[发明专利]一种城轨列车滚动轴承故障诊断方法

说明书

技术领域

本发明属于交通安全工程技术领域，特别是一种城轨列车滚动轴承故障诊断方法。

背景技术

车辆走行部是城轨列车最为关键的机械结构之一，其不仅承担着整个列车的重量，而且是列车运动的执行机构，对于城轨列车的重要性不言而喻。若走行系中任何部件发生故障，都会成为城轨列车的安全隐患，若不及时发现，将会对人生安全以及财产安全造成重大损失。滚动轴承是城轨列车走行部中最容易发生故障的部件，美国科学家进行了一项长期的跟踪研究，在连续的十年调查中发现每年大约有50起由滚动轴承故障造成的列车安全事故。

中国专利(申请号201610397231.X)公开了一种滚动轴承的故障诊断方法，该方法能够对城轨列车滚动轴承故障进行诊断，从而降低滚动轴承故障造成的列车安全事故率，但是该方法的算法比较复杂，工作量比较大，工程可行性较差。

发明内容

本发明的目的在于提供一种计算量小、精度高的城轨列车滚动轴承故障诊断方法。

实现本发明目的的技术解决方案为：一种城轨列车滚动轴承故障诊断方法，包括以下步骤：

步骤1，对采集到的轴承声音信号在不同母小波函数下进行连续小波变换；

步骤2，根据不同母小波函数下连续小波变换得到的小波系数，计算该条件下小波系数的峭熵比，选择最大峭熵比对应的母小波函数，作为小波包分解的母小波函数；

步骤3，对原始信号利用步骤2得到的母小波函数进行不同尺度的小波包分解；

步骤4，计算不同频带信号对应的峭熵比，选择最大峭熵比对应的小波包分解层数，并确定最优频带，根据最优频带对原始信号进行带通滤波；

步骤5，对去噪后的频带信号进行EEMD处理，并通过分析包络谱故障频率，最终对轴承进行故障诊断。

进一步地，步骤2所述小波系数的峭熵比，具体计算方法如下：

设定N为每个尺度上的小波系数的数量，C(s,n)为尺度s下的小波系数，峭度值Kurtosis(s)通过式(1)计算：

香农熵Entropy(s)通过式(2)计算：

信号的小波变换系数的峭熵比KER(s)通过式(3)计算：

进一步地，步骤3所述的小波包分解，具体如下：

式中，a_k-2l和b_k-2l为分解共轭滤波器系数，h_l-2k和g_l-2k均为重构共轭滤波器系数，为小波包分解系数，上下角标中的k表示时间位移、l表示长度、j表示尺度、n表示振荡数。

进一步地，步骤4所述的确定最优频带，具体如下：

根据信号在不同母小波下的连续小波变换得到的连续小波系数，计算连续小波变换系数的峭熵比，选择峭熵比最大时对应的母小波；然后计算不同分解尺度下每个节点的峭熵比，选择最大峭熵比对应的带通频带，对原始信号进行带通滤波。

进一步地，步骤5所述的EEMD处理，具体如下：

(1)确定加入信号中随机高斯白噪声的幅值大小k和重复执行次数m；

(2)在原信号x(t)中加入高斯白噪声kn(t)，令i＝1；

x_i(t)＝x(t)+kn(t) i＝1,2,…m(6)

(3)i＝i+1，执行前面EMD中的步骤，得到n个IMF分量c_i,g，其中g＝1,2,…n；

(4)i≠m，重复执行步骤(2)到步骤(3)；

(5)对得到n个IMF分量进行总体平均计算：

(6)EEMD分解后最终的信号为：

本发明与现有技术相比，其显著优点为：(1)选择最大峭熵比对应的母小波函数，对原始信号进行不同尺度的小波包分解，计算不同频带信号对应的峭熵比，算法简单，工作量小；(2)根据最优频带对原始信号进行带通滤波，对去噪后的频带信号进行EEMD处理，分析其包络谱故障频率，最终对轴承进行故障诊断，具有精度高、工程可行性好的优点。

附图说明

图1是本发明城轨列车滚动轴承故障诊断方法的流程图。

图2是本发明故障轴承声信号融合后信号示意图。

图3是本发明故障轴承信号不同母小波下连续小波变换对应KER示意图。

图4是本发明故障轴承声信号频带KER示意图。

图5是本发明故障轴承声信号带通滤波后信号示意图。