[发明专利]一种铁路机车轴承及齿轮故障诊断方法和诊断系统

权利要求书

1.一种铁路机车轴承及齿轮故障的诊断系统，其特征在于：

所述系统用于执行如下的铁路机车轴承及齿轮故障诊断方法，所述方法包括以下步骤：

第一步骤(S1)中，振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承及齿轮的预定位置以采集实时数据；

第二步骤(S2)中，当机车速度达到额定运行速度的预定百分比以上且不处于加减速过程时，判定机车处于正常运行过程，采样自预定位置的实时数据时，当转速和振动变化大于第二预定值时，调整机车速度使得转速和振动变化小于第二预定范围，继续采样实时数据且将其分割为预定间隔时长的数据段，缓存所述数据段，所述预定间隔时长为1秒，当机车速度变化小于预定速度幅值时，判定机车处于平稳运行过程，当转速和振动变化小于第一预定范围，采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段，缓存所述数据段；

第三步骤(S3)中，滤波所述数据段，基于滤波后的所述数据段生成时域指标数组和频域矩阵，其中，所述时域指标数组至少包括第一指标、第二指标和第三指标，频域矩阵包括倒频谱和能量谱，其中，第一指标、第二指标、第三指标分别为：

其中，F表示滤波后的振动信号，N为F中的总点数，m和i均为正整数，F′表示F的导数，表示F′的平均值，F″表示F的二阶导数，表示F″的平均值，ΔE_i＝F²_i+1-F²_i，是ΔE的平均值，所述时域指标数组还包括均值、标准差、方差、偏斜度指标、峭度指标、峰峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标和峰值指标；

第四步骤(S4)中，基于所述时域指标数组经由自学习训练判定故障程度及测算剩余寿命，基于所述频域矩阵经由自学习训练判定故障类型和位置；

并且，所述方法在机载硬件中完成故障特征指标计算及频谱图计算，并实现机载硬件内的实时故障诊断，而在本地及远程终端进行故障诊断结果的显示，从而不依赖于外界终端设备的计算能力；

其中，第二步骤(S2)中，等角度重采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段，缓存所述数据段；

其中，第二步骤(S2)中，当机车不拐弯且不加减速，以及转速为额定速度时，基于GPS传感器确定机车到达预定位置，采样自预定位置的实时数据且将其分割为预定间隔时长的数据段，缓存所述数据段；

其中，第三步骤(S3)中，第四步骤(S4)中，经由卷积神经网络和知识向量机自学习训练；

其中，所述系统包括：

数据采集模块，其布置于机车轴承及齿轮的预定位置以采集实时数据；

缓存预处理模块，其连接所述数据采集模块，其包括，

预处理单元，其筛选所述实时数据且将其分割为预定间隔时长的数据段，

缓存单元，其连接所述预处理单元，所述缓存单元配置成缓存所述数据段；

计算模块，其连接所述缓存预处理模块，其包括，

时域指标计算单元，其基于滤波后的所述数据段生成时域指标数组，

频谱计算单元，其基于滤波后的所述数据段生成频域矩阵；

诊断模块，其连接所述计算模块，其基于所述时域指标数组自学习训练判定故障程度及测算剩余寿命，基于所述频域矩阵经由自学习训练判定故障类型和位置；

并且，所述诊断系统在机载硬件中，并实现机载硬件内的实时故障诊断，而在本地及远程终端进行故障诊断结果的显示，从而不依赖于外界终端设备的计算能力；

其中，

所述系统还包括，

电源模块，其包括振动能量收集单元、可充电电池单元以及外接电源，若接通外接电源，直接使用电源供电并对可充电电池进行充电；若未接通电源，可充电电池依据自身存储的电量为系统供电，同时振动能量收集单元获取振动能量以将其转化为电能，并对可充电电池充电；

存储传输模块，其连接所述诊断模块，其配置成存储和传输故障信息，所述存储传输模块的传输方式包括有线方式及无线方式，所述故障信息包括故障程度、剩余寿命、故障类型和位置；

