基于加权联合提升包络谱的轴箱轴承故障诊断

程尧; 陈丙炎; 张卫华; 李夫忠

doi:10.3969/j.issn.0258-2724.20220019

基于加权联合提升包络谱的轴箱轴承故障诊断

doi: 10.3969/j.issn.0258-2724.20220019

1.
西南交通大学轨道交通运载系统全国重点实验室，四川成都 610031
2.
成都运达科技股份有限公司，四川成都 610097

基金项目: 国家重点研发计划（2021YFB3400703）；中央高校基本科研业务费专项资金（2682021CG003，2682021CX090）

详细信息

作者简介:
程尧（1990—），男，助理研究员，博士，研究方向为列车传动系统轴承故障诊断与信号分析，E-mail：chengyao2020@swjtu.edu.cn

中图分类号: U260；U270
计量
- 文章访问数: 448
- HTML全文浏览量: 200
- PDF下载量: 69
- 被引次数: 20
出版历程
- 收稿日期: 2021-01-06
- 修回日期: 2022-05-09
- 网络出版日期: 2023-02-24
- 刊出日期: 2022-05-11

Fault Diagnosis of Axle-Box Bearing Based on Weighted Combined Improved Envelope Spectrum

1.
State Key Laboratory of Rail Transit Vehicle System, Southwest Jiaotong University, Chengdu 610031, China
2.
Chengdu Yunda Technology Co., Ltd., Chengdu 610097, China

摘要

摘要:
为解决列车轴箱轴承微弱故障特征在宽频带上难以提取的问题，基于轴承故障信号的二阶循环平稳特性，提出了一种利用加权联合提升包络谱进行故障诊断的方法. 首先，利用谱相干算法将振动信号分解到由频谱频率和循环频率构成的双频域，实现振动信号在全频带内的精细化解调，并基于谱相干的局部特征识别轴承候选故障频率；接着，利用1/3二叉树滤波器将频谱频率分割为不同中心频率和带宽的窄带，在窄带内沿着频谱频率对谱相干的模进行积分，得到窄带提升包络谱；然后，以候选故障频率在窄带提升包络谱中的能量占比为诊断性指标，在每一分解层上构造联合提升包络谱；最后，对不同分解层的联合提升包络谱进行加权平均，得到轴承振动信号的加权联合提升包络谱. 轨道车辆轴箱轴承台架试验信号的研究结果表明：所提方法的优势在于能充分整合分布于不同窄带内的轴承故障信息，且不依赖于名义故障周期信息；和现有方法相比，能更有效地揭示轴承故障特征频率及其谐波特征，在提取和识别轴箱轴承微弱故障方面具有一定优势.
- 轴箱轴承 /
- 故障诊断 /
- 多频带故障特征提取 /
- 加权联合提升包络谱 /
- 谱相干
Abstract:
Since the weak fault feature of train axle-box bearings is difficult to be extracted in a wide frequency band, this paper proposes a weighted combined improved envelope spectrum (WCIES) for fault diagnosis based on the second-order cyclostationary of bearing fault signals. First, the fine demodulation of the vibration signal in the full frequency band is achieved by decomposing the vibration signal into the dual-frequency domain composed of spectral and cyclic frequencies through the spectral coherence algorithm. The candidate fault frequency of the bearing is identified based on the local feature of spectral coherence. Then, the 1/3-binary tree filter is applied to divide the spectral frequency into a series of narrowbands with different center frequencies and bandwidths, and the mode of spectral coherence is integrated along the spectral frequency in the narrow band to obtain the narrowband IES. Then, the CIES of each decomposition layer is constructed by taking the ratio of the energy of the candidate fault frequency in the narrowband IES as the diagnostic index. Finally, the weighted average of the WCIES of different decomposition layers is performed, and the WCIES of the bearing vibration signal is obtained. The research results show that the advantage of the proposed method is that it can fully integrate the bearing fault information distributed in different narrowbands and does not depend on the nominal fault period information. Compared with the existing methods, it can more effectively reveal the characteristic frequency and harmonic characteristics of bearing faults and has advantages in extracting and identifying weak faults of axle-box bearings.
- axle-box bearing /
- fault diagnosis /
- Multiband fault feature extraction /
- weighted combined improved envelope spectrum /
- spectral coherence

HTML全文

固定辙叉是道岔重要组成部分，广泛应用于我国重载和提速铁路. 固定辙叉区轮轨动力相互作用异常剧烈，关键钢轨部件磨耗磨损等病害较区间线路更加频发^[1-6]. 我国固定辙叉平均使用寿命仅为美国的40%，欧洲的60%，造成其服役寿命相对较低的主要原因之一是轮载过渡区辙叉钢轨总承载面积相对欧美较小^[7].

辙叉区不规则的钢轨廓形是影响轮载过渡区钢轨承载面积的直接因素. 为此，国内外学者从钢轨廓形参数优化角度进行了大量研究：王树国等^[7]从理论分析、动力仿真和现场试验角度对辙叉心轨顶宽、查照间隔和护轨轮缘槽宽度等参数进行优化；徐井芒等^[8-9]提出基于轮轨廓形净差值的心轨廓形优化方法；曹洋等^[10]针对固定辙叉轮载过渡段轮轨匹配性能对心轨关键断面廓形进行优化；沈钢等^[11]采用粒子群算法求解优化模型对心轨顶面降低值参数进行优化；张鹏飞等^[12]研究翼轨加高值对列车过岔动力特性的影响；Wan等^[13-14]采用数值模拟和现场试验分析辙叉区各轮轨动力响应的权重大小，并结合多目标优化方法提出固定辙叉心轨廓形设计方法.

