CN112729817A - 基于多源数据融合的齿轮箱故障诊断方法、系统及试验台 - Google Patents
基于多源数据融合的齿轮箱故障诊断方法、系统及试验台 Download PDFInfo
- Publication number
- CN112729817A CN112729817A CN202110154558.5A CN202110154558A CN112729817A CN 112729817 A CN112729817 A CN 112729817A CN 202110154558 A CN202110154558 A CN 202110154558A CN 112729817 A CN112729817 A CN 112729817A
- Authority
- CN
- China
- Prior art keywords
- gearbox
- fault diagnosis
- source data
- sensor
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及基于多源数据融合的齿轮箱故障诊断方法、系统及试验台,包括:S1,采集数据:获取齿轮箱的振动信号、噪声信号、齿轮箱轴承处的温度信号、齿轮轴的位移信号、齿轮箱润滑油的油液数据;S2,对S1采集的多源数据分别进行预处理;S3,根据预处理后的多源数据,利用多传感器数据融合技术对齿轮箱的故障进行诊断。本发明通过不同种类的传感器获取齿轮箱的振动、温度、噪声、位移等多源数据信号,通过多传感器数据融合技术进行故障诊断,充分发挥了各个传感器与数据源冗余互补的功能,能够较完整清晰地表达出齿轮箱的故障信息,提高了对齿轮箱故障的定位能力以及对复合故障的诊断能力;本发明方法的诊断结果更加精准、可靠。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及基于多源数据融合的齿轮箱故障诊断方法、系统及试验台。
背景技术
齿轮箱作为高速列车动力转向架的关键核心部件,是高速列车能量转换与传递的核心单元,其安全稳定性直接影响着高速列车的安全性和可靠性。目前,针对高速列车齿轮箱的故障诊断主要是通过加速度传感器采集齿轮箱的振动信号,然后利用振动信号所包含的信息进行状态监测和故障诊断。该方法虽然简单且运用广泛,但具有以下缺陷:
(1)基于振动信号对高速列车齿轮箱进行故障诊断,往往通过在齿轮箱的箱体表面布置加速度传感器对振动信号进行采集,再对采集到的信号进行处理,从而实现对齿轮箱的故障诊断。
然而,由于加速度传感器属于接触式传感器,即获取振动信号时必须要与齿轮箱表面相接触,在特殊工况下(如高温、高腐蚀、有毒的环境)使用受限,在实际运用中也势必会影响设备的运行状态;并且振动信号相较于其它信号(如噪声信号),对故障的敏感性较差,而齿轮箱内部相关部件的早期信号非常微弱,基于振动信号的诊断方法对这种早期故障不能及时发现、预警。
(2)其采用单一类型传感器对齿轮箱的故障信息进行获取,传感器的安装数量有限,并且由于信号源单一,不能清晰、完整地表达出齿轮箱的故障信息,对齿轮箱故障的定位能力也不足。
此外,单一传感器特别容易受到外界环境的影响,其故障诊断的准确率较低,通常在50%左右,甚至可能得出错误的结论,诊断结果的可信度不高,存在着很大的模糊性和不确定性;当齿轮箱有复合故障发生时,基于单源数据的故障诊断方法显得无能为力。
现有技术只利用了单源数据进行信号处理和分析,不能准确地识别齿轮箱的故障类型,难以准确地定位故障发生的部位。
发明内容
本发明为了解决上述技术问题,提供基于多源数据融合的齿轮箱故障诊断方法、系统及试验台。
本发明通过下述技术方案实现:
基于多源数据融合的齿轮箱故障诊断方法、系统及试验台,包括以下步骤:
S1,采集数据:获取齿轮箱的振动信号、噪声信号以及齿轮箱轴承处的温度信号、齿轮轴的位移信号;并对齿轮箱的润滑油进行油液分析,获得油液数据;
S2,对S1采集的多源数据分别进行预处理;
S3,根据预处理后的多源数据,利用多传感器数据融合技术对齿轮箱的故障进行诊断。
进一步的,所述S3包括:
S3.1对预处理后的多源数据分别进行故障特征提取,获得反映齿轮箱故障状态的特征参数;
S3.2,将S3获得的特征参数分别输入对应的BP神经网络模型进行故障特征识别,获得故障特征;
S3.3,根据故障特征,使用D-S证据理论进行融合诊断,得到最终的故障诊断结果。
基于多源数据融合的齿轮箱故障诊断系统,包括数据采集系统、数据预处理系统和多传感器数据融合系统;
