地铁车辆转向架轴承故障诊断方法分析

2023-08-09石磊王培培

中国设备工程 2023年14期

石磊，王培培

（1.绍兴京越地铁有限公司运营分公司，浙江绍兴 100044；2.江苏天佑路航认证检测有限公司，江苏常州 213164）

在我国城市建设发展中，地铁作为重要的交通方式，有效地满足了人们出行的需求。分析地铁车辆转向架轴承故障问题，可以有效地保障车辆运行的安全性。时域分析法可以进行故障判断分析，但是无法精准地定位轴承中哪个元件出现了故障问题。通过频域分析方式进行处理则可以精准的定位故障位置。传统频域分析方式主要就是通过人工的方式对故障谱图进行分析，诊断故障问题。而在人工神经网络等智能化技术的完善后，在轴承故障诊断中应用可以实现自动识别处理，具有显著优势。

1 地铁车辆转向架轴承故障成因分析

1.1 锈蚀失效

在地铁运行中，转向架在长期运行中会出现温度较高的问题。而在夜晚等特定的时段中，在地铁停运中，轴承温度会出现显著的变化，这样则会导致密封装置失灵等问题的出现，在温度、化学物质等多种因素的作用下，则会导致轴承出现不同程度的腐蚀、生锈等问题。

1.2 变色失效

地铁在持续的工作中，因为轴承的工作游隙过小，预载荷相对较大，润滑不良等因素的营销，导致转向架轴承在发热的影响下出现不同程度的变化，一般主要有淡黄色、黄色、茶色以及棕红色、紫蓝色以及蓝黑色等不同的颜色。如果出现了后面几种颜色，则意味着转向架轴承出现了不同程度的损坏，要对其及时处理。

1.3 表面塑性变形失效

额外载荷是在转向架轴承运行中常见的问题，在其运行中受到额外荷载的作用导致其出现意外的机械损伤问题，进而出现表面塑性变形失效的问题。

一般状态下，就是在机械工作中受到异物进入、密封不良等因素的影响，导致其出现了擦伤、划伤以及压力过大等问题，出现这些病态问题则会直接导致转向架轴承出现非良性的变形问题。

2 地铁车辆转向架轴承故障机理

2.1 腐蚀故障

就是金属与周边的相关介质出现了化学、电化学的作用，对转向架轴承产生腐蚀性的破坏。在实践中主要就是水分、润滑油等化学腐蚀，同时如果强电流通过了轴承，在轴承套环的相对运动中也会导致轴承出现腐蚀性的故障隐患问题。

2.2 胶合故障

胶合主要就是两个金属结构之间出现了相互黏合的现象，在荷载较大以及润滑状况不足的状态下，则会导致两个金属之间摩擦产生大量的热量，这样则会直接的造成轴承在短时间中出现大幅度的升温问题，进而出现了表面的损伤问题。

2.3 磨损性故障

磨损性的故障主要就是在部分机械元件的作用下，导致轴承的表面出现了严重的磨损性问题，在轴承磨损后会导致其出现不同程度的变化，导致磨损后的幅值高于正常状态的轴承，对于此种状态，要进行振动信号最高峰值以及有效值的计算分析，如果获得的结果高于正常值，则可以将其判定为磨损。

3 转向架轴承振动机理与特征频率

转向架轴承如果在运行中出现了异常状况，则会导致地铁车辆系统出现不同程度的变更问题，最主要的变形就是减幅振动。在处理中对各项信息数据进行整合分析，则可以进行轴承故障的判定。基于轴承典型结构图，其主要表达式为：

3.1 时域分析法

基于振动信号轴承故障检测分析，应用时域分析方式主要就是在计算机技术的支持下，进行各项振动信号的收集处理，通过系统分析处理，则可以有效地了解轴承是否处于正常。异常的状态中。一般状态中参数信息则可以分为有量纲参数与无量纲参数。

其中有量纲参数主要涵盖了峰值、有效值以及方根值等相关参数信息。峰值主要就是分析振动信号出现的最大值，此参数具有不稳定性的特征，在不同的时刻具有不同的程度的变化，整体变更频率较大，在轴承转动进程中，如果出现瞬时的冲击性影响，则具有故障诊断成效的功能。有效值主要就是常见的统计参量、反映机械振动强度级别，可以为机械故障判定核心的参数信息，有效值则可以实现对轴承发展变化的估计分析。无量纲参数中主要包括含峰值因子等相关指标信息，此类指标参数与转向架轴承的工作状态变更呈现正比的关系。

3.2 小波包分析以及包络解调分析故障诊断

一般状态下，轴承应用振动信号诊断方式主要包括时域与频域两个类型。其中频域分析处理，如果故障的发生阶段较早，则可以综合微弱的变更信号，对其进行全面的分析处理，通过将振动信号输入特定的频谱图中，对其进行系统全面的对比分析，则可以精确地分析故障的发展变化、故障信息等内容，进而全面掌握故障轴承的具体承载变化状况。

