基于ICA的列车轮对轴承复合故障诊断-控制科学与工程专业论文.docxVIP

Compound Fault Diagnosis of train wheelset bearing based on ICA Type of Degree Academic Degree Discipline Control Science and Engineering Candidate Li Zhong Student Number 12010401010 Supervisor and Professional Title Huang CaiLun Professor Practice Mentor and Professional Title Wang Jing Lecturer School School of Information Electrical Engineering Date June 1, 2015 University Hunan University of Science and Technology 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法 律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权湖南科技大学可以将本学位论文的全部或部分内容 编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和 汇编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 摘 要 列车轮对轴承作为列车轮对的一个关键组成部件，如果轮对轴承发生故障， 就有可能会影响到列车的行车安全。很多列车故障的发生都是由于轮对轴承出现 某些问题所引发的，所以对轮对轴承的状态监测与故障诊断就显得至为重要。 一般轮对轴承发生故障时，往往不止一个故障单独存在，而往往是有多个故 障同时存在。如何对频率成分混叠的混合信号进行较好的分离，在很长一段时间 以来都是人们研究的热点。传统的小波分解、经验模态分解等只能将信号分解到 不同频率段，而不能有效解决多个信号频谱重叠的问题，独立分量分析的提出， 给这一问题的解决带来了希望。 因此，本文以列车轮对轴承为具体研究对象，针对其在发生复合故障时的故 障特征分离问题，提出基于 ICA（Independent Component Analysis，独立分量分 析）的轮对轴承复合故障诊断方法。利用独立分量分析能够把混叠信号分解为表 征源信号的若干个独立分量的这一特点，将各个轴承故障信号源从传感器采集信 号中分离出来。通过实验仿真和实际的案例分析，证明了本文方法在轮对轴承故 障特征分离上是有效的。 论文对轮对轴承故障振动的机理进行了分析，在此基础上建立了列车轮对轴 承单一故障和复合故障的数学模型，并通过 MATLAB 仿真实现了模型。然后设 计了列车轮对故障诊断的硬件与软件系统，介绍了故障诊断软件系统界面的使用 方法，重点对列车轮对轴承的外圈故障、内圈故障、滚动体故障以及存在这三种 故障的轴承复合故障进行了测试，取得了较为满意的测试结果。 关键词：轮对轴承；故障诊断；特征分离； 独立分量分析 i ABSTRACT As a key component of the train wheel set, once the wheel set bearing malfunction, it may affect the traffic safety of the train. Many train faults are due to the occurrence of the wheel bearings fault, so it is very important of the wheel set bearing condition monitoring and fault diagnosis. Generally, when wheel bearing being malfunction, it usually exist m ultiple faults, instead of the case that only has one fault. How to achieve better separation to the mixed signal aliasing that frequency compon