VMD引导的轮对与轴承复合故障诊断方法

作     者：易彩 林建辉 汪浩 廖小康 吴文逸 冉乐 YI Cai;LIN Jianhui;WANG Hao;LIAO Xiaokang;WU Wenyi;RAN Le

作者机构：西南交通大学轨道交通运载系统全国重点实验室四川成都610031 西南交通大学电气工程学院四川成都610031 

出 版 物：《西南交通大学学报》 (Journal of Southwest Jiaotong University)

年 卷 期：2024年第59卷第1期

页      面：151-159页

核心收录：

学科分类：08[工学] 082304[工学-载运工具运用工程] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(51905453) 中国博士后科学基金(2019M663899XB) 西南交通大学牵引动力国家重点实验室自主课题(2020TPL-T14)对本文试验的资助 

主　　题：变分模态分解 复合故障诊断 轮对轴承 相关峭度 平方包络 

摘      要：针对列车轮对轴承系统复合故障难以辨识与诊断问题,提出一种变分模态分解(variational mode decomposition,VMD)引导的多故障特征提取匹配方法.首先,为避免预定义模式数在运行过程中对先验知识依赖从而对诊断结果造成影响,对原始轴箱振动数据进行逐阶VMD分解,模式数为2~N;其次,对VMD分解获取的本征模态函数(VMD intrinsic mode functions,VIMF)进行相关峭度计算,提取相关峭度最大的VIMF;然后,将相关峭度最大的VIMF进行平方包络分析,提取故障特征频率;最后,将所提方法与快速峭度谱、相关峭度谱方法进行对比.仿真信号和试验数据分析表明:所提方法完全规避了VMD模型中关键参数K的选择问题,可以准确、有效地分别提取出轮对和轴承的故障特征;与快速谱峭度与相关谱峭度方法相比,获取的故障特征谐波分量在数量和信噪比上均具有明显优势.