摘要
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.
国家科技期刊平台
NSTL
万方数据