上述文献研究主要针对辙叉廓形单一几何参数，通过调整局部廓形进行优化设计，并未从固定辙叉几何特征控制参数角度探寻廓形参数化设计方法并分析各参数对辙叉钢轨廓形的影响. 因此，本文基于B样条理论，采用DOE （design of experiments）方法，分析各关键控制参数对心轨廓形变化的影响权重，对实现固定辙叉区钢轨廓形参数化设计具有重要意义.

1. 固定辙叉廓形特征参数

在固定辙叉中，有害空间引起轨距线不连续，且翼轨和心轨廓形呈连续不规则变化. 然而，固定辙叉平面布置、心轨各关键断面廓形以及翼轨断面几何特征具有如下规律：对于任意心轨和翼轨断面，轨顶横坡和轨头侧面纵坡不变；沿辙叉走行方向，心轨和翼轨高度分段线性变化，心轨断面宽度线性增大；心轨和翼轨轮缘槽宽度一定；距轨距测量点标准轨头半宽35.5 mm处的翼轨顶面高度以及翼轨宽度可精确确定. 以60 kg/m钢轨12号固定辙叉^[15]为例，心轨轨顶横坡为1∶20，轨头侧面纵坡为1∶5；翼轨工作边纵坡为1∶5，轨顶横坡为1∶20，非工作边侧面纵坡1∶20，如图1所示，W为翼轨轨头宽度.

图 1 固定辙叉几何特征

Figure 1. Geometry characteristics of fixed-nose crossing

下载: 全尺寸图片幻灯片

由此可见，虽然辙叉钢轨轨头宽度和高度沿辙叉方向不断变化，但仍存在保持不变的设计参数，分别为各断面处心轨和翼轨轨头宽度和高度、轨顶横坡、轨头侧面坡度. 本文将以上参数统称为固定辙叉钢轨全断面廓形特征参数，为后文中不断重构更新辙叉钢轨廓形提供了设计依据.

2. 辙叉钢轨廓形参数化拟合方法

2.1 B样条曲线理论

辙叉区钢轨各断面廓形是由多段不同曲率圆弧组成的复杂曲线，整个廓形需保持连续平滑. B样条曲线在计算机辅助设计中具有广泛应用^[16]，可通过较少的轮廓关键控制顶点实现达到期望逼近精度的廓形拟合，且具有连续平滑性和强凸包性. 因此，通过B样条曲线拟合辙叉钢轨廓形，对利用辙叉廓形特征参数进行廓形参数化设计具有明显优势. 已有相关研究将其应用于钢轨廓形设计：Yang等^[17]采用B样条理论，选取实测廓形33个控制点建立磨耗钢轨廓形曲线，对不同打磨方式钢轨廓形进行磨耗预测；温士明^[18]运用B样条曲线对钢轨廓形进行参数化描述，提出钢轨打磨目标廓形优化方法；刘建桥^[19]结合遗传算法和B样条曲线，以降低钢轨磨耗为目标确定钢轨优化廓形；唐彦玲等^[20]通过B样条曲线对钢轨廓形进行参数化描述，结合遗传算法对曲线地段钢轨廓形进行设计；王亮等^[21]采用B样条曲线和NSGA-Ⅱ算法对控制点权因子寻优计算，对钢轨打磨区域轨头廓形进行设计；林凤涛等^[22]采用B样条理论对高速铁路辙叉钢轨廓形拟合，基于标准辙叉廓形设置16个控制点设计了钢轨经济性打磨廓形；史振帅^[23]以道岔转辙器区域直尖轨为研究对象，采用NURBS理论对道岔直尖轨打磨廓形进行设计重构. 已有文献虽实现了钢轨廓形重构，但仍是通过标准或实测钢轨廓形的稠密离散点数据进行廓形拟合，且大多针对区间线路和可动心辙叉，对固定辙叉钢轨廓形研究较少.

在B样条方法中，任意曲线可用式（1）表示.

$C(t) = \sum\limits_{v = 0}^{n{{ - }}1} {{B_{v,d}}({{t}})Q{}_v},$

(1)

式中：Q_v为序号v的廓形关键控制点；n为控制点Q_v个数，依次连接控制点可以构成一个特征多边形；t为节点，t₀≤t≤t_m-1，T=（t₀，t₁，…，t_v，…t_m-1），T为节点向量，m=n + d + 1，m为节点个数，d为B样条曲线的阶数；B_v,d(t)为由递归方程表示的d−1次B样条基函数，如式（2）所示.