数据采集系统:包括用于获取齿轮箱振动信号的加速度传感器、用于获取齿轮箱轴承处温度信号的温度传感器、用于获取齿轮箱噪声信号的声级计和/或声强探头、用于获取齿轮轴位移信号的电涡流传感器;
数据预处理系统:负责对采集到的数据进行预处理;
多传感器数据融合系统:负责根据预处理后的多源数据对齿轮箱的故障进行诊断。
进一步的,数据采集系统还包括用于采集齿轮箱润滑油的油液采集器和用于对采集的润滑油进行油液分析的油液分析器。
基于多源数据融合的齿轮箱故障诊断试验台,包括驱动系统以及所述的基于多源数据融合的齿轮箱故障诊断系统。
进一步的,基于多源数据融合的齿轮箱故障诊断试验台还包括用于传递运动和扭矩的传动系统。
进一步的,传动系统包括高速列车轮对以及联轴器,所述联轴器是用来联接不同机构中的两根轴(主动轴和从动轴)使之共同旋转并传递扭矩的机械零件。
进一步的,基于多源数据融合的齿轮箱故障诊断试验台还包括齿轮箱,所述驱动系统的输出轴与齿轮箱的输入轴利用联轴器相连,齿轮箱的输出轴即为高速列车的车轴。
进一步的,基于多源数据融合的齿轮箱故障诊断试验台还包括用于对高速列车轮对施加载荷的加载系统。
进一步的,加载系统包括加载电机及其变频器,所述加载电机与高速列车轮对的空心车轴相连。
优选地,驱动系统包括驱动电机及其变频器,驱动电机和加载电机均为变频交流调速三相异步电动机。
优选地,所述加速度传感器有四个,其中两个加速度传感器分别安装在齿轮箱输入轴左右侧的轴承座上,另外两个加速度传感器分别安装在高速列车轮对的空心车轴左右侧的轴承座上。
进一步的,基于多源数据融合的齿轮箱故障诊断试验台还包括传感器布设装置,传感器布设装置包括竖直杆底座、竖直杆和至少一个可调节组件,可调节组件包括滑块和水平杆;
竖直杆底部与竖直杆底座连接,滑块装于竖直杆上并通过螺栓与竖直杆锁固;
水平杆装于滑块上;在外力作用下,水平杆可相对于滑块水平移动;
声级计、声强探头、电涡流传感器装于水平杆上。
进一步的,所述水平杆上沿长度方向设有齿条,滑块上设有齿轮和旋钮,旋钮与齿轮连接,齿轮与齿条啮合,通过转动滑块上的旋钮可调节水平杆的水平位置。
优选地,在齿轮箱的正上方、正前方以及侧面布置三个测点,测点与齿轮箱的中心距离为1m,每个测点利用声级计进行声压级测量;
在距齿轮箱表面0.5m处矩阵布置6×7个测点,每个测点的间距为0.1m,每个测点利用声强探头进行声功率级测量。
进一步的,它还包括T型槽工作台,T型槽工作台顶面有若干平行的倒T型槽,所述驱动系统、加载系统、高速列车轮对和齿轮箱分别装于各自的支撑台上,支撑台通过螺栓与T型槽工作台固接。
与现有技术相比,本发明具有以下有益效果:
1,本发明基于多源(传感器)数据融合的故障诊断方法,通过不同种类的传感器获取齿轮箱的振动、温度、噪声、位移等多源数据信号,通过多传感器数据融合技术进行故障诊断,充分发挥了各个传感器与数据源冗余互补的功能,能够较完整清晰地表达出齿轮箱的故障信息,提高了对齿轮箱故障的定位能力以及对复合故障的诊断能力;本发明方法的诊断结果更加精准、可靠;
2,本发明引入噪声传感器、电涡流传感器等非接触式传感器对齿轮箱进行故障诊断,通过噪声传感器对齿轮箱运行中的噪声信息进行采集,通过电涡流传感器对齿轮轴的径向振动、在线游隙进行测量;非接触传感器的使用使得相关信号的获取不必与齿轮箱直接接触,这既能反映齿轮箱的运行状态,又能有效地适应复杂环境;并且相比于振动信号,噪声信号对齿轮箱早期故障的敏感性更强,尤其对于滚动轴承来说,其噪声信号蕴含了丰富的状态信息,基于噪声信号的故障诊断方法可以及时发现齿轮箱结构部件的早期潜在故障;
3,本发明的试验台结构简单、拆装方便,并且相关部件容易更换,各组成部分(如电机、各支撑工装)的相对位置可以调节,因此具有良好地通用性,可以满足不同型号高速列车齿轮箱的故障诊断;通过更换不同规格的齿轮箱减振底座,还可以对不同型号的地铁齿轮箱、不同型号的机车齿轮箱等相似结构进行故障诊断和在线监测;
4,本发明采用变频交流调速三相异步电动机与变频器组成的驱动系统、加载系统,可实现高速列车齿轮箱实际的运营工况,通过对齿轮箱进行转速、扭矩、转向的调节,能更加真实地模拟高速列车齿轮箱在不同工况下的故障特征;
5,本发明的试验台还包括一套非接触传感器的传感器布设装置,该传感器布设装置采用螺栓连接和齿轮齿条传动机构,能够灵活、准确地实现非接触传感器水平方向和垂直方向的调节,使得相应传感器能够高效稳定地安装在预定位置;
