CN110044616A - 一种铁路机车轴承及齿轮故障诊断方法和诊断*** - Google Patents
一种铁路机车轴承及齿轮故障诊断方法和诊断*** Download PDFInfo
- Publication number
- CN110044616A CN110044616A CN201910256518.4A CN201910256518A CN110044616A CN 110044616 A CN110044616 A CN 110044616A CN 201910256518 A CN201910256518 A CN 201910256518A CN 110044616 A CN110044616 A CN 110044616A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- index
- data segment
- 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
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
- G01M13/028—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
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种铁路机车轴承及齿轮故障诊断方法和诊断***,方法包括以下步骤:将振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承及齿轮的预定位置以采集实时数据;筛选所述实时数据且将其分割为预定间隔时长的数据段,实时计算时域指标数组和频域矩阵;基于所述时域指标数组经由自学习训练判定故障程度及测算剩余寿命,基于所述频域矩阵经由自学习训练判定故障类型和位置。***包括电源模块、数据采集模块、缓存预处理模块、计算模块、诊断模块、存储传输模块、机载报警模块、输入输出接口。本公开的方法与***均在车载硬件单元中实现,不依赖于外界计算设备与终端,从而确保故障诊断的稳定性与可靠性。
Description
技术领域
本发明属于故障诊断技术与信号处理分析技术领域,特别是一种铁路机车轴承及齿轮故障诊断方法和诊断***。
背景技术
轴承与齿轮是铁路机车牵引电机及轴箱的核心部件之一,直接影响机车的运行安全。现有的铁路机车轴承与齿轮故障诊断***通常依据简单的特征指标进行报警,造成故障诊断率低,漏报与误报情况严重,导致机务段检修人员无法准确掌握轴承及齿轮的真实故障状态,造成很大的安全隐患;此外,在现有的铁路机车监测诊断***中,对轴承与齿轮的故障诊断模式为:机载硬件只负责数据采集,而过多依靠计算终端的软件***进行数据分析与故障诊断,由于数据传输量大,很多数据无法进行分析而被选择性删除,导致不能第一时间准确发现机车轴承与齿轮的故障程度及故障类型,诊断结果具滞后性;而且,现有的铁路机车监测诊断***功能简单,过多的依靠外部设备进行故障数据处理及故障报警,涉及的设备多,布线长,成本高,稳定性差,无法满足当前机务段对轴承及齿轮准确实时诊断的迫切需求。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解,因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
发明内容
针对现有技术中存在的问题,本发明提出一种铁路机车轴承及齿轮故障诊断方法和诊断***,可实现在机载硬件中完成故障特征指标计算及频谱图计算,并实现硬件内的实时故障诊断,然后,在本地及远程终端进行故障诊断结果的显示,所述方法不依赖于外界终端设备的计算能力,而且传输数据小,智能化程度高,显著节约部署成本。
本发明的目的是通过以下技术方案予以实现,一种铁路机车轴承及齿轮故障诊断方法,包括以下步骤:
第一步骤中,振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承及齿轮的预定位置以采集实时数据;
第二步骤中,筛选所述实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段;
第三步骤中,滤波所述数据段,基于滤波后的所述数据段生成时域指标数组和频域矩阵,其中,所述时域指标数组至少包括第一指标、第二指标和第三指标,频域矩阵包括FFT、包络谱、倒频谱和能量谱,其中,第一指标、第二指标、第三指标分别为:
其中,F表示滤波后的振动信号,N为F中的总点数,m和i均为正整数,F′表示F的导数,表示F′的平均值,F″表示F的二阶导数,表示F″的平均值,ΔEi=F2 i+1-F2 i,是ΔE的平均值;
第四步骤中,基于所述时域指标数组经由自学习训练判定故障程度及测算剩余寿命,基于所述频域矩阵经由自学习训练判定故障类型和位置。
