内容发布更新时间 : 2024/6/4 0:10:02星期一 下面是文章的全部内容请认真阅读。

西南交通大学工程硕士研究生学位论文

第1页

本数字特征及其概率分布特征进行诊断分析，如均值、有效值、峰值和无量纲因子判别方法等。

2.频域分析法。频域分析方法是将时域波形经过FFT变换转换成频谱图，采用振动信号的频谱特征进行诊断分析，如特征频率、幅值、无量纲判别因子等，对故障可以进行精密诊断。

3.时频分析法。采用普通的频谱分析无法同时进行时频分析，找出信号的时域特征。而时频分析法既能够反映时域特征又能够反映频域特征，可以很好的描述故障特征的全貌，常用的时频分析方法有短时傅立叶变换、小波变换、小波包分析等。

4.智能诊断。计算机人工智能与诊断理论相结合形成了具有信息时代特色的智能诊断。当前故障诊断领域中最常用的两类人工智能诊断系统是基于知识的专家系统和基于网络的智能诊断系统。基于知识的专家系统的特点是以知识工程(知识库)为基础，在串行运行的格式中模拟人脑的逻辑思维，实现严格的诊断推理。基于神经网络的智能诊断系统的特点是以神经网络结构为基础，在大规模并行运算格式中模拟人脑的物理结构。

近几年来，通信技术、电子技术、计算机技术、数据处理技术的飞速发展为滚动轴承故障诊断的发展提供了强大的支持。从目前的研究资料来看，故障诊断的发展方向和发展趋势如下:

1.混合故障诊断技术研究。智能诊断技术是故障诊断技术的一个重要的研究方向。将多种不同的智能技术结合起来的混合诊断系统，是智能故障诊断研究的一个发展趋势。结合方式主要有基于规则的专家系统与神经网络的结合，实例推理与神经网络的结合模糊逻辑、神经网络与专家系统的结合等。

2.多信息量融合，多层次诊断集成。集成知识库中的各种诊断知识，结合数据库中的各种故障数据，按照不同的故障情况进行综合分析、判断，定位故障点。主要对状态监测所得到的信息进行融合，然后结合层次诊断模型，按照深浅结合的推理层次进行诊断。它进一步把状态监测中的信号监测处理集成到诊断系统中，进行在线数据处理与在线诊断推理，实现非实时诊断到实时诊断的转变，也实现信息诊断与智能诊断的统一。

3.远程协作诊断。基于因特网的故障远程协作诊断是将诊断技术与计算机网络技术相结合，用若千台中心计算机作为服务器，在企业的关键设备上建立状态监测点，采集设备状态数据;在技术力量较强的科研院所建立分析诊断中心，为企业提供远程技术支持和保障。跨地域远程协作诊断的特点是测试数据、分析方法和诊断知识的网络共享，因此必须使传统诊断技术的核心部分(即信号采集、信号分析和诊断专家系统)能够在网络上远程运行。

4.诊断与控制相结合。根据当前设备的健康状况决定设备运行方式或策略，最终预知故障，从而防止故障的发生，是诊断技术的最高目标。它是把诊断系统和控制系统进一步结合，达到集监测、诊断、控制、管理于一身.它由单机诊断发展到分布式全系统诊断，信息量大，类型多，相应的也就需要多种数据处理和诊断推理方法的联合。

总之，在今后的研究中应进一步对诊断理论与诊断方法加以研究，建立一套完整的故障诊断指导理论和方法体系，将诊断理论和诊断方法能运用到实际的生成中，同时加强对便携式诊断和监测工具的研究，致力于建立简单的故障诊断平台，建立更人性化的人机工作环境，提高诊断的效率，提高人们的设备管理意识，促进故障诊断技术的应用和发展。

1.4 机车故障诊断与监测技术的发展现状与趋势

作为保障机车运行安全的基本措施之一，机车故障诊断与监测技术可以对早期故

西南交通大学工程硕士研究生学位论文

第1页

障做出预报，提出对策或建议，发挥了极大的作用。上世纪 80年代以来, 随着现代测试技术、计算机技术和信号处理技术的迅速发展，机车故障诊断和监测技术也得到了很大的发展，各国铁路都在积极地开展工作，故障诊断和监测技术在机车中的应用越来越广泛。

