论文部分内容阅读
摘要：大同电力机车有限公司研发生产的永磁直驱客运电力机车是世界首台大功率永磁直驱电力机车，永磁直驱客运电力机车具有牵引功率大、模块集成化高、恒功率范围宽、全寿命运营成本低等优点。轴箱振动试验是永磁直驱客运电力机车在空载运行中判断轴箱是否存在装配故障以及零部件故障的一项重要指标。本文把复杂网络故障诊断方法应用到永磁直驱客运电力机车轴箱振动试验中，通过振动数据采集分析，能够对轴箱振动是否存在故障进行有效地判断。
关键词：故障诊断;复杂网络;轴箱振动;数据采集;永磁直驱
引言
永磁直驱客运电力机车是世界大功率牵引领域的重要车型之一，永磁直驱客运电力机车走行部是保证机车运行安全稳定的重要组成部分，机车装有两台转向架。一系悬挂采用轴箱两侧螺旋弹簧配垂向油压减震器，二系悬挂为高挠螺旋圆弹簧配垂向、横向油压减振器。相比较传统电力机车异步电机传动方式，永磁直驱电力机车无齿轮箱和抱轴轴箱，传动轴作为永磁体充当永磁电机转子。
轴箱振动试验是考量机车是否具备出厂条件的一项重要试验。厂内传统的试验方法是在规定的时间内让机车进行空载跑核，轴箱温升在规定的跑核时间内不会超出试验大纲规定的温度，则认为轴箱不存在振动摩擦故障。此方法能够有效地判断轴箱是否存在摩擦振动故障，但是机车空载运行时间长，造成人力物力以及能源浪费，不利于公司精益生产。
本文所采用的故障诊断方法是在机车空载运行稳定时，对轴箱振动数据进行采集。基于LabVIEW数据采集软件的开发，结合MATLAB应用软件以及复杂网络理论对故障数据进行采集、分析，从而有效地得出相应的结论[1]。
1 轴箱数据采集
本文为了验证复杂网络理论应用于轴箱振动试验的可行性，分别采取轴箱振动故障信号数据以及轴箱振动正常无故障信号数据，通过复杂网络理论分别对两种数据进行分析，得到相应的结果[2]，结合传统轴箱振动试验方法对复杂网络理论分析得到的结果进行验证。
分别采集轴箱振动三个方向的振动数据[3]，不同方位的振动摩擦，导致轴箱三个方向的振动数据均可能为故障数据。分别对三组数据进行理论分析，可以判断大致哪个位置存在较为严重的振动摩擦故障。
2 复杂网络理论
复杂网络所研究的领域广泛，复杂网络应用于人际关系调查得出的结论是：世界上只要有7个人相互认识，就能通过自己不同的人际关系让整个世界所有人际关系联系起来。越来越多的学者将复杂网络应用于非线性时间序列分析[4]。定义网络的节点、连边方式是构建复杂网络的基础的工作。显然人际关系调查中单个人就是一个节点，每个人的不同人际关系即为连边方式。通过不同人际关系以及单个人的节点构造的人类世界即为一个庞大的复杂网络。节点应用于非线性时间序列，可以是一个单个数据，也可以是一个数据段。连边方式也分为好多种，本文所引用的方法为相空间网络构造[5]。
3仿真正弦信号复杂网络构造
对正弦信号应用复杂网络理论构造出的图形如图2所示，正弦信号呈现周期分布。
4轴箱振动信号的复杂网络构造
对永磁直驱客运电力机车进行空载跑核，轴1轴箱为无故障轴箱，正常数据从轴1采集。轴3轴箱存在轴箱故障，故障数据从轴3采集，数据采样时间2分钟。
如图3所示：对轴箱1振动数据分析，复杂网络构造图形说明轴箱1无振动故障，但是存在正常允许范围内的周期振动，振动幅度小，图案颜色较浅，从复杂网络构造图可以看出图案有和正弦仿真信号一样分布规律。
如图4所示：对轴箱3振动数据分析，复杂网络构造图形说明轴箱3存在故障，振动幅度大，图案颜色较深，轴箱故障振动信号是周期性振动信号，从复杂网络构造图可以看出图案有和正弦仿真信号一样分布规律。