所述的方法中,第二步骤中,当机车速度达到额定运行速度的预定百分比以上且不处于加减速过程时,判定机车处于正常运行过程,等角度重采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法中,第二步骤中,当机车速度变化小于预定速度幅值时,判定机车处于平稳运行过程,当转速和振动变化小于第一预定范围,采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法中,第二步骤中,当机车不拐弯且不加减速,以及转速为额定速度时,基于GPS传感器确定机车到达预定位置,采样自预定位置的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法中,第二步骤中,采样自预定位置的实时数据时,当转速和振动变化大于第二预定值时,调整机车速度使得转速和振动变化小于第二预定范围,继续采样实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法中,所述时间间隔为1-5秒,第三步骤中,所述时域指标数组还包括均值、标准差、方差、偏斜度指标、峭度指标、峰峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标和峰值指标,第四步骤中,经由卷积神经网络和知识向量机自学习训练。
根据本发明的另一方面,一种实施所述的铁路机车轴承及齿轮故障诊断方法的诊断***包括,
数据采集模块,其布置于机车轴承及齿轮的预定位置以采集实时数据;
缓存预处理模块,其连接所述数据采集模块,其包括,
预处理单元,其筛选所述实时数据且将其分割为预定间隔时长的数据段,
缓存单元,其连接所述预处理单元,所述缓存单元配置成缓存所述数据段;
计算模块,其连接所述缓存预处理模块,其包括,
时域指标计算单元,其基于滤波后的所述数据段生成时域指标数组,
频谱计算单元,其基于滤波后的所述数据段生成频域矩阵;
诊断模块,其连接所述计算模块,其基于所述时域指标数组自学习训练判定故障程度及测算剩余寿命,基于所述频域矩阵经由自学习训练判定故障类型和位置。
所述的诊断***中,所述***还包括,
电源模块,其包括振动能量收集单元、可充电电池单元以及外接电源,若接通外接电源,直接使用电源供电并对可充电电池进行充电;若未接通电源,可充电电池依据自身存储的电量为***供电,同时振动能量收集单元获取振动能量以将其转化为电能,并对可充电电池充电;
存储传输模块,其连接所述诊断模块,其配置成存储和传输故障信息,所述传输方式包括有线方式及无线方式,所述故障信息包括故障程度、剩余寿命、故障类型和位置;
报警模块,其包括,
报警单元,其基于所述故障程度发出警报,
显示单元,其显示故障信息;
输入输出接口,其包括,
传感器接口,读取振动加速度传感器、转速测量传感器以及GPS传感器的数据,
数据接口,与外接存储设备进行数据交换,
输出接口,将机载数据通过有线方式传输至远程设备。
所述的诊断***中,数据采集模块包括振动加速度传感器、转速测量传感器以及GPS传感器;存储传输模块包括存储故障信息的存储模块和传输故障信息的传输模块;报警单元包括蜂鸣器和LED灯;显示单元包括液晶显示屏。当无故障时,仅将计算模块中的时域指标数组进行存储并发送,而其余数据及频谱矩阵可以丢弃,这样极大的减少了数据量。当发生故障时,存储模块存储数据段及故障信息,传输模块传输数据段的完整数据及对应故障信息,便于远程终端详细分析,报警单元发出警报,液晶显示屏显示故障信息。
所述的诊断***中,诊断模块无线连接移动终端,所述移动终端包括电脑、手机、手环、大屏幕和云服务器。
和现有技术相比,本发明具有以下优点:
本发明集成在硬件单元中,这样即可实时对故障进行实时预警与诊断;引入外接存储单元、按钮组及LED及液晶显示屏,实现故障诊断的参数设置及结果显示,无需依赖任何外部设备即可进行故障预警与诊断。采用缓存与选择性机制,便于计算单元快速计算实时特征指标,在无故障时仅将计算过的特征指标进行存储并发送,而原始数据及频谱可以丢弃,这样极大的减少了数据量。具备三种模式:主动局部侦测模式、平稳侦测模式与全局侦测模式,并能够进行任意切换,其中模式切换功能通过按键组实现,其中主动局部侦测模式仅采集转速平稳且轨道平直部分的振动数据,数据质量最好,诊断结果最具有参考性;平稳侦测模式仅采用转速平稳段数据,数据量大,诊断结果可互为验证,可提高诊断的可靠性;全局侦测模式确保运行全过程的监测,强调时域指标监测的完整性,但是耗费时间。采用三种模式,可保证对于故障诊断的全方位监测,能最大程度的确保运行安全。
附图说明
通过阅读下文优选的具体实施方式中的详细描述,本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。显而易见地,下面描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。而且在整个附图中,用相同的附图标记表示相同的部件。
在附图中:
图1是根据本发明一个实施例的铁路机车轴承及齿轮故障诊断方法的步骤示意图;
