导读:本文包含了列车轴承论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:轴承,轴箱,故障诊断,算子,小波,列车,故障。
列车轴承论文文献综述
龙莹,苏燕辰,高扬,李艳萍,何刘[1]（2019）在《高速列车齿轮箱轴承故障诊断的自适应TQWT方法》一文中研究指出齿轮箱轴承是高速列车传动系统中重要的零部件之一,其故障诊断对保障列车运行安全具有重要意义。轴承故障诊断主要依靠其故障特征的提取,因此提出基于改进谱峭度(improved spectral kurtosis,ISK)的自适应可调品质因子小波变换(TQWT)故障特征的提取方法。首先在谱峭度基础上引入包络谱熵,提出既能度量信号脉冲强度又能表征其周期性的ISK指标。文章提出的方法利用ISK在TQWT的品质因子Q与冗余因子r的取值范围内自动选取最佳Q、r参数,将信号分解成若干信号分量,并通过选取冲击特征丰富的分量信号进行合并、包络解调提取故障特征。仿真信号验证方法的可行性与有效性,将该方法运用于齿轮箱轴承故障诊断中,结果表明:该方法能挖掘原始信号中不易被发现的信息,使包络谱中故障特征丰富,能有效地诊断轴承故障。(本文来源于《中国测试》期刊2019年11期）
石炜,张袁祥,黄迎久,张万锴[2]（2019）在《基于Canny算法的列车轴承表面缺陷边缘检测》一文中研究指出为了对列车轴承表面缺陷进行准确的边缘检测,提出了一种数学形态学和Canny算法相结合的边缘检测算法。通过对形态学结构元素及基本运算的选取,确定了形态学3菱形闭运算作为前处理,结合Canny算法对列车轴承表面缺陷进行边缘检测。同传统的边缘检测算法及形态学边缘检测算法进行比较,实验结果表明,所提算法不仅加强了抑制噪声的能力,还准确地保留了图像的边缘特征。(本文来源于《测控技术》期刊2019年11期）
姜久林,徐宏海,蒋兴佳,柯蒙福[3]（2019）在《高速列车轴箱轴承稳态温度场影响因素分析》一文中研究指出针对我国某型高速列车发生的轴箱轴承温度预警问题,应用ANSYS建立轴箱轴承有限元仿真模型,依据各滚动体受力大小,分配轴承摩擦发热功率,使用FLUENT完成轴箱轴承稳态温度场分析,并利用实际监测数据验证模型的有效性。在此基础上,分析风向、注脂量对轴箱轴承温度场的影响,并采用正交试验法仿真分析风速、行车速度、环境温度对温度场的影响规律。结果表明,风向对轴箱轴承温度场的影响较小,注脂量为240 g时,测温孔温度与轴承最高温度高于220 g注脂量;风速、行车速度、环境温度对测温孔温度均有显着影响,影响程度由大到小依次为行车速度、环境温度、风速;测温孔温度与轴承最高温度随风速增加而降低,随行车速度、环境温度增加而增加,但风速和环境温度对轴承最高温度的影响较小。研究结果为轴箱轴承温度预警原因分析、合理设置测温传感器预警阈值提供了参考。(本文来源于《机械传动》期刊2019年11期）
刘泽潮,张兵,易彩,吴文逸,黄晨光[4]（2019）在《高阶频率加权能量算子在列车轴箱轴承故障诊断中的应用》一文中研究指出针对轴箱轴承振动信号中微弱故障冲击难以识别的问题,提出了高阶频率加权能量算子的信号解调方法,进而完成轴箱轴承的故障诊断。频率加权能量算子(FWEO)通过在解调时加入信号中瞬时频率的权重,从而提高了干扰情况下解调的鲁棒性,但是当干扰信号能量较大时,FWEO依然无法有效解调轴承的故障冲击信息。因此,在FWEO基础上通过高阶的导数运算,形成了高阶频率加权能量算子(HFWEO)。