6,本发明的试验台除了对齿轮箱进行故障诊断外,在实际当中可以通过添加相应的结构部件模块,针对高速列车可以完成一系列的基础试验。比如通过添加液压加载模块,可以对高速列车车轮施加横向力和垂向力,进行轮轨力以及轮轨接触点位置的精确测量;通过添加轨道轮装置,可以确定轮轨系统的接触疲劳伤损,对车轮踏面的脱轨安全特性、导向性以及稳定性等指标进行评定性试验,还可以对波浪形磨耗机理、蛇形稳定性等开展一系列试验研究。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。
图1是基于多源数据融合的齿轮箱故障诊断方法的原理图;
图2是齿轮箱故障诊断试验台的原理图;
图3是齿轮箱故障诊断试验台的主视图;
图4是齿轮箱故障诊断试验台的俯视图;
图5是齿轮箱故障诊断试验台的三维图;
图6是齿轮箱故障诊断试验台的侧视图;
图7是传感器布设装置的结构示意图;
图8是传感器布设装置的局部示意图;
图9是声级计夹紧工装的结构示意图;
图10是声级计夹紧工装夹紧声级计时的示意图;
图11是声强探头夹紧工装的结构示意图;
图12是声强探头夹紧工装夹紧声强探头时的示意图;
图13是电涡流传感器的径向布置示意图;
图14是电涡流传感器的轴向布置示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
如图1所示,本发明公开的基于多源数据融合的齿轮箱故障诊断方法,包括以下步骤:
S1,采集数据:获取齿轮箱的振动信号、噪声信号以及齿轮轴的位移信号;
S2,对S1采集的多源数据分别进行预处理;
S3,根据预处理后的多源数据,利用多传感器数据融合技术对齿轮箱的故障进行诊断。
S3.1对预处理后的多源数据分别进行故障特征提取,获得反映齿轮箱故障状态的特征参数;
S3.2,将S3获得的特征参数分别输入对应的神经网络模型进行故障特征识别,获得故障特征;
S3.3,根据故障特征,使用D-S证据理论进行融合诊断,得到最终的故障诊断结果。
在另一个实施方式中,S1还获取了齿轮箱轴承处的温度信号。
在另一个实施方式中,所述S1中还对齿轮箱的润滑油进行了油液分析,获得了油液数据。
基于上述齿轮箱故障诊断方法,本发明公开一基于多源数据融合的齿轮箱故障诊断系统,该齿轮箱故障诊断系统包括数据采集系统、数据预处理系统和多传感器数据融合系统;
数据采集系统包括用于获取齿轮箱振动信号的加速度传感器、用于获取齿轮箱轴承处温度信号的温度传感器、用于获取齿轮箱噪声信号的声级计和/或声强探头、用于获取齿轮轴位移信号的电涡流传感器、用于采集齿轮箱润滑油的油液采集器、用于对采集的润滑油进行油液分析的油液分析器、移动数据记录器;
数据预处理系统包括控制计算机以及测试分析软件,负责对采集到的数据进行预处理;
多传感器数据融合系统负责根据预处理后的多源数据对齿轮箱的故障进行诊断。
高速列车齿轮箱实际长期在高负载的复杂工况下运行,现有的故障诊断试验台对此考虑不足,不能充分反映高速列车齿轮箱的真实运营情况。基于上述列车齿轮箱故障诊断方法以及现有故障诊断试验台存在的不足,本发明公开一列车齿轮箱故障诊断试验台。
如图3、4、5所示,本发明公开的高速列车齿轮箱故障诊断试验台,包括驱动系统、加载系统、传动系统、数据采集系统、数据预处理系统、多传感器数据融合系统、支撑装置、传感器布设装置13以及齿轮箱15。
驱动系统包括驱动电机14、驱动电机变频器5。加载系统包括加载电机10、加载电机变频器8。传动系统包括高速列车轮对12和联轴器11。
支撑装置包括T型槽工作台1、驱动电机支撑台3、驱动电机变频器支撑台4、加载电机支撑台9、加载电机变频器支撑台7、轮对支撑台6、齿轮箱减振底座2。
T型槽工作台1放置在水平地面上,如图6所示,其上表面开设T型槽11,便于其它结构部件的安装、拆卸,并满足试验台各组成结构的相关配合。
驱动电机支撑台3、驱动电机变频器支撑台4、加载电机支撑台9、加载电机变频器支撑台7、轮对支撑台6、齿轮箱减振底座2均装于T型槽工作台1上。
驱动电机14和加载电机10均为变频交流调速三相异步电动机,其中驱动电机14的功率较小,因此其体积较小;加载电机10的功率较大,因此其体积较大。驱动电机14通过螺栓固定在驱动电机支撑台3上,加载电机10通过螺栓固定在加载电机支撑台9上。
变频器是应用变频技术与微电子技术,通过改变电机工作电源频率的方式来控制交流电动机的电力控制设备,它可以将固定电压、固定频率的交流电变换为可变电压、可变频率的交流电,通过变频器来控制交流电机的转速和扭矩,进而来模拟高速列车齿轮箱的实际运营工况。