图2是根据本发明一个实施例的实施铁路机车牵引电机驱动端轴承振动加速度和速度的示意图;
图3是根据本发明一个实施例的实施铁路机车轴承及齿轮故障诊断方法的诊断***的示意图;
图4是根据本发明一个实施例的实施铁路机车轴承及齿轮故障诊断方法的数据传输与连接方式示意图;
图5是根据本发明一个实施例的实施铁路机车轴承及齿轮故障诊断方法的诊断***的缓存预处理模块的结构示意图;
图6是根据本发明一个实施例的实施铁路机车轴承及齿轮故障诊断方法的诊断***的存储传输模块的工作流程图。
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图1至图6更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是,在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解,技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以说明书的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且各个附图并不构成对本发明实施例的限定。
为了更好地理解,图1是根据本发明一个实施例的铁路机车轴承及齿轮故障诊断方法的步骤示意图,如图1所示,一种铁路机车轴承及齿轮故障诊断方法,包括以下步骤:
第一步骤S1中,振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承及齿轮的预定位置以采集实时数据;
第二步骤S2中,筛选所述实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段;
第三步骤S3中,滤波所述数据段,基于滤波后的所述数据段生成时域指标数组和频域矩阵,其中,所述时域指标数组至少包括第一指标、第二指标和第三指标,频域矩阵包括FFT、包络谱、倒频谱和能量谱,其中,第一指标、第二指标、第三指标分别为:
其中,F表示滤波后的振动信号,N为F中的总点数,m和i均为正整数,F′表示F的导数,表示F′的平均值,F″表示F的二阶导数,表示F″的平均值,ΔEi=F2 i+1-F2 i,是ΔE的平均值;
第四步骤S4中,基于所述时域指标数组经由自学习训练判定故障程度及测算剩余寿命,基于所述频域矩阵经由自学习训练判定故障类型和位置。
所述的方法的一个实施方式中,第二步骤S2中,当机车速度达到额定运行速度的预定百分比以上且不处于加减速过程时,判定机车处于正常运行过程,等角度重采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法的一个实施方式中,第二步骤S2中,当机车速度变化小于预定速度幅值时,判定机车处于平稳运行过程,当转速和振动变化小于第一预定范围,采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法的一个实施方式中,第二步骤S2中,当机车不拐弯且不加减速,以及转速为额定速度时,基于GPS传感器确定机车到达预定位置,采样自预定位置的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法的一个实施方式中,第二步骤S2中,采样自预定位置的实时数据时,当转速和振动变化大于第二预定值时,调整机车速度使得转速和振动变化小于第二预定范围,继续采样实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
所述的方法的一个实施方式中,所述时间间隔为1-5秒,第三步骤S3中,所述时域指标数组还包括均值、标准差、方差、偏斜度指标、峭度指标、峰峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标和峰值指标,第四步骤S4中,经由卷积神经网络和知识向量机自学习训练。
为了进一步理解本发明,在一个实施例中,诊断对象为铁路机车的轴承及齿轮,将振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承及齿轮部件的相应位置。对所述***供电后,打开设备,通过传感器接口获取传感器采集得到的实时数据,通过缓存与预处理模块对原始数据进行预处理;将预处理后的有效数据传入计算模块,计算时域指标及频谱;将计算结果输入诊断模块,比对当前时域指标、频谱与预设参数库中的区别,得到故障类型及故障程度的诊断结果;根据是否故障,在机载报警模块中进行相应的预警显示,将诊断结果及对应数据存储在本地存储单元中,并可通过有线或无线方式发送至远程终端。
本发明的最小***表示无需依赖远程***,即可实现数据采集、故障诊断及故障显示。远程***表示当连接有线或无线网络后,可进一步在企业控制端、笔记本电脑、手机、手环、大屏幕等终端进行故障的实时预警显示。
