城轨列车轴箱轴承故障预测与健康管理关键技术研究

作     者：钟槭畑 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：辛格

授予年度：2023年

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

主      题：城轨列车轴箱轴承 故障预测与健康管理 振动信号处理 健康状态监测 故障诊断 剩余寿命预测 

摘      要：我国城市轨道交通不断发展,其安全保障问题和降本增效问题引发了广泛关注。列车是城轨运输的载体,其安全隐患可能导致严重事故。轴箱轴承是列车走行部的关键部件,同时也是故障多发部件,为确保列车安全运行的过度检修导致其维护成本高昂。故障预测与健康管理(Prognostics and Health Management,PHM)在保障设备与人员安全和降低维护成本方面具有重要的研究意义和价值,而基于振动信号处理的方法近些年来成为了轴承PHM技术的研究热点,其主要包括健康状态监测、故障诊断和剩余寿命(Remaining Useful Life,RUL)预测3个方面的重要内容。因此,本文以城轨列车轴箱轴承为研究对象,对基于振动信号的列车轴箱轴承健康状态监测、故障诊断和RUL预测方法进行研究,主要工作如下:(1)针对健康状态监测面临的频域特征提取和特征指标选择问题,提出基于概率分布距离和频域特征加权的健康指标构建方法。采用滤波器组对频域信号进行分解得到多个子频段特征,然后利用概率分布度量量化表征子频段统计特征,最后以单调性和趋势性为准则对子频段特征进行加权构建健康指标。利用实验数据和现场数据验证了所提指标比传统指标在单调性和趋势性方面有明显提高。(2)针对故障诊断面临的信号多源混叠和故障自主识别问题,提出基于基尼系数图(Ginigram)和循环谐波中值比的故障自主识别方法。首先采用基尼系数替代峭度与1/3二叉树滤波器组结合形成Ginigram,然后构建循环谐波中值比以量化轴承不同部件的故障特征,最后基于3sigma法则计算检测阈值实现故障自主识别。利用实验数据和现场数据验证了所提方法比现有方法在最优滤波频段选取和故障自主识别方面更有效。(3)针对3sigma法则需要历史数据计算阈值的问题,提出基于故障诱导的包络谱和移动超过阈值的极值方法。首先基于谱相干针对不同部件故障特征进行积分构建故障诱导的包络谱,然后基于故障特征的厚尾统计特征和频率相关性提出移动超过阈值的极值方法计算检测阈值,在无需任何历史数据的条件下实现故障自主识别。利用实验数据和现场数据验证了所提方法相比现有方法更准确。(4)针对RUL预测面临的退化阶段划分和最优预测模型选取问题,提出基于多阶段自适应退化模型的RUL预测方法。首先基于健康指标测量值和预测值的残差,利用统计过程控制方法划分退化阶段,然后构建具有5种基础退化模型的广义预测模型,最后根据赤池信息量准则选择最佳模型预测RUL。利用实验数据和现场数据验证了所提方法能够准确划分退化阶段且相比单一模型预测准确性更高。