【技术实现步骤摘要】
本专利技术涉及轴承故障诊断
,尤其涉及一种轨道列车走行部滚动轴承故障的诊断方法,该方法基于指数平滑预测的滑动时间窗分割算法并用于局部特征提取,利用改进Adaboost算法进行故障分类。
技术介绍
在国民经济中,滚动轴承被称之为“工业的关节”。滚动轴承的发展往往代表了一个国家机械工业的发展水平。在各种大型工业设备中,滚动轴承往往作业在高速、高温、高压等恶劣环境中,其故障诊断显得尤为重要。尤其在轨道交通领域,其潜在的故障严重威胁着轨道交通行车安全。轨道列车的基本组成部分分为:车体、走行部、制动装置、车钩缓冲连接装置以及车辆内部设备。走行部是转向架的主要组成之一,其主要任务是减轻轮轨相互作用力从而保证列车在实际运行中的稳定性。它由七个主要部分组成:构架,轮对,轴箱及定位装置,弹簧悬挂装置,牵引装置,基础制动装置,驱动机构。其中滚动轴承是轴箱结构主要部件,其结构一般由内圈,外圈,滚动体和保持架组成。因此,常见的滚动轴承故障主要分为内圈故障、外圈故障以及滚动体故障,如何能够有效的提前预防并有效减少轨道列车中走行部滚动轴承的故障是关系到轨道列车能否安全、平稳、高效的运营至关重要的因素。滚动轴承故障诊断技术发展四十多年来,诊断方法不断的深入和完善,取得了良好应用效果。20世纪70年代,主要的故障诊断技术是冲击脉冲技术和运用频谱分析仪来进行轴承故障诊断。冲击脉冲技术是采用冲击脉冲的最大值判断轴承故障;频谱分析仪是利用傅里叶变换从频域的角度出发去提取信号的频域特征,从而判断轴承故障。20世纪90年代后,各种基于计算机的信号分析处理的故障诊断方法得到了飞速的发展,其中 ...
【技术保护点】
一种轨道列车走行部滚动轴承故障的诊断方法,包括状态信号采集过程、状态信号提取过程和状态模式识别过程,具体包括如下步骤:1)利用数据采集模块实时采集轨道列车走行部滚动轴承振动数据,得到实时时序数据,设为L;2)针对L通过基于指数平滑预测的滑动时间窗分割算法对实时时序数据L进行分割,获得时间序列数据L的主要趋势,获得数据初始分割点;3)对上述初始分割点进行校验,得到最终分割点;4)根据K个分割点,确定V型波的范围;一个V型波即为一个局部周期范围;5)将实时数据L分割成了若干个局部周期数据,由V型波作为一个局部范围,构建数据的局部频谱图;6)对局部频谱图的频谱区间进行一致化处理;7)提取每个样本局部频谱图中,幅值最高的前n项所对应的局部频谱区间的中间点频率,作为该样本的特征向量;8)状态模式识别:通过改进Adaboost算法进行故障分类,得到轴承故障诊断的分类结果;所述改进Adaboost算法针对抗噪声能力弱的缺点进行改进,针对噪声数据,通过将样本数据进行聚类过程使得样本数据中各类别的样本数据更加紧凑,不同类别之间的区别更大;同时优化所述聚类过程,以达到提高不同类别的区分度和剔除噪声的目的。
【技术特征摘要】
1.一种轨道列车走行部滚动轴承故障的诊断方法,包括状态信号采集过程、状态信号提取过程和状态模式识别过程,具体包括如下步骤:1)利用数据采集模块实时采集轨道列车走行部滚动轴承振动数据,得到实时时序数据,设为L;2)针对L通过基于指数平滑预测的滑动时间窗分割算法对实时时序数据L进行分割,获得时间序列数据L的主要趋势,获得数据初始分割点;3)对上述初始分割点进行校验,得到最终分割点;4)根据K个分割点,确定V型波的范围;一个V型波即为一个局部周期范围;5)将实时数据L分割成了若干个局部周期数据,由V型波作为一个局部范围,构建数据的局部频谱图;6)对局部频谱图的频谱区间进行一致化处理;7)提取每个样本局部频谱图中,幅值最高的前n项所对应的局部频谱区间的中间点频率,作为该样本的特征向量;8)状态模式识别:通过改进Adaboost算法进行故障分类,得到轴承故障诊断的分类结果;所述改进Adaboost算法针对抗噪声能力弱的缺点进行改进,针对噪声数据,通过将样本数据进行聚类过程使得样本数据中各类别的样本数据更加紧凑,不同类别之间的区别更大;同时优化所述聚类过程,以达到提高不同类别的区分度和剔除噪声的目的。2.如权利要求1所述诊断方法,其特征是,步骤1)中所述数据采集模块为振动传感器。3.如权利要求1所述诊断方法,其特征是,步骤2)所述基于指数平滑预测的滑动时间窗分割算法,在初始化参数后,具体执行如下步骤:a)用单指数平滑法来计算得到平滑预测值St,作为下一个时间点t的预测值;b)获得时间点t的真实值yt,计算预测绝对误差|yt-St|,把值存到向量V中;c)计算得到V平均值μ和标准差σ,实时更新标准差和均值;d)判断该点是否为分割点:如果不是分割点,继续循环下一个点;如果是分割点,置标志位同时储存该点;当下一个点同样是分割点时,存储前一个点进入Seg中;同时重新初始化分隔段的初始s0继续循环,当所有数据yt均被处理时结束循环,得到分割点数组Seg。4.如权利要求1所述诊断方法,其特征是,步骤3)使用置标志位的方法,具体是:当时间序列的某一时间点不满足历史趋势时,该时间点被设置为可疑分割点;再检查相邻下一个时间点,当下一个时间点同样不满足历史趋势时,所述可疑分割点即为最终分...
【专利技术属性】
技术研发人员:于重重,杨飞,秦勇,程晓卿,崔世杰,
申请(专利权)人:北京工商大学,北京交通大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。