城轨列车滚动轴承早期故障诊断与状态识别方法研究

合集下载

滚动轴承故障的智能诊断方法研究

• 26

•

针对滚动轴承故障声发射信号的智能识别与诊断问题，提出了一种基于卷积神经网络（Convolutional Neural Networ ks ，CNN ）智能化故障诊断方法。该方法充分利

用声发射信号参数中包含的时域和频域特征信息，构建CNN 模型充分挖掘出滚动轴承处于不同运行状态下的声发射信号特征，并给出故障诊断结果。实验结果表明，CNN 模型方法对滚动轴承正常、外圈及内圈故障识别准确率可达97.2%以上，证明了该方法的准确性和实际工程价值。

1.引言

旋转机械被广泛的应用在生产制造中，滚动轴承是旋转机械的重要组成部件，同时也是最容易损坏与失效的机械零件之一（喻洋洋，周凤星，严保康，基于LabVIEW 的滚动轴承故障诊断系统：仪表技术与传感器，2016）。声发射检测技术是一种动态无损检测方

能诊断学与工程学法，可实现缺陷萌生及扩展过程的在线检测。将声发射检测技术应用于滚动轴承故障的诊断任务中，不仅可以检测出早期微弱故障及故障类型（郝如江，卢文秀，褚福嘉，等.声发射检测技术用于滚动轴承故障诊断的研究综述：振动与冲击，2008），还可以判断出

故障损伤程度。

目前基于声发射检测技术的旋转机械设备故障诊断分析技术，如参数分析、波形分析等方法已经无法满足当前旋转机械连续生产工作中的故障监测任务（沈功田，耿荣生，刘时风，声发射信号的参数分析方法：无损检测，2002）。赵元喜等人（赵元喜，胥永刚，高立新，等.基于谐波小波包和BP 神经网络的滚动轴承声发射故障模式识别技术：振动与冲击，2010）采用谐波小波包将故障滚动轴承的声发射信号分解到多个频率段并求取各频段的能量，作为特征向量输入BP 神经网络，通过BP 网络模型判别滚动轴承的故障类型。杨杰等（杨杰，张鹏林，刘志涛，等.基于CEEMD 能量熵与

