轨道列车走行部滚动轴承故障的诊断方法

摘要

本发明公布了一种新的轨道列车走行部滚动轴承故障诊断方法，通过提出基于指数平滑预测的滑动时间窗分割算法，实现局部频谱的特征提取，结合改进的Adaboost算法，对轨道交通列车走行部转向架滚动轴承进行故障诊断。利用本发明提供的技术方案，可以有效地对轨道列车走行部非线性非平稳实时振动数据进行分割，并由此构建局部频谱图，选取局部频谱区间的中间点频率作为该样本的特征向量，为分类器提供了更加准确的输入，在滚动轴承故障诊断方面有很高的准确性，有效地保证故障分类的准确性，解决了现有方法准确率低、故障分类难的问题。

主权项

一种轨道列车走行部滚动轴承故障的诊断方法，包括状态信号采集过程、状态信号提取过程和状态模式识别过程，具体包括如下步骤：1)利用数据采集模块实时采集轨道列车走行部滚动轴承振动数据，得到实时时序数据，设为L；2)针对L通过基于指数平滑预测的滑动时间窗分割算法对实时时序数据L进行分割，获得时间序列数据L的主要趋势，获得数据初始分割点；3)对上述初始分割点进行校验，得到最终分割点；4)根据K个分割点，确定V型波的范围；一个V型波即为一个局部周期范围；5)将实时数据L分割成了若干个局部周期数据，由V型波作为一个局部范围，构建数据的局部频谱图；6)对局部频谱图的频谱区间进行一致化处理；7)提取每个样本局部频谱图中，幅值最高的前n项所对应的局部频谱区间的中间点频率，作为该样本的特征向量；8)状态模式识别：通过改进Adaboost算法进行故障分类，得到轴承故障诊断的分类结果；所述改进Adaboost算法针对抗噪声能力弱的缺点进行改进，针对噪声数据，通过将样本数据进行聚类过程使得样本数据中各类别的样本数据更加紧凑，不同类别之间的区别更大；同时优化所述聚类过程，以达到提高不同类别的区分度和剔除噪声的目的。