HFWEO通过高阶导数运算提高了瞬时频率的权重,从而有效提高了HFWEO对干扰信号的抑制作用;使用相关峭度准则确定合适的阶次,保证HFWEO在提高抗干扰性的同时又引入较少的高频噪声,从而实现更可靠的轴箱轴承故障诊断。使用所提出的解调方法对仿真信号与轴箱轴承振动信号进行解调,并与传统解调方法进行对比,结果表明,提出的HFWEO能量算子对干扰具有很好的抑制作用,可以在较低信号干扰比情况下具有良好的解调效果,同时所提的相关峭度准则可以准确地确定最佳的HFWEO阶次,在复杂干扰情况下依然可以有效提取轴承故障冲击,克服了传统解调方法在干扰严重时的局限性,抑制了干扰的影响,对信号中故障冲击识别更加有效,为更准确、快速判断轴承故障类型提供了可靠保证。(本文来源于《西安交通大学学报》期刊2019年12期）
郭艳杰[5]（2019）在《铁路列车轴承疲劳寿命预测方法研究》一文中研究指出研究本项目旨在将神经网络理论和灰色预测方法引入到轴承健康管理中,研究滚动轴承振动机理、信号特征及其非线性动力学模型,提取机车高速运行时滚动轴承的温度和振动信号,采用神经网络与灰色预测相结合的方法对电力机车轴承进行健康管理的仿真试验和轴承寿命预测方法研究。(本文来源于《内燃机与配件》期刊2019年14期）
邓飞跃,刘鹏飞,陈恩利,段修生[6]（2019）在《基于自适应频率窗经验小波变换的列车轮对轴承多故障诊断》一文中研究指出针对列车轮对轴承故障信号复杂,尤其是在多故障并发情况下难以准确诊断的问题,提出了基于频率窗经验小波变换(EWT)的轮对轴承多故障诊断方法。首先对轴承多故障振动信号进行Fourier变换,引入一个带宽可变的滑动频率窗分割信号频谱;然后利用水循环优化算法(WCA),通过所提出的幅值包络谱相关峭度(ESCK)指标,自适应地确定轴承多故障中各单一故障所对应的最优频率窗位置;最后通过经验小波变换分解出单一故障信号,采用包络解调分析实现轴承复合故障准确诊断。轮对轴承多故障仿真和实际应用结果表明,所提方法能有效分离列车轮对轴承复合故障中的典型故障,有效降低轮对轴承多故障诊断的误诊率,具有一定的应用价值。(本文来源于《铁道学报》期刊2019年05期）
熊伟[7]（2019）在《列车轴承轨边声学故障诊断中多源混迭空时滤波器设计方法研究》一文中研究指出机械设备故障诊断技术对高速发展的制造业核心装备进行有效监测、预警和诊断,以避免或减少重大安全事故,具有巨大的经济和社会价值。随着技术发展,高速铁路运输已成为最重要的交通运输方式之一,其安全性、舒适性与高效性一直是国内外关注的焦点。通过健康状态监测技术对列车运行过程进行监控,对预防列车事故发生、保障列车运行安全具有重要意义。列车轮对轴承作为核心部件之一,其健康状况直接影响列车运行安全。轮对轴承故障作为一种常见故障,其监测与诊断技术一直是国内外研究的热点。列车轴承轨边声学故障诊断系统以其具备非接触式测量、早期故障预警和成本相对较低等优点而受到研究者的青睐。但多运动声源混迭的复杂声学环境却对列车轴承轨边声学故障诊断系统的可靠性带来了挑战。论文以获得清晰的声谱特征为目标,将多源混迭问题分解为同侧、同轴与复合运动声源混迭问题,以空时滤波器设计为主要技术手段,逐步解决多运动声源分离与校正、提取与增强、数目与相对位置估计等技术难点,最终形成一套列车轴承轨边声学故障诊断的系统性技术解决方案。首先,根据列车通过时测量得到的多运动声源分布结果,论文将多运动声源混迭问题细分为同侧、同轴与复合运动声源混迭问题,并分析了各自的特点,揭示了多个运动声源难分离、故障特征信号难提取、数目与相对位置难估计等叁个技术难点。