$\left\{\begin{array}{l}{B}_{v,d}({{t}})=\dfrac{{{t}}-{t}_{v}}{t{}_{v + d}-{t}_{v}}{B}_{v,d-1}({{t}}) + \dfrac{t_{v + d + 1}-{{t}}}{t_{v + d + 1}-{t}_{v + 1}}{B}_{v + 1,d-1}({{t}}),\\ {B}_{v,0}=\left\{\begin{array}{l}1\text{，}\quad{{{t}}}_{v}\leqslant {{t}}\leqslant {t}_{v + 1},\\ 0\text{，}\quad {{t}} < {t}_{v}\;或\;{{t}} > {t}_{v + 1}. \end{array}\right. \end{array} \right.$

(2)

根据B样条曲线理论与相关工程应用情况可知，采用3次样条可保证拟合曲线2阶导数连续，满足工程实际需要，因此，本文采用3次非均匀B样条曲线拟合辙叉钢轨廓形.

2.2 关键控制点确定

依据心轨和翼轨廓形关键几何特征参数可确定B样条曲线拟合廓形所需关键控制点，由各控制点组成心轨和翼轨廓形拟合控制多边形，如图2所示. 由于心轨断面廓形轴对称，因此只选取心轨中心轴一侧进行廓形参数化说明.

图 2 辙叉钢轨廓形控制多边形

Figure 2. Fixed-crossing rail profile control polygon

下载: 全尺寸图片幻灯片

在图2（a）中，心轨廓形拟合的关键控制点为{N₁,N₂…,N_i}，N_i=(x_i，y_i)，i =1，2，…，8. 其中：N₁为心轨轨顶高度控制点；N₂、N₃用来调节心轨顶面平直段廓形范围；N₄、N₆、N₈用来调节心轨轨头复合圆弧段廓形；N₅为轨顶横坡和侧面纵坡交点；N₇为心轨宽度控制点；P为△N₄N₅N₆中垂线与N₄N₆的交点，为确定控制点N₈的辅助点，N₈位于N₅P的连线上.

在图2（b）中，翼轨廓形拟合的关键控制点为{W₁,W₂,…,W_j}，j=1，2，…，9. 其中：W₁和W₉为翼轨轨头宽度控制点；W₃为轨顶横坡和翼轨工作边纵坡交点；W₅为翼轨高度控制点；W₇为轨顶横坡和翼轨非工作边纵坡交点；W₂、W₄、W₆、W₈用来调节翼轨轨头两侧复合圆弧段廓形；k_W1、k_W2、k_W3分别为翼轨工作边纵坡、轨顶横坡和非工作边纵坡斜率；h_W为翼轨高度；w_W为标准轨头宽度的一半，即35.5 mm.

由于心轨和翼轨廓形参数化方法一致，且心轨廓形变化较翼轨复杂，因此，以心轨为例详细说明辙叉钢轨廓形参数化过程. 采用向量法确定各控制点间关系，如式（3）.

$\left\{\begin{array}{l} \dfrac{{{\boldsymbol{N}}}_{4}{{\boldsymbol{N}}}_{5}}{\left|{{\boldsymbol{N}}}_{4}{{\boldsymbol{N}}}_{5}\right|}=(1\text{，}{k}_{1}),\\ \dfrac{{{\boldsymbol{N}}}_{5}{{\boldsymbol{N}}}_{6}}{\left|{{\boldsymbol{N}}}_{5}{{\boldsymbol{N}}}_{6}\right|}=(1\text{，}{k}_{2}),\\ {{\boldsymbol{N}}}_{4}{{\boldsymbol{N}}}_{5}={\lambda }_{1}{{\boldsymbol{N}}}_{1}{{\boldsymbol{N}}}_{5},\\ {{\boldsymbol{N}}}_{1}{{\boldsymbol{N}}}_{2}={\lambda }_{2}{{\boldsymbol{N}}}_{1}{{\boldsymbol{N}}}_{4},\\ {{\boldsymbol{N}}}_{5}{{\boldsymbol{N}}}_{6}={\lambda }_{3}{{\boldsymbol{N}}}_{5}{{\boldsymbol{N}}}_{7},\\ {{\boldsymbol{N}}}_{2}{{\boldsymbol{N}}}_{3}={\lambda }_{4}{{\boldsymbol{N}}}_{2}{{\boldsymbol{N}}}_{4},\\ {{\boldsymbol{N}}}_{5}{{\boldsymbol{N}}}_{8}={\lambda }_{5}{{\boldsymbol{N}}}_{5}{\boldsymbol{P}}, \end{array}\right.$

(3)

式中：λ₁、λ₂、λ₃、λ₄、λ₅分别为调节控制点N₄、N₂、N₆、N₃、N₈位置的比例系数，为可变参数，记为λ_s∈[0，1]，其中，s=1,2,…，5，λ₅用来调节心轨轨头复合圆弧段廓形，简称心轨复合圆弧段比例系数；k₁、k₂分别为心轨轨顶横坡和侧面纵坡斜率.

当其他控制点一定时，心轨轨头复合圆弧段廓形主要由控制点N₈位置决定，为了保持心轨轨头廓形凸曲线的特点，N₈取值需在N₅P范围内. 依据向量法求三角形垂点P，如式（4）所示.