通过图案颜色可以区分轴箱正常振动信号和轴箱故障振动信号。
5 轴箱振动试验的传统方法验证
应用传统轴箱振动试验方法对复杂网络理论进行验证，对永磁直驱客运电力机车进行空载跑核，轴1轴箱为无故障轴箱，轴3轴箱存在轴箱故障，机车跑核时间60分钟，分别记录轴1温升为40度，轴3温升为86度，说明轴3确实存在较为严重摩擦振动故障，同时验证了复杂网络理论的正确性与可行性。
6基于复杂网络故障诊断的优点
如表1所示：复杂网络故障判断方法较轴箱传统的故障判断方法具有较多的优点。复杂网络故障判断方法采集轴箱振动X、Y、Z三路故障数据，能够从三个方向判断轴箱是否存在振动故障。故障判断时间由原来的60min缩短至2min，大大减少了资源浪费。同时对轴箱故障采用直观图形分析，使得判断结果更加准确，大大提高了轴箱故障判斷效率。
7 结语
传统的轴箱振动检测方法虽然可靠，但是不易于公司精益生产。基于复杂网络轴箱振动判断方法是一种科学性、可靠性、实用性的监测方法，对促进公司精益生产具有重大意义。
参考文献：
[1]陆春月，王俊元.机械故障诊断的现状与发展趋势[J].机械管理开发，2004（6）：85-86.
[2]基于递归复杂网络的滚动轴承故障诊断[J].孙斌，梁超，尚达.振动.测试与诊断.2015（03）.
[3]基于LabVIEW的电液伺服加载试验台测控系统设计[J].侯伟，辛慧娟，张慧，刘凯强，宁朝阳.工业加热.2020（12）.
[4]Lacasa L，Luque B，Fernando Ballesteros F，et al，From time series to complex networks：The visibility graph[J]Proc.Natl. Acad.Sci. USA，2008，105（13）：4972-4975.
[5]复杂网络理论及其应用[M].清华大学出版社，汪小帆，李翔，陈关荣编著，2006.
关键词：故障诊断;复杂网络;轴箱振动;数据采集;永磁直驱
引言
永磁直驱客运电力机车是世界大功率牵引领域的重要车型之一，永磁直驱客运电力机车走行部是保证机车运行安全稳定的重要组成部分，机车装有两台转向架。一系悬挂采用轴箱两侧螺旋弹簧配垂向油压减震器，二系悬挂为高挠螺旋圆弹簧配垂向、横向油压减振器。相比较传统电力机车异步电机传动方式，永磁直驱电力机车无齿轮箱和抱轴轴箱，传动轴作为永磁体充当永磁电机转子。
轴箱振动试验是考量机车是否具备出厂条件的一项重要试验。厂内传统的试验方法是在规定的时间内让机车进行空载跑核，轴箱温升在规定的跑核时间内不会超出试验大纲规定的温度，则认为轴箱不存在振动摩擦故障。此方法能够有效地判断轴箱是否存在摩擦振动故障，但是机车空载运行时间长，造成人力物力以及能源浪费，不利于公司精益生产。
本文所采用的故障诊断方法是在机车空载运行稳定时，对轴箱振动数据进行采集。基于LabVIEW数据采集软件的开发，结合MATLAB应用软件以及复杂网络理论对故障数据进行采集、分析，从而有效地得出相应的结论[1]。
1 轴箱数据采集
本文为了验证复杂网络理论应用于轴箱振动试验的可行性，分别采取轴箱振动故障信号数据以及轴箱振动正常无故障信号数据，通过复杂网络理论分别对两种数据进行分析，得到相应的结果[2]，结合传统轴箱振动试验方法对复杂网络理论分析得到的结果进行验证。
