趙鵬振,劉 繼

(同濟(jì)大學(xué) 鐵道與城市軌道交通研究院 ，上海 201804)

0 引 言

滾動(dòng)軸承是高速動(dòng)車組中至關(guān)重要的零件，對(duì)列車的安全穩(wěn)定運(yùn)行有著重要的作用。目前，對(duì)于滾動(dòng)軸承的單體研究與實(shí)驗(yàn)數(shù)據(jù)處理已經(jīng)較為成熟，但在高速動(dòng)車組軸承早期故障的在途診斷方面研究還不完善。

國內(nèi)對(duì)于高速動(dòng)車組的滾動(dòng)軸承故障研究方面，大多沿用了通用軸承的研究方法，即建立動(dòng)力學(xué)模型求解數(shù)值解。曹青松等[1]建立了CRH1型動(dòng)車組滾動(dòng)軸承-車軸耦合系統(tǒng)的非線性動(dòng)力學(xué)模型，采用數(shù)值方法分析了不同工況下動(dòng)車組軸承-車軸耦合系統(tǒng)的動(dòng)力學(xué)響應(yīng)與非線性特性。關(guān)貞珍等[2]建立了轉(zhuǎn)子-故障滾動(dòng)軸承-軸承座的非線性振動(dòng)模型以及軸承外圈、內(nèi)圈、滾動(dòng)體局部故障非線性動(dòng)力學(xué)模型，運(yùn)用數(shù)值積分進(jìn)行仿真分析。東亞斌等[3]對(duì)單一軸承外圈故障和滾動(dòng)體故障建立了動(dòng)力學(xué)模型，并用實(shí)際軸承進(jìn)行了驗(yàn)證。李佳睿[4]對(duì)列車行駛時(shí)的滾動(dòng)軸承故障信號(hào)進(jìn)行了模擬，在模擬故障信號(hào)上添加白噪聲后提出相應(yīng)算法提取原信號(hào)。梁瑜[5]對(duì)比了目前在噪聲中提取故障軸承加速度信號(hào)的理論方法，并提出了在EMD方法上改進(jìn)的AFD算法。

針對(duì)高速動(dòng)車組滾動(dòng)軸承故障的研究，學(xué)者們的研究大多是對(duì)滾動(dòng)軸承單體，或滾動(dòng)軸承與少數(shù)部件如車軸、軸承座等的結(jié)合體進(jìn)行分析；對(duì)于從整車角度分析，將故障軸承放在運(yùn)行的高速動(dòng)車組中，通過列車運(yùn)行參數(shù)的變化來診斷滾動(dòng)軸承故障的研究較少。且在滾動(dòng)軸承故障信號(hào)在復(fù)雜背景噪聲中的提取方面，目前研究方法大多是人為施加白噪聲，并未將系統(tǒng)噪聲、軌道不平順等作為噪聲添加到模擬信號(hào)中，從而造成了與實(shí)際情況中的信號(hào)背景噪聲產(chǎn)生差異。

針對(duì)這些不足，本文通過對(duì)滾動(dòng)軸承的運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)分析，研究了滾動(dòng)軸承外圈故障造成沖擊激勵(lì)的頻率與幅值，并據(jù)此模擬軸承故障對(duì)列車車體造成的沖擊信號(hào)。依據(jù)CRH3型高速動(dòng)車組動(dòng)車實(shí)際參數(shù)，在SIMPACK平臺(tái)建立整車模型，模型包含1個(gè)車體、2個(gè)轉(zhuǎn)向架、4副輪對(duì)、8個(gè)轉(zhuǎn)臂、4個(gè)電機(jī)、4個(gè)齒輪箱，如圖1所示。