在一个实施例中,如图2所示的振动加速度和速度的示意图,根据铁路机车的运行路线GPS轨迹及运行过程中的振动加速度和速度,机车在此段线路运行的地理环境复杂,海拔地势及速度波动大。运行工况的改变对振动的影响远远强于轴承微弱故障对振动的影响,如果采用全路线的振动数据对牵引电机轴承进行故障诊断,那么非常容易导致误报与漏报。因此,本实例中采用局部主动侦测模式进行牵引电机轴承的故障诊断,分析可知,GPS1和GPS2之间的路段为海拔高度平稳,轨道平直,转速平稳的路段,其中GPS1与GPS2对应内部标识值为831和923。其对应的振动如图2的GPS1和GPS2所示的两个竖线之间,此时转速平稳,为68Km/h。在此工况下,根据以往经验预先确定的峰值报警阈值为:轻微故障[15g-18g),中度故障[18g-22g),严重故障大于等于22g。方法步骤如下:
通过外接电源供电,开启设备开关。
将开始位置831与结束位置923值通过所述***的人机交互面板输入。位置参数831和923表示所述***仅分析路段831至923之间采集的数据作为有效诊断数据,而其余路段的数据无需分析。同时,将此路段及转速下的牵引电机轴承轻微故障18g,中度故障20g,严重故障25g这三个阈值参数通过存储设备导入***,用作故障程度判定。
列车起动后,所述***通过传感器接口获取传感器采集得到的实时振动数据、转速数据及GPS数据。
实时通过缓存与预处理模块对原始数据进行分割与筛选,每次将1秒的振动数据、GPS数据及转速数据缓存,判断当前的1秒时刻运行阶段列车的GPS位置是否处于预设的GPS位置[831,923]之间,如果处于之间,则将采集的振动数据、GPS数据及转速数据传输至计算模块与诊断模块。
在计算模块中,本实例对频域指标均值、标准差、方差、偏斜度指标、峭度指标、峰-峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标进行计算,此外,对频谱、包络谱及倒频谱也进行实时计算。本实例中,以峰值指标作为故障程度判断指标。
通过诊断模块对数据进行实时分析,比对当前峰值指标与参数库中的阈值,发现当前路段的振动峰值介于轻微故障阈值15g与中度故障阈值18g之间,因此***判断为轻度故障。同时,依据智能算法对频谱进行分析,诊断为保持架故障;最后通过比对以往故障的演化规律,推断出此故障轴承的剩余寿命约为2601小时。
由于轴承存在故障,因此将GPS数据、转速数据、振动数据、时域指标、及频谱全部存储在机载存储设备中。
报警***驱动蜂鸣器进行报警,点亮LED灯阵中表征保持架轻微故障的第一个LED,同时在液晶显示屏幕上显示“保持架轻微故障,预计运行时间2601小时”。
通过无线网络,远程手机APP实时接收当前牵引电机的实时运行状态指标,并收到当前报警提示:“轴承故障为外国轻微故障,预计当前轴承仍可使用2601小时”。
如图3所示,一种实施所述的铁路机车轴承及齿轮故障诊断方法的诊断***包括,
数据采集模块,其布置于机车轴承及齿轮的预定位置以采集实时数据;
缓存预处理模块,其连接所述数据采集模块,其包括,
预处理单元,其筛选所述实时数据且将其分割为预定间隔时长的数据段,
缓存单元,其连接所述预处理单元,所述缓存单元配置成缓存所述数据段;
计算模块,其连接所述缓存预处理模块,其包括,
时域指标计算单元,其基于滤波后的所述数据段生成时域指标数组,
频谱计算单元,其基于滤波后的所述数据段生成频域矩阵;
诊断模块,其连接所述计算模块,其基于所述时域指标数组自学习训练判定故障程度及测算剩余寿命,基于所述频域矩阵经由自学习训练判定故障类型和位置。
所述的诊断***的一个实施例中,所述***还包括,
电源模块,其包括振动能量收集单元、可充电电池单元以及外接电源,若接通外接电源,直接使用电源供电并对可充电电池进行充电;若未接通电源,可充电电池依据自身存储的电量为***供电,同时振动能量收集单元获取振动能量以将其转化为电能,并对可充电电池充电;
存储传输模块,其连接所述诊断模块,其配置成存储和传输故障信息,所述传输方式包括有线方式及无线方式,所述故障信息包括故障程度、剩余寿命、故障类型和位置;
报警模块,其包括,
报警单元,其基于所述故障程度发出警报,
显示单元,其显示故障信息;
输入输出接口,其包括,
传感器接口,读取振动加速度传感器、转速测量传感器以及GPS传感器的数据,
数据接口,与外接存储设备进行数据交换,
输出接口,将机载数据通过有线方式传输至远程设备。
所述的诊断***的一个实施例中,数据采集模块包括振动加速度传感器、转速测量传感器以及GPS传感器;存储传输模块包括存储故障信息的存储模块和传输故障信息的传输模块;报警单元包括蜂鸣器和LED灯;显示单元包括液晶显示屏。当发生故障时,存储模块存储数据段及故障信息,传输模块传输数据段及故障信息,报警单元发出警报,液晶显示屏显示故障信息。
所述的诊断***的一个实施例中,如图4所示,诊断模块无线连接移动终端,所述移动终端包括电脑、手机、手环、大屏幕和云服务器。
为了进一步理解本发明,在一个实施例中,诊断***包括电源模块、数据采集模块、缓存预处理模块、计算模块、诊断模块、存储传输模块、机载报警模块、传感器接口、数据接口及输出接口。