根据目前使用的列车轴承,建立了以轴承故障特征频率判断轴承故障类型的静态检测理论基础,介绍了轴承故障动态声学检测的波动力学基础。根据需要解决的叁个技术难点设计了静态、动态实验平台及信号获取方案。通过静态信号与动态信号的对比,验证了轨边声学故障诊断系统中多源混迭问题的存在,并对传统方法与阵列结构在解决上述技术难点中存在的问题进行了分析,为后文进行深入研究奠定基础。其次,针对同侧运动声源混迭中多个运动声源难分离的问题,论文建立了基于均匀线性阵列的几何模型和信号模型,并将该问题视为一个动态盲源分离问题,提出了参数化时域分离矩阵和时域重映射矩阵设计的空时滤波重排方法,实现了同侧运动声源的分离与校正。利用简单的相关运算来去除噪声和被扭曲的非目标声源分量,得到目标声源信号的估计,通过包络谱分析实现目标声源的故障诊断。该方法在时域实现声源分离与校正,去除残余分量干扰的相关运算操作简单,具有计算效率高和输出信噪比高的优点。随后,针对同轴运动声源混迭中故障特征信号难提取的问题,论文建立了基于十字形阵列的几何模型和信号模型,克服空域滤波只能抑制但不能消除非目标方向干扰声源和噪声的本质缺陷,提出了自适应稀疏滤波方法,实现了轴承故障特征信号的提取与增强。论文将传统空域滤波技术与无监督式机器学习技术相结合,完全去除干扰声源。在空域和时域完成信号处理,运算效率高。通过空域滤波和稀疏滤波之后,噪声得到极大程度地抑制,输出信噪比高。这是无监督式机器学习方法与阵列信号处理方法在多运动声源混迭问题中的创新应用。最后,针对复合运动声源混迭中数目与相对位置难估计的问题,论文利用斐波那契数列设计了具有优异性能的斐波那契阵列结构。并基于斐波那契阵列结构提出了一种解卷积的清洁空时图方法,实现了多运动声源数目和相对位置的估计。类比于针对静态声源定位二维空间扫描的“声学相机”技术,论文提出了运动声源定位时间与空间扫描的“聚焦声学相机”新概念。论文设计了性能优异的斐波那契阵列结构,以麦克风阵列信号为分析对象,利用清洁空时图方法实现多运动声源数目与相对位置的准确估计,再利用空时滤波重排技术实现多运动声源的分离与校正,最后利用自适应稀疏滤波技术实现轴承故障特征信号的提取与增强,得到清晰的轴承故障信号声谱以实现故障诊断。一条以多源混迭空时滤波器设计为主体,包含清洁空时图方法、空时滤波重排方法、自适应稀疏滤波方法的系统性技术方案得以建立,为最终实现列车轴承轨边声学故障诊断提供一定的研究基础。(本文来源于《中国科学技术大学》期刊2019-05-01）
顾康康[8]（2019）在《基于多普勒原子稀疏表示的列车轴承轨边信号消噪研究》一文中研究指出列车轴承健康状况直接影响到列车能否稳定、安全、高效的运行,开展列车轴承运行状态在线监测研究具有重要意义。轨边声学监测是列车轴承在线监测的有效手段之一,本文以我国现役列车轮对轴承NJ(P)3226X1为研究对象,针对轨边信号特点,以稀疏分析为手段,研究轨边声音信号消噪理论。本文针对我国现役列车轮对轴承NJ(P)3226X1人工设置不同类别的单点故障,并介绍了部分实验设备,模拟静态、动态信号的采集方案,随后介绍了现场采集装置。根据轨边信号多普勒时频变化规律,研究了与轨边信号内在时频结构相匹配的Doppler谐波字典、Doppler谐波-冲击复合字典的构造理论与方法,结合匹配追踪算法建立了基于多普勒调制原子字典的匹配分解方法,根据声源空间分布位置不同,提出最优原子筛选和信号重构策略,实现轨边声音信号的消噪。