轨道车辆健康诊断系统的研究

被引:0
作者
杜林森
机构
[1] 西南交通大学
关键词
Hilbert-Huang变换; 故障诊断; 轨道车辆;
D O I
暂无
年度学位
2013
学位类型
硕士
导师
摘要
当今随着中国轨道车辆的发展,轨道车辆成为人们日常出行必不可缺的交通工具。人们对轨道车辆的依赖,使着人们对轨道车辆的运行安全性提出了更高的要求。轨道车辆传动系统的机械故障便成了我们研究的话题,轴箱、齿轮箱和电机是轨道车辆传动系统中有可能会引起故障的关键部件,对轴箱、齿轮箱和电机能够有效地进行故障监测和健康诊断有着实际的意义。本文通过对轨道冲击、车轮不圆、轴箱轴承故障、齿轮箱故障、电机故障、联轴节故障及关键部件的固有模态频率分别进行诊断分析,建立强大而丰富的特征频率故障数据库,给出轨道车辆健康诊断系统的概念,分析振动传递的相关路径。故障分析方法有很多种,而本文主要采用一种新的非线性非平稳信号分析方法——Hilbert-Huang变换。在传统傅立叶变换的基础上,本文首先主要研究了特征故障频率在轴箱、齿轮箱、电机及构架上的表现特征,发现轴箱、齿轮箱和电机的故障特征频率一般在构架上都有比较明显的表现;通过Hilbert-Huang变换更加明确地验证了在传统傅立叶变换方法中说明的现象,而且能够准确明显地提取重要的故障特征频率。 目前,对于轨道车辆整个传动系统进行系统地故障诊断的工作还是比较少的,对于轨道车辆的故障判断与识别没有一个统一的标准。当今高速铁路快速发展,轨道车辆随时都有可能出现故障,而面对突如其来的故障,工作人员无法找到故障类型和部位,本文将提供一个相对比较完整的故障特征数据库,在今后的故障诊断中,能够为工作人员进行故障分析时提供一点小小的帮助。对于本论文来说,如果它能够很好地对传动系统机械故障诊断做一个比较全面和系统的分析,那将是轨道车辆故障诊断方面崭新的一页。
引用
收藏
页数:83
共 35 条
[1]
基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究 [D]. 
黄伟国 .
中国科学技术大学,
2010
[2]
Non-stationary signal processing for bearing health monitoring.[J].R.X. Gao; R. Yan.Int. J. of Manufacturing Research.2006, 1
[3]
The spectral kurtosis: a useful tool for characterising non-stationary signals.[J]..Mechanical Systems and Signal Processing.2004, 2
[4]
The spectral kurtosis: application to the vibratory surveillance and diagnostics of rotating machines.[J]..Mechanical Systems and Signal Processing.2004, 2
[5]
A NEW VIEW OF NONLINEAR WATER WAVES: The Hilbert Spectrum1.[J].Norden E. Huang;Zheng Shen;Steven R. Long.Annual Review of Fluid Mechanics.1999, 1
[6]
机械故障诊断的Hilbert-Huang变换方法.[M].于德介;程军圣;杨宇著;.科学出版社.2006,
[7]
齿轮及齿轮箱故障诊断实用技术.[M].丁康;李巍华;朱小勇编著;.机械工业出版社.2005,
[8]
数据库系统概论.[M].萨师煊;王珊[编著];.高等教育出版社.2000,
[9]
设备故障诊断原理、技术及应用.[M].黄文虎等编著;.科学出版社.1996,
[10]
车辆系统动力学.[M].王福天主编;.中国铁道出版社.1994,