滚动轴承故障及其诊断方法

滚动轴承是一种很常见的机械元件，广泛用于工业和消费市场，用于

转动机械装置的旋转部件。它们的主要功能是支撑和稳定轴，允许轴在指

定的位置和方向上旋转，以及在转动时减少摩擦和重复负载。滚动轴承可

以在各种不同类型的机械设备中找到，例如汽车，风能发电机，摩托车，

电机，空调，电气箱等。

滚动轴承可以长期高效工作，但如果不适当地维护和维修它，可能会

导致故障。常见的滚动轴承故障包括损坏，轴承旋转变慢，轴承外壳发热，内部损坏，轴键变形，低速磨擦，扭矩问题等。解决这些问题的关键是找

出故障的根本原因，并根据现场条件采取正确的解决方案。

要有效诊断滚动轴承故障，可以采用以下方法。

1.检查外壳：检查轴承外壳表面，以及固定螺丝和轴承挡圈是否松动、弯曲或破损。检查底座是否正确安装，轴是否紧固，以及轴承应用的负载

是否正确。

2.状态检查：检查轴承内部和外壳的温度，查看是否有油漆和碳垢，

并检查轴承内部有无异响和异常磁性。

3.拆卸检查：仔细检查轴承内部的轴承衬套、滚珠和圆柱滚道，查看

是否有损坏、磨损或异物。

滚动轴承常见故障及故障程度诊断方法

⑤保持架噪声。产生原因：滚动体和保持架、保持架与引导面之间的滑动摩擦，以及保持架与滚动体发生相互撞击而发出的噪声。
特点：具有周期性；当采用滚动体引导保持架时，这种运动的不稳定性更加严重，深沟球轴承的冲压保持架较薄，径向、轴向的刚度较低，整体稳定性差，轴承高速旋转时，因弯曲变形而产生
滚动体松动，严重时会造成隔离圈散架、滚动体脱落。
(4)烧伤
ቤተ መጻሕፍቲ ባይዱ
若润滑不良或润滑油不符合要求，以及轴承间隙调得过小，轴承工作时迅速发热，工作表面因受高温而退火。在外表观察时，可发现轴承工作表面的颜色发生变化。
(5)塑性变形
若滚道与滚子接触面上出现不均匀的凹坑，说明轴承产生塑性变形。其原因是轴承在很大的静载荷或冲击载荷作用下，工作表面的局部应力超过材料的屈服极限。这种情况一般发生在低速旋转的
现振动。
表面疲劳剥落的初期是表面上出现麻点，最后发展成片状的表层脱落。轴承滚动体和内外圈滚道面上均承受周期性脉动载荷的作用，产生周期性变化的接触应力。当应力循环次数达到一定数量后，在滚动体或内外圈滚道工作面上就产生疲劳剥落。如果轴承的负
荷过大，会使这种疲劳加剧。
另外，轴承安装不正、轴弯曲，也会产生滚道剥落现象。轴承滚道的疲劳剥落会降低轴的运转精
轴承上。
(6)座圈产生裂纹和保持架碎裂

滚动轴承的故障诊断方法研究

滚动轴承的故障诊断⽅法研究

第1章绪论

1.1研究的⽬的和意义

滚动轴承是⽣产机械中的地位⽆可替代，当然也最易损坏的部件。其运⾏状态会直接影响整台机械⼯作效率、精度寿命和可靠性。滚动轴承的损坏会导致⽣产机械剧烈振动，并伴有强⼤噪声，不仅会影响产品的加⼯质量，严重时会导致⽣产机械的损坏或机械事故。随着电机的⼴泛应⽤及其⾃动化程度的不断提⾼，对其安全性、精度和故障诊断的准确性的要求也随之提⾼。传统的诊断⽅法不仅成本较⾼、准确率偏低，并且更新费⽤⾼，已然不能满⾜⾼科技设备的需求。基于以上原因，本⽂在虚拟仪器的环境下，利⽤多传感器信息融合技术，实现滚动轴承的故障诊断，会对现在和将来的⽣产技术提供强有⼒的帮助。

1.2国内外电机滚动轴承故障诊断的研究现状

近现代以来，国内和国外的研究机构及学者在电机滚动轴承故障诊断的理论、技术与⽅法等⽅⾯进⾏了⼤量的研究分析⼯作，发表了诸多研究成果。

在国外，美国南卡罗林娜⼤学运⽤振动响应的多参数多频率的⽅法，对具有裂纹的和损伤的故障轴承进⾏诊断，⽬前已经取得了良好的成果。美国宾州⼤学采⽤alpha beta -gamma跟踪滤波器和Kalman滤波器，对轴承故障的智能预⽰实现了完美成功。⽇本九州⼯业⼤学运⽤基因算法优化组合特征参数，成功诊断出⼯况滚动轴承微弱故障。意⼤利的Cassino⼤学，使⽤⾃谱技术对出现的轴承进⾏检测，判断故障轴承的初始问题，到⽬前为⽌也取得了有效的研究成果。国外的这些技术有我们值得借鉴的地⽅，去其糟粕取其精华，研究更有技术的故障轴承诊断系统。

基于神经网络和支持向量机的滚动轴承故障诊断方法研究

基于神经网络和支持向量机的滚动轴承故障诊断方法研

究

基于神经网络和支持向量机的滚动轴承故障诊断方法研究

随着工业技术的不断进步，滚动轴承在各类机械设备中扮演着重要的角色。然而，由于长期使用和不可避免的磨损，滚动轴承容易出现故障，给生产安全和设备的正常运行带来严重的威胁。因此，滚动轴承故障的早期诊断和监测至关重要。

近年来，基于神经网络和支持向量机的滚动轴承故障诊断方法逐渐成为研究的热点。神经网络是一种模拟人脑神经网络运算过程的计算模型，具有良好的非线性拟合能力和模式识别能力。支持向量机是一种基于统计学习理论的机器学习方法，具有较强的泛化能力和鲁棒性。联合使用神经网络和支持向量机可以充分发挥各自的优势，提高滚动轴承故障的诊断准确度和效率。