1.1965年美国Servo公司推出了第一套安装在道旁的红外热轴探测系统，将轴承温度信号记录在记录纸上，由有经验的人员来辨别轴温情况。现在轴温探测普遍采用了计算机和网络技术，可自动测量轴承温度，自动定位和预报轴承故障，因此得到了广泛的应用。近年来，GM公司电力驱动分部（EMD）又开发了基于商业无线通讯网络的机车远程检测诊断系统，利用车载检测装置测量记录机车的状态信息，通过无线网络将数据发送到EMD的机车管理中心，那里的专家可对数据进行分析并对机车状态做出判断， 发现故障可及时通知检修基地做好相应准备。这一系统使机车的运行和状态数据实时性更强，能及时发现并排除故障，提高了运输安全性，此外可以缩短检修停时，提高机车的可用性和实际利用率，效益非常显著。

美国、加拿大、澳大利亚铁路以重载运输为主，重点发展了道旁检测诊断技术，不同企业及研究机构充分合作，共同研发了内容广泛的道旁检测网络系统，对运输安全起了积极的保障作用。其中在滚动轴承的检测和诊断方面做了大量的工作，其成果值得我们借鉴。此外美国在机车状态检测与诊断方面也做了大量的工作，开发了机车车载检测装置及基于无线通讯网络的机车远程检测诊断系统，提高了机车利用率。

2.德国铁路从1975年开始研究故障诊断技术，1980年左右随着微电子技术引入机车，诊断技术也受到了重视，现在它已经成为机车运营和维修的重要辅助工具。ICE1高速机车装设了计算机辅助故障管理系统，它具有从故障产生到故障排除及统计分析的全面管理作用，覆盖了车上的大部分主要部件或系统。其综合控制装置包含 100 多个由计算机控制的分系统，控制计算机同时承担诊断任务。分系统的诊断结果以代码型式向上传输，采用串行通讯方式，在车辆及机车级上集中和显示，节省了分系统的显示装置。诊断任务包括故障通报、故障定位、采集故障出现的频率及环境条件、显示诊断结果、存储履历、集中查询、补救程序、接受人工输入故障、测试运行、显示过程值、统计数据等。ICE2有很多与ICE1相似之处，但在转换器、存储器、故障输入、供电装置等方面做了较大改进。ICE3和ICE-T机车采用了新一代基于机车通讯网络 （TCN）检测和控制系统。诊断系统的功能是处理所有诊断子系统记录的所有事件，并将有关信息显示给司机、机车长/运转车长和随车技术人员，也可以直接通过无线网络将数据传输到基地。

欧洲铁路以高速客运为主，主要发展了车载检测诊断技术，机车上的控制计算机同时具备诊断功能，可对多种机车部件或子系统进行诊断。其发展趋势是网络化，应用各种现场总线技术将不同位置、不同功能的诊断装置连接成网，实现信息共享和集中管理。

3.日本于20 世纪60年代修建并开通了第一条新干线高速铁路，率先开始了高速化进程。为保证安全和降低维修成本，很早就开展了机车、车辆和动车组的故障诊断研究，如利用通用仪器进行了振动和铁谱分析技术的应用研究，特别是通过测量和分析电力机车上一些旋转机械的振动加速度O/A 值，对判断标准的设定做了探讨。为提高高速机车运行的安全性和舒适性，研究开发了车载检测诊断系统，比如在200系新干线高速电动车组上装设了仪器，可同时检测8个被测部位的垂向和横向振动，并根据有关舒适性指标对机车运行状态进行判断，推测不良部位，以实现有效的检修，数据可显示和打印输出。700系动车组采用了智能化检测系统，可对主要电气装置的动作和控制状态进行直接检测，并可传送到操纵台的中央检测装置，还可以为维修提供数

西南交通大学工程硕士研究生学位论文

第1页

据，简化维修作业。

日本铁路也是以高速为主，但与欧洲不同的是除开发车载检测装置外还开发了很多面向机车检修方面的仪器和装备，应用在检修基地。研究、开发工作的有组织进行，诊断技术研究会 (联络会)起了很大的作用,，诊断方法、种类呈现多样性，包括振动、电气、油液分析等，现场应用效果良好。