圖1 CRH3型高速動(dòng)車組動(dòng)車模型

以中國高速鐵路無砟軌道不平順譜作為軌道激勵(lì)[6]，驗(yàn)證模型動(dòng)力學(xué)性能。發(fā)現(xiàn)模型非線性臨界速度為485 km/h；在300 km/h的運(yùn)行速度下，垂向Sperling指標(biāo)為1.804 9和1.826 5均符合標(biāo)準(zhǔn)。將沖擊信號(hào)輸入到整車模型的軸承位置，使列車在具有軌道不平順的軌道上運(yùn)行，提取軸箱處的垂向加速度信號(hào)。提出基于隨機(jī)共振的信號(hào)處理方法，增強(qiáng)復(fù)雜背景噪聲下有效故障成分占比，并用蝙蝠算法實(shí)現(xiàn)對(duì)隨機(jī)共振的自適應(yīng)調(diào)參，比較算法處理前后的信噪比，證明算法有效性。并提出一種滾動(dòng)軸承故障的判斷指標(biāo)L以及基于L的高速動(dòng)車組軸承早期故障的在途檢測(cè)方法。

1 軸承故障沖擊

工程中，滾動(dòng)軸承的缺陷往往是由多方面的因素共同造成的，例如摩擦損傷、交變載荷、電化學(xué)腐蝕、接觸疲勞等。故障的類型有很多種，包括腐蝕、磨損、疲勞剝落、膠合、塑性變形、斷裂等。這些故障根據(jù)缺陷尺寸與分布規(guī)律可以分為局部式、擴(kuò)展式和分布式3種。其中，早期以裂紋、凹坑等局部式缺陷為主，中后期滾動(dòng)體通過缺陷部位時(shí)的振動(dòng)沖擊使缺陷尺寸沿滾道方向逐漸增加[7]，進(jìn)而形成擴(kuò)展缺陷。分布式缺陷通常由研磨磨損、制造誤差、操作不當(dāng)?shù)纫?，分布于整個(gè)滾道，對(duì)軸承整體振動(dòng)響應(yīng)都有影響。

本研究聚焦于高速動(dòng)車組軸箱軸承早期故障的特征信號(hào)提取與故障診斷。我國高速動(dòng)車組軸箱軸承均采用雙列圓錐滾子軸承。因此，本文以雙列圓錐滾子軸承外圈滾道的早期局部式缺陷為對(duì)象展開研究。提出的信號(hào)提取算法屬于從復(fù)雜背景噪聲中提取小幅規(guī)律故障信號(hào)的方法，可同樣應(yīng)用于擴(kuò)展式缺陷等中后期軸承故障。

如圖2所示，對(duì)滾動(dòng)軸承結(jié)構(gòu)進(jìn)行分析，假設(shè)滾子均勻地分布在保持架中且不相對(duì)于滾道移動(dòng)。設(shè)軸承外圈的旋轉(zhuǎn)頻率為fo,內(nèi)圈的旋轉(zhuǎn)頻率為fi，滾子公轉(zhuǎn)速度為vC，軸承節(jié)圓直徑為D，滾子直徑為d，接觸角為 α，滾子個(gè)數(shù)為Z。

圖2 滾動(dòng)軸承結(jié)構(gòu)圖

設(shè)某一滾動(dòng)體中心點(diǎn)為C，與內(nèi)圈滾道的接觸點(diǎn)為A，與外圈滾道的接觸點(diǎn)為B。則A、B點(diǎn)繞軸承中心轉(zhuǎn)動(dòng)直徑分別為D?dcosα,D+dcosα。

軸承運(yùn)轉(zhuǎn)時(shí)，滾子公轉(zhuǎn)速度為：

則單個(gè)滾子的轉(zhuǎn)動(dòng)頻率為：

滾子在轉(zhuǎn)過外圈滾道時(shí)的頻率為：

由于軸承有Z個(gè)滾子，且在高速動(dòng)車組滾動(dòng)軸承運(yùn)行過程中，軸承外圈是相對(duì)固定的，即fo=0。

則圓錐滾子軸承外圈故障特征頻率為：

已知高速動(dòng)車組直線運(yùn)行速度為350 km/h，輪對(duì)滾動(dòng)圓半徑為0.46 m，CRH3型高速動(dòng)車組采用FAG軸承，主要型號(hào)為TAR01.130-240-B-TVP，軸承參數(shù)如表1所示。不考慮蠕滑影響，可計(jì)算得到輪對(duì)滾動(dòng)的頻率為33.64 Hz，由式(4)得，外圈故障頻率為246.5 Hz，角速度為1 548.8 rad/s。