在一个实施例中,监测对象为铁路机车的轴承及齿轮,将振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承与齿轮部件的相应位置。对所述***供电后,打开设备,通过传感器接口获取传感器采集得到的实时数据,通过缓存与预处理模块对原始数据进行预处理;将预处理后的有效数据传入计算模块,计算时域指标及频谱;将计算结果输入诊断模块,比对当前时域指标、频谱与预设参数库中的区别,得到故障类型及故障程度的诊断结果;根据是否故障,在机载报警模块中进行相应的预警显示,将诊断结果及对应数据存储在本地存储单元中,并可通过有线或无线方式发送至远程终端。
在一个实施例中,电源模块包含振动能量收集单元、可充电电池单元以及外接电源,三个单元共同为***供电。供电的顺序为,若接通外接电源,则直接使用电源供电,并对可充电电池进行充电;若未接通电源,可充电电池依据自身存储的电量为***供电,同时,振动能量收集模块开始持续工作,并从外界获取振动能量,将其转化为电能,并对可充电电池进行充电。
在一个实施例中,数据采集模块主要采集机车运行的关键运行参数,在一个实施方式中,数据采集模块包含振动加速度采集、转速采集、GPS采集。
在一个实施例中,如图5所示,缓存预处理模块根据三类判定准则对数据进行预处理,将采集的连续数据分割为1-5秒时长的数据段,并筛选其中有效数据,丢弃无效数据,减少数据量,便于后续计算模块进行实时计算。铁路机车运行路线长,运行工况复杂,但是铁路轨道固定,不同次的运行工况差异性不是非常大。通过以往经验,将机车运行的全过程可分为三类,第一类是普通运行过程,判定条件为H1:机车速度达到额定运行速度的30%以上,且不处于加减速过程。满足此条件表明列车处于正常运行过程;第二类是是是轨道平直及转速平稳运行过程,判定条件为H2:列车不拐弯,不加减速,而且转速为额定速度,处于最理想运行状态,在此阶段,所述***提醒列车长进行列车的运行速度的平稳性调整,或可接入微程序控制器(MCU)平台对列车速度进行平稳控制。满足此条件的路段可通过以往运行经验确定,在此路段采集的数据对于轴承与齿轮故障诊断最有价值;第三类是平稳运行过程,判定条件为H3:转速平稳,但是铁路轨道不一定平直。符合这个判定条件的路段长,因此数据多,对于故障诊断也具有重要价值。针对上述三种路段,对应的缓存预处理模块具有三种模式:主动局部侦测模式(对应H2)、平稳侦测模式对应H3与全局侦测模式对应H1,其中模式的选择通过面板中的功能按键进行设定。
计算模块对缓存预处理模块输出的数据特征指标与频谱进行实时计算,为了更有效的诊断轴承与齿轮故障,通常在齿轮和轴承最容易发生故障的频率周围20Hz的频率带宽内进行滤波后,计算相应的状态指标,其主要包含时域指标计算单元和频谱计算单元。
时域指标计算单元包括:均值、标准差、方差、偏斜度指标、峭度指标、峰峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标。此外,还包含以下三个状态指标:
状态指标1:
其中,F表示滤波后的振动信号,N为F中的总点数,m和i均为正整数F′表示F的导数,表示F′的平均值。
状态指标2:
其中,F″表示F的二阶导数,表示F″的平均值。
状态指标3:
其中,ΔEi=F2 i+1-F2 i,是ΔE的平均值。
频谱计算单元包括各种频谱的实时计算,包括FFT、包络谱、倒频谱、能量谱的实时计算。
诊断模块根据时域指标计算模块和频谱计算模块的计算结果,结合预设参数库的参数,采用智能学习的方法对故障进行自动诊断,并对故障部件的剩余寿命进行预测。其中,故障程度的判定主要依据特定时域指标与设定的阈值进行比对,故障类型与位置的判定依据频谱图中是否包含故障部件频率的倍频。诊断模块中故障程度判定阈值的设定通过数据面板实现,也可通过数据接口将外接数据存储设备中设定好的参数直接读入***。本发明采用卷积神经网络和知识向量机两种方式对对诊断模块进行训练与完善,随着数据的逐步累积,准确率不断提升,确保诊断模块越用越好用,越用越准确。
其中计算模块与诊断模块的整体计算结果按表1所述格式进行存储。
表1计算结果的数据格式
其中,n为缓存预处理模块划分的不同路段及时间段的编号。
如图6所示,存储传输模块负责对表1中的计算的结果进行存储及发送,传输方式包括有线传输方式及无线传输方式两种,机载报警模块或远程终端根据表1中的诊断结果,将其通过蜂鸣器、LED灯阵列、LCD条形屏或其余移动终端对结果进行实时显示。
根据诊断结果的不同,所述***具有不同的故障处理流程,如果诊断结果为存在故障,则将表1中的数据全部存储在存储单元中,并通过有线或无线方式将其发送至终端,并在机载设备和远程终端上显示并报警。若不存在故障,则仅存储并发送表1中的指标数组,将其余数据丢弃,在机载设备和远程终端上显示无报警。
尽管以上结合附图对本发明的实施方案进行了描述,但本发明并不局限于上述的具体实施方案和应用领域,上述的具体实施方案仅仅是示意性的、指导性的,而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下,还可以做出很多种的形式,这些均属于本发明保护之列。