${\boldsymbol{P}} = {{\boldsymbol{N}}_4} + \frac{{{{\boldsymbol{N}}_4}{{\boldsymbol{N}}_5} {\text{•}} {{\boldsymbol{N}}_4}{{\boldsymbol{N}}_6}}}{{\left| {{{\boldsymbol{N}}_4}{{\boldsymbol{N}}_6}} \right| {\text{•}} \left| {{{\boldsymbol{N}}_4}{{\boldsymbol{N}}_6}} \right|}} {\text{•}} ({{\boldsymbol{N}}_6} - {{\boldsymbol{N}}_4}).$

(4)

结合式（3）、（4），根据定比分点原理确定各关键控制点坐标，如式（5）所示.

$\left\{ \begin{array}{l}\left({x}_{1},{y}_{1}\right)=(0,h),\\ \left({x}_{2},{y}_{2}\right)=(1-{\lambda }_{2})({x}_{1},{y}_{1}) + {\lambda }_{2}({x}_{4},{y}_{4}) + (0\text{，}\varDelta ),\\ \left({x}_{3},{y}_{3}\right)=(1-{\lambda }_{4})({x}_{2},{y}_{2}) + {\lambda }_{4}({x}_{4},{y}_{4}),\\ \left({x}_{4},{y}_{4}\right)={\lambda }_{1}({x}_{1},{y}_{1}) + (1-{\lambda }_{1})({x}_{5},{y}_{5}),\\ \left({x}_{5},{y}_{5}\right)=\left(\dfrac{h + {k}_{2}w}{{k}_{2}-{k}_{1}},h + \dfrac{{k}_{1}(h + {k}_{2}w)}{{k}_{2}-{k}_{1}}\right),\\ \left({x}_{6},{y}_{6}\right)=(1-{\lambda }_{3})({x}_{5},{y}_{5}) + {\lambda }_{3}({x}_{7},{y}_{7}),\\ \left({x}_{7},{y}_{7}\right)=(w,0),\\ \left({x}_{8},{y}_{8}\right)=(1-{\lambda }_{5})({x}_{5},{y}_{5}) + {\lambda }_{5}({x}_{\text{p}},{y}_{\text{p}}), \end{array} \right.$

(5)

式中： (x_p，y_p)为点P坐标；Δ为心轨平直段廓形修正系数，通过调整Δ使控制点N₂与N₁在同一水平线上；h为x处心轨高度，x为心轨任意断面距辙叉理论尖端的距离；w为x处心轨轨头半宽.

由式（3）～（5）可知，心轨任意断面廓形各控制点坐标可表示为各特征参数和比例系数的函数. 翼轨同理，则固定辙叉全断面廓形控制点可表示为

$\left\{ \begin{gathered} {{{\boldsymbol{N}}_i}} = {f_{{\text{cp}}}}(h,w,{k_1},{k_2},\varDelta ,[{\lambda _s}]), \\ {{{\boldsymbol{W}}_j}} = {g_{{\text{wp}}}}({h_{\text{W}}},{w_{\text{W}}},{k_{\text{W}}}_1,{k_{\text{W}}}_2,[{\lambda _t}]), \\ \end{gathered} \right.$

(6)

式中：f_cp(·)、g_wp(·)分别为求解心轨和翼轨任意断面所有控制点的函数；λ_t为翼轨控制点调节比例系数，记为λ_t∈[0，1]，其中，t为其对应的比例系数编号.

综上所述，关键控制点确定所涉及的参数具体包括两类，一类是与廓形相关的有实际物理意义的特征参数，另一类是B样条曲线几何控制点调节比例系数. 为方便后续分析，将上述两类参数统称为辙叉钢轨廓形关键控制参数.

2.3 廓形拟合

以60 kg/m钢轨12号固定辙叉钢轨为例，采用B样条曲线进行廓形构建，心轨和翼轨控制点分布及拟合廓形分别如图3所示.

图 3 辙叉钢轨断面廓形拟合

Figure 3. Section fitting of rail profiles in fixed-nose crossing

下载: 全尺寸图片幻灯片

由图3可知：各控制点位置随心轨轨顶高度和宽度的变化而改变，从而实现心轨廓形连续变化；本文不考虑翼轨高度和轨头宽度的变化，因此翼轨拟合廓形唯一.

在此基础上，结合辙叉区心轨和翼轨走行方向变化，可进一步确定辙叉三维廓形，考虑一侧翼轨的固定辙叉三维廓形如图4所示.

图 4 固定辙叉三维廓形实现

Figure 4. Three-dimensional profile of fixed-nose crossing

下载: 全尺寸图片幻灯片

由图4可知，虽然固定辙叉钢轨廓形复杂多变，心轨和翼轨沿辙叉走行方向廓形不断变化，但结合辙叉结构设计中各关键断面的关键控制参数，基于B样条方法可快速确定沿辙叉走行方向的任意截面廓形，该方法可极大拓展以固定辙叉廓形优化设计为基础的轮轨动力仿真以及轮轨接触关系等的研究.