报警模块，其包括，

报警单元，其基于所述故障程度发出警报，

显示单元，其显示故障信息，并且，所述显示单元包括进行故障诊断结果的显示的本地及远程终端；

输入输出接口，其包括，

传感器接口，读取振动加速度传感器、转速测量传感器以及GPS传感器的数据，

数据接口，与外接存储设备进行数据交换，

输出接口，将机载数据通过有线方式传输至远程设备；

其中，数据采集模块包括振动加速度传感器、转速测量传感器以及GPS传感器；存储传输模块包括存储故障信息的存储模块和传输故障信息的传输模块；报警单元包括蜂鸣器和LED灯；显示单元包括液晶显示屏，当发生故障时，存储模块存储数据段及故障信息，传输模块传输数据段及故障信息，报警单元发出警报，液晶显示屏显示故障信息；

其中，诊断模块无线连接移动终端；

并且，

所述系统集成在硬件单元中，这样即可：实时对故障进行实时预警与诊断；引入外接存储单元、按钮组及LED及液晶显示屏，实现故障诊断的参数设置及结果显示，无需依赖任何外部设备即可进行故障预警与诊断；

所述系统采用缓存与选择性机制，便于计算单元快速计算实时特征指标，在无故障时仅将计算过的特征指标进行存储并发送，而原始数据及频谱则能够丢弃，这样极大的减少了数据量；

缓存预处理模块根据三类判定准则对数据进行预处理，将采集的连续数据分割为1-5秒时长的数据段，并筛选其中有效数据，丢弃无效数据，减少数据量，便于后续计算模块进行实时计算；铁路机车运行路线长，运行工况复杂，但是铁路轨道固定，不同次的运行工况差异性不是非常大，通过以往经验，将机车运行的全过程可分为三类：

第一类是普通运行过程，判定条件为H1：机车速度达到额定运行速度的30％以上，且不处于加减速过程；满足此条件表明列车处于正常运行过程；

第二类是轨道平直及转速平稳运行过程，判定条件为H2：列车不拐弯，不加减速，而且转速为额定速度，处于最理想运行状态，在此阶段，所述系统提醒列车长进行列车的运行速度的平稳性调整，或可接入微程序控制器(MCU)平台对列车速度进行平稳控制；满足此条件的路段可通过以往运行经验确定，在此路段采集的数据对于轴承与齿轮故障诊断最有价值；

第三类是平稳运行过程，判定条件为H3：转速平稳，但是铁路轨道不一定平直；符合这个判定条件的路段长，因此数据多，对于故障诊断也具有重要价值；针对上述三种运行过程，对应的缓存预处理模块具有三种模式：主动局部侦测模式对应H2、平稳侦测模式对应H3与全局侦测模式对应H1，其中模式的选择通过面板中的功能按键进行设定；

这使得所述系统具备三种模式：主动局部侦测模式、平稳侦测模式与全局侦测模式，并能够进行任意切换，其中模式切换功能通过按键组实现，其中主动局部侦测模式仅采集转速平稳且轨道平直部分的振动数据，数据质量最好，诊断结果最具有参考性；平稳侦测模式仅采用转速平稳段数据，数据量大，诊断结果可互为验证，以提高诊断的可靠性；全局侦测模式确保运行全过程的监测，强调时域指标监测的完整性，但是耗费时间；采用三种模式，以保证对于故障诊断的全方位监测，能最大程度的确保运行安全；

其中，

当监测对象为铁路机车的轴承及齿轮时，将振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承与齿轮部件的相应位置；对所述系统供电后，打开设备，通过传感器接口获取传感器采集得到的实时数据，通过缓存与预处理模块对原始数据进行预处理；将预处理后的有效数据传入计算模块，计算时域指标及频谱；将计算结果输入诊断模块，比对当前时域指标、频谱与预设参数库中的区别，得到故障类型及故障程度的诊断结果；根据是否故障，在机载报警模块中进行相应的预警显示，将诊断结果及对应数据存储在本地存储单元中，并通过有线或无线方式发送至远程终端；

在计算模块中，对频域指标均值、标准差、方差、偏斜度指标、峭度指标、峰-峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标进行计算，此外，对频谱、包络谱及倒频谱也进行实时计算，其中，以峰值指标作为故障程度判断指标；

所述计算模块对缓存预处理模块输出的数据特征指标与频谱进行实时计算时，为了更有效的诊断轴承与齿轮故障，在齿轮和轴承最容易发生故障的频率周围20Hz的频率带宽内进行滤波后，计算相应的状态指标。