4.俄罗斯 (包括前苏联)自20世纪80年代起，包括全苏铁路运输科学院、高等院校、铁路局和机务段在内的许多单位和部门都投入了力量，在电气、轴承、柴油机、轮对等很多方面开展了诊断技术的研究、开发和应用工作。

俄罗斯铁路在电气、轴承、柴油机、轮对等很多方面开展了诊断工作，采用各种方法与计算机技术结合开发了多种仪器，并在机务段和车辆段进行了推广应用，取得了较好的效果。在高速动车组上，利用控制计算机进行某些部件的诊断，以保证机车的运行安全。

5.我国铁路自20世纪80年代起，积极开展了诊断技术在机车上的应用工作，进行了内容广泛的诊断技术研究、开发和应用，技术上取得了很大进展并获得了明显的经济效益。所采用的故障诊断方法主要有温度探测、光铁谱分析、电气参数检测、动态压力检测及振动诊断等，新的理论、方法和技术的探索与应用包括模式识别、灰色系统、模糊数学、专家系统、小波变换、神经网络、遗传算法等。20世纪90年代初开发的机车轴承诊断仪，可提取峭度系数、均方根值等多个特征参数，并具有共振解调分析功能。随后开发的机车轴承动态检测系统采用了多参数灰色关联分析方法，用于中修机务段和轴承厂，对单件轴承的动态品质进行检测和自动判别，保证良好的轴承才能装车使用。机车走行部顶轮诊断系统，可用于各机务段在机车不解体条件下，诊断机车的轴箱轴承、牵引电机轴承、抱轴承、空心轴轴承及牵引齿轮等的状态，保障运用机车走行部的安全。为提高货车的运行安全、减少不必要的拆卸，开发了货车轴承诊断系统，安装在车辆段轮对检修流水线上，对未到期的轴承进行诊断。该系统经多次改进已成为机电一体化装备，轴承故障可自动识别，取得了比较好的效果。此外还研究了小波变换、神经网络及遗传算法等在轴承诊断中的应用，并进行了大量的现场实践和技术推广，基本解决了机车旋转机械部件的故障诊断问题，促进了故障诊断技术在机车上的应用和发展。特别是在机车轴承诊断方面，不仅做了大量的技术开发和推广工作，而且从管理的角度制订了相关的规范，使轴承诊断工作制度化和规范化。目前全铁路绝大多数中修机务段都建立了机车轴承检测站，有些机务段还对传统的检修管理模式做了相应的改革，将诊断与维修分离，前者负责机车入段维修前的测试诊断，提出修理、更换内容，并进行维修后的检验，后者根据诊断结果进行有针对性的修理或更换，对未达到质量要求的部分进行返工修复。这样，既保证了机车的检修质量和运行安全，又节约了维修成本，经济和社会效益十分显著。

中国铁路在铁谱、电气性能、振动等方面进行了广泛的应用研究和开发，研制的仪器、装备已在全铁路范围内获得了应用，正在改变着机车检修模式。同时也开发了一些车载检测诊断装置，对机车的提速起了安全保障作用。

1.5 本文研究的主要内容、目标

本文通过对故障的振动诊断方法、机车走行部监测与故障诊断技术的研究，比较分析目前使用的机车走行部车载监测装置，探讨各机车走行部车载监测装置存在的优缺点，结合深度国产化HXD1型机车走行部结构特点，提出深度国产化HXD1型机车走行部车载监测装置使用的建议，使机车走行部车载监测装置更为准确可靠，实现对机车走行部质量安全可靠性的分析判断。

西南交通大学工程硕士研究生学位论文

第1页

第二章 故障的诊断与监测技术

2.1时域分析法

直接对振动时域信号进行分析和评估是故障诊断和状态监测最简单和最直接的方法，特别是当信号中含有简单谐振信号、周期信号或短脉冲信号时更为有效。直接观察时域波形可以看出周期、谐波、脉冲，利用波形分析可直接识别共振现象和拍频现象。当然这种分析对比较典型的信号或特别明显的信号以及较有经验的人员才比较适用。此外还可利用各种示性指标来进行诊断。

