面向深度学习和大数据的轨道交通轴承故障智能诊断方法

作者简介

内容简介

第3章〓轨道交通轴承故障诊断技术概述 轨道交通轴承故障诊断的核心是故障诊断的方法和 技术，轴承故障振动分析法是现代轨道交通轴承故障诊 断方法中最有效和最常用的方法。本章主要介绍轨道交 通轴承振动信号采集和信号数据预处理技术，轨道交通 轴承故障特征提取技术与特征选择技术，以及轨道交通 轴承故障模式智能诊断技术。 3.1轴承振动信号采集与预处理技术 3.1.1轴承振动信号采集技术 轨道交通轴承振动信号的数据采集是轨道交通轴承 故障诊断的前提。振动信号的幅值、频率、相位信息能 够准确反映机械运行情况，可以被作为机械状态识别与 故障诊断分析中的信息依据。通常通过振动传感器采集 轨道交通滚动轴承振动信号，并通过信号采样将传感器 采集到的电信号转换成诊断所需的数字信号。 1. 轴承振动信号采集原理 (1) 振动传感器工作原理 振动传感器是用于检测冲击力或者加速度的传感器 ，是滚动轴承监测诊断过程中最常用的一种传感器。振 动传感器并不是直接将原始要测的机械量转变为电量， 而是将原始要测的机械量作为振动传感器的输入量，然 后由机械接收部分接收，形成另一个适用于变换的机械 量，最后由机电变换部分再将变换为电量。因此一个传 感器的工作性能是由机械接收部分和机电变换部分的工 作性能来决定的。振动传感器根据振动物理量分为位移 传感器、速度传感器、加速度传感器三种，其中位移探 头测量转轴与轴承座之间的相对振动，速度计与加速度 计反映了转轴与轴承之间相对作用力引起的轴承座的绝 对振动，其中加速度计具有动态范围大、有效幅值以及 频率范围宽、可靠性高、尺寸小、质量轻便等显著优点 。 (2) 振动信号采样定理 传感器采集到的电信号具有连续的形式。为了信号 能被计算机处理，需要将电信号转换成数字信号。这一 转换过程是通过对电信号在各个离散的瞬间进行取样完 成的，即将电信号的幅度数字化成一系列数字的过程。 采样过程所应遵循的规律称为采样定理，它是指如 果电信号带宽小于奈奎斯特频率(即采样频率的二分之 一)，那么此时这些离散的采样点能够完全表示原信号 。高于或处于奈奎斯特频率的频率分量会导致混叠现象 。大多数应用都要求避免混叠，混叠问题的严重程度与 这些混叠频率分量的相对强度有关。采样定理说明采样 频率与信号频谱之间的关系，是连续信号离散化的基本 依据。 2. 轴承振动信号采集方法 (1) 轴承振动传感器选择、安装部署 振动传感器的选择与安装直接影响采集信号的有效 性和故障诊断的可靠性。 基于测量对象与测量环境，选择振动传感器时首先 要考虑如下因素： 传感器量程的大小、被测位置对传 本书将深度学习故障诊断智能方法与轴承故障诊断智能技术应用融会贯通，内容新颖