驱动电机变频器5固定在驱动电机变频器支撑台4上,加载电机变频器8固定在加载电机变频器支撑台7上。
齿轮箱15作为故障诊断的对象,安装在齿轮箱减振底座2上。齿轮箱减振底座2铺有橡胶隔振材料,缓和因齿轮箱产生的振动冲击对试验台的影响。
高速列车轮对12通过轴承座、螺栓连接安装在轮对支撑台6上,可以方便地进行安装、移动和拆卸。轮对支撑台6为实心体,保证高速列车轮对12、齿轮箱15安装的可靠性。
驱动电机支撑台3和加载电机支撑台9为空腔体,四周通过焊接肋板提高其稳定性。所有支撑台以及齿轮箱减振底座2应保证足够的刚度,不易变形,并在台底板上开设螺纹孔,便于通过螺栓连接将其固定在T型槽工作台1上。
本实施方式中,驱动电机14的输出轴、齿轮箱15的输入轴、高速列车轮对12的空心车轴、加载电机10的输出轴的直径均不相同。
联轴器11可以将不同直径的两个轴进行连接,本试验台一共有两个联轴器11,其中一个用于连接驱动电机14的输出轴和齿轮箱15的输入轴,另一个用与连接加载电机10的输出轴和高速列车轮对12的空心车轴。
驱动电机14通过联轴器与齿轮箱15的输入轴相连,加载电机10通过联轴器11与高速列车轮对12的空心车轴相连。
本发明采用变频交流调速三相异步电动机与变频器组成的驱动系统、加载系统,可以实现高速列车齿轮箱实际的运营工况,通过对齿轮箱进行转速、扭矩、转向的调节,更加真实地模拟高速列车齿轮箱在不同工况下的故障特征。
在另一个实施方式中,加载系统还包括液压加载模块,可以对高速列车车轮施加横向力和垂向力,进行轮轨力以及轮轨接触点位置的精确测量;
在另一个实施方式中,试验台还包括轨道轮装置,可以确定轮轨系统的接触疲劳伤损,对车轮踏面的脱轨安全特性、导向性以及稳定性等指标进行评定性试验,还可以对波浪形磨耗机理、蛇形稳定性等开展一系列试验研究。
数据采集系统包括各种类型的接触传感器、非接触传感器以及移动数据记录器。接触式传感器包括温度传感器、加速度传感器,接触式传感器可直接布置在齿轮箱15的箱体表面。
非接触式传感器包括声级计19、声强探头17、电涡流传感器18。
为了便于非接触式传感器的安装,本发明还公开一传感器布设装置13。
如图7、8所示,传感器布设装置13包括竖直杆底座131、竖直杆132和至少一个可调节组件,可调节组件包括滑块133和水平杆134。传感器布设装置13的可调节组件的数量根据非接触传感器的数量合理设置。
竖直杆底座131通过螺栓连接固定在T型槽工作台1上,其位置可根据实际要求进行调整。
竖直杆132底部与竖直杆底座131连接,滑块133装于竖直杆132上并通过第一旋钮137与竖直杆134锁固,通过改变滑块133与竖直杆132的上、下相对位置关系,来调节滑块133的高度。
水平杆134用于安装传感器。水平杆134装于滑块133上。在外力作用下,水平杆134可相对于滑块133水平移动,继而调节传感器的位置。
本实施例中水平杆134上沿长度方向设有齿条135,滑块133上设有齿轮和第二旋钮136,第二旋钮136与齿轮连接,齿轮与齿条啮合,通过转动滑块133上的第二旋钮136来调节水平杆134的水平位置。
传感器布设装置13用来安装声级计19、声强探头17、电涡流传感器18,通过调节水平杆134的水平位置和垂直高度来改变传感器的空间位置,使其满足相应的测点位置要求。
如图9、10所示,水平杆134上设有用于夹紧声级计19的声级计夹紧工装16,声级计夹紧工装16有用于插装声级计19的插槽A161,插槽A161的两侧壁有用于安装夹紧旋钮的螺纹孔。使用时,将声级计19插入插槽A161中,两侧用夹紧旋钮夹紧固定。
如图11、12所示,水平杆134上设有用于夹紧声强探头17的声强探头夹紧工装171,声强探头夹紧工装171有用于插装声强探头17的插槽B,插槽B的两侧壁有用于安装夹紧旋钮的螺纹孔。使用时,将声强探头17插入插槽B中,两侧用夹紧旋钮夹紧固定。
声级计夹紧工装16、声强探头夹紧工装171可与水平杆134焊接固定。
同理,电涡流传感器18也通过其夹紧工装装于水平杆134。电涡流传感器18的夹紧工装与声级计19、声强探头17的夹紧方式相同,此处不再赘述。本实施方式中,加速度传感器总共有四个,分别用于采集齿轮、齿轮轴、轴承的振动信号,其中两个安装在齿轮箱15输入轴左右两侧的小轴承座上,另外两个安装在高速列车轮对12的空心车轴左右两侧的大轴承座上,因为振动信号在轴承座附近衰减和畸变最小。
