关键词:
高速列车
轴箱轴承
轻微故障诊断
特征提取
温振融合
自编码器
摘要:
[目的]高速列车轴箱轴承服役环境复杂多变,其单源信号对微弱故障的诊断精度不足。为了提高轴箱轴承早期微弱故障的诊断精度,有必要结合轴承温度、振动多源故障信息,研究一种温振特征融合驱动的高速列车轴箱轴承轻微故障诊断方法。[方法]首先,设计了一种AE(自编码器)驱动的轴承温度特征提取方法,以获取轴承异常温度特征,并采用EMD(经验模态分解)方法对振动信号进行处理,以获取有效振动IMF(本征模态函数)分量的统计特征。然后,通过优化基于SAE(堆叠自编码器)的降维算法,提出了一种温振特征有效融合方法,以实现温度特征与振动特征的非线性融合与降维。最终,结合BP(反向传播)神经网络,建立了基于温振特征融合的轴箱轴承轻微故障诊断模型。并利用高速列车滚动轴承试验台采集的数据对模型进行验证。[结果及结论]相较于基于单源信号特征的故障诊断方法,基于温振特征融合的诊断方法具有更高的故障诊断精度,平均诊断准确率可达到99%以上。相较于采用PCA(主成分分析)温振模型,采用所提的温振融合轴承诊断模型更准确有效。