订单管理
地铁车辆转向架轴承故障诊断方法研究

城市轨道交通在中国迅猛发展, 越受到关注。 转向架轴承是地铁车辆中的重要部件, 一旦出现故障将影响地铁列车的行车安全,如何对其 进行在线智能故障诊断是一个值得研究的重要问题。 由于振动信号特征明显、检测手段成熟且易于实现在线监测, 基于振动 信号的诊断方法是目前应用最广泛的轴承故障诊断方 法。近年来,人工神经网络等智能故障识 。对 别方法被提出并应用于轴承故障诊断。人工神经网络应用于轴承故障识别作了研究, 该方法 具有自适应、自组织和自学习等优点。 虽然整个诊断 过程可以实现无人参与,智能化程度高,但由于必须要 有故障训练样本,加上应用环境恶劣,诊断准确率不够 高,工程应用难以普及

联系人:

试用次数:

浏览次数:

应用类型:

行业分类:

生产环节:

创建日期:2019-09-16

更新日期:2020-06-10

城市轨道交通在中国迅猛发展, 越受到关注。 转向架轴承是地铁车辆中的重要部件, 一旦出现故障将影响地铁列车的行车安全,如何对其 进行在线智能故障诊断是一个值得研究的重要问题。 滚动轴承故障诊断主要方法有:振动诊断方法、温 1 度诊断方法、声学诊断方法等。 由于振动信号特征明显、检测手段成熟且易于实现在线监测, 基于振动 信号的诊断方法是目前应用最广泛的轴承故障诊断方 法。 一般情况下,可从时域和频域 2 个方面对振动信 号进行分析。 时域分析法可以简单判断轴承是否发生 故障,但不能确定轴承的哪个元件出现故障,而频域分 析法可以解决该问题。 传统频域分析法主要是人通过 观察频谱图中故障特征频率处有无谱峰来诊断故障, 智能化程度低。 近年来,人工神经网络等智能故障识 。对 别方法被提出并应用于轴承故障诊断。人工神经网络应用于轴承故障识别作了研究, 该方法 具有自适应、自组织和自学习等优点。 虽然整个诊断 过程可以实现无人参与,智能化程度高,但由于必须要 有故障训练样本,加上应用环境恶劣,诊断准确率不够 高,工程应用难以普及

咨询反馈