电涡流传感器18用于采集齿轮轴的位移信号。如图13所示,对于齿轮轴的径向振动测试,在齿轮轴处径向安装有两个电涡流传感器18,其中一个径向的电涡流传感器18水平设置,另一个径向的电涡流传感器18竖直设置在齿轮轴的上方。如图14所示,对于齿轮轴的在线游隙测试,电涡流传感器18在每根轴的两端沿轴向布置。
温度传感器用于采集齿轮箱轴承处的温度信号,因此其测点与加速度传感器相同,为了使温度传感器安装牢固,需要在轴承座的适当位置钻螺纹孔,将温度传感器的端面与轴承的外环相接触。
声级计19对齿轮箱15进行噪声的声压级测量,在齿轮箱15的正上方、正前方以及侧面布置三个测点,测点与齿轮箱15的中心距离为1m。
声强探头17对齿轮箱15进行噪声的声功率级测量,在距齿轮箱15表面0.5m处布置测点,测点为6×7矩阵布置,每个测点的间距为0.1m。
数据预处理系统包括控制计算机以及测试分析软件。首先将移动数据记录器存储的各种数据信息传输到计算机中,利用测试分析软件对采集到的数据剔除奇异值、去除趋势项,然后对数据进行滤波、降噪等预处理,最后通过多传感器数据融合系统完成齿轮箱的故障诊断。
多传感器数据融合系统采用特征层与决策层相互结合的多传感器数据融合技术完成齿轮箱的故障诊断整个过程。本实施方式选择BP神经网络作为特征层的故障信息融合中心,决策层采用D-S证据理论的方法进行融合诊断。
本发明通过不同类型的传感器实现对齿轮箱的振动、温度、噪声等数据信息的采集,通过多传感器数据融合技术对采集到的不同类型数据进行数据处理、故障特征提取、故障特征识别,进而实现高速列车齿轮箱的故障诊断。
本发明的工作原理:
如图1-9所示,通过驱动电机变频器5、加载电机变频器8分别控制驱动电机14与加载电机10的转速、转矩及转向,驱动电机14、加载电机10将相应的运动传递给齿轮箱15、高速列车轮对12,以此来模拟高速列车齿轮箱实际运营的工况条件。
通过加速度传感器获取齿轮箱15内部齿轮、齿轮轴、轴承等部件的振动信号;通过温度传感器获取齿轮箱15轴承处的温度信号;通过声级计19、声强探头17获取齿轮箱15的噪声信号;通过电涡流传感器18获取齿轮轴的位移信号,通过油液采集器采集齿轮箱的润滑油,然后进行油液分析;
将采集到的信号数据进行存储记录、预处理,预处理包括去除趋势项、滤波、降噪等;
然后,利用小波包、经验模态分解(EMD)、局域均值分解(LMD)等方法对预处理完的信号进行故障特征提取,提取到能够反映齿轮箱故障状态的特征参数;
建立BP神经网络模型,进行故障特征识别, 利用已经提取的齿轮箱故障特征向量对BP神经网络进行学习训练,得到初步的故障诊断结果;最后使用D-S证据理论进行决策级融合诊断,得到最终的故障诊断结果。
本发明的试验台结构简单,拆卸方便,通用性较好。进行齿轮箱故障诊断的对象不仅仅局限于高速列车,通过相关结构的微调改动,可以对不同型号的机车齿轮箱、地铁齿轮箱等相似结构进行状态监测和故障诊断;利用各类传感器采集到的加速度信号、位移信号等,还可以对齿轮箱进行载荷识别、损伤识别研究。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于多源数据融合的齿轮箱故障诊断方法,其特征在于:包括以下步骤:
S1,采集数据:获取齿轮箱的振动信号、噪声信号以及齿轮箱轴承处的温度信号、齿轮轴的位移信号、齿轮箱润滑油的油液数据;
S2,对S1采集的多源数据分别进行预处理;
S3,根据预处理后的多源数据,利用多传感器数据融合技术对齿轮箱的故障进行诊断。
2.根据权利要求1所述的齿轮箱故障诊断方法及试验台,其特征在于:所述S3包括:
S3.1对预处理后的多源数据分别进行故障特征提取,获得反映齿轮箱故障状态的特征参数;
S3.2,将S3获得的特征参数分别输入对应的BP神经网络模型进行故障特征识别,获得故障特征;
S3.3,根据故障特征,使用D-S证据理论进行融合诊断,得到最终的故障诊断结果。
3.基于多源数据融合的齿轮箱故障诊断系统,其特征在于:包括数据采集系统、数据预处理系统和多传感器数据融合系统;
数据采集系统:包括用于获取齿轮箱(15)振动信号的加速度传感器、用于获取齿轮箱(15)轴承处温度的温度传感器、用于获取齿轮箱(15)噪声信号的声级计(19)和/或声强探头、用于获取齿轮轴位移信号的电涡流传感器(18)、用于采集齿轮箱润滑油的油液采集器、用于对采集的润滑油进行油液分析的油液分析器;
数据预处理系统:负责对采集到的数据进行预处理;
多传感器数据融合系统:负责根据预处理后的多源数据对齿轮箱的故障进行诊断。
