试验研究
现代制造工程（Modern Manufacturing Engineering）
2015年第6期
一种运用非线性特征提取的动车牵引齿轮箱
故障可靠诊断新方法
何晓琴"，常友渠"-2
（1重庆电力高等专科学校，重庆400053；2重庆大学计算机学院，重庆400053）
摘要：动车牵引齿轮箱是其动力源保障，开展齿轮箱故障诊断能够保证机车安全运行。但是目前在故障非线性特征方面仍需进一步研究。为此，提出了一种新的动车牵引齿轮箱故障诊断方法，利用集合经验模态分解（EEMD）和局部线性嵌人(LLE)优异的非线性分析能力巧妙提取齿轮振动信号的关键特征，并利用支持向量机（SVM)实现对齿轮箱多种故障的可靠诊断。通过齿轮箱故障试验台进行实验分析，结果表明，提出的新方法能够有效检测齿轮磨损、裂纹以及断齿
故障，且诊断率比现有方法（如线性特征提取方法)高5%，从而验证了新方法是有效的，有望应用于工程实践之中。关键词：动车；齿轮箱；故障诊断；非线性特征提取
中图分类号：U269.32文献标志码：A文章编号：1671—3133(2015)06—0031—09
Anovelapproachforreliablegearboxfaultdiagnosisinhigh-speed
traindrivingsystembasedonnonlinearfeatureextraction
HeXiaoqin,ChangYouqu
(1 Chongqing Electric Power College , Chongqing 400053 , China ;
2 School of Computer, Chongqing University , Chongqing 400053 , China)
Abstract: The normal operation of the gearbox can ensure the safety of the high-speed train; therefore it is crucial to implement the gearbox fault diagnosis. Up to date the issue of the nonlinear characteristies analysis for gears is still a challenge. To deal with it,this work proposes a new gear fault diagnosis method based on the integration of the Ensemble Empirical Mode Decomposition( EEMD) and Local Linear Embedding (LLE). Key fault features of gear vibration signals could be extracted by EEMD-LLE, and then the Support Vector Machine ( SVM) could provide high performance on the gear fault diagnosis. A series of experiments have been carried on the gear box fault test-bed to evaluate and verify the proposed method. The analysis results show that the proposed new method can effectively detect the gear wear, crack and broken teeth and the detection rate is 5% higher than the existing
methods such as the linear feature extraction methods. Hence, the proposed method has importance in engineering practice Key words : high speed train ; gearbox ;fault diagnosis ; nonlinear feature extraction
0引言
高速动车在承接我国东西南北铁路网起到了划时代的作用，开创了我国高铁事业的里程碑12。动车技术对于我国国民经济的发展与推动具有极其的重要性[3]
作为动车组动力传递的关键部件，牵引齿轮箱的正常工作是机车稳定运转的基础保障*。然而，由于动车高速运转，造成齿轮过度损耗，齿轮箱故障时有发生，给动车的安全埋下隐患[*$」，因此必须对牵引齿
轮箱开展状态监测与故障诊断，以及时发现并消除潜在故障。目前对于齿轮箱的故障检测已经有了一些较为实用的方法，如Wigner-Ville分布[7」、EMDl"」和小波分析9等，很好地解决了故障信号分析难的问题但是，对于如何提取关键的故障特征仍然是一个难点，特别是如何处理故障特征所固有的非线性特性问题。众所周知，一部机器的振动信号是非常复杂的，有关故障的信号成分是非常微弱的，如何辨识信号一直未在学术界得到很好的解决10]。采用各种时频分析方法所提取到的特征信息参杂了许多元余成分，干
*国家自然科学基金项目（51279149）；高等学校博士学科点专项料研基金优先发展领域课题项目（20120143130002
31