基于轨边声学多普勒畸变信号的列车轴承故障诊断技术研究

发布时间：2025-03-20 01:05

　　轮对轴承是高速列车的重要部件,也是易于损坏的部件之一。轴承一旦出现早期故障,如果没有及时检测与处理,在长时间运行过程中,损伤不断扩大最后造成列车事故。所以轴承安全状态的评估与诊断对行车行驶是必要的。针对列车滚动轴承的状态监测和故障诊断,重点研究了轨边声学技术中存在的三大难点。频谱畸变、混合信号中微弱信息提取、强噪声背景下目标信号的有效降噪。将局域均值分解(LMD)、快速峭度图(FK)、谱峰度理论等四种非平稳信号处理方法,以及时变多信号分类优化T-MUSIC方法和角度插值重采样方法引入列车滚动轴承故障诊断中。对上述相关问题进行了理论分析和应用。为了解决频谱混叠问题,本文基于麦克风阵列信号校正,提出了基于优化时变多信号分类和多声源信号角度插值重采样的空间校正方法。该方法通过优化时变多重信号分类(T-MUSIC)得到不同声源的实时位置,同时通过声源起始时间点与麦克风阵列的接收时间点的关系得到重新采样时间序列,从而实现信号校正。与传统方法相比,该方法无需过多参数,计算机效益高、用于多声源分离校正等优点,它在实际信号处理与故障诊断中具备很大的潜力。轨边声学信号经多普勒畸变校正后,具有故障信息弱、噪...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 滚动轴承故障诊断系统发展
        1.2.2 滚动轴承检测技术
        1.2.3 轴承信号的故障特征提取算法
    1.3 滚动轴承的轨边声学检测
    1.4 论文的主要内容与结构
第二章 声信号与滚动轴承故障特征分析
    2.1 声学信号特征
        2.1.1 声学信号概念
        2.1.2 声信号与振动信号的异同
        2.1.3 轨边声学几何模型
    2.2 轴承声学信号中噪声成分
        2.2.1 列车噪声组成
        2.2.2 滚动轴承中的噪声成分
    2.3 滚动轴承的主要失效形式与故障特征频率
        2.3.1 滚动轴承的主要失效形式
        2.3.2 滚动轴承故障特征频率
    2.4 本章小结
第三章 基于多声源轴承信号的多普勒畸变矫正
    3.1 麦克风阵列采集模型
    3.2 基于优化T-MUSIC and AIR方法多普勒畸变矫正
        3.2.1 MUSIC算法条件
        3.2.2 优化T-MUSIC算法原理
        3.2.3 角插值理论
    3.3 实验分析
        3.3.1 实验平台
        3.3.2 结果分析
    3.5 本章小结
第四章 强噪声下的信号特征增强和故障定位
    4.1 改进LMD算法
        4.1.1 CSI LMD算法
        4.1.2 算法改进
    4.2 FK原理
    4.3 仿真分析
        4.3.1 非平稳信号模型及算法性能
    4.4 实验分析
    4.5 本章小结
第五章 结论与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果



本文编号：4037134