表1 圓錐滾子軸承TAR01.130-240-B-TVP參數(shù)

在李治強(qiáng)[7]研究中建立的軸承模型基礎(chǔ)上，本文以雙列圓錐滾子軸承為研究對(duì)象，建立了如圖3所示的軸承坐標(biāo)系統(tǒng)。模型將軸承內(nèi)外圈考慮為剛體，將滾動(dòng)體與滾道的接觸考慮為彈簧-阻尼系統(tǒng)?？紤]滾動(dòng)體與滾道之間的Hertz接觸變形。本文聚焦于軸承故障振動(dòng)響應(yīng)的研究，為了簡(jiǎn)化分析，忽略對(duì)軸承振動(dòng)響應(yīng)特征影響較小的次要因素，模型簡(jiǎn)化條件如下：

圖3 滾動(dòng)軸承動(dòng)力學(xué)模型

1）軸承運(yùn)行時(shí)環(huán)境條件不變；

2）不考慮滾動(dòng)體的質(zhì)量；

3）軸承內(nèi)圈與軸為剛性連接，外圈與軸承座通過彈簧-阻尼系統(tǒng)連接；

4）假設(shè)在保持架作用下，滾動(dòng)體之間的角間距保持不變，忽略滾動(dòng)體的慣性及離心力影響；

5）忽略潤(rùn)滑油膜及位移點(diǎn)振動(dòng)。

首先，對(duì)整個(gè)雙列圓錐滾子軸承分析，定義滾動(dòng)軸承承受的力和轉(zhuǎn)矩為矢量F：

式中：Fx、Fy、Fz——水平徑向x方向、軸向y方向、垂直徑向z方向的力，N；

Mx、My、Mz——繞x、y、z方向的轉(zhuǎn)矩，N·m。

將滾動(dòng)軸承的內(nèi)外圈考慮為剛體，以內(nèi)外圈之間的相對(duì)運(yùn)動(dòng)定義軸承系統(tǒng)的接觸變形，內(nèi)外圈之間的相對(duì)轉(zhuǎn)動(dòng)和位移矢量q為：

式中： δx、δy、δz——內(nèi)外圈在水平徑向x、軸向y、垂直徑向z方向的相對(duì)位移，μm；

θx、θy、θz——內(nèi)外圈繞x、y、z方向的相對(duì)轉(zhuǎn)動(dòng)，（°）。

當(dāng)滾動(dòng)軸承內(nèi)圈和軸以角速度ws旋轉(zhuǎn)時(shí)，保持架的旋轉(zhuǎn)角速度為：

式中：rp——滾動(dòng)軸承分度圓直徑；

rd——滾子半徑；

α——滾動(dòng)軸承接觸角。

則滾動(dòng)軸承中，第q列第j個(gè)滾子角位置 θjq為：

其中N是滾子個(gè)數(shù)。

第q列第j個(gè)滾子在徑向的位移 δrjq為：

其中c0是滾動(dòng)軸承徑向間隙。

當(dāng)出現(xiàn)軸承外圈故障時(shí)，根據(jù)劉永強(qiáng)等提出的故障模型[8]，如圖4所示。

圖4 外圈故障示意圖

設(shè)缺陷處于外圈滾道底部區(qū)域，缺陷對(duì)應(yīng)的圓心角為 θcr，損傷寬度為L(zhǎng)0，圓錐滾子質(zhì)心處的截面半徑為rg，滾子通過缺陷時(shí)，滾子在缺陷處的接觸變化量為：

則變化后的接觸變形量為：

由赫茲接觸理論，單個(gè)滾動(dòng)體與滾道間接觸力為：

其中K為滾動(dòng)體與滾道間的有效接觸剛度系數(shù)。當(dāng)滾動(dòng)軸承系統(tǒng)承受水平徑向載荷Fx和垂直徑向載荷Fz時(shí)，雙列圓錐滾子軸承動(dòng)力學(xué)方程如下：