滚动轴承故障诊断的关键是提取有效的特征，以区分正常状态和不同类型的故障状态。传统的特征提取方法主要基于物理信号的频域和时域特征，如能量、峭度、脉冲指标等。然而，这些方法往往需要人为设定一些先验参数，且对特征选择十分敏感。相比之下，基于神经网络和支持向量机的滚动轴承故障诊断方法，可以直接从原始信号中自动学习特征，避免了繁琐的特征工程，提高了系统的智能化水平。

首先，采集滚动轴承的振动信号。使用传感器实时采集滚动轴承的振动信号，包括轴承的径向振动信号、加速度信号等。然后，对信号进行预处理。预处理包括去噪、滤波、降维等一系列操作，旨在去除噪声和干扰，提高数据的质量和可信度。

接下来，构建神经网络和支持向量机模型。神经网络模型

由输入层、隐藏层和输出层构成，其中输入层接收预处理后的振动信号，输出层预测滚动轴承的运行状态。支持向量机模型则利用最大间隔原理，在高维空间中构造一个最优超平面，对滚动轴承进行分类。

铁路货车滚动轴承故障诊断方法研究

铁路货车滚动轴承故障诊断方法研究【摘要】

本文主要研究铁路货车滚动轴承的故障诊断方法，通过分析铁路货车滚动轴承的故障特点，探讨了基于振动信号、温度信号和声音信号的故障诊断方法。研究发现，振动信号在故障诊断中起到了重要作用，能够有效检测轴承的异常状态；温度信号的变化也可以反映轴承的工作状况；而声音信号则有助于识别轴承故障类型。通过对比这三种信号的特点，可以提高对铁路货车滚动轴承故障的诊断准确性。进一步讨论了铁路货车滚动轴承故障诊断方法的意义，并展望了未来研究的方向。研究结果对提高铁路货车安全性和运行效率具有一定的参考价值。

【关键词】

铁路货车、滚动轴承、故障诊断、振动信号、温度信号、声音信号、意义、未来研究、研究背景、研究目的、铁路货车滚动轴承故障特点、探讨、基于振动信号的故障诊断方法、基于温度信号的故障诊断方法、基于声音信号的故障诊断方法、结论、展望。

1. 引言

1.1 研究背景

铁路货车是铁路运输系统中的重要组成部分，其安全运行对于保障运输工作的顺利进行至关重要。而铁路货车上的滚动轴承是实现货

车运行的关键部件之一，其运行状态直接影响着货车的安全性和稳定性。

随着铁路货车运行速度的不断提高和运输量的增加，滚动轴承的运行环境也愈发复杂和恶劣。在实际运行中，货车滚动轴承存在着各种各样的故障现象，如磨损、裂纹、变形等，严重影响着轴承的正常运行和寿命。

开展铁路货车滚动轴承故障诊断方法的研究具有重要的意义。通过对铁路货车滚动轴承的故障特点进行分析，探讨不同的诊断方法，并结合振动信号、温度信号、声音信号等多种信息源进行综合分析，可以有效实现对轴承故障的快速准确诊断，保障铁路货车运行的安全和稳定性。

铁路货车滚动轴承常见故障分析及外检判定方法的探讨

铁路货车滚动轴承常见故障分析及外检

判定方法的探讨

摘要:铁路货车滚动轴承作为铁路货车走行部的关键部件，防止车辆轴承故

障引发的燃轴、切轴事故，是保证铁路运行安全面临的重大安全课题。本文简要

分析了轴承常见故障发生的原因及外检识别判定方法。

关键词:滚动轴承故障分析识别判定

1概述

滚动轴承是铁路货车上重要的并且是可互换的部件，其技术状态的好坏直接

影响车辆运行安全。滚动轴承故障具有较强的隐蔽性，铁路货车段修时，轴承内

部质量故障未能及时发现将带有安全隐患的轮对（轴）装车使用，是导致燃轴、

切轴事故的直接原因。而滚动轴承外观质量检查是确认轴承及其零部件的外观及

内部质量是整个检修过程中最重要的工序之一，它是轴承检修中最关键的环节，

也是轴承检修中故障最难判定的工序。外检是检查轴承的内部故障，不能直观所见，只能凭感觉，凭经验，是只可意会不可言传的，所以要求外检的工作者必须

经验丰富、责任心强，要具有内科大夫看病的本领。

2货车滚动轴承常见故障及原因

货车滚动轴承在运转（行）过程中可能会由于各种原因引起损坏，如装配不当、润滑不良、水分和异物侵入、腐蚀和过载等都可能会导致轴承过早损坏。即

使在安装、润滑和使用维护都正常的情况下，经过一段时间运转，轴承也会出现

疲劳剥落和磨损现象。另外轮对踏面擦伤、剥离、缺损、局部凹陷等超过限度时，对轴承的危害是非常大的。总之，滚动轴承的故障原因是十分复杂的。车辆段修

时滚动轴承常见故障形式如下:

