论文部分内容阅读
随着时代的不断进步,科学技术日新月异地发展,越来越多的人选择轨道交通作为出行工具。与此同时,轨道列车的状态监测以及故障诊断等安全相关问题也逐渐为人们所聚焦。列车车轴是实现动力传递的主要组成部件,其故障状态会直接对列车的安全构成严重威胁。鉴于此,列车车轴转动时的声发射信号中蕴含着大量的有用信息,合理有效地运用这些信息对车轴的故障状态进行实时诊断,有利于列车的安全平稳运行,对此进行研究具有理论上和实践上的双重意义。论文在介绍了声发射检测技术、故障诊断技术和小波熵的相关理论以及国内外研究现状的基础上,针对目前广泛运用的Shannon小波能量熵的不足之处提出改进方法。通过对某型号列车车轴建立车轴裂纹疲劳断裂仿真实验并收集其声发射信号,为后面章节信号分析方法的研究提供原始数据支持。论文提出的第一种改进小波熵是Tsallis小波能量熵。首先对Shannon小波能量熵的广延性进行论证,证明其很难对具有非广延性质的信号进行准确分析,而后提出具有非广延性质的Tsallis小波熵概念。分别选取车轴正常状态信号和裂纹故障信号,用Tsallis小波能量熵进行分析。通过比较熵值的变化趋势及分布状况的不同之处,对裂纹车轴的信号特征进行研究。论文研究的另一种改进小波熵则是小波包奇异熵。针对Shannon小波能量熵中小波变换不能对高频系数进行持续再分解的弱点,提出基于小波包变换的奇异熵方法来对信号进行特征提取。先对信号进行小波包分解,再应用奇异值分解理论对重构系数进行变换处理,最后结合信息熵理论计算奇异特征值的熵。多组数据分析结果表明,信号内部组成因裂纹故障而变得复杂,奇异熵值变大。论文通过建立仿真实验来收集信号并将所得实测数据用多种改进小波熵方法进行分析,所得结果证明该方法可以有效识别故障信号特征,为用信号数据分析方法来发现车轴故障开辟了一种新的研究思路。