軌道交通裝備通風(fēng)系統(tǒng)軸承管理范文

本站小編為你精心準(zhǔn)備了軌道交通裝備通風(fēng)系統(tǒng)軸承管理參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:風(fēng)機(jī)是軌道交通裝備通風(fēng)系統(tǒng)的關(guān)鍵系統(tǒng)部件，其健康狀態(tài)直接關(guān)系到列車運(yùn)行牽引系統(tǒng)的工作狀態(tài)。分析了風(fēng)機(jī)電機(jī)軸承健康管理系統(tǒng)，綜合考慮風(fēng)機(jī)風(fēng)速、電機(jī)軸承溫度和振動(dòng)加速度三類信號(hào)的粘連，根據(jù)已知故障信號(hào)訓(xùn)練的深度信念神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)未知的故障信號(hào)進(jìn)行識(shí)別，并對(duì)該方法在軌道交通風(fēng)機(jī)軸承故障診斷的應(yīng)用進(jìn)行了探討。

關(guān)鍵詞:軌道交通裝備;健康管理;風(fēng)機(jī);軸承;神經(jīng)網(wǎng)絡(luò)

引言

風(fēng)機(jī)是冶金、石化、電力、城市軌道交通、紡織、船舶等國(guó)民經(jīng)濟(jì)各領(lǐng)域以及各種場(chǎng)所通風(fēng)換氣的關(guān)鍵系統(tǒng)部件，其健康狀態(tài)一直是關(guān)注的重點(diǎn)，而75%的風(fēng)機(jī)故障由電機(jī)軸承故障引起。如何對(duì)風(fēng)機(jī)電機(jī)軸承健康狀態(tài)進(jìn)行分析預(yù)測(cè)，對(duì)軌道車輛的運(yùn)營(yíng)、維護(hù)進(jìn)行管理，是軌道車輛廠家、軌道車輛運(yùn)維等各方一直關(guān)心的課題和方向。以往對(duì)風(fēng)機(jī)軸承的故障判斷依據(jù)軸承的運(yùn)行溫度，由于軌道運(yùn)行的不穩(wěn)定性，傳統(tǒng)的故障預(yù)判方式對(duì)軌道交通裝備上的風(fēng)機(jī)電機(jī)軸承并不適用，軌道交通裝備在運(yùn)行過(guò)程中車體自身振動(dòng)信號(hào)復(fù)雜，沒(méi)有合適的方式排除振動(dòng)信號(hào)的干擾［1－3］。此外，軸承的健康狀態(tài)只有一種，但軸承表面損傷、軸承幾何位置異常、潤(rùn)滑不足或潤(rùn)滑油失效等多種原因都有可能引起軸承運(yùn)行溫升異常［4］，因此僅根據(jù)軸承的運(yùn)行溫升異常只能判定風(fēng)機(jī)軸承運(yùn)行異常，不能對(duì)是否需要立即更換或其他處理作出預(yù)判斷。現(xiàn)代工業(yè)技術(shù)尤其是傳感器、嵌入式系統(tǒng)、網(wǎng)絡(luò)通信技術(shù)、大數(shù)據(jù)的信息技術(shù)的迅速發(fā)展，也為通風(fēng)系統(tǒng)的PHM研究提供了先進(jìn)的技術(shù)手段。文獻(xiàn)［5］結(jié)合小波包變換提取缺陷特征信息利用深度信念神經(jīng)網(wǎng)絡(luò)對(duì)提取得到的特征信息進(jìn)行缺陷類型識(shí)別，并結(jié)合柱面超聲相控陣系統(tǒng)對(duì)不同類型缺陷進(jìn)行了定性分析。

1通風(fēng)冷卻設(shè)備故障預(yù)測(cè)機(jī)理

根據(jù)以往故障數(shù)據(jù)的分析，電機(jī)軸承故障占風(fēng)機(jī)總故障數(shù)的75%，當(dāng)出現(xiàn)軸承故障時(shí)，風(fēng)機(jī)已不能運(yùn)用，因此有必要在故障前預(yù)警。

1．1軸承溫度監(jiān)測(cè)預(yù)測(cè)機(jī)理

電機(jī)帶動(dòng)風(fēng)機(jī)葉輪高速旋轉(zhuǎn)時(shí)，軸承溫度隨工作時(shí)間逐步上升，直至其最高允值;在不同的環(huán)境溫度下工作，軸承有不同的溫升曲線，數(shù)學(xué)處理后可以得到溫升速率，當(dāng)軸承溫升速率發(fā)生改變時(shí)，說(shuō)明軸承的工作環(huán)境或其自身的狀態(tài)已發(fā)生改變，利用電機(jī)振動(dòng)速度，對(duì)軸承溫升速率作加權(quán)處理，可以得到軸承的狀態(tài)信息。