分别采集轴箱振动三个方向的振动数据[3]，不同方位的振动摩擦，导致轴箱三个方向的振动数据均可能为故障数据。分别对三组数据进行理论分析，可以判断大致哪个位置存在较为严重的振动摩擦故障。
2 复杂网络理论
复杂网络所研究的领域广泛，复杂网络应用于人际关系调查得出的结论是：世界上只要有7个人相互认识，就能通过自己不同的人际关系让整个世界所有人际关系联系起来。越来越多的学者将复杂网络应用于非线性时间序列分析[4]。定义网络的节点、连边方式是构建复杂网络的基础的工作。显然人际关系调查中单个人就是一个节点，每个人的不同人际关系即为连边方式。通过不同人际关系以及单个人的节点构造的人类世界即为一个庞大的复杂网络。节点应用于非线性时间序列，可以是一个单个数据，也可以是一个数据段。连边方式也分为好多种，本文所引用的方法为相空间网络构造[5]。
3仿真正弦信号复杂网络构造
对正弦信号应用复杂网络理论构造出的图形如图2所示，正弦信号呈现周期分布。
4轴箱振动信号的复杂网络构造
对永磁直驱客运电力机车进行空载跑核，轴1轴箱为无故障轴箱，正常数据从轴1采集。轴3轴箱存在轴箱故障，故障数据从轴3采集，数据采样时间2分钟。
如图3所示：对轴箱1振动数据分析，复杂网络构造图形说明轴箱1无振动故障，但是存在正常允许范围内的周期振动，振动幅度小，图案颜色较浅，从复杂网络构造图可以看出图案有和正弦仿真信号一样分布规律。
如图4所示：对轴箱3振动数据分析，复杂网络构造图形说明轴箱3存在故障，振动幅度大，图案颜色较深，轴箱故障振动信号是周期性振动信号，从复杂网络构造图可以看出图案有和正弦仿真信号一样分布规律。
通过图案颜色可以区分轴箱正常振动信号和轴箱故障振动信号。
5 轴箱振动试验的传统方法验证
应用传统轴箱振动试验方法对复杂网络理论进行验证，对永磁直驱客运电力机车进行空载跑核，轴1轴箱为无故障轴箱，轴3轴箱存在轴箱故障，机车跑核时间60分钟，分别记录轴1温升为40度，轴3温升为86度，说明轴3确实存在较为严重摩擦振动故障，同时验证了复杂网络理论的正确性与可行性。
6基于复杂网络故障诊断的优点
如表1所示：复杂网络故障判断方法较轴箱传统的故障判断方法具有较多的优点。复杂网络故障判断方法采集轴箱振动X、Y、Z三路故障数据，能够从三个方向判断轴箱是否存在振动故障。故障判断时间由原来的60min缩短至2min，大大减少了资源浪费。同时对轴箱故障采用直观图形分析，使得判断结果更加准确，大大提高了轴箱故障判斷效率。
7 结语
传统的轴箱振动检测方法虽然可靠，但是不易于公司精益生产。基于复杂网络轴箱振动判断方法是一种科学性、可靠性、实用性的监测方法，对促进公司精益生产具有重大意义。
参考文献：
[1]陆春月，王俊元.机械故障诊断的现状与发展趋势[J].机械管理开发，2004（6）：85-86.
[2]基于递归复杂网络的滚动轴承故障诊断[J].孙斌，梁超，尚达.振动.测试与诊断.2015（03）.
[3]基于LabVIEW的电液伺服加载试验台测控系统设计[J].侯伟，辛慧娟，张慧，刘凯强，宁朝阳.工业加热.2020（12）.
[4]Lacasa L，Luque B，Fernando Ballesteros F，et al，From time series to complex networks：The visibility graph[J]Proc.Natl. Acad.Sci. USA，2008，105（13）：4972-4975.
[5]复杂网络理论及其应用[M].清华大学出版社，汪小帆，李翔，陈关荣编著，2006.