高速列车轴承复杂声学环境下道旁故障诊断关键理论研究

The high-speed train's speed becomes larger, and the transverse deformation occurs in the seamless rail because the steel expands with heat. These two factors lead to that the train bearing endures heavier dynamic load and transversal force, and finally lead to the rise of bearing fault risk. Thus, train bearing condition monitoring and fault diagnosis are significant in guarantee of safe train operation and reducing life property loss. At present, the theoretical basis of train bearing wayside acoustic fault diagnosis is still weak, and the relevant literatures are lack at home and aboard. This project is committed to address this issue, firstly, the bearing signals are segmented and extracted from the microphone array signals that were acquired from the complex acoustic environment; subsequently, the fragmental signals are spliced and merged to obtain the complete signal which reflects the bearing condition; finally, a self-learning expert system is constructed for the bearing signals with small sample characteristics, and then each bearing's time-varying conditions can be monitored and bearing fault diagnosis can be achieved. This project aims to develop the key theory methodologies for train bearing wayside fault diagnosis under the complex acoustic environment, and finally prevent the high-speed train catastrophes.

高速列车速度不断提高以及无缝钢轨膨胀伸长导致的横向变形使得列车轴承承受着更大的动载和横向力，轴承发生故障的风险也随之上升。因此，列车轴承状态监测和故障诊断对于保障列车安全运行，减少人员财产损失具有重要的意义。目前，国内外对列车轴承道旁声学故障诊断的理论研究基础薄弱，发表文献很少。本项目针对此问题开展研究，首先从麦克风阵列采集到的复杂声学信号中分割和提取与每个轴承相关的信号；其次对分割导致的碎片化信号进行拼接和融合以得到能够反映轴承状态的完整信号；最后对具有小样本特征的轴承信号建立自学习专家系统，以了解和跟踪每个轴承的状态变化发展过程并对其健康进行监测和诊断。本研究旨在通过发展相应的理论方法探讨复杂声学环境下有效的列车轴承道旁故障诊断关键理论问题，为最终防范高速列车灾难性事故做出贡献。

随着高速列车速度不断提高，轮对轴承状态监测和故障诊断对于保障列车安全运行、减少损失具有越来越重要的意义。目前，国内外对列车轴承道旁声学故障诊断的理论研究基础薄弱。本项目以此为背景，致力于开展复杂声学环境下运动声源检测和故障诊断的基础理论研究。围绕以上目标，本项目在运动声源混叠分离、运动声信号畸变校正、微弱故障信息增强提取、新型声源检测原理模型等方面开展了深入的研究，取得以下有特色的创新性成果：(1)揭示了运动声源混叠信号多源能量分布的差异特性，构造了波束时变空域滤波器，实现了多声源混叠中微弱声源的有效定位和分离；(2)发展了运动声信号空间-时域传播的相位分析途径，提出了运动声源空域时变相位跟踪的信号畸变校正方法，突破了现有瞬时频率分析方法对频率和噪声的敏感性局限；(3)提出了伪阵列奇异分析、流形重构去噪、随机共振增强机制、深度卷积网络融合等创新方法，实现了轴承故障信号的噪声消除和微弱特征增强提取，提升了故障诊断的信噪比指标；(4)提出了基于声学超材料的声源检测方法与模型，利用声子晶体的缺陷态形成声腔共振，由各向异性超材料结构进行方向编码，构造了仅用单麦克风实现声源方向检测的原型。四年来，在 《J. Sound Vib.》、《Mech. Syst. Signal Process.》、《Appl. Phys. Lett.》、《ASME J. Vib. Aco ust.》、《IEEE Trans. Instrument. and Meas.》等期刊发表论文31篇（SCI检索25篇），发表国际会议论文4篇（EI检索），在Google Scholar被引用近300次，单篇引用最高47次，ESI高被引论文1篇。研究成果申请中国发明专利4项，已获授权2项。四年中，共培养博士6名、硕士7名；项目负责人入选2016年度中国科学院青年创新促进会人才计划，获2016年柔性自动化国际会议最佳论文奖，做国际国内学术会议特邀报告共4次。该项目研究通过探讨复杂声学环境下运动声源故障诊断的关键理论问题，发展了针对运动声源的声源分离、畸变校正、特征增强、检测模型等创新方法，取得了系统的理论研究成果，对有效防范高速列车及其他运载装备的安全事故具有重要的理论价值。