式中：c——接觸阻尼；

Fix、Fiz、Fox、Foz——內(nèi)外圈在x方向和z方向的負(fù)載。

定義公式（13）中的狀態(tài)矢量w(t)為：

式中：xi(t)、zi(t)、xo(t)、zo(t)——內(nèi)外圈在x和z方向的位移，是時(shí)間t的函數(shù)。

δx(t)、 δz(t)——軸承內(nèi)外圈相對(duì)位移在x、z方向的分量，定義為：

公式(13)中4容量矩陣Rjq(t)為正交坐標(biāo)系向徑向坐標(biāo)系轉(zhuǎn)換的系數(shù)，定義式為：

公式(13)中質(zhì)量矩陣M，剛度矩陣K，阻尼矩陣C分別為：

式中：mi——軸承內(nèi)圈與軸的質(zhì)量，kg；

mo——軸承外圈與軸承座的質(zhì)量，kg；

kox、koz——軸承外圈剛度系數(shù)，MN/m；

cox、coz——軸承外圈阻尼系數(shù)，N·s/m。

以TAR01.130-240-B-TVP型雙列圓錐滾子軸承為研究對(duì)象，進(jìn)行數(shù)值計(jì)算。與實(shí)際情況結(jié)合，令滾動(dòng)軸承系統(tǒng)承受z向靜載荷73.5 kN，即二分之一軸重。滾子與內(nèi)外滾道的接觸剛度系數(shù)K=14.5 GN/m1.5，阻尼系數(shù)c=800 N·s/m,mi=1 627 kg，mo=84 kg，其余參數(shù)如表1所示。

滾動(dòng)軸承中滾子與滾道間接觸力的突然變化是產(chǎn)生沖擊的原因。經(jīng)計(jì)算可知，當(dāng)雙列圓錐滾子軸承單列外圈滾道發(fā)生故障，故障深度為50 μm，缺陷圓周角為15°時(shí)，由外圈振動(dòng)產(chǎn)生的沖擊信號(hào)如下如圖5所示。

圖5 軸承故障沖擊信號(hào)模擬

2 信號(hào)增強(qiáng)算法

2.1 隨機(jī)共振算法

隨機(jī)共振是基于雙穩(wěn)態(tài)模型通過噪聲增強(qiáng)微弱周期沖擊成分的一種算法，可以用非線性朗之萬方程表示為：

式中：x(t)——系統(tǒng)的輸出信號(hào)；

s(t)——系統(tǒng)的輸入信號(hào)；

ξ(t)——均值為0方差為1的高斯白噪聲；

D——噪聲強(qiáng)度；

U(x)是雙穩(wěn)態(tài)系統(tǒng)的勢(shì)函數(shù)，表達(dá)式為：

U(x)有兩個(gè)穩(wěn)態(tài)點(diǎn)和一個(gè)非穩(wěn)態(tài)點(diǎn)x=0，勢(shì)壘高度為U=a2/4b。 系統(tǒng)輸出x(t)是周期性輸入信號(hào)s(t)和噪聲n(t)共同作用下布朗粒子的運(yùn)動(dòng)軌跡。當(dāng)s(t)和n(t)同時(shí)存在時(shí)，粒子可以積累一定的能量完成在兩個(gè)勢(shì)阱間的躍遷，從而產(chǎn)生于輸入信號(hào)頻率相同的振動(dòng)，即隨機(jī)共振。此時(shí)部分噪聲能量轉(zhuǎn)換成為信號(hào)能量，提高系統(tǒng)輸出信噪比，進(jìn)而實(shí)現(xiàn)在噪聲中提取微弱信號(hào)的功能。

隨機(jī)共振系統(tǒng)通常會(huì)受到小參數(shù)的限制，即系統(tǒng)輸入信號(hào)s(t)的頻率、幅值等遠(yuǎn)小于1。在高速動(dòng)車組軸承故障檢測(cè)中，故障特征頻率較高，無法利用小參數(shù)隨機(jī)共振來實(shí)現(xiàn)。結(jié)合文獻(xiàn)[9-11]提出的理論與處理方法，本文采用在大參數(shù)信號(hào)處理中常用的變尺度信號(hào)處理方法，壓縮軸箱垂向加速度信號(hào)，使其滿足隨機(jī)共振小參數(shù)的要求。尺度變換的方法如下：

