一种动车组齿轮箱故障分析算法制造技术

本发明专利技术提供一种动车组齿轮箱故障分析算法，涉及城轨地铁车辆技术领域。该故障智能检测系统，包括车辆编号识别模块、传感器检测模块、数据采集系统、处理系统、预警模块、故障诊断维修模块和用户界面系统。通过对振动信号进行分析并对比不同时期的信号变化，对机械设备的运行状态，如磨损、断齿、裂纹等情况进行故障诊断。分析齿轮箱的故障机理及故障信号特征，包括齿轮箱故障诱因，齿轮箱典型故障形式和齿轮箱振动机理及故障特征滚动轴承振动特征，包括轴承失效的形式及原因和轴承故障特征频率等分析。

【技术实现步骤摘要】

本专利技术涉及轨道交通装备故障诊断，特别是一种融合振动信号时频分析与油液监测数据的动车组齿轮箱故障分析算法。

技术介绍

1、现有技术存在三方面缺陷：(1)单一振动分析难以识别早期磨损；(2)固定阈值法在变工况下误报率高；(3)传统svm模型对小样本故障数据泛化能力差。如cn111308016a专利仅采用油液数据，对突发机械故障不敏感。

技术实现思路

1、核心算法

2、多源数据同步采集模块

3、振动信号：三轴mems加速度计(±50g量程，25.6khz采样率)

4、油液数据：在线颗粒计数器(0.5μm分辨率)

5、温度信号：pt100铂电阻(±0.5℃精度)

6、特征融合方法

7、振动信号：8层morlet小波包分解提取时频能量熵

8、油液数据：主成分分析降维(累积贡献率≥85％)

9、温度信号：动态斜率特征提取

10、改进resnet-18诊断模型

11、在第三残差块后增加se注意力模块(本文档来自技高网...

【技术保护点】

1.一种动车组齿轮箱故障分析算法，其特征在于包括：

2.根据权利要求1所述算法，其特征在于：所述步骤(b)中时频能量熵计算采用Morlet小波基函数，分解频带覆盖0-12.8kHz。

3.根据权利要求1所述算法，其特征在于：所述ResNet-18网络在第三残差块后增加SE注意力模块，通道压缩比设置为16。

4.根据权利要求1所述算法，其特征在于：还包括在线更新机制，当新采集数据与历史数据马氏距离≥3σ时触发模型增量学习。

5.一种实施权利要求1-4所述算法的诊断系统，包含：

6.根据权利要求5所述系统，其特征在于：所述边缘计算单...

【技术特征摘要】

1.一种动车组齿轮箱故障分析算法，其特征在于包括：

2.根据权利要求1所述算法，其特征在于：所述步骤(b)中时频能量熵计算采用morlet小波基函数，分解频带覆盖0-12.8khz。

3.根据权利要求1所述算法，其特征在于：所述resnet-18网络在第三残差块后增加se注意力模块，通道压缩比设置为16。

4.根据权利要求1所述算法，其特征在于：还包括在线...

【专利技术属性】
技术研发人员：喻承启，曾国辉，解文昊，周润东，
申请(专利权)人：南京铁道职业技术学院，
类型：发明
国别省市：