2.1外观故障

2.1.1前盖、后档（挡）、外圈有裂纹、碰伤、松动、变形或其他异状。轴

承在运用中受到非正常的外力作用造成的，如由于车辆脱线造成轴承外圈裂损、

滚动轴承早期故障检测与健康状态评估方法

基于小波变换的故障检测
80%
小波变换原理
小波变换是一种信号分析方法，能够将信号分解成不同尺度的组成部分，适用于分析非平稳信号。
100%
故障检测流程
通过将轴承振动信号进行小波变换，提取故障特征，并进一步分析故障类型和位置。
80%
优势与局限
小波变换具有较好的时频局部化特性，能够捕捉到信号中的瞬态特征，但分析结果受主观因素影响较大。
基于神经网络的评估方法
神经网络是一种模拟人脑神经元网络结构的计算模型，具有强大的非线性映射能力和自学习能力。在滚动轴承健康状态评估中，神经网络可以用于识别轴承的故障类型和程度，并预测其性能变化趋势。
神经网络的主要优点是适应性强、非线性映射能力强、自学习能力好等。但是，神经网络也存在一些缺点，如易陷入局部最小值，泛化能力有限等。
经验模态分解原理
01
经验模态分解是一种自适应信号分解方法，能够将复
杂信号分解成若干固有模态函数。
故障检测流程
02 通过将轴承振动信号进行经验模态分解，提取固有模
态函数，进一步分析故障特征。
优势与局限
03
经验模态分解能够捕捉到信号中的非线性、非平稳特
性，但分解结果受噪声影响较大。
04
健康状态评估技术研究
使用加速度传感器和麦克风采集滚动轴承的振动和声音信号。

滚动轴承的状态检测与故障诊断

2）磨损
由于滚道和滚动体的相对运动和尘埃异物引起表面磨损，润滑不良会加剧磨损，结果使轴承游隙增大，表面粗糙度增加，降低了轴承运转精度，因而也降低了机器的运动精度，表现为振动水平及噪声的增大。
3）擦伤
由于轴承内外滚道和滚动体接触表面上的微观凸起或硬质颗粒使接触面受力不均，在润滑不良、高速重载工况下，因局部摩擦产生的热量造成接触面局部变形和摩擦焊合，严重时表面金属可能局部熔化，接触面上作用力将局部摩擦焊接点从基体上撕裂。
滚动轴承的状态检测与故障诊断
滚动轴承的状态检测与故障诊断
一、概述二、诊断技术和方法三、故障诊断实例四、结语
一、概述
1.基本概念
滚动轴承是旋转机械中的重要零件，它具有摩擦阻力小，启动灵敏，效率高，润滑简便和易于互换等优点，所以在各机械部门中应用最为广泛。
2.诊断的目的和意义
1）滚动轴承的运行状态是否正常往往直接影响到整台机器的性能，如精度、可靠性、寿命等。统计表明，旋转类机械大约有30%的机械故障都是滚动轴承引起的，采用故障诊断技术后，事故发生率可降低75%，维修费用可减少25%～50%。 2）状态故障诊断技术可了解轴承的性能状态并及早发现潜在故障。对可能出现的故障提出预测、估计、判断,可以有效提高机械设备的运行管理水平及维修效能，具有显著的经济效益。
停泵检查发现，轴承外侧内圈滚道已经磨成搓板状。这与包络谱显示的滚动体故障频率不一致，原因是内圈滚道整体剥落，如同滚子损伤。另外，内圈高频振动传递需通过内圈与滚子，滚子与外圈、外圈与轴承座的交界面，振幅衰减为基底噪声。

