机车传动系统振动分析

随着机车速度的提高,对机车的运行安全性和稳定性提出了更高的要求。考虑不平衡质量、齿轮啮合刚度、轴承支撑刚度和轮轨接触的影响下,建立机车传动系统有限元单元动态模型。其次,采用迭代法,求取了临界转速值及振型响应。分析齿轮啮合刚度、轴承支撑刚度、轮轨接触力作用下,传动系统齿轮单元幅频响应变化。结果表明:复杂环境因素下,传动系统齿轮啮合频率及固有频率处,系统振动响应较大。轴承通过频率的振动响应微弱。轮轨接触刚度影响下,传动系统啮合频率、固有频率及轴承通过频率的振动响应受到极大干扰。     

一种基于空间卷积长短时记忆神经网络的轴承剩余寿命预测方法

传统的基于数据驱动的轴承剩余预测方法仍需要一定的先验知识,比如：特征指标选取、健康指标构建、失效阈值选定等等。预测结果严重依赖人工经验,为了克服这一缺点,基于深度学习方法提出了一种用于轴承剩余寿命预测的新方法,该方法的核心包括健康指标构建和剩余寿命计算。首先提出了一种无需先验知识的基于空间卷积长短时记忆神经网络（Convolutional long short-term memory neural network,ConvLSTM）的健康指标生成网络模型,该网络利用卷积神经网络的局部特征提取能力和长短时记忆网络的时间依赖特性,可直接从采集到的原始信号中挖掘反映退化程度的特征,构建健康指标,实现了高维原始数据向低维特征的映射转化,并利用Sigmoid函数将其归至[0,1]区间内,实现了阈值的统一;然后,利用粒子滤波更新双指数寿命模型,实现剩余寿命结果的输出。利用轴承全寿命试验对所提方法进行了验证,并与其他相关方法进行对比,结果表明本文方法所构建的健康指标具有更好的趋势性、单调性和鲁棒性,同时剩余寿命预测的准确率更高。