3. 心轨廓形参数试验设计分析方法（DOE）分析

3.1 评价指标

心轨廓形关键控制参数调整会改变心轨廓形，廓形面积差可以直观量化地表达心轨整体廓形的变化情况；与此同时，不同参数对心轨轨头廓形和心轨侧面廓形变化影响程度不同，而心轨轨头廓形变化量和侧面廓形变化量可以更细致地反映各参数对心轨轨头和侧面廓形的单独影响. 因此，为分析各关键控制参数对心轨廓形的影响，选取ΔS以及D₁、D₂评价各方案廓形与标准廓形的贴合度，如式（7）所示. 本文借鉴《铁路线路修理规则》中对钢轨垂磨和侧磨的定义，选取心轨轨头顶面和侧面某一位置处廓形距离偏差量来定义D₁和D₂.

$\left\{ \begin{gathered} \Delta S = \left| {{S_{{\text{case}}}} - {S_{{\text{std}}}}} \right|, \\ {D_1} = \left| {{Y_{{\text{case}}}} - {Y_{{\text{std}}}}} \right|, \\ {D_2} = \left| {{X_{{\text{case}}}} - {X_{{\text{std}}}}} \right|, \\ \end{gathered} \right.$

(7)

式中：S_case为各方案廓形曲线与X坐标轴围成的面积；S_std为采取表1参数确定的标准廓形与X坐标轴围成的面积；ΔS为各方案廓形与标准廓形面积差，反映心轨整体廓形的变化程度；Y_case和Y_std分别为距心轨中心轴2w/3处，各方案廓形曲线与标准廓形曲线纵坐标值；X_case和X_std分别为距心轨顶面h/2处各方案廓形曲线与标准廓形曲线横坐标值；D₁和D₂分别为各方案廓形与标准廓形在垂向和横向上的廓形偏差.

表 1 DOE全阶乘方案设计

Table 1. DOE full factorial scheme design

方案	k₁	k₂	λ₅
方案 1	1/30	1/6	1/4
方案 2	1/30	1/6	1/2
方案 3	1/30	1/4	1/4
方案 4	1/30	1/4	1/2
方案 5	1/10	1/6	1/4
方案 6	1/10	1/6	1/2
方案 7	1/10	1/4	1/4
方案 8	1/10	1/4	1/2
标准	1/20	1/5	1/3

下载: 导出CSV

| 显示表格

在DOE分析中，为明确各关键控制参数在所选合理取值范围内对心轨廓形变化的影响权重E，除了对D₁、D₂及ΔS各自的均值进行分析，还需对E进行分析，如式（8）所示.

$E = \frac{{\dfrac{{I^+ - I^ - }}{{V_b^ + - V_b^{{ - }}}}}}{{\displaystyle\sum\limits_{b = 1}^3 {\dfrac{{I^ + - I^ - }}{{V_b^ + - V_b^{{ - }}}}} }} \times 100{\text{%}},$

(8)

式中： $I^ -$ 和 $I^ +$ 分别为各控制参数分别取2个水平（−和 + ）时的各贴合度指标均值， $V_b^ +$ 和 $V_b^ -$ 分别为各关键参数的2个水平值（−和 + ）.

3.2 方案设置

在工程实践中，心轨轨头顶面和轨头侧面复合圆弧部分更易发生严重磨耗^[24]，k₁和k₂分别对心轨顶面廓形和轨头侧面廓形起控制作用，比例系数λ₅能够调整控制点N₈的位置，从而实现轨头侧面复合圆弧段廓形的调整. 因此，采用DOE全阶乘设计方法对心轨廓形关键控制参数k₁、k₂及λ₅进行方案设计. 依据《道岔设计手册》60 kg/m钢轨12号道岔^[15]中的心轨标准设计参数，在一定范围内对各参数调整取值进行方案设计，以满足心轨整体廓形符合工程实际. 各方案参数取值如表1.

3.3 重构廓形轮轨匹配特征

轮轨接触点分布规律是轮轨廓形匹配的最直观反映^[25]. 选取LMA型车轮踏面，以心轨20 mm断面和50 mm断面为例，分析轮对不同横移量下各方案轮轨接触点分布规律，进一步验证该参数化设计方法的合理性. 各方案心轨拟合廓形如图5所示，各方案轮轨接触点分布情况如图6所示.

图 5 心轨拟合廓形

Figure 5. Nose rail fitting profiles

下载: 全尺寸图片幻灯片

图 6 心轨关键断面车轮踏面接触点变化规律

Figure 6. Contact point variations on wheel tread for key nose rail sections

下载: 全尺寸图片幻灯片

由图5可知：各方案心轨廓形与标准廓形贴合度良好，说明取得了较好的钢轨廓形重构效果. 所建立的钢轨廓形B样条曲线构造方法为后文参数分析中不断重构更新钢轨廓形奠定了基础.

由图6可知：各方案拟合廓形轮轨接触点分布规律均与现有标准廓形一致；在心轨顶宽20 mm断面，各方案轮轨接触点位置基本一致，仅接触点发生突变对应的横移量有极小差别，说明在心轨顶宽较小时，各参数对轮轨接触点分布影响较小；在心轨顶宽50 mm断面，与标准廓形方案相比，方案1～4中轮轨接触点分布偏向于车轮踏面外侧，变化规律差别较小；而方案5～8则偏向于车轮踏面轮缘侧，变化规律也基本相近；随着心轨顶宽增大，参数k₁对轮轨接触点分布的影响较k₂和λ₅大.