設(shè)定頻率壓縮比K，根據(jù)K重新定義一個(gè)壓縮后的采樣頻率fks=fs/K，而后設(shè)置步長(zhǎng)h=1/fks。

本文中，使用龍格庫塔法來實(shí)現(xiàn)隨機(jī)共振的計(jì)算，同時(shí)采樣頻率采用5 000 Hz，取K=50，則步長(zhǎng)為h= 1/100。

2.2 蝙蝠算法

蝙蝠算法（bat algorithm,BA）[12]是 Yang在2010年提出的一種優(yōu)化算法。Ali，Rodrigues D等的研究結(jié)果[13-14]表明：蝙蝠算法具有參數(shù)少，效率高的特點(diǎn)，對(duì)于高速動(dòng)車組軸承故障診斷這種大計(jì)算量的工程項(xiàng)目具有較高的性價(jià)比與實(shí)用價(jià)值。與其他最優(yōu)算法相比，在蝙蝠算法中，當(dāng)某一解超出了約束條件，并非簡(jiǎn)單的將其舍棄，而是在其基礎(chǔ)上進(jìn)行下一步處理，從而加速全局搜索到局部搜索的進(jìn)程，極大地提升了算法的收斂效率。

蝙蝠i發(fā)出的聲波頻率fi，自身的速度和位置的更新公式如下式：

式中：β——[0,1]之間的一個(gè)隨機(jī)數(shù)；

x——使目標(biāo)函數(shù)最優(yōu)時(shí)蝙蝠所處的位置；

fmin和fmax——聲波頻率的最小值和最大值。

位置x、脈沖響度Ai和脈沖發(fā)射率Ri更新公式為：

式中：ε——[-1,1]中的隨機(jī)數(shù)；

At——所有蝙蝠在t時(shí)刻的平均響度；

β——脈沖響度增加系數(shù)；

γ——脈沖頻度衰減系數(shù)。

本文中，使用BA算法對(duì)隨機(jī)共振過程的系數(shù)a、b進(jìn)行自適應(yīng)調(diào)節(jié)，從而最大限度地提取故障信號(hào)中的有效成分。

2.3 故障信號(hào)采集

將軸承外圈故障沖擊信號(hào)輸入SIMPACK模型中第一輪對(duì)右側(cè)軸承位置，模擬列車在具有軌道不平順的直線軌道上（采用中國高速鐵路無砟軌道不平順譜）以350 km/h的速度直線運(yùn)行，進(jìn)行仿真計(jì)算。以5 000 Hz的采樣頻率提取第一輪對(duì)上的右側(cè)軸箱處垂向加速度信號(hào)，采樣長(zhǎng)度為8 s，作為故障信號(hào)，進(jìn)行算法處理及故障診斷。

本文對(duì)正常工況與3種不同程度的軸承外圈故障工況進(jìn)行仿真計(jì)算，如表2所示。并基于故障信號(hào)驗(yàn)證信號(hào)處理方法的有效性。

表2 4種工況

2.4 信號(hào)處理算法

為了在復(fù)雜噪聲中判斷列車軸承是否發(fā)生故障，需要對(duì)原始的軸箱垂向加速度信號(hào)進(jìn)行處理，放大其中的有效成分。本文采取的信號(hào)增強(qiáng)算法分為三步：1）對(duì)原始信號(hào)進(jìn)行高通濾波；2）進(jìn)行希爾伯特變換并取其解析信號(hào)；3）對(duì)解析信號(hào)進(jìn)行自適應(yīng)隨機(jī)共振處理。其中，第二步對(duì)信號(hào)進(jìn)行希爾伯特變換并取其解析信號(hào)是為了使信號(hào)正頻段幅值增大，平穩(wěn)性增強(qiáng)，便于第三步的隨機(jī)共振處理。第三步中運(yùn)用蝙蝠算法對(duì)隨機(jī)共振處理進(jìn)行自適應(yīng)調(diào)參，目標(biāo)函數(shù)設(shè)置為信噪比，使蝙蝠參數(shù)的更新向使目標(biāo)函數(shù)最小的方向發(fā)展。流程圖如圖6所示。