2.1.1故障诊断特征量示性指标

作为故障诊断特征量的一些示性指标如下：

??1 T?平均幅值 Xp?x(t) dt?T 0?1 T2均方根幅值 XRMS?x(t) dt??T 0? ? （2-1） 21?1 T?方根幅值 Xr??x(t)2dt?? 0?T??? ?3?偏斜度指标 (简称偏度) ?3?xp(x) dx ??? ??峭度指标 (简称峭度) ?4?x4p(x) dx? ???峰值??maxx(t) X?????式中 x(t)——系统中某特征点的振动响应； T?——?采样时间；

——x(t)的概率密度函数。

1.在旋转机械振动监测和故障诊断中，对于波形复杂的振动信号，常常采用其峰-峰值（双振幅），记为p?p，即最大峰值与其相邻的最低谷值之间的幅值作为振动大小的特征量，称为振动的“通频幅值”。峰-峰值的提取十分方便。

2.利用系统中某些特征点振动响应的均方根幅值作为故障诊断的判断依据是最简单、最常用的一种方法。均方根值诊断法多适用于稳态振动的情况，当机器振动不平稳、振动响应随时间变化时，可用振幅-时间图诊断法，该方法在研究系统的过渡过程(开机和停机)中是有效的，根据曲线的变化可以判断系统的状态和故障。

3.比值

?33?xxp(x)称为偏态因数（简称偏态），此处?x为标准偏差。偏态是概率密度函数

?4?x4??4??4?3??或?x?称为峰态因数（简称峰态），是概率密度分布

不对称性程度的度量。比值

峭度程度的度量。对于正态分布来说，其偏态等于零，对于一般的实际信号来说，偏态也接近于零。高阶偶次矩对信号中的冲击特性较敏感，而峭度是不够敏感的低阶矩与较敏感的高阶矩之间的一个折中特征量，它可以用于滚动轴承的故障诊断。例如，轴承圈出现裂纹，滚动元件或滚珠轴承边缘剥裂等，在时域波形中都可能引起相当大的脉冲，用峭度作为故障诊断特征量是很有效的；但用于滑动轴承的故障诊断就不灵敏了。

4.当时间信号中包含的信息不是来自一个零件或部件，而是属于多个元件时，例

西南交通大学工程硕士研究生学位论文

第1页

如，在多级齿轮的振动信号中往往包含有来自高速齿轮、低速齿轮以及轴承等部件的信息，在这种情况下，可利用下列的一些无量纲示性指标进行故障诊断或趋势分析：

波形因数K?峰值因数XRMS,Xp?XXRMS,脉冲因数????X?Xp? ? （2-2） ?X??=Xr??

裕度因数?=在选择上述示性指标时，按其诊断能力由大到小顺序排列，大体上为峰态因数→

裕度因数→脉冲因数→峰值因数→波形因数。

图?2-1中示出了一个轴承外圈在工作了?21?小时后出现损伤，其峰态因数和峰值因数的变化趋势。由图可见，当轴承正常工作时，两者都接近于3，当出现损伤时，峰态因数的变化趋势非常明显，其值可达?13，这是因为信号中脉冲成分比较明显的缘故。而峰值因数相比峰态因数则变化得不够明显。

图2-1 轴承外圈损伤时峰态因数和峰值因数的比较

2.1.2 时域故障诊断的概率分析法

对于各种状态历经的随机过程，可用其时间历程的概率分布来描述。图?2-2?所示为某一信号的时间历程及其概率密度函数p(x)，p(x)可由下列关系式计算：

p(x)?limp??x?x(t)≤x??x??? x? x?0?lim Tx?1?lim （2-3）

?x?0? x?T??T???式中，Tx是在总的观测时间?T?中信号x(t)位于?x, x?? x?区间内的所有时间之和。

图2-2 信号及其概率密度函数

2.1.3 时域同步平均法

时域同步平均法是从混有噪声干扰的信号中提取周期性分量的有效方法，也称相

干检波法。

我们知道，一个随机信号的时域平均起着滤波的作用，当平均次数?N?无穷大(或相当大)时可得信号的直流分量，即平均值。当随机信号中包含有确定性的周期信号时，如果截取信号的采样时间等于周期性信号的周期?T，将所截得的信号叠加平均，就能将