一般状态下，轴承出现异常问题的时候，会出现联动反应，多数的零部件在运行中会出现不同程度的状态变更，此类频率则可以利用计算机进行记录分析，通过深层次的分析处理，则可以有效地确定故障的成因。因此，此类频率则可以将其作为故障的预警指标，在出现轴承的故障问题的时候，则可以利用计算机进行分析处理，做好预警报告。在完成各项操作后，利用滤波器获取信号信息，再通过共振分离的方式则可以提取局部的频次，则可以确定故障的具体成因。

3.3 智能故障识别分析

轴承故障诊断系统主要就是进行数据信息收集处理、特征提取以及故障模式识别等流程进行分析。在处理中核心环节是故障特征提取，此环节直接应用故障诊断的精准性。

同时，因为在不同种类的频谱中故障特征相同，相同类型的故障问题也有着不同的故障表现方式，无法精准地判断分析故障的类别。因此，多数旋转机械故障诊断系统要进行故障信号信息的正确诊断分析。但是，对于特征相对较多的故障、特点类型相似的故障则无法在短时间中进行精准的判定。在实践中不同转向架轴承的故障诊断方式主要如下。

传统频域方式就是通过专业人员观察判定轴承是否出现故障隐患，确定具体的类型。在现代科技的支持下，随着各种技术手段的日益成熟，通过智能化的方式进行处理，利用智能故障识别方式进行轴承的故障诊断处理，具有强大的适应性，在处理中可以根据实际状况进行自动分析，无须人工；而通过人工神经网络处理，要对海量的故障训练样本分析，应用的环境也具有一定的复杂性，无法大面积地应用。智能故障识别技术，主要就是利用计算机系统，进行频谱故障搜索，通过谱峰判定、搜索频带设定、故障特征频率误差设定、搜索算法等方式进行处理，则可以精准定位故障问题。

3.4 故障识别搜索算法

（1）谱峰判定。一般默认谱峰定义就是频谱图中最大值，因此，在通过计算机进行谱峰的搜索中，要在频谱图中进行最大值的搜索。这样则会出现在轴承没有出现某一个类型故障的时候，在振动信号频谱中会通过故障特频率为中心的频带中，搜索导致的最大值在此故障特征频率位置上，但是，其最大值与此频带中的相关幅值参数之间明确较大差异，因此，为了避免误判，利用计算机搜索，其最大值显著高于搜索频带中相关值则确定其为谱峰。

（2）搜索频带设定。根据故障特征频率位置是否可以应对谱峰进行故障诊断，在进行频带搜索处理中要涵盖故障特征频率，因此，要将故障特征频率设置为搜索频带中心的频率，这样则更加合理。

（3）故障特征频率误差设定。因为加工精度、轴承的各个零部件磨损等因素的影响，根据转向架轴承滚动体故障特征频率、外墙故障特征频率以及内圈故障特征频率公式进行分析计算，三个公式分别为：

通过计算就可以了解故障特征频率信息，但是，此种方式也会导致频率偏差问题。这样则会导致在通过计算机进行故障特征频率处理中出现差异性。为了避免出现误差导致的偏差误判问题，则要合理控制谱峰对应的频率、计算故障特征频率的误差信息，保障其在合理的范围中，在二者相等的状态下，则可以根据实际要求进行故障判断分析。

3.5 故障识别搜索算法

单类型故障识别搜索算法在计算中其主要流程如图1所示，在应用中，要对故障出现的类型进行诊断，通过设置多个故障标志变量的方式，则可以充分地显示具体的故障状况以及信息。在处理中主要就是通过故障特征频率、高次谐波频率等信息作为中心频率进行处理；根据故障标志变量数值可以有效地进行诊断处理。

图1 故障识别搜索算法基本流程

3.6 试验平台建设

验证故障诊断方式，进行轴承故障诊断试验平台分析，其工作原理如图2所示。

图2 试验平台原理示意图

在试验平台中，通过传感器进行信号的收集与输出，在数据采集卡的支持下进行信号的传送处理，通过计算机进行信号的分析处理，则可以获得轴承的故障状况以及相关信息。

试验平台采用西门子1LG0106-4AA20电机进行处理，此电机额定功率参数为2.2kW，额定转速参数为1410r/min。在处理中应用变频器对转速进行控制处理。加速度传感器型号为HK8100，输出灵敏度为50mV/g。通过数据采集卡进行信息采集以及存储。在处理中采样频率为10kHz。通过Matlab软件平台实现信息数据分析，获得的数据处理故障特征频率以及其谐波频率位置存在在明显谱峰，符合搜索结果吻合，验证提出方法有效性。

通过db5小波对外圈故障振动信号的分析处理，在可以有效地实现三层小波包分解，在处理中通过对各个节点中的信号重构的FFT、Hilbert变换处理，则可以获得具体的重构信号包络谱。通过试验处理混的重构信号包络图3所示。通过分析图3，可以发现获得的故障特征频率、谐波频率的位置具有显著的谱峰，由此可见其符合故障诊断搜索结果。