圖6 信號(hào)處理流程圖

2.5 信號(hào)增強(qiáng)效果

為驗(yàn)證信號(hào)增強(qiáng)算法的有效性，在故障工況下，比較原始信號(hào)與信號(hào)增強(qiáng)算法處理后的輸出信號(hào)中，有效成分的信噪比。

在故障工況2下（外圈故障缺陷圓周角為15°），仿真采集的原始故障信號(hào)如圖7所示。

圖7 故障工況2下原始故障信號(hào)

此信號(hào)為復(fù)雜背景噪聲下的故障信號(hào)。仿真采集相同故障狀態(tài)下，列車在無軌道不平順的光滑軌道上運(yùn)行時(shí)的軸箱處垂向加速度信號(hào)，作為無背景噪聲的有效故障信號(hào)。經(jīng)計(jì)算可知，原始故障信號(hào)的信噪比為-19.56 dB。

經(jīng)信號(hào)增強(qiáng)算法處理后，輸出結(jié)果如圖8所示。

圖8 處理后輸出結(jié)果

基于相同的無背景噪聲的有效故障信號(hào)，計(jì)算處理后信號(hào)的信噪比為-0.06 dB。比較可看出，本文提出的信號(hào)處理方法可以顯著增強(qiáng)復(fù)雜背景噪聲下的有效成分占比，使之更易被觀測(cè)。

3 故障診斷指標(biāo)L

3.1 指標(biāo)L計(jì)算方法

若列車軸承存在外圈故障，則在軸箱垂向加速度信號(hào)中，外圈故障特征頻率fout的整數(shù)倍成分應(yīng)比周圍成分功率高。若要判斷列車滾動(dòng)軸承是否存在外圈故障，需要判斷輸出信號(hào)中，在外圈故障特征頻率fout整數(shù)倍的成分的功率是否突出。通常，判斷信號(hào)特定頻率成分功率是否突出的指標(biāo)是信噪比，信噪比是指有用信號(hào)的功率與噪聲信號(hào)的功率的比。用于本文情況，即將信號(hào)特定頻率成分視為有效信號(hào)，其余成分視為噪聲信號(hào)，進(jìn)行信噪比判斷。

在本文中，由于經(jīng)自適應(yīng)隨機(jī)共振算法處理后，輸出信號(hào)中各成分的功率并不確定，所以若采用比較信噪比的方式，需加入濾波器提取出有效信號(hào)成分，再用輸出信號(hào)減去有效信號(hào)得到噪聲信號(hào)，再計(jì)算功率比。這種方法會(huì)增加誤差并增加計(jì)算量。所以，本文將信噪比概念與實(shí)際情況結(jié)合，提出了一種基于輸出信號(hào)頻率密度的故障指標(biāo)L。計(jì)算流程如圖9所示。

圖9 故障診斷指標(biāo)計(jì)算流程

3.2 指標(biāo)L有效性分析

在正常工況下，仿真采集的原始故障信號(hào)在200～300 Hz區(qū)域的頻譜圖像如圖10所示，此時(shí)故障指標(biāo)L為1.471 8。

圖10 正常工況200～300 Hz區(qū)間頻域原始信號(hào)

信號(hào)增強(qiáng)算法處理后，輸出結(jié)果如圖11所示。可以看到，在外圈故障特征頻率（246.5 Hz）附近也無明顯峰值。此時(shí)故障指標(biāo)L為1.837 8。

圖11 正常工況200～300 Hz區(qū)間處理后結(jié)果

在故障工況2下（外圈故障缺陷圓周角為15°），仿真采集的原始故障信號(hào)在200～300 Hz區(qū)域的頻譜圖像如圖12所示，此時(shí)故障指標(biāo)L為2.549 8。

圖12 故障工況2下200～300 Hz區(qū)間頻域原始信號(hào)

通過信號(hào)增強(qiáng)算法對(duì)原始故障信號(hào)進(jìn)行處理，輸出信號(hào)在200～300 Hz區(qū)域的頻譜圖像如圖13所示，此時(shí)故障指標(biāo)L為5.995 5。