1．2通風(fēng)機(jī)風(fēng)速監(jiān)測(cè)預(yù)測(cè)機(jī)理

機(jī)械間通風(fēng)機(jī)經(jīng)過(guò)濾網(wǎng)從車外吸入空氣，空氣經(jīng)出風(fēng)口排出，帶走熱量，保持機(jī)械間溫度。機(jī)車日常維護(hù)工作就是清洗過(guò)濾網(wǎng)，因此準(zhǔn)確判斷過(guò)濾網(wǎng)的狀態(tài)可以為日常維護(hù)工作提供依據(jù)。風(fēng)速V與進(jìn)風(fēng)口面積有固定的函數(shù)關(guān)系，當(dāng)進(jìn)風(fēng)口過(guò)濾網(wǎng)被堵塞時(shí)，風(fēng)速降低。因此通過(guò)測(cè)量機(jī)械間進(jìn)風(fēng)口的風(fēng)，可以判斷進(jìn)風(fēng)道口的基本狀態(tài)。

1．3軸承振動(dòng)監(jiān)測(cè)預(yù)測(cè)機(jī)理

電機(jī)軸承在故障狀態(tài)下進(jìn)行運(yùn)行，其振動(dòng)信號(hào)的復(fù)雜度就會(huì)出現(xiàn)一定的增加，這種振動(dòng)異常的頻譜特性可以用來(lái)作為電機(jī)軸承故障檢測(cè)方案。美國(guó)凱斯西儲(chǔ)大學(xué)的軸承數(shù)據(jù)實(shí)驗(yàn)結(jié)果顯示［6］，排列熵和樣本熵都能夠用來(lái)衡量軸承異常振動(dòng)信號(hào)的復(fù)雜性，結(jié)合正常信號(hào)進(jìn)行對(duì)比，能夠有效地診斷電機(jī)的具體故障狀況。此外通過(guò)設(shè)置閥值和圖像分析可以進(jìn)一步對(duì)電機(jī)軸承故障進(jìn)行預(yù)警，這對(duì)于電機(jī)軸承故障診斷來(lái)說(shuō)有重要意義，并且這種方案操作簡(jiǎn)便，器械簡(jiǎn)單，在大多數(shù)工廠內(nèi)都獲得了廣泛應(yīng)用。

2深度信念神經(jīng)網(wǎng)絡(luò)的搭建

2．1深度信念神經(jīng)網(wǎng)絡(luò)分類

深度信念網(wǎng)絡(luò)模型是由多個(gè)限制玻爾茲曼機(jī)(RestrictedBoltzmann－machine，RBM)的累加，一個(gè)RBM包括一個(gè)隱含層和一個(gè)可見(jiàn)層，隱含層和可見(jiàn)層單元間有雙向鏈接，同一層內(nèi)部各單元之間無(wú)相互連接，如圖1所示。如圖2所示，此處采用的深度信念神經(jīng)網(wǎng)絡(luò)由3層RBM的堆疊而成，可以看成是由多個(gè)隨機(jī)變量組成有向無(wú)環(huán)圖。網(wǎng)絡(luò)中的RBM由可見(jiàn)層和隱含層組成，隱含層單元被訓(xùn)練去捕捉在可見(jiàn)層表現(xiàn)出來(lái)的高階數(shù)據(jù)的相關(guān)性。在分類網(wǎng)絡(luò)中，頂層的RBM訓(xùn)練時(shí)需要加入標(biāo)簽單元，相應(yīng)的標(biāo)簽單元被打開(kāi)設(shè)為1，而其他的則被關(guān)閉設(shè)為0。網(wǎng)絡(luò)頂層是一個(gè)softmax分類器，實(shí)現(xiàn)最終檢測(cè)的多分類概率預(yù)判。

2．2小波包分解算法特征提取

小波包分解算法是用于對(duì)傳感器回傳數(shù)據(jù)進(jìn)行特征提取的方法。Mallat小波包分解算法框架如圖3所示。小波包理論可以將小波變換在高頻部分作進(jìn)一步分解，是正交小波變換隨尺度因子增大而變寬的頻譜窗口進(jìn)一步變細(xì)，將信號(hào)分解到不同頻段，具有精確細(xì)分的特點(diǎn)和較強(qiáng)的時(shí)頻局部化能力。利用Mallat分解算法對(duì)信號(hào)進(jìn)行M層分解，以獲得在頻帶中的信號(hào)的特征信息，原信號(hào)的能量即被分解到2M個(gè)正交頻帶，得到M層2M個(gè)節(jié)點(diǎn)系數(shù)，信號(hào)在各個(gè)頻段內(nèi)的能量總和同原始回波信號(hào)的能量相同，在每個(gè)頻帶中的信號(hào)表示原始回波信號(hào)頻率范圍內(nèi)的特征信息。本方法中利用Mallat分解算法對(duì)傳感器回傳的數(shù)據(jù)進(jìn)行四層小波包分解，得到第四層的小波包系數(shù)，即第四層的16個(gè)節(jié)點(diǎn)系數(shù)，這16個(gè)節(jié)點(diǎn)系數(shù)組成的則是神經(jīng)網(wǎng)絡(luò)底層RBM的輸入層。

