强背景噪声下列车轴承振动信号故障特征分离方法研究

《强背景噪声下列车轴承振动信号故障特征分离方法研究》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、密级：公开工学硕士学位论文强背景噪声下列车轴承振动信号故障特征分离方法研究ResearchonTheFaultCharacteristicSeparationMethodofTrainBearingsVibrationSignalunderStrongBackgroundNoise培养单位：机械工程学院专业：机械设计及理论研究生：刘文朋指导教师：杨绍普教授二○一八年六月独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包

2、含为获得石家庄铁道大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：关于论文使用授权的说明本人完全了解石家庄铁道大学有关保留、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅，同意学校将论文加入《中国优秀博硕士学位论文全文数据库》和编入《中国学位论文全文数据库》。本人授权石家庄铁道大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。(保密的论文在解密后应遵守此规定)作者签名：日期：导师签名：

3、日期：摘要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

4、，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

5、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。关键词：列车轴箱轴承；故障诊断；强背景噪声；多点峭度；最大相关峭度解卷积AbstractAxleboxbearingisoneofthe

6、mostimportantpartsinthetrain'swalkingsection.Itisalsooneofpartsmostsusceptibletodamageduetothecomplicatedstructure,ahighrunningspeedandthebadworkingenvironment.Whilethetrainsinoperationprocess,trainaxleboxbearingisaffectedbythesystemandenvironmentparticularlysevereduetotheint

7、erferenceslikerailmotivated,whichleadsthefaultfeathersignalobtainedisusuallyoverwhelmedwithstrongbackgroundnoise.Besides,thefaultsignalandnoisesignalaliasingmutuallyinthefrequencyband,thetraditionalfilteringnoisereductionmethodisdifficulttotheseparation.Howtoseparateoutuseful

8、faultcharacteristicsignaloftrainaxleboxbearingfromstrongbackgroundno