比較可看出，故障工況下，采集的故障信號(hào)在外圈故障特征頻率（246.5 Hz）附近峰值明顯。經(jīng)信號(hào)增強(qiáng)算法處理后，峰值更加突出，故障工況的指標(biāo)L值由2.549 8增高至5.995 5，遠(yuǎn)大于正常工況下的1.837 8。

圖13 故障工況2下200～300 Hz區(qū)間處理后結(jié)果

分別對(duì)4種工況下原始故障信號(hào)、經(jīng)信號(hào)增強(qiáng)算法處理后的輸出信號(hào)的故障診斷指標(biāo)L進(jìn)行計(jì)算，計(jì)算結(jié)果如表3所示。

表3 4種工況下處理前后的故障診斷指標(biāo)L

可以看出，3種故障工況下，原始故障信號(hào)的故障指標(biāo)L值均大于正常工況，且經(jīng)信號(hào)增強(qiáng)算法處理后，故障指標(biāo)L值均有較大提升，與正常工況間的差別明顯。正常工況下故障指標(biāo)L的值較小，算法處理前后均不超過2，而在故障工況下，經(jīng)信號(hào)增強(qiáng)算法處理后信號(hào)的故障指標(biāo)L值均超過2.5。因此，故障指標(biāo)L能顯著區(qū)分正常工況與故障工況。與信噪比等傳統(tǒng)指標(biāo)相比，故障指標(biāo)L既降低了運(yùn)算量，又可以直觀地顯示軸承運(yùn)行狀態(tài)，具有較強(qiáng)的實(shí)用價(jià)值。

結(jié)合信號(hào)處理算法與故障診斷指標(biāo)L，可以提出一種判別動(dòng)車組滾動(dòng)軸承外圈故障的新方法。即根據(jù)指標(biāo)L設(shè)定故障報(bào)警閾值Lo，如對(duì)本文研究的350 km/h運(yùn)行的CHR3動(dòng)車組，可令Lo=2.3。當(dāng)列車運(yùn)行過程中，提取軸箱處垂向加速度信號(hào)，經(jīng)信號(hào)增強(qiáng)算法處理后，計(jì)算故障指標(biāo)L值，若L值持續(xù)大于閾值Lo，且逐漸加大時(shí)，則認(rèn)為滾動(dòng)軸承發(fā)生外圈故障，應(yīng)立即報(bào)警并采取安全措施。

4 結(jié)束語

本文首先研究了滾軸承外圈故障引起的沖擊激勵(lì)，通過分析滾動(dòng)軸承運(yùn)動(dòng)特點(diǎn)計(jì)算沖擊頻率，并建立滾動(dòng)軸承動(dòng)力學(xué)模型，計(jì)算外圈故障引起的沖擊信號(hào)。在SIMPACK平臺(tái)建立CRH3高速動(dòng)車組動(dòng)車整車模型，將滾動(dòng)軸承外圈故障沖擊激勵(lì)添加到故障位置，從而模擬出故障列車在具有軌道不平順的軌道上直線行駛時(shí)的運(yùn)行工況。

提出了基于蝙蝠算法的自適應(yīng)隨機(jī)共振算法，對(duì)軸箱處垂向加速度信號(hào)進(jìn)行處理，增強(qiáng)故障信號(hào)中的有效成分占比。通過對(duì)比故障工況下，信號(hào)處理前后故障信號(hào)的信噪比，驗(yàn)證了信號(hào)增強(qiáng)算法對(duì)于在復(fù)雜背景噪聲中提取滾動(dòng)軸承外圈故障信號(hào)有明顯效果。

提出動(dòng)車組滾動(dòng)軸承外圈故障診斷指標(biāo)L?；谔幚砗蟮募铀俣刃盘?hào)與故障診斷指標(biāo)L，提出了一種新的高速動(dòng)車組滾動(dòng)軸承外圈故障判別方法。通過對(duì)比多工況下的故障診斷指標(biāo)L值，說明其能準(zhǔn)確反映高速動(dòng)車組軸承的外圈故障狀況，明顯區(qū)分正常工況與故障工況。從而驗(yàn)證了故障診斷指標(biāo)L在高速動(dòng)車組早期軸承外圈故障的檢測(cè)上是十分有效的，有較高的應(yīng)用價(jià)值。