Claims (10)
1.一种铁路机车轴承及齿轮故障诊断方法,所述方法包括以下步骤:
第一步骤(S1)中,振动加速度传感器、转速测量传感器以及GPS传感器布置于机车轴承及齿轮的预定位置以采集实时数据;
第二步骤(S2)中,筛选所述实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段;
第三步骤(S3)中,滤波所述数据段,基于滤波后的所述数据段生成时域指标数组和频域矩阵,其中,所述时域指标数组至少包括第一指标、第二指标和第三指标,频域矩阵包括FFT、包络谱、倒频谱和能量谱,其中,第一指标、第二指标、第三指标分别为:
其中,F表示滤波后的振动信号,N为F中的总点数,m和i均为正整数,F′表示F的导数,表示F′的平均值,F″表示F的二阶导数,表示F″的平均值,ΔEi=F2 i+1-F2 i,是ΔE的平均值;
第四步骤(S4)中,基于所述时域指标数组经由自学习训练判定故障程度及测算剩余寿命,基于所述频域矩阵经由自学习训练判定故障类型和位置。
2.根据权利要求1所述的方法,其中,优选的,第二步骤(S2)中,当机车速度达到额定运行速度的预定百分比以上且不处于加减速过程时,判定机车处于正常运行过程,等角度重采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
3.根据权利要求1所述的方法,其中,第二步骤(S2)中,当机车速度变化小于预定速度幅值时,判定机车处于平稳运行过程,当转速和振动变化小于第一预定范围,采样所述正常运行过程的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
4.根据权利要求1所述的方法,其中,第二步骤(S2)中,当机车不拐弯且不加减速,以及转速为额定速度时,基于GPS传感器确定机车到达预定位置,采样自预定位置的实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
5.根据权利要求4所述的方法,其中,第二步骤(S2)中,采样自预定位置的实时数据时,当转速和振动变化大于第二预定值时,调整机车速度使得转速和振动变化小于第二预定范围,继续采样实时数据且将其分割为预定间隔时长的数据段,缓存所述数据段。
6.根据权利要求1所述的方法,其中,所述时间间隔为1-5秒,第三步骤(S3)中,所述时域指标数组还包括均值、标准差、方差、偏斜度指标、峭度指标、峰峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标和峰值指标,第四步骤(S4)中,经由卷积神经网络和知识向量机自学习训练。
7.一种实施如权利要求1-6中任一项所述的铁路机车轴承及齿轮故障诊断方法的诊断***,其包括,
数据采集模块,其布置于机车轴承及齿轮的预定位置以采集实时数据;
缓存预处理模块,其连接所述数据采集模块,其包括,
预处理单元,其筛选所述实时数据且将其分割为预定间隔时长的数据段,
缓存单元,其连接所述预处理单元,所述缓存单元配置成缓存所述数据段;
计算模块,其连接所述缓存预处理模块,其包括,
时域指标计算单元,其基于滤波后的所述数据段生成时域指标数组,
频谱计算单元,其基于滤波后的所述数据段生成频域矩阵;
诊断模块,其连接所述计算模块,其基于所述时域指标数组自学习训练判定故障程度及测算剩余寿命,基于所述频域矩阵经由自学习训练判定故障类型和位置。
8.根据权利要求7所述的诊断***,其中,所述***还包括,
电源模块,其包括振动能量收集单元、可充电电池单元以及外接电源,若接通外接电源,直接使用电源供电并对可充电电池进行充电;若未接通电源,可充电电池依据自身存储的电量为***供电,同时振动能量收集单元获取振动能量以将其转化为电能,并对可充电电池充电;
存储传输模块,其连接所述诊断模块,其配置成存储和传输故障信息,所述传输方式包括有线方式及无线方式,所述故障信息包括故障程度、剩余寿命、故障类型和位置;
报警模块,其包括,
报警单元,其基于所述故障程度发出警报,
显示单元,其显示故障信息;
输入输出接口,其包括,
传感器接口,读取振动加速度传感器、转速测量传感器以及GPS传感器的数据,
数据接口,与外接存储设备进行数据交换,
输出接口,将机载数据通过有线方式传输至远程设备。
9.根据权利要求8所述的诊断***,其中,数据采集模块包括振动加速度传感器、转速测量传感器以及GPS传感器;存储传输模块包括存储故障信息的存储模块和传输故障信息的传输模块;报警单元包括蜂鸣器和LED灯;显示单元包括液晶显示屏,当发生故障时,存储模块存储数据段及故障信息,传输模块传输数据段及故障信息,报警单元发出警报,液晶显示屏显示故障信息。
