列車(chē)軸承軌邊聲學(xué)故障信號(hào)的聲源分離及其去噪研究.pdf

1、診斷一詞最初源于醫(yī)學(xué)領(lǐng)域，但是隨著機(jī)械維護(hù)技術(shù)的涌現(xiàn)，設(shè)備的診斷也開(kāi)始不斷出現(xiàn)在機(jī)械工程的各個(gè)領(lǐng)域。其中，旋轉(zhuǎn)機(jī)械（軸承、齒輪等）在整個(gè)機(jī)械領(lǐng)域中有著舉足輕重的地位，而其發(fā)生故障的概率又遠(yuǎn)遠(yuǎn)高于其他機(jī)械結(jié)構(gòu)，因而對(duì)該類部件的狀態(tài)監(jiān)測(cè)與故障診斷則顯得尤為重要。在我國(guó)，鐵路運(yùn)輸（貨運(yùn)、客運(yùn)）逐漸展露了在國(guó)民經(jīng)濟(jì)和現(xiàn)代化建設(shè)中的不可或缺的作用，作為導(dǎo)致列車(chē)發(fā)生故障甚至脫軌事故的最主要的原因，列車(chē)軸承的故障監(jiān)測(cè)和診斷工作一直受到普遍關(guān)注。為了監(jiān)

2、測(cè)列車(chē)軸承的運(yùn)行狀態(tài)，就要采集、分析包含了軸承運(yùn)行信息的振動(dòng)、聲音等信號(hào)，其中道旁聲學(xué)檢測(cè)系統(tǒng)(TADS)由于其非接觸的測(cè)量特點(diǎn)，使其本身具有很大的使用前景和優(yōu)勢(shì)。本文將基于我國(guó)的NJ(P)3226X1型列車(chē)軸承，以TADS中的信號(hào)處理策略為研究?jī)?nèi)容，針對(duì)列車(chē)的該套監(jiān)測(cè)系統(tǒng)中信號(hào)處理時(shí)不可避免的多普勒畸變下的多聲源分離和強(qiáng)噪聲背景下的微弱信號(hào)提取問(wèn)題進(jìn)行了相關(guān)的探討與研究。
　　本文首先介紹了常見(jiàn)軸承的主要結(jié)構(gòu)、存在的失效形式，說(shuō)

3、明了信號(hào)與軸承運(yùn)行狀態(tài)的對(duì)應(yīng)關(guān)系，并分析了列車(chē)軸承道旁聲學(xué)診斷系統(tǒng)的模型。利用目前主要使用的列車(chē)軸承，設(shè)計(jì)了一套模擬的道旁聲學(xué)診斷系統(tǒng)的實(shí)驗(yàn)平臺(tái)。該平臺(tái)主要由兩部分組成:靜態(tài)軸承信號(hào)采集系統(tǒng)，該系統(tǒng)中，利用線切割的方式對(duì)列車(chē)軸承設(shè)定相應(yīng)的故障，用以獲取其靜態(tài)聲學(xué)故障信號(hào);動(dòng)態(tài)信號(hào)采集系統(tǒng)，基于該系統(tǒng)，我們可以進(jìn)行一個(gè)聲源故障信號(hào)或者多個(gè)聲源故障信號(hào)獲取的模擬實(shí)驗(yàn)，獲取具有相應(yīng)特點(diǎn)的聲學(xué)信號(hào)并進(jìn)行分析。
　　針對(duì)實(shí)驗(yàn)獲取的列車(chē)道旁聲

4、信號(hào)，深入探討了其多聲源分離問(wèn)題。由于該種信號(hào)的特殊性，文章巧妙地利用了信號(hào)本身的多普勒畸變特性所導(dǎo)致的信號(hào)在時(shí)頻域分離的特點(diǎn)，提出了兩種針對(duì)該種信號(hào)的分離技術(shù)。第一種方法是通過(guò)多普勒畸變信號(hào)的偽時(shí)頻分布，來(lái)獲取不同聲源的時(shí)間中心和原始頻率等參數(shù)，利用多普勒濾波器實(shí)現(xiàn)對(duì)不同聲源信號(hào)的逐一濾波分離;第二種技術(shù)是基于時(shí)頻信號(hào)融合和多普勒匹配追蹤獲取相關(guān)的參數(shù)，再通過(guò)時(shí)頻濾波器組的設(shè)計(jì)運(yùn)用，得到各個(gè)聲源的單一信號(hào)。通過(guò)對(duì)仿真信號(hào)和多聲源畸變實(shí)

5、驗(yàn)信號(hào)的處理，實(shí)現(xiàn)了對(duì)不同聲源信號(hào)的分離和后續(xù)校正診斷工作。
　　通過(guò)對(duì)實(shí)驗(yàn)獲取的畸變信號(hào)進(jìn)行處理和分析，重點(diǎn)研究了多普勒畸變的聲學(xué)原理及幾何模型。在已有的利用時(shí)域重采樣技術(shù)校正信號(hào)多普勒畸變的基礎(chǔ)上，提出了兩種多普勒信號(hào)特征參數(shù)提取方法和校正途徑。分別是利用信號(hào)的偽時(shí)頻分布和時(shí)頻域特征匹配追蹤來(lái)獲取信號(hào)的多普勒時(shí)間中心和原始頻率，并進(jìn)一步進(jìn)行畸變校正工作。通過(guò)仿真分析和實(shí)驗(yàn)獲取的含有故障信息的多普勒畸變信號(hào)（分離后的信號(hào)），顯示

6、了所提出的方法對(duì)提取多普勒信號(hào)參數(shù)并進(jìn)行重采樣校正的有效性和可行性。
　　獲取校正后的故障信號(hào)后，論文利用隨機(jī)共振(SR)技術(shù)的微弱信號(hào)探測(cè)和放大功能，提出了不同勢(shì)能模型的三種隨機(jī)共振模型，用于對(duì)軸承信號(hào)的噪聲去除和特征信號(hào)放大，分別是1）基于Woods-Saxon和Gaussian聯(lián)合勢(shì)能的SR，2）基于疇壁釘扎勢(shì)的欠阻尼SR系統(tǒng)，3）變步長(zhǎng)非對(duì)稱SR模型。通過(guò)文章所提出的優(yōu)化的技術(shù)路徑和算法模型，從含噪信號(hào)中獲取了軸承故障特征