[发明专利]变转速火车滚动轴承故障特征频率提取方法

说明书

技术领域

本发明涉及机械设备声学故障诊断技术领域，特别是变转速状态下火车滚动轴承故障特征频率提取方法。

背景技术

安全是铁路运输的永恒主题。我国现拥有铁路货车60多万辆，滚动轴承作为其中的重要机械零部件，由于长期重载、碰磨运行，极易发生表面剥离等故障，轻则造成列车停运晚点，重则导致热轴、燃轴、切轴、脱轨颠覆等恶性事故，对其实施在线故障诊断至关重要。据车辆段调研结果来看，轴承检修过程主要由经验工人通过手工转动轴承外圈，以人耳听的方式判断其是否有异音或故障，该方法受主观因素影响大，不利于行业标准化管理，且有时工人为了降低自己的责任风险，采取宁可误判而不漏判方式，导致虚警率过高、检修效率低下。

针对滚动轴承故障诊断问题，发展了多种诊断技术。按信号的物理性质分主要包括红外测温法、油液分析法、油膜厚度分析法、振动与声学法。红外测温法具有简单、易于实现的特点，已被应用于货车列检，但温升属于滚动轴承故障晚期特征，对于早期点蚀、剥落等轻微故障则无法检测，存在较大检测风险，预警能力弱。油液分析技术通过分析润滑油脂本身的理化性能以及所含金属磨粒大小、形貌和浓度判断轴承工作状态，可用于早期诊断，但存在取样不便、实时性差缺点。油膜厚度分析通过测量油膜电阻来判断润滑状态，对表面剥落、裂纹等故障的检测能力较弱，且不适用于低速、旋转轴不外露等情况。振动或声学诊断法相对比较成熟，已得到广泛研究和应用，成熟的商用系统有美国滚的滚动轴承轨边声学诊断系统(Trackside Acoustic Detection System,TADS)，该系统具有较高的检测准确率，但是它只能检测出故障严重的轴承，且价格昂贵，单个测点需要约60万美元(共部署60个测点)，还不包括后期维护以及几年之后设备更新费用。

特征频率是滚动轴承声学故障识别与分类的重要依据。目前的主流方法是利用共振解调(Resonance Demodulation)技术提取故障特征频率，即采用带通滤波器将低频的微弱冲击信号调制到高频的共振频率，再通过包络解调和频谱分析可以得到不同部件的故障特征频率，定位出内圈、外圈还是滚子部件故障。由于传统共振解调方法采用Hilbert变换的包络检波方法，存在带通滤波器中心频率及其带宽参数难以确定问题。为此，一些学者提出了与希尔波特-黄变换(Hilbert–Huang Transform，HHT)、谱峭度(Spectral Kurtosis,SR)等相结合的改进方法。专利(CN201210346147)公开了一种早期故障状态下滚动轴承振动信号特征提取和分析方法,能突出反映早期故障状态下振动信号中的调制特征；专利CN201410140890公开了一种滚动轴承故障特征提取方法及系统，对共振解调频带进行了优化选取，一定程度上提高了故障特征提取的质量，等。

尽管在轴承故障特征频率提取方面取得了一些研究成果，但是直接应用于变速运动下火车轴承状态检测，效果不佳。为此，本发明有机融合短时傅里叶变换、阶比分析、独立分量分析、神经网络等多种技术，给出一种新的火车滚动轴承故障特征频率提取方法，该方法可用于变速运动下轴承在线检测，具有较好的应用前景。

发明内容

本发明的目的是提供一种变转速火车滚动轴承故障特征频率提取方法，通过对轴承振动信号进行时频域分析，结合局部峰值自适应搜索，提取出不同时刻转速的瞬时频率值；采用神经网络对瞬时频率进行拟合，获取参考主轴的转速曲线，在此基础上对原始信号进行等角度重采样和阶比分析；采用固定点独立分量分析和谱峰搜索方法，对混合阶比信号进行独立源分离处理，获得轴承故障部件的阶比特征，该方法适用于轴承变速运动且没有硬件转速计情况下故障特征频率提取，可满足实际火车滚动轴承的在线诊断需求。

为了实现上述目的，本发明提出如下技术方案：

步骤一、在滚动轴承外圈表面安装加速度传感器，这里传感器数量要大于等于分析独立源的数量，采集轴承运动时的振动信号；

步骤二、利用短时傅立叶变换方法对变转速轴承振动信号进行时频分析，局部搜索时频能量分布中能量最大的频率点，提取出不同时刻主轴转速对应的瞬时频率；

步骤三、设计BP神经网络模型，对离散的瞬时频率点进行拟合，依据转速与瞬时频率之间的理论关系，计算火车滚动轴承主轴的实时转速；

步骤四、依据轴承的实时转速信息，对振动信号进行等角度的重采样，计算等角度的采样时标，通过插值函数将原始信号变换到角度域的平稳信号；