铁路车辆滚动轴承常见故障及发现方法

刘维成ＬｕＷｅｈｎｉｉｅｇｃ
（七煤集团公司运输部，台河１４０七５６０）（ｉｅＣｒｏｔｎＴａｓｏｔｉｅａｔｅｔＱｔｈ５６０ＣｉａＱｍｉｏｒｉｒｐｒｔｎＤｐｒｎ，ｉｉ１４０，ｈ）ｐａｏｎａｏｍａｅｎ
随着重载及提速的新要求，道车辆运行安全备受重视，就而密封罩不松者，去油垢后可继续组装使用，必须注意外圈牙铁现擦但影响列车运行安全的重要部分一滚动轴承的常见故障及检查方口处因有裂纹而渗油者，退卸报废。需法进行分析与探讨。外圈裂损。裂损多数发生在外圈牙口沟槽外侧，他部位较少其１滚动轴承常见故障原因：见。圈破损多数是受外力；外中击所致。如吊装、运输不当或事故脱轨１１动轴承零件方面原因．滚易出现外圈破损。滚子破裂、损；缺内圈破裂：圈内外圈滚道表面划痕、痕；套压保铅封破损。这也是常见的故障，如果仅发现钢丝折断、铅封丢失持架裂损、钉折断；动轴承电蚀。铆滚而防松片止耳仍密帖前盖螺栓六方面上，明螺栓未松动，证应确认１．动轴承附属配件方面的原因２滚轴承是否外移，如发现是轴承外移故障，轴向间隙过大时应作退卸紧固螺栓松动或丢失；封罩松动、斜；密歪处理。

滚动轴承的状态监测与故障判断

滚动轴承是工业中常见的重要零部件，它承载着旋转机械中的轴承负荷，保证了机械

设备的正常运转。由于滚动轴承长期在高速高温、重负荷等恶劣环境下工作，容易出现磨

损和故障。对滚动轴承的状态进行监测和故障判断对于机械设备的正常运转和安全生产至

关重要。

一、滚动轴承的状态监测方法

1. 振动和声音监测：通过监测轴承在运转过程中的振动和声音变化，可以判断轴承

是否存在异常。当轴承损坏或磨损时，会产生异常的振动和噪音，通过监测振动和声音可

以及时发现轴承的故障。

2. 温度监测：轴承在工作时会产生摩擦热，因此轴承的温度是一个重要的监测指标。通过监测轴承的温度变化，可以判断轴承是否存在异常情况，及时进行维护和检修。

3. 润滑状态监测：滚动轴承的正常运转需要良好的润滑状态，因此监测轴承的润滑

状态对于预防轴承故障至关重要。可以通过监测润滑油的清洁度、油液中的杂质、油液的

粘度等参数来判断轴承的润滑状态。

4. 裂纹监测：轴承在工作时受到很大的载荷和振动，容易产生裂纹和损伤。通过检

测轴承表面的裂纹和损伤情况，可以及时发现轴承的故障。

4. 观察表面损伤：通过观察轴承表面的磨损和裂纹情况，可以判断轴承的故障程度。当轴承表面出现严重的磨损和裂纹时，需要及时更换轴承以避免设备的故障和事故。

滚动轴承的状态监测和故障判断对于机械设备的正常运转和安全生产至关重要。通过

采用多种监测方法和故障判断方法，可以及时发现轴承的故障，避免设备的停机和事故，

提高设备的运行可靠性和安全性。企业在实际生产中应加强滚动轴承的状态监测和故障判断，建立健全的轴承维护管理制度，确保设备的正常运转和安全生产。

滚动轴承的状态监测与故障判断

滚动轴承是旋转机械的重要组成部分，同时也是旋转机械中最容易出现故障的部件之一。它具有造价较低、润滑冷却方便、运行灵敏、使用效率较高、维修便捷等优点，在机械行业应用广泛。据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，所以，对滚动轴承的状态监测和故障诊断进行研究势在必行。

监测与诊断的目的和意义

滚动轴承正常运行与否，对于整机的可靠性、精度以及寿命等性能有很大的影响。据有关统计显示，在旋转机械故障率中有近30%的故障是由于滚动轴承发生故障而引起的，在将故障诊断技术运用到生产中以后，事故率降低近70%，同时降低的维修费用也有近40%。

