适合于处理非平稳信号。将局部特征尺度分解与经验模态分解对比，局部特征尺度分解在抑制端点效应和迭代所需时间，瞬时特征的精确性等方面优于经验模态分解，因而更适用于振动信号在线分析。总结上述研究成果，开发了城市轨道列车在途安全检测与故障诊断系统。该系统通过以太网监测车辆轴承温度

5、和振动信号，用局部特征尺度分解提取故障特征，实现车辆轴承运行故障早期诊断和预警。系统成功用于广州地铁列车运行测试，能有效诊断各种类型的轴承故障。关键词：城市轨道列车；轴承；故障诊断；信号自适应分解：局部特征尺度分解分类号：ABSTRACTABSTRACTThediagnosisofmechanicalfaultsinurbanrailtractionsystemshasasignificantimportanceonbothsafetyandreliability,whichcanavoidtraincrashes.Inordertoextractthefaultfeatureseff

6、ectively,localcharacteristic-scaledecomposition(LCD)isusedinvibrationsignalanalysisofurbanrailcarbearings.Thecontributionsandconclusionsaremadeasfollows:Inthelightofthecharacteristicsofurbanrailcarbearingvibrationsignal,therelationshipbetweenthenon-stationary,non-Gaussianpropertiesandbearingfaul

7、tsareanalyzed.Asaresult,aframeworkforbearingfaultdetectionbymeansofadaptivesignaldecompositionpresented.Furthermore,characteristicsandshortcomingsoftheconventionaladaptivesignaldecompositionmethods(experiencemodedecompositio