10.根据权利要求7所述的诊断***,其中,诊断模块无线连接移动终端,所述移动终端包括电脑、手机、手环、大屏幕和云服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256518.4A CN110044616B (zh) | 2019-04-01 | 2019-04-01 | 一种铁路机车轴承及齿轮故障诊断方法和诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910256518.4A CN110044616B (zh) | 2019-04-01 | 2019-04-01 | 一种铁路机车轴承及齿轮故障诊断方法和诊断*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110044616A true CN110044616A (zh) | 2019-07-23 |
CN110044616B CN110044616B (zh) | 2023-01-03 |
Family
ID=67275740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910256518.4A Active CN110044616B (zh) | 2019-04-01 | 2019-04-01 | 一种铁路机车轴承及齿轮故障诊断方法和诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110044616B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232405A (zh) * | 2020-10-13 | 2021-01-15 | 中车青岛四方机车车辆股份有限公司 | 齿轮箱的故障预测、监测和诊断方法及相应装置 |
CN113065097A (zh) * | 2021-03-18 | 2021-07-02 | 湖南南方宇航高精传动有限公司 | 一种行星齿轮箱均载测试载荷系数的计算方法 |
CN113473510A (zh) * | 2020-03-30 | 2021-10-01 | 大唐移动通信设备有限公司 | 传输链路故障定位的数据提取方法、装置和电子设备 |
CN115033609A (zh) * | 2022-08-15 | 2022-09-09 | 江苏苏港智能装备产业创新中心有限公司 | 一种起升机构非稳态负载下振动监测分析方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101274636A (zh) * | 2007-03-26 | 2008-10-01 | 林贵生 | 车载式轨道交通车辆运行状态智能监控和预警装置 |
CN103809586A (zh) * | 2014-02-21 | 2014-05-21 | 北京六捷科技有限公司 | 一种铁路调度命令的故障分析诊断***及方法 |
CN104535323A (zh) * | 2015-01-12 | 2015-04-22 | 石家庄铁道大学 | 一种基于角域-时域-频域的机车轮对轴承故障诊断方法 |
CN106153335A (zh) * | 2015-02-10 | 2016-11-23 | 中国科学院声学研究所 | 一种列车轴承声学在线故障诊断***及方法 |
CN108318257A (zh) * | 2018-01-30 | 2018-07-24 | 中道恒通(北京)科技有限公司 | 机车振动监测*** |
CN108583624A (zh) * | 2018-04-12 | 2018-09-28 | 中车青岛四方机车车辆股份有限公司 | 列车运行状态可视化方法和装置 |
CN109186964A (zh) * | 2018-07-28 | 2019-01-11 | 华中科技大学 | 基于角度重采样与roc-svm的旋转机械故障诊断方法 |
-
2019
- 2019-04-01 CN CN201910256518.4A patent/CN110044616B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101274636A (zh) * | 2007-03-26 | 2008-10-01 | 林贵生 | 车载式轨道交通车辆运行状态智能监控和预警装置 |
CN103809586A (zh) * | 2014-02-21 | 2014-05-21 | 北京六捷科技有限公司 | 一种铁路调度命令的故障分析诊断***及方法 |
CN104535323A (zh) * | 2015-01-12 | 2015-04-22 | 石家庄铁道大学 | 一种基于角域-时域-频域的机车轮对轴承故障诊断方法 |
CN106153335A (zh) * | 2015-02-10 | 2016-11-23 | 中国科学院声学研究所 | 一种列车轴承声学在线故障诊断***及方法 |
CN108318257A (zh) * | 2018-01-30 | 2018-07-24 | 中道恒通(北京)科技有限公司 | 机车振动监测*** |
CN108583624A (zh) * | 2018-04-12 | 2018-09-28 | 中车青岛四方机车车辆股份有限公司 | 列车运行状态可视化方法和装置 |
CN109186964A (zh) * | 2018-07-28 | 2019-01-11 | 华中科技大学 | 基于角度重采样与roc-svm的旋转机械故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
张坤: ""城轨列车走行部滚动轴承故障诊断算法研究"", 《中国优秀硕士学位论文全文数据库》 * |
张小丽 等: ""滚动轴承寿命预测综述"", 《机械设计与制造》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473510A (zh) * | 2020-03-30 | 2021-10-01 | 大唐移动通信设备有限公司 | 传输链路故障定位的数据提取方法、装置和电子设备 |
CN113473510B (zh) * | 2020-03-30 | 2024-05-03 | 大唐移动通信设备有限公司 | 传输链路故障定位的数据提取方法、装置和电子设备 |
CN112232405A (zh) * | 2020-10-13 | 2021-01-15 | 中车青岛四方机车车辆股份有限公司 | 齿轮箱的故障预测、监测和诊断方法及相应装置 |
CN113065097A (zh) * | 2021-03-18 | 2021-07-02 | 湖南南方宇航高精传动有限公司 | 一种行星齿轮箱均载测试载荷系数的计算方法 |
CN115033609A (zh) * | 2022-08-15 | 2022-09-09 | 江苏苏港智能装备产业创新中心有限公司 | 一种起升机构非稳态负载下振动监测分析方法及*** |
WO2024036948A1 (zh) * | 2022-08-15 | 2024-02-22 | 江苏苏港智能装备产业创新中心有限公司 | 一种起升机构非稳态负载下振动监测分析方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110044616B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110044616A (zh) | 一种铁路机车轴承及齿轮故障诊断方法和诊断*** | |
CN107884214B (zh) | 一种列车走行部部件故障多参数综合决策方法及装置 | |
CN106586796B (zh) | 一种自动扶梯状态监测***及方法 | |
KR0153464B1 (ko) | 모니터링 | |
CN110568792B (zh) | 一种海洋平台振动噪声舒适性监测装置及在线监测方法 | |
CN107345857A (zh) | 一种电主轴状态监测与故障诊断***及其监测诊断方法 | |
CN202974445U (zh) | 基于红外监测的大机组状态监测*** | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断*** | |
CN109611288A (zh) | 一种基于大数据的风电运维平台 | |
CN107031681A (zh) | 轨道状况监测传感器设备和检测轨道轴承的状况的方法 | |
CN106679999B (zh) | 一种车厢内置式高速列车走行部件在线故障检测装置 | |
CN112061988B (zh) | 起重机分布式网络监测、单机监测管理***及方法 | |
CN110469462A (zh) | 一种基于多模板的风电机组智能状态监测*** | |
CN105298823A (zh) | 一种大型泵机组在线监测与诊断*** | |
CN111290324B (zh) | 5t探测站安全监控诊断***及其健康报警方法 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN101846999A (zh) | 一种高速综合检测列车检测设备的监控方法、装置及*** | |
CN112895900B (zh) | 一种氢能源有轨电车氢气冗余监测保护装置及方法 | |
CN110660199A (zh) | 一种船舶监测报警*** | |
CN108556735A (zh) | 一种校车安全监测装置 | |
CN110456694A (zh) | 一种风力发电机组及部件的运输智能监控*** | |
CN114120472A (zh) | 一种自动驾驶车辆安全管理*** | |
CN110032094A (zh) | 机舱设备的控制方法、装置、计算机设备及存储介质 | |
CN110109428A (zh) | 一种用于实验室设备的险情监测*** | |
CN115183815A (zh) | 一种机械装备在线监测装置及其数据分析方法 |
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 |