利用轴承状态监测技术可以了解轴承的使用性能，并对可能发生的故障进行早期检测，分析和预测可能发生的故障，进一步提高设备的管理水平和维修效率，经济效益十分显著。

轴承故障诊断的发展历程

轴承故障诊断刚开始主要是依靠人工听觉来诊断，再有就是利用探听棒，这种方法在许多企业中目前仍在使用，不过一些工具已经被改进到电子听诊器等。

例如，当使用电子听诊器检测轴承故障时，具有经验丰富的人员可以凭经验诊断轴承疲劳剥落，有时还可以诊断出损伤发生的位置，但由于其它的外部原因，这种方法的可靠性有时会无法得到保证。

随着科技的发展，越来越多的振动仪器被运用到滚动轴承的状态监测工作中。这些仪器利用振动位移、速度和加速度的均方根值（RMS）或峰值来判断轴承是否有故障。这些仪器减少了我们对经验的依赖，使得监测和诊断的准确性有了很大的提高，但是在故障发生的初始阶段仍然很难及时做出准确的诊断。

滚动轴承的状态检测与故障诊断

1）第一阶段：轴承的超声频率振动阶段
轴承最早期的故障是表现在250kHz～350kHz范围的超声频率的振动异常，随着故障的发展，异常频率逐渐下降移到20kHz～60kHz。
2）第二阶段：轴承的固有频率振动阶段
随着轴承的运转，轴承滚动表面会产生轻微的缺陷，这些轻微缺陷引起的振动会激起轴承部件的固有频率(fn)振动或轴承支承结构共振，一般振动频率在500Hz～2kHz。
3.轴承故障频率计算
内环滚动，外环固定，这是滚动轴承最常见的安装方式。其故障频率分别为：内环：外环：滚动体：保持架：式中： n——滚动体数目 d——滚动体直径 D——轴承节径，即外环内径与内环外径的平均值 θ——接触角，对于推力轴承，接触角θ为90°。
d BPFI = n (1+ D cosθ ) × f0 2
BPIR=49.6Hz BPOR=34.2Hz BSF=14.7Hz FTF=2.3Hz f0=335rpm/60s=5.58Hz
[m/s^2] 8 7 6 43.0Hz 5 4 3 2 1 0 40 80 5.0Hz
Fourier Spectrum(Vib) - Input (Magnitude) Working : Input : Input : FFT Analyzer
. BPFI= 1 × ( n − 1n2 ) × f0 2 2 . FTF = ( 1 − 1n2 ) × f 0 2

轨道交通车辆轴承故障诊断及维修技术研究

随着轨道交通的快速发展，轨道交通车辆的安全和可靠性越来越引起人们的关注。车辆轴承作为轨道交通车辆的重要组成部分，其故障对车辆的运行安全和乘客的出行体验产生直接影响。因此，轨道交通车辆轴承故障诊断及维修技术的研究显得尤为重要。

