基于HHT和CNN的高速列车轮对轴承故障诊断方法

发布时间：2023-04-26 00:53

　　轮对轴承是高速列车转向架的核心部件,其可靠性和稳定性对列车行车安全有至关重要的影响。随着列车运营速度的提高,轮对轴承的运行工况更加复杂化,加剧了轮对轴承故障的产生。因此,轮对轴承的故障诊断变得极为必要与迫切。目前,信号处理方法和数据驱动方法广泛应用于滚动轴承的故障诊断。然而,高速列车轮对轴承长期处在强噪声、变载荷和变转速的复杂工况下,导致信号处理方法的诊断性能下降、数据驱动方法的抗噪性和域适应能力差等问题。因此,如何从复杂的振动信号中提取更具判别性的故障特征,是解决轮对轴承准确故障诊断的关键,也是本文的研究课题。本文以高速列车轮对轴承为研究对象,对其故障诊断开展研究,以提取更具判别性的故障特征为研究主线,提出三种改进方法,进而提高信号处理方法的诊断性能和数据驱动方法的抗噪性和载荷域适应能力。本文的主要研究成果如下:(1)为了提高希尔伯特黄变换的信号分解、信号解调以及瞬时频率和瞬时幅值估计的精度,本文提出了软筛分停止准则,基于此,提出一种改进希尔伯特黄变换方法。该方法能够自适应地确定希尔伯特黄变换方法中经验模态分解和正规化希尔伯特变换的筛分过程的筛分迭代次数。此外,结合快速谱峭度图方法,...

【文章页数】：114 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 滚动轴承故障诊断研究现状
        1.2.1 基于信号处理的故障诊断技术
        1.2.2 基于深度学习的诊断技术
    1.3 本文研究内容和组织架构
第二章 主要理论基础
    2.1 希尔伯特黄变换
        2.1.1 经验模态分解
        2.1.2 解调方法
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 激活函数层
        2.2.3 池化层
    2.3 本章小结
第三章 轮对轴承及故障试验
    3.1 轮对轴承简介
    3.2 轮对轴承典型故障
    3.3 轮对轴承故障特征频率
    3.4 轮对轴承故障试验
    3.5 本章小结
第四章 基于改进HHT的故障诊断方法
    4.1 引言
    4.2 筛分停止准则对希尔伯特黄变换的影响
        4.2.1 对经验模态分解的影响
        4.2.2 对正规化希尔伯特变换的影响
    4.3 筛分停止准则
        4.3.1 研究现状
        4.3.2 提出的软筛分停止准则
    4.4 改进希尔伯特黄变换
        4.4.1 基于软筛分停止准则的改进经验模态分解
        4.4.2 基于软筛分停止准则的改进正规化希尔伯特变换
    4.5 试验结果与分析
        4.5.1 仿真数据
        4.5.2 试验数据
    4.6 本章小结
第五章 基于一维深度残差CNN的故障诊断方法
    5.1 引言
    5.2 一维深度残差卷积神经网络
        5.2.1 深度残差模块
        5.2.2 基于宽卷积核的卷积层
        5.2.3 基于Dropout的一维残差模块
        5.2.4 故障分类层
    5.3 试验结果与分析
        5.3.1 数据描述
        5.3.2 试验设置
        5.3.3 噪声鲁棒性分析
        5.3.4 载荷域适应能力分析
    5.4 模型讨论
        5.4.1 网络深度讨论
        5.4.2 残差学习讨论
        5.4.3 宽卷积核和Dropout讨论
    5.5 本章小结
第六章 基于多分支多尺度CNN的故障诊断方法
    6.1 引言
    6.2 多分支多尺度卷积神经网络
        6.2.1 多分支层
        6.2.2 多尺度层
        6.2.3 多特征融合和分类层
    6.3 试验结果与分析
        6.3.1 试验设置
        6.3.2 噪声鲁棒性分析
        6.3.3 载荷域适应能力分析
    6.4 模型讨论
        6.4.1 多分支讨论
        6.4.2 多尺度讨论
        6.4.3 多特征融合讨论
    6.5 本章小结
第七章 总结与展望
    7.1 全文总结
    7.2 工作展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3801405