城市轨道交通列车轴承故障的诊断

摘 要 ： 针对城市轨道交通列车进行滚动轴承损伤的早期检测与故障诊断,具有重要的意义.

Abstract： The early detection and diagnosis of rolling bearing damage for urban rail transit trains is of great significance.

关 键 词 ： 故障,轴承,诊断,检测

Key words： fault,bearing,diagnosis,detection

中图分类号：TP277文献标识码：A 文章编号：1006-4311（2015）04-0222-02

0 引言

目前,列车轴承的巡检和维护是城市轨道交通的运营企业的日常工作之一,但是现在的这种制度和方法对于拥有大量列车的企业来说存在着盲目性.因为这样所有的列车轴承都需要进行巡检,对一部分没有故障的轴承也会经常性地进行巡检,造成了资源的严重浪费.大量的巡检工作同时又会造成检修工作中可能存在的倦怠,从而导致潜在的隐患无法排查出来,不能够及时地发现存在故障的轴承,进而不能及时地维修,这就会给列车的安全运营带来极大的安全隐患.因此,城市轨道交通列车轴承故障诊断新方法的探索和研究,对于相关的运营企业极有必要[1].瑞典的SKF公司早在1966年就已经发明了冲击脉冲仪来检测轴承,当然这主要受益于快速傅里叶变换的发展与应用.

1.诊断中的关键问题

城市轨道交通列车轴承的典型构造如图1所示.列车滚动轴承一般情况下由保持架、滚动体、外圈和内圈所构成.保持加将轴承中的滚动体等距离隔开,滚动体则是在内圈与外圈滚道上进行滚动,外圈主要起到轴承内外壳的支撑作用,内圈装配在轴上与轴一起旋转.

实际中,最为常见的列车轴承故障可以分为磨损和损伤两大类.从这两大类故障出发,可以总结出最为常见的故障有疲劳剥落、磨损、压痕、锈蚀、电蚀、断裂、胶合、保持架损坏等.反复随载荷是造成疲劳剥落的主要原理,外部污物的侵入和滚动体与滚道间的运动是产生磨损的原因,大冲击力和热变形是压痕产生的主因,空气和水则是锈蚀和电蚀形成的原因,超负荷运转与自身材质的缺陷会造成断裂,超高的温度会引起胶合,机械故障是保持架损坏的主要原因之一.但不管是哪类故障,在研究过程中都不可避免要解决下面这几个问题：

1.1 滚动轴承上故障信号的采集 根据列车轴承的振动机理,利用振动信号所携带的信号,来诊断轴承所出现的具体故障.那么,对于本研究的首要任务就是要采集这样的故障信号,然后再做下一步的研究和分析[2].这个问题的关键点在于它是解决之后问题的源头,只有把故障信号采集到才能做后续的工作,所以它的准确性是后续一切工作的保证.

1.2 选择合适的频带提取故障信号的特征 采集到故障振动信号后,就需要过滤掉噪声信号,提取出对列车轴承故障诊断有用的信号.这就需要选取合适的频带信号,从而提取出列车轴承的故障信号的具体特征.分析不同故障信号的特性,根据不同特性来选择适合的频带信号对故障信号进行噪声处理,从而提取出真正想要的有用信号,为故障类型的判断打下基础.

1.3 由故障信号的特征判断故障类型 提取出列车轴承的故障信号后,通过对信号的特征分析,来对应轴承出现的不同类型的故障,诸如外圈故障、滚珠故障、内圈故障和混合故障等.区别信号的特征成为判断故障类型的重点[3].每种故障都可以归纳出故障信号的特征,把检测出的故障信号与典型的故障信号的特征做对比,就可以初步判断出是哪种故障.当然,这也要求前期先对外圈故障、滚珠故障、内圈故障和混合故障等典型故障做出信号特征的描述,才能实现后期故障类型的准确判断.

1.4 总结各类故障的特征信号 通过之前的研究进行仿真和试验,总结出列车轴承可能出现故障的不同种类信号,进一步明确故障信号与故障类型的对应关系,为轴承的维护提供重要的保障和参考[4].故障特征信号的总结,需要经过大量的数据采集、对比、实验,需要把每种信号的特征描述清楚、详细,这样才能为后期的应用提供保障.

2.一种研究方法

对于列车轴承的故障诊断,国内外都开展了相关的研究工作.通过对这样研究成果的分析,我们可以知道,想要准确地诊断出城市轨道交通列车轴承的故障,那么必须要掌握轴承的结构.从轴承结构出发,对照出现的主要故障,再进一步找到产生的原因.最重要的是通过这个过程分析出轴承产生故障的特征信号,并把之与轴承的振动机理相结合.在特征信号分析的基础上,进行不断地试验,尤其要针对城市轨道列车轴承常见的外圈故障、滚珠故障等进行[5].

滚动轴承是列车上较为精密的部件,它的使用寿命具有很大的离散性.城市轨道交通列车上的轴承要经常工作在情况比较复杂的环境中,这就使轴承产生的故障特征信号传输需要一个复杂的处理过程.外界环境中强磁、强电等的干扰往往会使真正需要的信息被噪声淹没,对特征信号的提取造成非常不利的局面.特别是一些早期的潜在故障,这些故障信息的信号能量非常小,对于它的采集难度非常大.同时包含故障轴承的信号大多数为非平稳信号,之前的分析方法多数是利用FFT变换来进行提取,但这种方法更适合用于平稳信号的提取,对于非平稳信号的处理几乎没有任何效果.所以,传统的方法对于提取含有故障轴承信息的故障信号并不理想,还有可以改进的地方,还需要不断的研究和完善.

这里针对城市轨道交通列车轴承故障诊断的研究过程,提出一种方法,如图2所示.其实,这也是一个针对城市轨道交通列车轴承故障的分析过程和研究过程.先分析城市轨道列车轴承振动信号的特性,确定其构成的各个部分,弄清楚信号源,然后针对振动信号通过大量试验来选择合适的频带,去除干扰信号,从而得到能够代表故障信息的振动信号,根据之前得到的振动信号,来判断列车轴承是什么样的故障,不同的故障对应不对的振动信号,能够得出不一样的结果,之后就是把有用的信号分离出来,加入数据库,为列车轴承故障的分析和研究打基础,达到更准确的判断故障类型的目的,总结前期的研究和分析的过程,针对列车轴承不同故障的信号特征得出其与故障类型的准确对应关系,最终目标是根据研究结果构建实际应用,把成果应用到城市轨道交通运营企业的实际工作中去.

3.结论

城市轨道交通列车轴承的故障诊断能够有效地避免重大事故的发生.对于目前相关企业所应用的方法都在一定程度上存在缺陷,所以对轴承故障的诊断进行进一步的深入研究很有必要.本文提出了研究中会遇到的关键问题,并且探讨了一种研究方法,按照这种方法进行详细地探索和研究,将会得出行之有效的诊断方法.