[发明专利]一种基于循环强度指数的列车轴承自主故障识别方法

说明书

本发明提供了一种基于循环强度指数的列车轴承自主故障识别方法。该方法包括：通过加速度传感器采集列车轴承的振动信号；计算振动信号的谱相干性，根据振动信号的谱相干性计算循环强度指数；对标准化后的循环强度指数在最优的频带上进行积分得到增强循环指数，根据增强循环指数计算各次谐波的故障概率值，计算出各部位的加权故障指数；计算所有超过故障判断阈值的增强循环指数的峰值中位数，得到二元假设模型的判断阈值，将各部位的加权故障指数与二元假设模型的判断阈值进比较，根据比较结果确定轴承各个部位是否存在故障。本发明能根据采集的原始振动信号自动输出轴承的故障部位及故障概率，便于工业生产的应用。

技术领域

本发明涉及列车滚动轴承故障诊断技术领域，尤其涉及一种基于循环强度指数的列车轴承自主故障识别方法。

背景技术

滚动轴承是列车中被最广泛使用的部件之一，同时也是列车的故障易发部件，针对轴承故障诊断应用可靠的智能化故障诊断方法能够在保证列车安全运行的同时显著降低相关检修部门的工作量。随着诊断技术的不断发展。

现有技术中的一种诊断滚动轴承的健康状态的方法包括：基于振动信号的轴承故障诊断方法，其包括快速傅里叶变换、短时傅里叶变换、小波变换和经验模态分解等。该方法的缺点为：需要人为分析得出最终诊断结果，这增加了工作人员专业水平的要求和工作量，智能化程度不够高，不利于在工业生产活动中部署。

现有技术中的另一种诊断滚动轴承的健康状态的方法包括：K-means聚类、SVM等机器学习和基于神经网络的深度学习方法。该方法的缺点为：虽然可以实现智能化诊断，但是其需要大量数据样本进行模型训练，并且对采集数据质量有要求，因为行业保密等问题获取真实且高质量的数据非常困难。同时这类方法可解释性较差，对硬件与数据传输水平等也有较高要求，方法的落地实施较为困难。

发明内容

本发明的实施例提供了一种基于循环强度指数的列车轴承自主故障识别方法，以实现有效地自主诊断列车轴承的故障。

为了实现上述目的，本发明采取了如下技术方案。

一种基于循环强度指数的列车轴承自主故障识别方法，包括：

步骤S1：通过加速度传感器采集列车轴承的振动信号；

步骤S2:计算所述振动信号的谱相干性，根据所述振动信号的谱相干性计算循环强度指数，并根据所述振动信号的谱频率的分布特性对相应的循环强度指数进行标准化；

步骤S3：根据假设检验原理，设置显著性水平，建立二元假设模型；

步骤S4：对标准化后的循环强度指数在选定的频带上进行积分得到增强循环指数，根据增强循环指数的直方图计算故障判断阈值；

步骤S5：计算列车轴承各个部位的故障特征频率及其倍频的窄带；

步骤S6：根据增强循环指数和列车轴承各个部位的故障特征频率的倍频的窄带计算各次谐波的故障概率值，根据各次谐波的故障概率值计算出各部位的加权故障指数；

步骤S7：计算所有超过所述故障判断阈值的增强循环指数的峰值中位数，得到二元假设模型的判断阈值，将各部位的加权故障指数与所述二元假设模型的判断阈值进比较，根据比较结果确定轴承各个部位是否存在故障。

优选地，所述的步骤S2具体包括：

S21：设使用加速度传感器采集的时间t处的振动信号为x(t)，计算振动信号x(t)在时间t与时间延迟τ下的自相关函数R_x(t,τ)：

R_x(t,τ)＝E{x(t)x(t-τ)^*}

其中，E表示数学期望运算，^*表示复共轭运算；