3整體方案

針對(duì)軌道交通運(yùn)輸?shù)膹?fù)雜工況，本文在通風(fēng)支路風(fēng)道上安裝風(fēng)速傳感器，同時(shí)在電機(jī)軸承上安裝振動(dòng)加速度傳感器和溫度傳感器，實(shí)現(xiàn)在監(jiān)測(cè)軸承溫度及振動(dòng)加速度的同時(shí)對(duì)風(fēng)機(jī)的整體運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，將風(fēng)速、溫度和振動(dòng)加速度三類監(jiān)測(cè)數(shù)據(jù)直接粘連后，采用小波包分解重構(gòu)算法對(duì)原始數(shù)據(jù)進(jìn)行分解重構(gòu)以提取信號(hào)特征，使得獲取的數(shù)據(jù)在一定程度上減弱整車振動(dòng)信號(hào)的干擾，為下一步計(jì)算減少數(shù)據(jù)量，加快網(wǎng)絡(luò)運(yùn)行速度，提高識(shí)別效率。采用深度信念神經(jīng)網(wǎng)絡(luò)進(jìn)行故障特征的學(xué)習(xí)訓(xùn)練時(shí)，將軸承的健康狀態(tài)分為正常運(yùn)行狀態(tài)及N類不同故障狀態(tài)，通過(guò)對(duì)軸承的運(yùn)行數(shù)據(jù)進(jìn)行特征提取，然后代入網(wǎng)絡(luò)中進(jìn)行故障分類來(lái)對(duì)應(yīng)確定是否需要進(jìn)行維護(hù)或更換。

4結(jié)語(yǔ)

本文提出的軌道交通裝備用風(fēng)機(jī)電機(jī)軸承健康管理方法可以對(duì)影響行車安全的關(guān)鍵部件的故障進(jìn)行預(yù)警，有助于減少機(jī)車運(yùn)行過(guò)程中的高危害事件發(fā)生頻次。該健康管理系統(tǒng)對(duì)車載通風(fēng)冷卻設(shè)備的運(yùn)行狀態(tài)有基本判斷，可提供維護(hù)和保養(yǎng)策略，減少維護(hù)時(shí)間，降低維護(hù)成本。在通風(fēng)冷卻設(shè)備自身產(chǎn)品質(zhì)量得到保證的情況下，對(duì)發(fā)生頻次高、對(duì)機(jī)車運(yùn)行有一定影響的風(fēng)機(jī)軸承故障進(jìn)行預(yù)警，使機(jī)車在投入運(yùn)用前得到針對(duì)性的維護(hù)，提高機(jī)車運(yùn)行系統(tǒng)的安全性和可靠性。

參考文獻(xiàn):

［1］王宏超，陳進(jìn)．強(qiáng)抗噪時(shí)頻分析方法及其在滾動(dòng)軸承故障診斷中的應(yīng)用［J］．機(jī)械工程學(xué)報(bào)，2015，51(1):90－96．

［2］田銳．軸承振動(dòng)信號(hào)的去趨勢(shì)分析和故障特征提取方法研究［J］．機(jī)械設(shè)計(jì)與制造，2018(12):100－104．

［3］王立祥，廖愛(ài)華，丁亞琦．基于比例故障率模型的轉(zhuǎn)向架牽引電機(jī)滾動(dòng)軸承可靠性評(píng)估［J］．測(cè)控技術(shù)，2018，37(1):14－18．

［4］羅怡瀾．高速列車軸承異常溫升與警方法研究［D］．成都:西南交通大學(xué)，2018．

［6］劉朦月．基于振動(dòng)信號(hào)的電機(jī)軸承故障診斷方法研究［D］．哈爾濱:哈爾濱工業(yè)大學(xué)，2016．

作者：陳詩(shī)文 朱茂華 何懲 易柯 李登科 單位：大功率交流傳動(dòng)電力機(jī)車系統(tǒng)集成國(guó)家重點(diǎn)實(shí)驗(yàn)室