一、轴承故障的诊断方法

轨道交通车辆的轴承故障主要表现为振动、噪声、温升和油液污染等。为了及时发现轴承故障，保障车辆的安全和可靠性，可采用以下几种轴承故障诊断方法。

1. 振动分析法。通过安装传感器，实时监测车辆运行时的振动情况，并对监测数据进行分析和诊断，发现轴承故障所导致的振动变化。

2. 声波分析法。通过安装声音传感器，实时监测车辆运行时产生的噪声情况，并通过对噪声波形进行分析和诊断，发现轴承故障所导致的噪声变化。

3. 温度检测法。通过安装温度传感器，实时监测车辆运行时轴承的温度，发现轴承过热所导致的温度升高异常。

4. 油液检测法。检测油液中的金属颗粒数量和颗粒大小，发现轴承故障所导致的金属颗粒污染异常。

二、轴承维修技术

轨道交通车辆轴承故障的诊断要紧接着的是轴承维修。轴承维修技术的好坏将直接影响轴承的修复效果和重复故障率。目前，轴承维修技术主要有以下几种。

1. 轴承研磨技术。该方法适用于轴承局部损伤，处理方法是将局部磨损位置进行研磨，并通过高频调幅机振动磨削复原轴承的几何外形和尺寸。

2. 轴承焊接技术。该方法适用于轴承局部裂纹、断裂或表面损伤严重，处理方

法是在轴承损伤处进行焊接，利用焊接补充材料将轴承修补成完整的形态。

3. 轴承替换技术。该方法适用于轴承受损程度严重，处理方法是将受损的轴承

铁路货车滚动轴承故障诊断方法研究

铁路货车滚动轴承是铁路运输中的重要组成部分，其运行稳定性直接影响到铁路运输的安全性和可靠性。然而，在货车运行过程中，滚动轴承可能会出现各种故障，如疲劳、损伤、腐蚀等，导致货车运行不稳定甚至发生事故。因此，对铁路货车滚动轴承的故障诊断方法研究显得十分重要。

近年来，随着物联网技术的发展和智能监控设备的广泛应用，铁路货车滚动轴承故障诊断技术也得到了极大的提高。下面我们将介绍一些现有的铁路货车滚动轴承故障诊断方法。

1. 声音诊断法

声音诊断法是一种常用的诊断方法。许多滚动轴承故障会产生特有的声音信号，通过监测滚动轴承的声音，可以判断滚动轴承是否存在故障。常用的监测方法有声音分析、波形分析、频谱分析等。声音分析主要是依靠人的耳朵，对货车在运行过程中发出的声音进行判断；波形分析是将声音信号转化为电信号，并对其进行波形分析，判断是否存在异常信号；频谱分析是对滚动轴承信号的频域特性进行分析，判断是否存在故障信号。

温度诊断法是一种间接的诊断方法，滚动轴承发生故障时，会产生异常的热量，从而使周围环境的温度产生变化。通过监测滚动轴承周围环境的温度变化，可以判断是否存在滚动轴承故障。常用的监测方法有红外热像仪、接触式热敏电阻等。

振动诊断法是一种现代化的诊断方法，它可以实时监测滚动轴承的振动情况，并对振动信号进行分析。通过对振动信号的时域特性、频域特性等进行分析，可以判断滚动轴承是否存在故障。同时，振动信号也可以为滚动轴承故障分析提供更多的信息。常用的监测方法有加速度计、振动传感器等。

浅谈动车组滚动轴承早期故障轨边声学诊断系统(TADS)运用原理

浅谈动车组滚动轴承早期故障轨边声学诊断系统（TADS）运用原理

作者：张磊

来源：《科学与财富》2018年第21期

摘要：动车组滚动轴承故障轨边声学诊断系统（Trackside Acoustic Detection System ，TADS），该系统的主要功能是，利用轨边声学检测装置对通过该设备的动车组进行噪声的采集与分析，发现滚动轴承的早期故障。TADS系统利用轨边声学检测及计算机诊断技术，对运行列车滚动轴承的振动声音信号进行采集分析，并根据轴承不同部位的故障预先建立复杂的数学模型，判断轴承内套、外套、滚柱等主要部位的裂纹、剥离、磨损、侵蚀等故障，从而实现滚动轴承早期故障的在线诊断。

关键字：TADS；动车组；声学；轴承

中图分类号：U270 文献标识码：A

1.动车组TADS简介

随着中国动车组保有量的不断增加及动车使用年限的不断增长，高速铁路的行车安全成为影响动车事业发展的关键问题。然而，在国内，对于动车组动态监测的设备依然十分匮乏。动车组滚动轴承故障轨边声学诊断系统正是在多年货车滚动轴承故障轨边声学诊断系统研发及应用经验的经验上，针对动车组设备运行及机械特点创新发展而来。

动车组TADS安装于动车组运行正线，利用轨边声学采集装置，对高速通过的动车组滚动轴承进行动态实时检测，发现滚动轴承常见的内圈、外圈、滚子可能存在的麻点、剥离、划伤、变色等轴承故障，并根据故障严重情况进行分级预报。

2.动车组TADS必要性

在动车组高速运行情况中，轮对轴承一旦发生故障就会迅速发展，若没有及时进行发现，会导致热轴、燃轴、切轴事故的发生，因此需要对轮对轴承进行在线检测与故障诊断，以减少或杜绝事故的发生，最大限度地发挥轴承的潜力，节约开支，保障正常运行秩序。