基于等角度采样的列车频带变化类故障诊断方法研究

中国机械工程 ›› 2012, Vol. 23 ›› Issue (16): 1957-1961.

基于等角度采样的列车频带变化类故障诊断方法研究

王靖1,2;陈特放1;黄采伦2

1.中南大学,长沙,410075
2.湖南科技大学机械设备健康维护湖南省重点实验室,湘潭,411201

出版日期:2012-08-25 发布日期:2017-05-27
基金资助:
国家高技术研究发展计划(863计划)资助项目(2006AA11Z230）
National High-tech R&D Program of China (863 Program) （No. 2006AA11Z230）

Research on Diagnosis Method to Train's Vibration Frequency Band-varying Fault Based on Uniform Angle Sampling

Wang Jing1,2;Chen Tefang1;Huang Cailun2


1.Central South University,Changsha,410075
2.Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment,Hunan University of Science and Technology,Xiangtan,Hunan,411201

Online:2012-08-25 Published:2017-05-27
Supported by:
National High-tech R&D Program of China (863 Program) （No. 2006AA11Z230）

摘要/Abstract

摘要：

列车轮对部件故障常会受到频带变化因素的影响,如采用一般旋转机械故障监测方法,因谱线整体迁移模糊,可能导致误诊或漏诊。针对这一问题,研究了各影响因素与故障特征之间的动态响应,基于故障机理建立了频带变化类故障的动力学模型,分析了影响因素下的故障特征。提出了基于等角度采样的监测诊断方法,结合列车轮对组件实际情况制定了监测诊断方案,并通过实例应用对该诊断方法的准确性进行了验证。


关键词: 频谱变化类故障, 等角度采样, 系统建模, 故障诊断

Abstract:

Wheelset of train's faults affected by factors such as speed fluctuation,and the vibration signal will act as an overall spectrum band migration.Using the general fault diagnosis method of rotating machinery lead to misdiagnosis or missed diagnosis due to spectrum-line migration.To solve this problem,the dynamic response between such various factors and the fault characteristics was researched in-depth.The whole system coupling dynamic model of the fault characteristics and frequency band-varying factors was established based on fault mechanism analysis.The relationship between the working state parameters and fault characteristics was revealed.The uniform angle sampling method and characteristics spectral analysis method were established.In the end,the train's frequency band-varying fault identification methods were summarized,and the accuracy was verified through the practical applications.

Key words: frequency band-varying fault, uniform angle sampling, system modeling, fault diagnosis

中图分类号:

王靖1, 2, 陈特放1, 黄采伦2. 基于等角度采样的列车频带变化类故障诊断方法研究[J]. 中国机械工程, 2012, 23(16): 1957-1961.

WANG Jing-1, 2, CHEN Te-Fang-1, HUANG Cai-Lun-2. Research on Diagnosis Method to Train's Vibration Frequency Band-varying Fault Based on Uniform Angle Sampling[J]. China Mechanical Engineering, 2012, 23(16): 1957-1961.

[1]	罗洁思, 于德介, 史美丽. 基于SVD和线调频小波路径追踪的转速波动齿轮箱故障诊断 [J]. J4, 201016, 21(16): 1947-1951.
[2]	郑近德, 王兴龙, 潘海洋, 童靳于, 刘庆运. 基于自适应自相关谱峭度图的滚动轴承故障诊断方法[J]. 中国机械工程, 2021, 32(07): 778-785，792.
[3]	陈换过, 刘培君, 俞杭, 肖雪. 基于改进PCA-SOM的电静压伺服作动器油滤堵塞故障诊断[J]. 中国机械工程, 2021, 32(07): 799-805.
[4]	丁嘉鑫;王振亚;姚立纲;蔡永武. 广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断[J]. 中国机械工程, 2021, 32(02): 147-155.
[5]	杨路航1;李宝庆1;王平2,3;王健2,3;杨宇1. 基于概率输出弹性凸包的滚动轴承故障诊断方法[J]. 中国机械工程, 2021, 32(01): 40-46.
[6]	万书亭;彭勃;王晓龙. 基于双时域变换和稀疏编码收缩的滚动轴承早期故障诊断方法[J]. 中国机械工程, 2020, 31(23): 2829-2836.
[7]	孟宗;刘子涵;吕蒙. 基于改进奇异值分解滤波和谱峭度的滚动轴承故障诊断[J]. 中国机械工程, 2020, 31(20): 2420-2428.
[8]	王振亚;姚立纲. 广义精细复合多尺度样本熵与流形学习相结合的滚动轴承故障诊断方法[J]. 中国机械工程, 2020, 31(20): 2463-2471.
[9]	蔡艳平;范宇;陈万;张金明. 改进时频分析和特征融合在内燃机故障诊断中的应用[J]. 中国机械工程, 2020, 31(16): 1901-1911.
[10]	姜少飞;邬天骥;彭翔;李吉泉;李治;孙涛. 基于XGBoost特征提取的数据驱动故障诊断方法[J]. 中国机械工程, 2020, 31(10): 1232-1239.
[11]	陈雪峰, 郭艳婕, 许才彬, 商红兵. [学科发展]风电装备故障诊断与健康监测研究综述[J]. 中国机械工程, 2020, 31(02): 175-189.
[12]	刘洋;刘晓波;梁珊. 基于傅里叶分解方法的航空发动机转子故障诊断[J]. 中国机械工程, 2019, 30(18): 2156-2163.
[13]	张根保;王扬. 基于元动作链理论的数控机床故障分析[J]. 中国机械工程, 2019, 30(16): 1950-1958,1966.
[14]	李从志;郑近德;潘海洋;刘庆运. 基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断方法[J]. 中国机械工程, 2019, 30(14): 1713-1719,1726.
[15]	刘兆伦1,2;张春兰2;武尤2;王海羽2;刘彬1,2. 一种增量式贝叶斯算法及篦冷机故障诊断[J]. 中国机械工程, 2019, 30(10): 1163-1171.