4.基于多源数据融合的齿轮箱故障诊断试验台,其特征在于:包括驱动系统、加载系统、传动系统、齿轮箱(15)以及如权利要求3所述的基于多源数据融合的齿轮箱故障诊断系统。
5.根据权利要求4所述的基于多源数据融合的齿轮箱故障诊断试验台,其特征在于:驱动系统用于对齿轮箱(15)提供动力输入,驱动系统包括驱动电机及其变频器,驱动电机为变频交流调速三相异步电动机,所述驱动电机的输出轴与齿轮箱(15)的输入轴相连。
6.根据权利要求5所述的基于多源数据融合的齿轮箱故障诊断试验台,其特征在于:加载系统用于对高速列车轮对(12)施加载荷,加载系统包括加载电机及其变频器,加载电机为变频交流调速三相异步电动机,所述加载电机的输出轴与高速列车轮对(12)的空心车轴相连。
7.根据权利要求4所述的基于多源数据融合的齿轮箱故障诊断试验台,其特征在于:所述加速度传感器有四个,其中两个加速度传感器分别安装在齿轮箱(15)输入轴左右侧的轴承座上,另外两个加速度传感器分别安装在高速列车轮对(12)的空心车轴左右侧的轴承座上。
8.根据权利要求4、5、6或7所述的基于多源数据融合的齿轮箱故障诊断试验台,其特征在于:它还包括传感器布设装置(13),传感器布设装置(13)包括竖直杆底座(131)、竖直杆(132)和至少一个可调节组件,可调节组件包括滑块(133)和水平杆(134);
竖直杆(132)底部与竖直杆底座(131)连接,滑块(133)装于竖直杆(132)上并通过螺栓与竖直杆(134)锁固;
水平杆(134)装于滑块(133)上;在外力作用下,水平杆(134)可相对于滑块(133)水平移动;
声级计(19)、声强探头、电涡流传感器(18)装于水平杆(134)上。
9.根据权利要求8所述的基于多源数据融合的齿轮箱故障诊断试验台,其特征在于:所述水平杆(134)上沿长度方向设有齿条(135),滑块(133)上设有齿轮和旋钮,旋钮与齿轮连接,齿轮与齿条啮合,通过转动滑块(133)上的旋钮可调节水平杆(134)的水平位置。
10.根据权利要求4、5、6、7、8或9所述的基于多源数据融合的齿轮箱故障诊断试验台,其特征在于:它还包括T型槽工作台(1),T型槽工作台(1)顶面有若干平行的倒T型槽,所述驱动系统、加载系统、高速列车轮对(12)和齿轮箱(15)分别装于各自的支撑台上,支撑台通过螺栓与T型槽工作台(1)固接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110154558.5A CN112729817B (zh) | 2021-02-04 | 2021-02-04 | 基于多源数据融合的齿轮箱故障诊断方法、系统及试验台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110154558.5A CN112729817B (zh) | 2021-02-04 | 2021-02-04 | 基于多源数据融合的齿轮箱故障诊断方法、系统及试验台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112729817A true CN112729817A (zh) | 2021-04-30 |
CN112729817B CN112729817B (zh) | 2022-11-29 |
Family
ID=75595773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110154558.5A Active CN112729817B (zh) | 2021-02-04 | 2021-02-04 | 基于多源数据融合的齿轮箱故障诊断方法、系统及试验台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112729817B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138082A (zh) * | 2021-05-01 | 2021-07-20 | 中国矿业大学 | 一种多源信息融合轴承故障诊断装置及方法 |
CN113791195A (zh) * | 2021-11-16 | 2021-12-14 | 西南交通大学 | 一种获取滑坡支挡结构试验数据的装置及方法 |
CN114544205A (zh) * | 2022-01-05 | 2022-05-27 | 北京交通大学 | 机车轮驱跑合试验故障自动诊断系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000171291A (ja) * | 1998-12-04 | 2000-06-23 | Rion Co Ltd | 故障診断方法および故障診断器 |
