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： 次
浏览次数：次
应用类型：
行业分类：
生产环节：
创建日期：2019-09-16
更新日期：2021-04-28
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