3.4 DOE分析

固定辙叉钢轨廓形影响轮轨匹配性能，因此，明确各控制参数对辙叉钢轨廓形影响权重，对辙叉钢轨廓形参数化设计中的参数调整优化具有重要意义. 以心轨20 mm断面和50 mm断面为例，通过DOE设计方法分析各控制参数对心轨廓形变化的影响效果及影响权重. 图7、8所示为心轨各控制参数对D₁、D₂和ΔS变化范围的影响. 图9为反映各控制参数对心轨廓形绝对影响效应的Pareto图. 图10为各控制参数对心轨廓形变化的影响权重.

图 7 心轨20 mm断面

Figure 7. Nose rail with section of 20 mm

下载: 全尺寸图片幻灯片

图 8 心轨50 mm断面

Figure 8. Nose rail with section of 50 mm

下载: 全尺寸图片幻灯片

图 9 各指标影响效应的Pareto图

Figure 9. Pareto chart of influencing effect of all indexes

下载: 全尺寸图片幻灯片

图 10 各控制参数影响权重

Figure 10. Influencing weights of control parameters

下载: 全尺寸图片幻灯片

由图7、8可知：在心轨20 mm断面，k₂和λ₅对ΔS、D₁和D₂变化范围均影响较大，k₁对三者影响较小；在心轨50 mm断面，k₁对ΔS、D₁影响较大，对D₂影响较小，k₂和λ₅对ΔS、D₁和D₂影响相当. 说明当心轨轨头宽度较小时，心轨整体廓形变化、心轨顶面和侧面廓形均主要受k₂和λ₅影响，k₁影响较小；随着心轨轨头宽度增大，k₁对心轨整体廓形和顶面廓形影响增大，对侧面廓形影响较小；k₂和λ₅对心轨各部位廓形影响效果相当.

由图9可知：在心轨20 mm断面，k₁和λ₅对ΔS影响效应较大，各参数对D₁和D₂影响效应相当且均较小；在心轨50 mm断面，各参数对ΔS影响效应最大，D₁次之，对D₂影响很小，其中，k₁对ΔS影响效应最大，k₂和λ₅对ΔS影响效应相当；各参数对D₁影响效应相当.

由图10可知：1）在心轨20 mm断面，k₁和λ₅对ΔS和D₁影响权重较小，而k₂影响较大. 其中，ΔS对应的E分别为21.08%、56.89%和22.02%，D₁对应的E分别为8.42%、61.95%、29.63%. 说明在心轨20 mm断面，k₁和λ₅对心轨整体廓形和顶面廓形的影响权重远不及k₂，主要原因是在心轨轨头宽度较小时，侧面高度相对较大，心轨侧面廓形对心轨廓形变化起主导作用. 2）在心轨50 mm断面，k₁、k₂和λ₅对ΔS和D₁的影响权重依次减小. 其中，ΔS对应的E分别为55.90%、33.38%、10.72%，D₁对应的E分别为64.81%、26.71%、8.48%，说明随着心轨轨头宽度增大，各关键控制参数在方案所选取值范围内时，k₁对心轨顶面和心轨整体廓形的影响权重逐渐明显，k₂和λ₅的影响逐渐减弱. 3）在心轨20 mm断面，k₁、k₂和λ₅对心轨侧面廓形偏差D₂对应的E分别为9.93%、76.82%、13.25%；在心轨50 mm断面，k₁、k₂和λ₅对心轨侧面廓形偏差D₂对应的E分别为14.09%、66.04%、19.87%；由此可见，由于不同心轨轨头宽度对应的高度变化不大，因此，无论心轨宽度大小，心轨侧面廓形主要受k₂影响较大，受λ₅影响次之，受k₁影响最小.

4. 结　论

1）基于B样条理论，提出了一种考虑固定辙叉全断面钢轨廓形几何特征的参数化设计方法，该方法利用B样条曲线定义工业产品几何形状的优势，通过固定辙叉钢轨全断面廓形关键特征参数确定任意断面廓形控制点，进而实现钢轨廓形参数化重构；提出了钢轨重构廓形贴合度评价指标和关键控制参数对廓形贴合度影响权重指标，可直观量化地反映廓形参数变化对心轨廓形的影响.

2）在心轨20 mm和50 mm断面，各方案心轨重构廓形与标准廓形贴合度良好，不同横移量下轮轨接触点分布规律符合实际. 各参数对轮轨接触点变化规律与心轨顶面宽度有关，在心轨顶宽较小时，各参数对轮轨接触点变化影响较小，在心轨顶宽较大时，k₁对轮轨接触点分布的影响较k₂和 λ₅大.

3）当心轨轨头宽度较小时，心轨整体廓形、心轨顶面和侧面廓形变化范围主要受k₂和λ₅影响，k₁影响较小；k₂对各部分廓形变化影响权重较大，k₁和λ₅影响较小；随着心轨轨头宽度的增大，k₁对心轨整体廓形和顶面廓形变化范围和影响权重均逐渐增大，k₂和λ₅的影响逐渐减弱. 由此可见，各控制参数对心轨各部分廓形影响权重不同，通过考虑各控制参数对钢轨各部分廓形的影响权重，有针对性地重点考虑相应的控制参数进行廓形方案设计，避免了经验—性能计算—修正等反复试凑的传统设计过程，使辙叉廓形设计更具有针对性和可预测性.