DE19855745A1 (de) * | 1998-12-03 | 2000-08-03 | Medav Digitale Signalverarbeit | Verfahren zur Fehlerdiagnose und zur Qualitätsbewertung (Rating) von rotierenden Maschinen am Serienprüfstand |
CN102494899A (zh) * | 2011-11-25 | 2012-06-13 | 华南理工大学 | 柴油机复合故障诊断方法及诊断系统 |
CN203364964U (zh) * | 2013-07-26 | 2013-12-25 | 厦门出入境检验检疫局检验检疫技术中心 | 激光辐射测试系统 |
CN104457856A (zh) * | 2014-12-24 | 2015-03-25 | 重庆大学 | 基于复合信息传感器齿轮箱的位置序列采样装置和方法 |
CN105606360A (zh) * | 2015-11-24 | 2016-05-25 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于多传感器信息融合的变工况行星齿轮箱故障诊断方法 |
CN206161149U (zh) * | 2016-10-31 | 2017-05-10 | 广州汽车集团股份有限公司 | 用于整车声学测试的传声器固定装置 |
CN108507787A (zh) * | 2018-06-28 | 2018-09-07 | 山东大学 | 基于多特征融合的风电齿轮增速箱故障诊断试验平台及方法 |
CN108871776A (zh) * | 2018-07-17 | 2018-11-23 | 西南交通大学 | 基于振动响应的高速列车车轴损伤识别试验台 |
CN111795817A (zh) * | 2020-07-27 | 2020-10-20 | 西安交通大学 | 一种基于多传感融合的rv减速器性能测试装置 |
-
2021
- 2021-02-04 CN CN202110154558.5A patent/CN112729817B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19855745A1 (de) * | 1998-12-03 | 2000-08-03 | Medav Digitale Signalverarbeit | Verfahren zur Fehlerdiagnose und zur Qualitätsbewertung (Rating) von rotierenden Maschinen am Serienprüfstand |
JP2000171291A (ja) * | 1998-12-04 | 2000-06-23 | Rion Co Ltd | 故障診断方法および故障診断器 |
CN102494899A (zh) * | 2011-11-25 | 2012-06-13 | 华南理工大学 | 柴油机复合故障诊断方法及诊断系统 |
CN203364964U (zh) * | 2013-07-26 | 2013-12-25 | 厦门出入境检验检疫局检验检疫技术中心 | 激光辐射测试系统 |
CN104457856A (zh) * | 2014-12-24 | 2015-03-25 | 重庆大学 | 基于复合信息传感器齿轮箱的位置序列采样装置和方法 |
CN105606360A (zh) * | 2015-11-24 | 2016-05-25 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于多传感器信息融合的变工况行星齿轮箱故障诊断方法 |
CN206161149U (zh) * | 2016-10-31 | 2017-05-10 | 广州汽车集团股份有限公司 | 用于整车声学测试的传声器固定装置 |
CN108507787A (zh) * | 2018-06-28 | 2018-09-07 | 山东大学 | 基于多特征融合的风电齿轮增速箱故障诊断试验平台及方法 |
