一种滚动轴承的故障诊断方法

    公开(公告)号:CN105938468A

    公开(公告)日:2016-09-14

    申请号:CN201610397231.X

    申请日:2016-06-07

    CPC classification number: G06F17/142 G06F19/00

    Abstract: 本发明公开一种滚动轴承的故障诊断方法,包括如下步骤:S1、计算滚动轴承的故障特征频率;S2、获取滚动轴承的待检测加速度信号;S3、对待检测加速度信号进行希尔伯特变换,计算得到希尔伯特包络解调信号;S4、对希尔伯特包络解调信号进行基于标准化变换的随机共振处理,得到载波频率和输出信号;S5、对输出信号进行快速傅里叶变换得到输出信号频谱峰值,并根据载波频率参数和输出信号频谱峰值得到待检测加速度信号特征频率;S6、将待检测加速度信号特征频率与故障特征频率进行比较,得到诊断结果。本发明能够对滚动轴承的故障进行诊断识别,特别是能够对强噪声背景下滚动轴承的早期故障进行诊断识别。

    基于模糊智能的轨道车辆悬挂系统故障分类方法及系统

    公开(公告)号:CN106021789A

    公开(公告)日:2016-10-12

    申请号:CN201610380170.6

    申请日:2016-06-01

    Abstract: 本发明公开了基于模糊智能的轨道交通车辆悬挂系统故障分析方法,该方法的步骤包括:构建轨道交通车辆悬挂系统模型,并对该模型进行动力学特征分析S1;根据轨道交通车辆悬挂系统模型动力学分析结果,布置加速度传感器S2;提取加速度传感器采集得到的多组数据的时域和频域特征,并通过功率谱分析进行距离特征的提取S3;对步骤S3中原始特征样本进行降维处理,获得故障特征样本S4;基于故障特征样本,利用模糊智能对车辆悬挂系统进行故障分类S5。本方案克服了时频域特征指标从时域或频域的某个方面描述信号变化的缺点,同时克服了时频域特征指标容易被加和与取平均运算淹没差异性特征的缺点,改善了特征样本的质量。

    基于磁流液变阻尼器的列车半主动控制方法

    公开(公告)号:CN105015572A

    公开(公告)日:2015-11-04

    申请号:CN201510393899.2

    申请日:2015-07-07

    Abstract: 本发明公开一种基于磁流液变阻尼器的列车半主动控制方法,包括如下步骤:S1、利用陀螺仪获取列车运行过程中前、后轮对的摇头角速度和转向架的摇头角速度;S2、对列车运行过程中前、后轮对的摇头角速度和转向架的摇头角速度进行数据处理和运算,获得前、后轮对相对于转向架的相对摇头角速度;S3、利用车辆数据总线MVB获取列车运行的相关线路信息;S4、根据相关线路信息判断列车运行路段类型,并根据与列车运行路段类型相应的列车控制策略,通过控制在列车上布设的多个纵向磁流液变阻尼器实现对列车的控制。本发明所述技术方案可以有效提高列车直线运行的稳定性,并提高临界速度,同时改善列车的曲线通过能力。

    基于模糊智能的轨道车辆悬挂系统故障分类方法及系统

    公开(公告)号:CN106021789B

    公开(公告)日:2019-02-19

    申请号:CN201610380170.6

    申请日:2016-06-01

    Abstract: 本发明公开了基于模糊智能的轨道交通车辆悬挂系统故障分析方法,该方法的步骤包括:构建轨道交通车辆悬挂系统模型,并对该模型进行动力学特征分析S1;根据轨道交通车辆悬挂系统模型动力学分析结果,布置加速度传感器S2;提取加速度传感器采集得到的多组数据的时域和频域特征,并通过功率谱分析进行距离特征的提取S3;对步骤S3中原始特征样本进行降维处理,获得故障特征样本S4;基于故障特征样本,利用模糊智能对车辆悬挂系统进行故障分类S5。本方案克服了时频域特征指标从时域或频域的某个方面描述信号变化的缺点,同时克服了时频域特征指标容易被加和与取平均运算淹没差异性特征的缺点,改善了特征样本的质量。

    基于MPCA的列车悬挂系统故障分析方法及系统

    公开(公告)号:CN106096096A

    公开(公告)日:2016-11-09

    申请号:CN201610379729.3

    申请日:2016-06-01

    CPC classification number: G06F17/5009 G01M17/10

    Abstract: 本发明公开了基于MPCA的列车悬挂系统故障分析方法,本方案将多线性主元分析方法(MPCA)应用于轨道车辆悬挂系统故障诊断中。为了便于发现悬挂系统弱小故障,尽可能多的获取故障信息,将采集的原始二维数据构造成三阶张量的形式,再利用MPCA处理张量数据的优势,尽可能地减少了在一个局部邻域内的变量和时间相关性,从多个(mode)方向上对训练样本(可看作张量对象)进行降维处理和特征提取,从而保护了原始数据的结构和相关性。尽量地用最少的却拥有最显著特征的信息量来表示每个样本,从而使得变换后的低维子空间具有很好的模式表达能力,降低了计算量。可大大提升列车悬挂系统弱小故障检测能力,提高列车运行的安全性能。

Patent Agency Ranking