图 1 WCIES流程

Figure 1. Schematic description of the proposed WCIES

下载: 全尺寸图片幻灯片

图 2 轴箱轴承试验台与故障轴承

Figure 2. Axle-box bearing test rig and the faulty elements of axle-box bearings

下载: 全尺寸图片幻灯片

图 3 轴箱轴承外圈故障信号及其包络谱

Figure 3. Axle-box bearing outer race fault signal and its envelope spectrum

下载: 全尺寸图片幻灯片

图 4 外圈故障信号的SCoh及其EES

Figure 4. SCoh and the corresponding EES of the axle-box bearing outer race fault signal

下载: 全尺寸图片幻灯片

图 5 轴箱轴承外圈故障信号的CIES与WCIES

Figure 5. CIES and WCIES of the axle-box bearing outer race fault signal

下载: 全尺寸图片幻灯片

图 6 轴箱轴承内圈故障信号及其包络谱

Figure 6. Axle-box bearing inner race fault signal and its envelope spectrum

下载: 全尺寸图片幻灯片

图 7 轴箱轴承内圈故障信号的SCoh及其EES

Figure 7. SCoh and the corresponding EES of the axle-box bearing inner race fault signal

下载: 全尺寸图片幻灯片

图 8 轴箱轴承内圈故障信号的CIES与WCIES

Figure 8. CIES and WCIES of the axle-box bearing inner race fault signal

下载: 全尺寸图片幻灯片

图 9 轴箱轴承滚子故障信号及其包络谱

Figure 9. Axle-box bearing rolling element fault signal and its envelope spectrum

下载: 全尺寸图片幻灯片

图 10 轴箱轴承滚子故障信号的SCoh及其EES

Figure 10. SCoh and the corresponding EES of the axle-box bearing rolling element fault signal

下载: 全尺寸图片幻灯片

图 11 轴箱轴承滚子故障信号的CIES与WCIES

Figure 11. CIES and WCIES of the axle-box bearing rolling element fault signal

下载: 全尺寸图片幻灯片

图 12 谱峭度分析结果

Figure 12. Results of the Kurtogram

下载: 全尺寸图片幻灯片

图 13 故障特征指标

Figure 13. Fault quantitative indicators

下载: 全尺寸图片幻灯片

参考文献(17)

[1]	张卫华. 高速列车耦合大系统动力学理论与实践[M]. 北京: 科学出版社, 2013.
[2]	LEI Y G, HE Z J, ZI Y Y, et al. EEMD method and WNN for fault diagnosis of locomotive roller bearings[J]. Expert Systems With Applications, 2011, 38(6): 7334-7341. doi: 10.1016/j.eswa.2010.12.095
[3]	陈雪峰. 智能运维与健康管理[M]. 北京: 机械工业出版社, 2018.
[4]	郭亮,李长根,高宏力,等. 大数据背景下基于特征学习的机械设备剩余寿命预测[J]. 西南交通大学学报,2021,56(4): 730-735,768. GUO Liang, LI Changgen, GAO Hongli, et al. Residual life prediction of mechanical equipment based on feature learning in big data background[J]. Journal of Southwest Jiaotong University, 2021, 56(4): 730-735,768.
[5]	ANTONI J. Cyclic spectral analysis in practice[J]. Mechanical Systems and Signal Processing, 2007, 21(2): 597-630. doi: 10.1016/j.ymssp.2006.08.007
[6]	万书亭,彭勃. 基于非局部均值去噪和快速谱相关的滚动轴承早期故障诊断方法[J]. 中南大学学报(自然科学版),2020,51(1): 76-85. WAN Shuting, PENG Bo. Early fault diagnosis method of rolling bearing based on nonlocal mean denoising and fast spectral correlation[J]. Journal of Central South University (Science and Technology), 2020, 51(1): 76-85.
[7]	WANG D, ZHAO X J, KOU L L, et al. A simple and fast guideline for generating enhanced/squared envelope spectra from spectral coherence for bearing fault diagnosis[J]. Mechanical Systems and Signal Processing, 2019, 122: 754-768. doi: 10.1016/j.ymssp.2018.12.055
[8]	MAURICIO A, SMITH W A, RANDALL R B, et al. improved envelope spectrum via feature optimisation-gram (IESFOgram): a novel tool for rolling element bearing diagnostics under non-stationary operating conditions[J]. Mechanical Systems and Signal Processing, 2020, 144: 106891.1-106891.14. doi: 10.1016/j.ymssp.2020.106891
[9]	CHENG Y, WANG S B, CHEN B Y, et al. An improved envelope spectrum via candidate fault frequency optimization-gram for bearing fault diagnosis[J]. Journal of Sound and Vibration, 2022, 523: 116746.1-116746.19.
[10]	MAURICIO A, GRYLLIAS K. Cyclostationary-based multiband envelope spectra extraction for bearing diagnostics: the combined improved envelope spectrum[J]. Mechanical Systems and Signal Processing, 2021, 149: 107150.1-107150.13. doi: 10.1016/j.ymssp.2020.107150
[11]	ALEXANDRE M, QI JUNYU, SMITH W A, et al. Bearing diagnostics under strong electromagnetic interference based on Integrated Spectral Coherence[J]. Mechanical Systems and Signal Processing, 2020, 140: 106673.1-106673.15. doi: 10.1016/j.ymssp.2020.106673
[12]	ZHANG B Y, MIAO Y H, LIN J, et al. Weighted envelope spectrum based on the spectral coherence for bearing diagnosis[J]. ISA Transactions, 2022, 123: 398-412. doi: 10.1016/j.isatra.2021.05.012
[13]	CHEN B Y, CHENG Y, ZHANG W H, et al. Enhanced bearing fault diagnosis using integral envelope spectrum from spectral coherence normalized with feature energy[J]. Measurement, 2022, 189: 110448.1-110448.19. doi: 10.1016/j.measurement.2021.110448
[14]	ANTONI J, XIN G, HAMZAOUI N. Fast computation of the spectral correlation[J]. Mechanical Systems and Signal Processing, 2017, 92: 248-277. doi: 10.1016/j.ymssp.2017.01.011
[15]	CHENG Y, CHEN BY, ZHANG W H. Enhanced spectral coherence and its application to bearing fault diagnosis[J]. Measurement, 2022, 188: 110418. doi: 10.1016/j.measurement.2021.110418
[16]	MOSHREFZADEH A, FASANA A. The Autogram: an effective approach for selecting the optimal demodulation band in rolling element bearings diagnosis[J]. Mechanical Systems and Signal Processing, 2018, 105: 294-318. doi: 10.1016/j.ymssp.2017.12.009
[17]	ANTONI J. Fast computation of the kurtogram for the detection of transient faults[J]. Mechanical Systems and Signal Processing, 2007, 21(1): 108-124. doi: 10.1016/j.ymssp.2005.12.002

