首页|一种多层经验小波变换与多指标交叉融合的列车轮对轴承故障诊断研究

一种多层经验小波变换与多指标交叉融合的列车轮对轴承故障诊断研究

Fault diagnosis of train wheelset bearing based on multi-later EWT and multi-index cross fusion

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
列车轮对轴承在长期使用过程中极易产生各类故障,但恶劣的工况导致其故障诊断较为困难,针对这一问题,提出了一种基于多层经验小波变换(multi-layer empirical wavelet transform,MLEWT)与多指标交叉融合的列车轮对轴承故障诊断方法.所提MLEWT方法在划分信号频谱边界过程中,不再以局部极值点作为频谱区间划分依据,而是通过设定频谱区间个数来对整个信号频谱进行多层分解,得到多个模态分量信号.提出了一种基于交叉融合峭度、平滑因子、稀疏值和峰值系数4个统计量指标的故障稀疏度大小评价方法,该方法将多个统计量指标综合考虑,有效克服了单一指标存在的不足,自适应搜寻信号MLEWT后最优的模态分量信号.通过对最优模态分量信号进行包络解调分析诊断出轴承故障.仿真信号和实际轮对轴承故障信号的分析结果表明:所提方法可以有效提取轴承故障特征信息,诊断效果优于传统的谱峭度和EWT方法.

王大鹏、李忞、邓飞跃

展开 >

中车大连机车车辆有限公司,辽宁 大连 116000

石家庄铁道大学 机械工程学院,石家庄 050043

轮对轴承 故障诊断 经验小波变换 评价指标

2022

10.3969/j.issn.1674-8425(z).2022.06.019

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2022.36(6)
  • 1
  • 3