具体来说:第一种方法是构建基于过完备参数化多普勒调制谐波原子库的列车轮对轴承轨边声信号分离方法。具体实现步骤:1、构建Doppler谐波原子库;2、使用匹配追踪算法实现信号稀疏分解;3、根据麦克风到轴承声源的横向、纵向距离及声源信号的共振频带,在投影原子中筛选最优原子,线性组合得到消噪信号。第二种方法是基于多普勒调制谐波-冲击复合原子字典的稀疏分析理论,在第一种方法的基础上引入多普勒调制冲击原子,构建多普勒调制谐波-冲击复合原子字典,提高原子与轨边故障信号的内在结构匹配程度,增强信号表示稀疏性,提升去噪效果。通过仿真与实验数据分析,验证了本文所提方法的有效性。本文所提方法与传统数字滤波相比,具有消除带内噪声的优点,有望在实际工程中进行推广应用。(本文来源于《安徽大学》期刊2019-05-01）
孙在东[9]（2019）在《基于HMM时间序列分析的列车轴承健康监测的研究》一文中研究指出近些年来,随着我国高铁的迅猛发展,高速铁路网的规模不断扩张,如何保障铁路车辆的安全成为极具挑战性的问题。走行部轴承作为影响列车运行安全的最关键部件,监测其健康状态一直是铁路车辆运行维护部门研究的重点。目前,如何评估轴承的健康状态仍是亟待研究的问题,本文基于全寿命周期的轴承监测数据,重点研究一种轴承健康状态的评估方法,为轴承健康监测标准的建立提供技术依据,也为铁路车辆的可靠性研究提供技术支撑。本文根据列车运行时轴承相关监测数据的时间序列属性和无标签性,选择将既能对时间序列中状态的相关性建模、又能以无监督的方式训练的隐马尔可夫模型(Hidden Markov Model,HMM)作为研究重点,并针对HMM的隐状态数必须预先设定的不足,将HMM的非参数版本,无限隐马尔可夫模型(infinite HMM,iHMM),引入到轴承的健康监测中。该模型利用分层狄利克雷过程(Hierarchical DP,HDP)的分层共享原理及良好的聚类属性推断隐状态数目,弥补了HMM的不足。同时本文对iHMM的缺陷及状态划分的质量进行优化,建立了有效模型,并将轴承全寿命周期的健康状态分为四个劣化等级,实现了对轴承健康状态的监测。具体研究有如下几点:(1)针对iHMM的收敛状况对其超参数较为敏感的缺陷,本文利用贝叶斯优化和Mann-Kendall准则调节其超参数;同时考虑到传统iHMM模型的拓扑结构不适用于轴承健康状态的退化过程,本文将其各状态遍历的拓扑改造成自左至右的模式,以贴合轴承健康监测的需要,将改进后的模型命名为LR-iHMM。(2)实际的轴承劣化数据存在两个时间尺度的动态变化,单层模型存在状态表达能力不足、状态划分过于直接的问题。因此,本文将LR-iHMM模型的结构拓展至两层,对单层模型的隐状态进行宏观划分,以宏观状态模拟轴承的健康状态,提高模型对轴承数据的建模能力;同时根据同一健康状态下其数据特征具备一定相似性的原理,将数据分布相似的微观状态归并为一个宏观状态,在无监督的条件下进一步提高模型进行健康状态划分的质量,形成了Doubly LR-iHMM模型。(3)构建了基于Doubly LR-iHMM的轴承健康监测模型,本文通过实际的轴承数据进行验证,结果表明,与单层模型相比,Doubly LR-iHMM能够更好地拟合轴承性能退化数据,健康状态的划分结果也更加合理。本文根据实验结果,以四个劣化等级定义轴承全寿命周期的健康状态,实现对轴承的健康监测。(本文来源于《北京交通大学》期刊2019-04-10）
席维[10]（2019）在《城市轨道交通列车轴承与齿轮箱故障检测算法研究》一文中研究指出轴承和齿轮箱作为城市轨道交通列车走行部中的关键部件,在轨道交通列车正常运行中发挥着十分重要的作用。一旦发生故障,不仅会影响轨道交通列车运行的平稳性,还会对列车运行安全造成威胁。所以,对轨道交通列车走行部中轴承和齿轮箱的故障进行及时有效的检测和诊断具有十分重要的意义。实际情况下,轨道交通列车轴承和齿轮箱故障信号大多都包含复杂的分量信息,已有的故障检测方法,在用于分析实际故障信号时大多存在缺陷。在此研究背景下,本文提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的故障检测分析方法。该方法采用经验小波变换(EWT)方法对故障信号进行分解后,根据文中提出的峭度公式计算出的特征值筛选出包含敏感故障信息的本征模态函数(Intrinsic Mode Function,IMF),并采用快速峭度(Fast Kurtosis,FK)法对筛选出的本征模态函数(IMF)进行分析。本文采用该方法对轴承故障数据,齿轮箱故障数据进行检测分析,通过与已有故障检测方法的对比,证明通过该方法能够分析得到其故障频率信息,且误差率低于已有的故障检测方法。本文采用该方法对轴承故障数据,齿轮箱故障数据进行故障特征值提取,并与未经处理的原始故障信号,经既有方法提取的故障信息用于分类实验。通过实验证明,采用该方法提取的故障特征值能充分表征其故障信息。(本文来源于《长安大学》期刊2019-04-10）
列车轴承论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了对列车轴承表面缺陷进行准确的边缘检测,提出了一种数学形态学和Canny算法相结合的边缘检测算法。通过对形态学结构元素及基本运算的选取,确定了形态学3菱形闭运算作为前处理,结合Canny算法对列车轴承表面缺陷进行边缘检测。同传统的边缘检测算法及形态学边缘检测算法进行比较,实验结果表明,所提算法不仅加强了抑制噪声的能力,还准确地保留了图像的边缘特征。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
列车轴承论文参考文献
[1].龙莹,苏燕辰,高扬,李艳萍,何刘.高速列车齿轮箱轴承故障诊断的自适应TQWT方法[J].中国测试.2019
[2].石炜,张袁祥,黄迎久,张万锴.基于Canny算法的列车轴承表面缺陷边缘检测[J].测控技术.2019
[3].姜久林,徐宏海,蒋兴佳,柯蒙福.高速列车轴箱轴承稳态温度场影响因素分析[J].机械传动.2019
[4].刘泽潮,张兵,易彩,吴文逸,黄晨光.高阶频率加权能量算子在列车轴箱轴承故障诊断中的应用[J].西安交通大学学报.2019
[5].郭艳杰.铁路列车轴承疲劳寿命预测方法研究[J].内燃机与配件.2019
[6].邓飞跃,刘鹏飞,陈恩利,段修生.基于自适应频率窗经验小波变换的列车轮对轴承多故障诊断[J].铁道学报.2019
[7].熊伟.列车轴承轨边声学故障诊断中多源混迭空时滤波器设计方法研究[D].中国科学技术大学.2019
[8].顾康康.基于多普勒原子稀疏表示的列车轴承轨边信号消噪研究[D].安徽大学.2019
[9].孙在东.基于HMM时间序列分析的列车轴承健康监测的研究[D].北京交通大学.2019
[10].席维.城市轨道交通列车轴承与齿轮箱故障检测算法研究[D].长安大学.2019
论文知识图
