摘要
伴随着我国高铁规模的不断扩大，对其安全性的考虑也引起了人们越来越多的关注。而轴箱轴承作为走行部的关键零部件，其承受载荷复杂、工作环境恶劣、寿命离散性很大，一旦没有及时检修出发生的故障将会带来极大的安全隐患，影响行车安全。因此，提高轴箱轴承故障诊断的准确率对于确保列车安全性具有非常重要的现实意义。本文以动车组走行部轴箱轴承为研究对象，提出了以小波包分解（WPD）和花授粉算法（FPA）优化的支持向量机（SVM）为核心的故障诊断流程，以提高故障诊断的效率和准确率为目标，完成的主要工作如下： （1）研究了滚动轴承的故障类型和振动机理，分析了故障特征频率，总结了滚动轴承故障诊断相关技术的研究现状，并在此基础上确立了本文的研究思路和内容。 （2）研究了小波包阈值降噪算法，并在传统的阈值函数的基础上提出了改进方案。此外，研究了降噪过程中基函数的选取问题、阈值的选取问题以及分解层数的选取问题，并分别给出了解决方案。通过仿真数据以及实测数据进行分析，结果表明：采用Db10小波基、本文改进阈值函数、4层分解以及Heursure阈值规则进行降噪时，降噪效果良好。 （3）针对传统单一域特征对于故障描述不够全面的问题，提取了时域、频域、小波包域内共44维特征构造出混合特征域，且在提取小波包域特征时，提出将小波包分解后不同频段内能量分布特征作为故障的特征，有效利用了不同统计特征对于故障的判别能力。 （4）针对混合特征域维数过高带来的数据冗余和计算效率问题，引入了核主元分析（KPCA）对原始故障特征向量进行了二次特征选择；同时分析了核参数的选择问题，并引入特征比来进行核参数的选择，结果表明：通过特征比选出的最佳核参数可以大大提高降维效果。 （5）分析了花授粉算法在收敛速度和迭代速率上与其他算法的优势，提出了基于花授粉算法优化的支持向量机模型，通过对比PSO-SVM、GA-SVM模型的诊断精度和诊断效率，结果表明：FPA-SVM模型的诊断精度可以达到100%，且诊断效率最高。 （6）通过搭建动车组走行部模拟传动试验台，采集了实测数据进行分析。结果表明：本文所提故障诊断流程与其他算法相比有着更高的故障诊断准确率，验证了该流程的有效性和工程实用性。
NETL