施引文献

期刊类型引用(12)

1.	邓开来，吴光源，远全闯，谢海清，何庭国. 高铁大跨双肢墩连续刚构桥减震系梁地震易损性分析. 桥梁建设. 2024(03): 61-69 . 百度学术
2.	迟德有. 双幅整体转体跨铁路刚构桥主墩设计方案比选. 桥梁建设. 2024(03): 123-128 . 百度学术
3.	石先林，孟庆利. 某高墩刚构桥抗震性能分析. 西南科技大学学报. 2024(02): 74-82 . 百度学术
4.	吴冠雄. 基于PSO-SVM的大跨PC连续刚构桥施工期可靠度分析. 湖南交通科技. 2024(02): 132-136 . 百度学术
5.	赵灿晖，杨正浩，袁小聪，肖仕周，任小朋，廖文彬. 高桩承台连续刚构桥的调谐隔震设计方法. 中国公路学报. 2024(07): 137-146 . 百度学术
6.	石岩，焦应乾，李军，王文仙，王瑞. 考虑墩-梁碰撞效应的大跨高墩连续刚构桥近断层地震损伤分析. 应用基础与工程科学学报. 2024(04): 1140-1153 . 百度学术
7.	陈俊伟. 减隔震支座对高墩大跨连续刚构桥减震效果分析. 山西交通科技. 2024(04): 62-67 . 百度学术
8.	钟川剑，王戈，蒋建军，何锐. 金阳河特大桥超高桥墩设计关键技术. 世界桥梁. 2024(05): 15-23 . 百度学术
9.	何通，涂金平，邹雨鹤. 高烈度区连续刚构桥弹塑性地震反应及断层走向影响研究. 工程抗震与加固改造. 2024(05): 151-158 . 百度学术
10.	刘仕远，王慧东. 考虑各施工阶段受力影响的连续刚构桥梁地震损伤分析. 工程抗震与加固改造. 2024(05): 159-168+178 . 百度学术
11.	董是，龙志友，毕洁夫，王建伟，邵永军，杨超，左琛，张士远，万昭龙. 基于Savitzky-Golay平滑-小波降噪处理的桥梁结构监测数据分析方法. 测绘通报. 2023(09): 100-106 . 百度学术
12.	刘腾龙，孔君，李震，许梦旗，尹俊红. 桥墩类型对曲线连续刚构桥结构性能影响研究. 山西建筑. 2023(22): 174-176 . 百度学术

其他类型引用(8)

附加材料(0)

访问统计

点击查看大图

图(13)

计量

文章访问数: 448
HTML全文浏览量: 200
PDF下载量: 69
被引次数: 20

1. 固定辙叉廓形特征参数
2. 辙叉钢轨廓形参数化拟合方法
2.1 B样条曲线理论
2.2 关键控制点确定
2.3 廓形拟合
3. 心轨廓形参数试验设计分析方法（DOE）分析
3.1 评价指标
3.2 方案设置
3.3 重构廓形轮轨匹配特征
3.4 DOE分析
4. 结　论

基于加权联合提升包络谱的轴箱轴承故障诊断

doi: 10.3969/j.issn.0258-2724.20220019

作者简介: 程尧（1990—），男，助理研究员，博士，研究方向为列车传动系统轴承故障诊断与信号分析，E-mail：chengyao2020@swjtu.edu.cn

计量

出版历程