基于labview的轨道车辆轴承故障诊断系统设计 design of rail vehicle bearing fault diagnosis system based on labview.pdfVIP

第31卷第2期 青岛大学学报(工程技术版) V01．31No．2 20 OF 1 JOURNAL 01 6 6年6月 QINGDAOUNIVERSITY(ET)Jun．2 文章编号：1006—9798(2016)02—0032—05；DOI：10．13306／j．1006—9798．2016．02．006 毛云龙1，高军伟1，张志强2，易龙江1，郑依1 (1．青岛大学自动4Jc-与电气工程学院，山东青岛266071； 2。中东青岛四方机车车辆股份有限公司国家工程实验室，山东青岛266111) 摘要：针对轨道车辆轴承存在的故障，本文基于虚拟仪器技术，在LabVIEW2011基础 上，设计了轨道车辆轴承故障诊断系统。该系统采用NI公司的N19215数据采集模块， 采集由加速度传感器获取的振动信号，并依据LabVIEW编写图形化的监测分析界面，运 用时变自回归模型提取故障特征信号，通过以Matlab Script节点形式调用的BP神经网 络程序进行典型故障识别，并将结果反馈到监测界面，实现智能化故障识别，同时对系统 进行调试运行。运行结果表明，该系统可以较好地提取轨道车辆轴承不同状态下的波形 特征，诊断准确率较高。因此，具有一定的工程参考价值。 关键词：故障诊断；BP神经网络；TVAR模型；LabVIEW 中图分类号：TP306 文献标识码：A 滚动轴承作为在轨道交通中应用最广泛的机械部件之一，其信号具有非线性特点且易受噪声干扰，因此 对信号的提取处理与故障特征分析便成为一个比较困难的问题[1]，及时诊断控制系统的故障，能确保设备的 正常运行[2]。长期以来，比较普遍的轴承故障诊断方法便是利用传感器采集轴承的振动信号，通过各种信号 处理方法对其处理，实现故障特征的提取，进而进行模式的识别[3]。在模式识别领域，以神经网络为基础的 方法得到了很大发展，陈金辉等人[41将BP神经网络应用于齿轮箱的故障诊断，取得了不错的效果；吴文杰 等人[53将概率神经网络应用于旋转机械振动故障诊断，提高了诊断的可靠性；杨建伟等人[61将基于BP神经 网络的方法应用于轨道车辆滚动轴承的疲劳、剥落、磨损和裂纹等故障的诊断之中，具有较高的工程价值。 随着虚拟仪器技术的发展，以LabVIEW为代表的虚拟仪器技术在故障诊断方面得到了广泛的应用。赵晓 顺等人[71将虚拟仪器技术应用于发动机断缸故障的诊断之中，使其可以在发动机不解体的情况下进行故障 诊断，提高了诊断的效率。因此，本文设计了一套基于LabVIEW的智锈故障诊断系统，将虚拟仪器技术与 神经网络相结合进行故障分析，降低了轴承故障的诊断难度。该系统既可以对信号进行实时采集显示与存 储，又可以依据振动信号样本对故障进行准确识别并反馈到诊断界面，提高了轴承故障诊断的准确率。 1 系统总体方案 首先由压电加速度传感器和数据采集模 P 压 吝 告 —1兰塑!竺II 块采集振动信号，再由LabVIEW2011编写电 信 专 故 振动 加 号 吕 删 障 相关信号显示存储程序，由时变自回归模型 信号． 速 调 信 《 诊 号 上 度 理 断 (time-varyingautoregressivemodel，TVAR)实 采 位