CN108871776A (zh) * | 2018-07-17 | 2018-11-23 | 西南交通大学 | 基于振动响应的高速列车车轴损伤识别试验台 |
CN111795817A (zh) * | 2020-07-27 | 2020-10-20 | 西安交通大学 | 一种基于多传感融合的rv减速器性能测试装置 |
Non-Patent Citations (1)
Title |
---|
彭志凌: "基于信息融合的齿轮箱故障诊断技术研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138082A (zh) * | 2021-05-01 | 2021-07-20 | 中国矿业大学 | 一种多源信息融合轴承故障诊断装置及方法 |
CN113138082B (zh) * | 2021-05-01 | 2022-05-27 | 中国矿业大学 | 一种多源信息融合轴承故障诊断装置及方法 |
CN113791195A (zh) * | 2021-11-16 | 2021-12-14 | 西南交通大学 | 一种获取滑坡支挡结构试验数据的装置及方法 |
CN114544205A (zh) * | 2022-01-05 | 2022-05-27 | 北京交通大学 | 机车轮驱跑合试验故障自动诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112729817B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112729817B (zh) | 基于多源数据融合的齿轮箱故障诊断方法、系统及试验台 | |
JP6746175B2 (ja) | 動力シミュレータ及び試験装置 | |
RU2546913C2 (ru) | Испытательный и монтажный стенд | |
CN100385225C (zh) | 多功能滑动轴承试验台 | |
CN111238837A (zh) | 基于车轮振动加速度响应高速列车轮对损伤识别试验台 | |
CN110907204A (zh) | 轨道车辆轮轨关系试验台及试验方法 | |
CN108562429B (zh) | 基于旋转弯曲的过盈配合部件疲劳试验装置及试验方法 | |
CN103344553B (zh) | 高速滚动接触疲劳试验机 | |
CN108871776B (zh) | 基于振动响应的高速列车车轴损伤识别试验台 | |
CN102095562B (zh) | 滑动结合面动态特性测试装置及测试方法 | |
CN103134671A (zh) | 一种滚动直线导轨额定动载荷及寿命试验装置 | |
CN108168689B (zh) | 一种线接触滚滑摩擦振动噪声试验台及试验分析方法 | |
CN112525565A (zh) | 一种轨道车轮综合试验装置 | |
Chang et al. | Dynamic performance evaluation of an inspection wagon for urban railway tracks | |
CN210464857U (zh) | 一种模拟轨道车辆走行部振动动力学系统的试验台 | |
CN103852273A (zh) | 一种列车轮轨阻力的测试装置和方法 | |
CN204988717U (zh) | 一种多功能综合作业车车轴齿轮箱型式试验装置 | |
CN111444575A (zh) | 一种研究列车脱轨行为的仿真方法 | |
CN205941401U (zh) | 曲面零件表面轮廓损伤分析装置 | |
CN105910824A (zh) | 一种基于离线状态振动特征评价转向架滚动轴承可靠性的系统 | |
CN102798413A (zh) | 一种铁道动态检测系统 | |
CN117723290A (zh) | 一种电动汽车传动系统故障测试试验台 | |
CN214373386U (zh) | 一种轨道车轮综合试验装置 | |
CN115248127A (zh) | 一种一体式轨道车辆走行部试验系统 | |
Meymand et al. | The development of a roller rig for experimental evaluation of contact mechanics for railway vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |