轨边轴承故障声学检测关键技术研究
发布时间：2022-07-22 16:56
滚动轴承是机车最重要的一部分旋转部件,机车轴承故障会严重影响机车的安全运行。为了提高轨边声学滚动轴承故障检测系统的可行性,本文对滚动轴承故障在线检测关键技术进行了研究,主要包括多普勒畸变的校正、从强噪声中提取微弱周期信号以及多声源的分离。本文首先分析了NJP3226X1型号滚动轴承的主要失效形式以及零件的固有振动频率,进一步得到了四种轴承零件（内圈、外圈、滚子、保持架）的故障特征频率,然后利用ANSYS对列车轴承各零件进行模态分析,根据测量参数在软件进行建模,最后经过计算得到各个组件的固有频率值,得到的固有频率值可以作为故障检测的参考。之后讨论了多普勒畸变校正方法。根据运动声源声辐射理论,通过仿真可以得到多普勒畸变信号。接着分析校正畸变的过程:首先利用STFT求得经过降采样处理之后信号的时频分布,然后利用Crazy Climber算法估计信号的瞬时频率,利用最小二乘法拟合得到瞬时频率的连续值,最后计算重采样时间点序列,并对信号做三次样条函数拟合,根据拟合结果重采样得到校正了多普勒畸变之后的信号。在强噪声方面,研究了双稳态随机共振微弱信号检测方法,其中包括其尺度变换原则。通过外加信号或调...
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 论文的研究背景及意义
1.2 国内外研究现状
1.2.1 轨边声学检测系统研究概况
1.2.2 轨边声学检测系统关键技术研究概况
1.3 本论文的主要研究内容
第2章 列车轴承故障分析与模态分析
2.1 引言
2.2 单列滚子轴承分析
2.2.1 主要失效形式
2.2.2 轴承零件固有频率
2.2.3 轴承零件故障特征频率
2.3 基于ANSYS的轴承各零件模态分析
2.4 本章小结
第3章 列车轴承轨边声学多普勒畸变校正
3.1 引言
3.2 运动声源的声辐射理论
3.3 基于瞬时频率估计的多普勒畸变校正
3.3.1 瞬时频率的定义
3.3.2 基于Crazy Climber算法的脊线提取方法
3.4 基于非线性曲线拟合的参数估计
3.4.1 非线性曲线拟合理论研究
3.4.2 非线性曲线拟合在参数估计中的应用
3.5 基于信号重采样技术的信号重构
3.6 仿真分析
3.6.1 仿真信号建立
3.6.2 多普勒畸变校正流程
3.6.3 仿真分析结果
3.7 实验信号分析
3.7.1 实验模式
3.7.2 实验仪器
3.7.3 实验数据处理
3.8 列车内圈故障信号数据分析
3.9 本章小结
第4章 基于随机共振的微弱信号增强方法
4.1 引言
4.2 双稳态系统随机共振模型
4.2.1 双稳态系统微弱信号检测模型
4.2.2 双稳态系统尺度变换
4.3 微弱信号检测的自适应随机共振方法
4.3.1 外加信号的随机共振检测
4.3.2 最佳匹配随机共振检测
4.4 Woods-Saxon与 Gaussian联合势随机共振算法
4.5 本章小结
第5章 多声源分离方法
5.1 引言
5.2 时频信号融合
5.3 基于DFMS算法的声源分离
5.4 本章小结
总结
参考文献
致谢
【参考文献】：
期刊论文
[1]基于ROSST的列车轴承轨边声学信号校正与诊断研究[J]. 熊伟,张海滨,何清波,孔凡让. 振动与冲击. 2017(06)
[2]基于重采样技术的声学信号多普勒畸变校正[J]. 吴强,孔凡让,何清波,刘永斌. 信号处理. 2012(09)
[3]运动声源识别的动态波叠加方法研究[J]. 杨殿阁,李兵,王子腾,连小珉. 物理学报. 2012(05)
[4]高速铁路动车组列车的噪声特性[J]. 俞悟周,王晨,毛东兴,王佐民,姜在秀,万雯. 环境污染与防治. 2009(01)
[5]货车滚动轴承早期故障轨边声学诊断系统（TADS）[J]. 夏建辉,梁广清. 哈尔滨轴承. 2005(01)
[6]运动声源的声全息识别方法[J]. 杨殿阁,郑四发,罗禹贡,连小珉,蒋孝煜. 声学学报. 2002(04)
[7]先进道旁车辆状态监视系统的开发和应用[J]. FirdausiD.Irani,吴朝院. 国外铁道车辆. 2002(02)
博士论文
[1]列车轴承轨边声学诊断中故障声谱识别的时变阵列分析技术研究[D]. 张尚斌.中国科学技术大学 2017
[2]列车轴承轨边声学故障信号的声源分离及其去噪研究[D]. 张海滨.中国科学技术大学 2016
[3]列车轴承故障道旁声学诊断关键技术研究[D]. 张翱.中国科学技术大学 2014
[4]列车轴承故障轨边声学检测系统关键技术研究[D]. 胡飞.中国科学技术大学 2013
[5]基于道旁声学信号的列车滚动轴承故障诊断技术研究[D]. 吴强.中国科学技术大学 2013
[6]中长期铁路网规划布局及优化方法研究[D]. 周荣征.西南交通大学 2011
[7]运动汽车声场可视化方法研究[D]. 李兵.清华大学 2010
[8]微弱特征信号检测的随机共振方法与应用研究[D]. 杨定新.国防科学技术大学 2004
硕士论文
[1]列车轴承轨边声学监测与诊断方法研究[D]. 胡智勇.中国科学技术大学 2016
[2]基于时频流形分析的设备故障诊断方法研究[D]. 汪湘湘.中国科学技术大学 2014
[3]基于振动信号处理及模态分析的机械故障诊断技术研究[D]. 张生.燕山大学 2009
本文编号：3664989
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 论文的研究背景及意义
1.2 国内外研究现状
1.2.1 轨边声学检测系统研究概况
1.2.2 轨边声学检测系统关键技术研究概况
1.3 本论文的主要研究内容
第2章 列车轴承故障分析与模态分析
2.1 引言
2.2 单列滚子轴承分析
2.2.1 主要失效形式
2.2.2 轴承零件固有频率
2.2.3 轴承零件故障特征频率
2.3 基于ANSYS的轴承各零件模态分析
2.4 本章小结
第3章 列车轴承轨边声学多普勒畸变校正
3.1 引言
3.2 运动声源的声辐射理论
3.3 基于瞬时频率估计的多普勒畸变校正
3.3.1 瞬时频率的定义
3.3.2 基于Crazy Climber算法的脊线提取方法
3.4 基于非线性曲线拟合的参数估计
3.4.1 非线性曲线拟合理论研究
3.4.2 非线性曲线拟合在参数估计中的应用
3.5 基于信号重采样技术的信号重构
3.6 仿真分析
3.6.1 仿真信号建立
3.6.2 多普勒畸变校正流程
3.6.3 仿真分析结果
3.7 实验信号分析
3.7.1 实验模式
3.7.2 实验仪器
3.7.3 实验数据处理
3.8 列车内圈故障信号数据分析
3.9 本章小结
第4章 基于随机共振的微弱信号增强方法
4.1 引言
4.2 双稳态系统随机共振模型
4.2.1 双稳态系统微弱信号检测模型
4.2.2 双稳态系统尺度变换
4.3 微弱信号检测的自适应随机共振方法
4.3.1 外加信号的随机共振检测
4.3.2 最佳匹配随机共振检测
4.4 Woods-Saxon与 Gaussian联合势随机共振算法
4.5 本章小结
第5章 多声源分离方法
5.1 引言
5.2 时频信号融合
5.3 基于DFMS算法的声源分离
5.4 本章小结
总结
参考文献
致谢
【参考文献】：
期刊论文
[1]基于ROSST的列车轴承轨边声学信号校正与诊断研究[J]. 熊伟,张海滨,何清波,孔凡让. 振动与冲击. 2017(06)
[2]基于重采样技术的声学信号多普勒畸变校正[J]. 吴强,孔凡让,何清波,刘永斌. 信号处理. 2012(09)
[3]运动声源识别的动态波叠加方法研究[J]. 杨殿阁,李兵,王子腾,连小珉. 物理学报. 2012(05)
[4]高速铁路动车组列车的噪声特性[J]. 俞悟周,王晨,毛东兴,王佐民,姜在秀,万雯. 环境污染与防治. 2009(01)
[5]货车滚动轴承早期故障轨边声学诊断系统（TADS）[J]. 夏建辉,梁广清. 哈尔滨轴承. 2005(01)
[6]运动声源的声全息识别方法[J]. 杨殿阁,郑四发,罗禹贡,连小珉,蒋孝煜. 声学学报. 2002(04)
[7]先进道旁车辆状态监视系统的开发和应用[J]. FirdausiD.Irani,吴朝院. 国外铁道车辆. 2002(02)
博士论文
[1]列车轴承轨边声学诊断中故障声谱识别的时变阵列分析技术研究[D]. 张尚斌.中国科学技术大学 2017
[2]列车轴承轨边声学故障信号的声源分离及其去噪研究[D]. 张海滨.中国科学技术大学 2016
[3]列车轴承故障道旁声学诊断关键技术研究[D]. 张翱.中国科学技术大学 2014
[4]列车轴承故障轨边声学检测系统关键技术研究[D]. 胡飞.中国科学技术大学 2013
[5]基于道旁声学信号的列车滚动轴承故障诊断技术研究[D]. 吴强.中国科学技术大学 2013
[6]中长期铁路网规划布局及优化方法研究[D]. 周荣征.西南交通大学 2011
[7]运动汽车声场可视化方法研究[D]. 李兵.清华大学 2010
[8]微弱特征信号检测的随机共振方法与应用研究[D]. 杨定新.国防科学技术大学 2004
硕士论文
[1]列车轴承轨边声学监测与诊断方法研究[D]. 胡智勇.中国科学技术大学 2016
[2]基于时频流形分析的设备故障诊断方法研究[D]. 汪湘湘.中国科学技术大学 2014
[3]基于振动信号处理及模态分析的机械故障诊断技术研究[D]. 张生.燕山大学 2009
本文编号：3664989
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3664989.html
