论文部分内容阅读
高铁事业的蓬勃发展使人们对牵引电机风机的可靠性要求日益增高,滚动轴承作为支持风机运转的重要旋转部件,准确的评估其使用寿命对于整个动车组的行驶安全及降低企业运营成本具有重要的意义。滚动轴承是通过将结构间的滑动摩擦转换为滚动摩擦的这种形式,提高了对轴的支撑力。导致滚动轴承发生故障的因素有很多,多数情况下是由于疲劳剥落、高温烧伤和安装不当等造成的轴承卡死以及断裂。但不论哪一种失效形式,其最终都会通过轴承振动信号的异常变化表征出来。因此,本文以CRH380BL型动车组三级修更换下来的牵引电机中风机轴承为研究对象,基于轴承的振动信号去建立其寿命评估模型,进而预测风机轴承的剩余使用寿命。通过分析滚动轴承的结构及振动机理,说明了滚动轴承的振动信号与其工作状态具有相关性;搭建了滚动轴承的加速寿命试验平台,并采集了滚动轴承全寿命区间的振动信号和寿命数据;根据采集到的振动信号的幅值特性变化规律,发现了振动信号会在轴承的不同寿命区间内发生相应的变化;根据对轴承的时域特征进行提取和分析,发现加速度有效值可以较准确的刻画轴承的衰退趋势,能够作为轴承寿命评估模型的预测标签,故而本文将预测轴承寿命问题转化为预测其加速度有效值的衰退阈值问题。针对传统的时域分析或频域分析方法无法全面描述滚动轴承运行状态的问题,提出了基于经验模态分解(EMD)算法的轴承振动信号的时频分解方法,分解后的固有模态函数(IMF)分量同时包含了轴承的时域信息和频域信息,该算法不需提前设定加窗函数和小波基函数,能够根据IMF分量的变化去刻画轴承的衰退性能,快速且物理意义明确。在完成了轴承振动信号特征参数的提取及分析后,提出了将EMD算法分解后的IMF分量作为轴承的特征参数输入到支持向量回归(SVR)模型,构建了EMD-SVR模型,并通过EMD-SVR模型对滚动轴承的剩余使用寿命进行了预测,经过与真实试验数据进行对比,结果表明该模型的预测精度达到了97.85%,而基于时域特征的SVR模型的预测精度仅为87.14%,对比结果证明了EMD-SVR模型能够提升轴承使用寿命预测评估的准确性。采用EMD-SVR模型对未失效轴承在试验工况下的剩余使用寿命进行了预测,结果为301小时;推导了滚动轴承在试验工况和实际工况下的加速系数计算方法,经过计算得到,动车组三级修更换下来的牵引电机中风机轴承的剩余使用寿命约为25293.03小时。根据企业提供的CRH380BL型动车组的实地运行时长数据显示,该轴承在三级修后的实际剩余使用寿命为25310.3小时,与本文预测的使用寿命相差17.27小时,符合企业要求,故能够满足车辆安全行驶需求。