服役工况下的高速列车轴承温度预测模型构建

轴承温度预测对高速列车服役状态的评估以及运维策略的制定具有重要作用。针对复杂服役环境下的高速列车轴温预测问题,首先构建了轴承热力学近似计算模型,并分析了引起轴承温升的服役工况敏感参数,再利用支持向量机回归的方法建立了基于服役工况参数的轴承温度预测模型。对高速列车轴承履历服役数据进行统计分析,构建轴承温升相对速度变化的延迟量,确定轴承与环境的温差对轴承温升的影响,并据此对预测模型进行优化。以某高速列车大齿轮箱滚动轴承为例进行预测模型构建及优化方法验证,测试结果显示:预测模型优化前的综合平均相对预测误差为1.64%,优化后为1.35%,降幅为17.7%,预测模型优化前的综合最大相对误差为35.6%,优化后为17.7%,降幅50.3%。     

轧机扭振非平稳瞬态冲击信号的处理方法

为解决轧机扭振非平稳瞬态冲击信号的故障特征量提取的难题,通过简化轧机动力学模型,构造出一种可以表达轧机扭振非平稳瞬态冲击信号的基元函数,并经哈尔变换和Hilbert-Huang变换的演化,提取出这类扭振信号故障特征.这为解决大型旋转机械设备主传动系统的扭振分析提供了新思路.     

基于EMD的时间尺度去噪方法的研究

研究利用Hilbert-Huang变换中的经验模态分解(EMD)与希尔伯特变换(Hilbert)来进行信号瞬时参数的提取。构造了时间尺度滤波器,结合经验模态分解(EMD)获得有限数目的分段固有模态函数(IMF)的多特征尺度参数的特征进行非平稳信号的滤波,仿真实验验证了该法的可行性。     

轧机扭振非平稳瞬态冲击信号的处理方法

为解决轧机扭振非平稳瞬态冲击信号的故障特征量提取的难题,通过简化轧机动力学模型,构造出一种可以表达轧机扭振非平稳瞬态冲击信号的基元函数,并经哈尔变换和Hilbert-Huang变换的演化,提取出这类扭振信号故障特征.这为解决大型旋转机械设备主传动系统的扭振分析提供了新思路.     

EMD相关度去噪及其在轧机信号处理中的应用

基于经验模式分解(EMD)时间尺度滤波特性,在引入相关度分析的基础上提出了EMD相关度去噪方法.首先对含噪信号进行EMD分解得到信号各个本征模函数(IMF)分量,再根据所建立的相关度阈值函数计算各个分量的相关度值,在与预定阈值比较得到满足阈值要求的IMF分量,然后对这些分量进行信号重构得到去噪信号.该方法消除了EMD时间尺度滤波不适用于噪声和信号在IMF成分混叠情况下的限制.通过对平稳含噪信号和非平稳含噪信号进行的去噪仿真研究,表明了该方法的有效性.通过轧机在轧钢时实测信号分析验证了该方法的可靠性.     

基于Hilbert-Huang时频谱的性能分析研究

针对传统的时频分析方法存在的局限性,评述了一种最新的可适用于非平稳、非线性信号的时频分析法-Hilbert-Huang时频分析方法.研究了Hilbert/Huang时频分析方法的算法理论并对其性能进行了分析.仿真实验中通过与传统的时频分析效果的比较,表明该法具有理想的时频聚集性,并且消除了交叉干扰项,揭示了HHT谱所特有的反映信号局部时频结构的能力.