基于传声器阵列与信息融合的铁路货车滚动轴承早期故障诊断方法

Due to long-term and high-speed operations, railway roller bearing easily occurs malfunctions, such as surface stripping, and causes burning shaft, cutting shaft and derailment. Therefore, it's crucial to make incipient fault diagnosis.However, existing fault diagnosis methods mainly concentrate on contact and fixed-speed, which have some limitations to railway rolling bearing diagnosis with mobility and variable-speed. This project introduces microphone array and information fusion technology to research a non-contact incipient fault diagnosis for railway roller bearing. Firstly, it researches on multi-sensor information reconstruction method of same fault source, in order to acquire complete acoustic fault signal. Secondly, the order analysis method using short time Fourier transform based on frequency shift and angle re-sampling is researched to process variable-speed unsteady signal. Then the multifrequency detection and amplitude estimation of stochastic resonance method is researched to extract fault characteristic frequency. Additionally, it discusses sound and vibration mechanism of fault and impurities in the grease, and gives the distinguished method. The research results have important theoretical significance to fault diagnosis technology of roller bearing, and some extensive application prospects.

铁路货车滚动轴承由于长期高速重载运行而极易发生表面剥离等故障，导致切轴、脱轨等恶性事故，造成重大经济损失，对其实施早期故障征兆检测至关重要。现有滚动轴承故障诊断方法研究主要针对目标轴承相对检测传感器静止不动和稳定转速情形，对移动、变转速等特殊状态的货车滚动轴承故障检测存在一定局限性。本项目引入传声器阵列检测与信息融合技术，研究非接触式的滚动轴承早期故障诊断方法。包括：研究阵列传感器的同故障源声信号辨识与重构方法，解决移动故障源的完整声序列获取问题；开展移频STFT和等角度重采样的变速声信号阶比分析，以及多频率检测的随机共振微弱特征幅值估计方法研究，解决无键相装置下非稳态声信号的微弱周期性故障特征提取问题；探究轴承润滑油脂中杂质和缺陷产生的振动和声机理，给出特征区分方法。课题研究成果对拓展和丰富滚动轴承故障诊断技术具有重要理论意义，可推广应用于火车及其它移动滚动轴承早期故障诊断场合。

针对铁路货车滚动轴承早期故障诊断问题开展了全面深入的研究，项目提出一套面向移动、变转速等特殊场景的滚动轴承故障诊断方法。.在阵列传感器检测声信号重构方面，推导建立了适用于货车轴承故障在线检测的阵列传感器部署准则；针对高速移动导致检测声信号多普勒畸变问题，提出一种基于TDOA和时域插值的多普勒效应矫正方法，采用帧迭代机制更新位置曲线，减轻多普勒对广义互相关时延计算精度的影响；针对单传感器检测故障声信号不完备问题，提出一种基于互相关和能量加权的阵列检测声信号重构方法，给出一种基于粒子滤波和MUSIC算法的变转速声信号重构中故障源定位方法，系统解决高速移动下滚动轴承完整故障声信号的获取问题。.在轴承微弱故障特征提取方面，针对共振解调技术应用中共振频带选取问题，提出一种基于时谱峭度和信息熵的共振频带自适应确定方法；针对无键相装置下轴承故障特征频率提取问题，提出一种基于相关EEMD的转轴瞬时频率提取方法，以及基于短时傅里叶变换和BP神经网络的轴承转速估计方法，通过重采样将时域内非平稳信号转换到角度域的平稳信号，可有效识别变转速轴承故障特征阶比；针对临近阶比混叠问题，给出一种基于FastICA和谱峰检测的阶比分离方法；针对转速小滑动情形，研究建立一种基于三阶循环统计量的故障特征提取方法；针对信噪比极低下早期故障特征提取问题，研究给出一种基于多频率检测的随机共振微弱特征幅值估计方法，系统解决了变转速轴承微弱故障特征提取问题。.在轴承故障状态与含杂质状态区分方面，分析了轴承元件间作用力及运动学特性，给出基于Pro/E和ADAMS的货车滚动轴承刚柔耦合建模方法，仿真建立了不同故障类型以及杂质运动状态的轴承模型；对比分析其振动机理和声信号特性，提出一种基于时谱峭度和经验模式分解的杂质与故障状态区分方法，以及基于双脉冲检测的剥离故障识别方法。.本课题研究成果丰富和发展了轴承故障诊断理论，有助于推动该技术的实用化，具有重要的理论意义和应用价值。