基于振动能量及传递函数分析的转向架故障诊断应用

曾 华，吴赟松，吴学杰，钟知原

（西南交通大学牵引动力国家重点实验室，四川 成都 610031）

0 引 言

振动测试作为一种有效的分析手段在转向架结构设计、系统动态特性分析以及故障诊断等方面有广泛的应用[1]。近年来，国内外各铁路科研单位对转向架故障诊断相关技术研究主要集中在特征提取方法和模式识别等方面[2-4]。这些故障诊断方法都是在软件仿真或实验环境下模拟相关设备各种类型故障，通过特定的方法提取转向架上相关信号特征值，最后通过对比正常和故障情况下的特征值，从而识别出相应故障。但是实际运用过程中，由于实际线路工况与实验或仿真环境有不小差别，因此通过仿真或实验模拟研究的故障识别方法在实际应用中其结果的准确性将降低[5-7]。本文针对故障诊断方法在实际应用中的不足，通过分析试验数据，提出了切实可行的转向架故障特征分析方法。

考虑到大部分转向架故障会引起振动信号剧烈变化，本文以振动能量和传递过程分析作为转向架故障研究切入点。针对转向架设备故障，开展了国内某厂某型轨道车辆的电机故障诊断测试、分析和研究试验工作。

1 故障特征分析方法

目前转向架故障主要有：轮对疲劳裂纹、轴箱振动异常、构架横向失稳、一系悬挂失效引起的横向垂向振动异常、二系悬挂失效引起的横向垂向振动异常、轮踏面圆周不平顺引起的垂向振动异常、电机设备内部故障引起构架振动异常等[8]。在上述转向架的故障模式中，除了轮对疲劳裂纹引起的转向架振动特征不明显外，其他故障模式均会有比较大的振动特征变化[9]。因此，本文以适用于大多数故障模式作为出发点，分析转向架故障特征提取方法。试验方法为：利用某条线路上实际运营的同类型不同车辆公司生产的车辆，该两列车辆转向架的设计结构一致，参数近似，在相同位置布置加速度传感器，并对所获信号进行振动相关的对比分析处理，最后根据提取出的特征值运用专家系统识别出故障源。

基于转向架振动加速度城轨车辆运行异常故障的方法很多，但绝大多数的处理手段都是先提取正常和异常故障的特征值，然后用模式识别等方法训练出一个稳定的判定系统[10]。其中最重要的环节就是获得正常和故障状态下转向架差异最明显的特征。由于城轨车辆行车距离短，停车频繁，若以各运行区间为识别单元，则提取出的特征在各区间下也应具有较好重复性。本文从列车转向架各位置的振动能量大小、频次分布和传递过程3个角度出发，以振动均方根值、功率谱密度和振动传递函数作为标准，分析获取上述特征值。

1.1 加速度均方根值

在测试振动加速度过程中，由于各转向架有个体差异，即使轨道条件和行车速度范围正常时，加速度的最大值也会存在较大的差异，其安装图如图1所示。计算某一时间段内均方根值（RMS）既能消除最大值异常带来的干扰，又能反应出转向架运行过程中振动能量幅值大小。此外，根据国际铁路联盟铁道车辆动态性能安全性标准（UIC_518）和车辆设备冲击和振动试验标准（EN_61373）对转向架各部位振动加速度信号均方根值评价方法的陈述，测试均方根值作为安全评价计算方法具有比较成熟的理论基础[11]。

图1 电机传动端加速度传感器安装图

均方值根的定义为

表1 转向架各部位垂向加速度均方根值 m/s2

表1所示为故障和正常转向架车辆通过某区间时，各部位的垂向振动加速度均方根值。从表中可以看出，故障转向架各部位振动过程均比正常状态下剧烈，说明该转向架已处于故障状态。其中轴箱处垂向加速度均方根值接近，说明两种转向架从轮轨耦合处获得的振动激励是一致的。相应地，在电机非传动侧端两种转向架均方根值差异最大，因此，可以初步判定电机非传动侧是引起故障转向架振动更为剧烈的疑似故障源，最终的故障定论还需下文的其他分析方法予以确认。

1.2 功率谱分析

功率谱密度函数定义为：若自相关函数Rx（τ）的傅里叶变换存在，则定义Rx（τ）的傅里叶变换：

定义 Sx（f）为 x（t）的自功率谱密度函数，简称功率谱密度函数、功率谱或自谱。

通常把在（-∞，∞）频率范围内定义的功率谱Sx（f）称为双边功率谱，而把只在（0，∞）频率范围内定义的功率谱Gx（f）称为单边功率谱，二者之间的关系为

功率谱的应用范围很广，在故障判断和分析方面，可根据功率谱的变化（是否有额外谱峰）来判断故障发生的机理。本文采用welch方法对比分析正常和故障状态下转向架各部分功率谱密度。

图2～图4为正常和故障转向架各部位振动加速度功率谱密度分布部分对比图。从对比图中可以明显看出转向架轴箱（见图2）上在振动信号功率谱密度非常近似，谱峰基本一致。电机非传动端（见图3）、电机传动端（见图4）正常状态与故障状态下的功率谱差别较大，特别是电机非传动端，振动加速度功率谱密度差异非常明显，故障状态下的额外谱峰很多。因此，根据上述功率谱分析可以对前一节均方根值判定的可能故障状态和电机非传动端疑似故障源结论作进一步的确定。

1.3 振动传递特性

振动传递关系用频率响应函数（频响函数）表示，随机信号的频响特性函数表示为互功率谱密度函数和自功率谱密度函数的商，即：

图2 轴箱功率谱密度对比

图3 电机非传动端功率谱密度对比

图4 电机传动端功率谱密度对比

式中Sx（f）和 Sxy（f）分别为随机振动激励信号的自功率谱密度函数和激励与响应信号的互功率谱密度函数。

图5～图7所示为正常和故障状态下转向架各部位之间部分传递函数频率响应对比图。从图中可以看出，电机传动端与轴箱（见图5）的传递函数基本没有发生变化，说明转向架构架系统稳定。电机与安装座之间（见图7）传递函数变化稍明显，相比电机传动端与非传动端之间（见图6）传递函数变化更为显著。因此，通过总结均方根值、功率谱密度和传递函数计算结果可得出该转向架处于故障状态并且电机非传动端是转向架振动加剧的故障源。

图5 电机传动端与轴箱之间传函对比

图6 传动与非传动端之间传函对比

图7 传动端与电机安装座之间传函对比

2 结果讨论

通过对比分析两列车辆转向架各位置的上均方根值，可得出初步结论：构架上均方根值偏大的车辆转向架可能处于故障状态。进一步对各位置测点均方根值差异程度分析，电机非传动端是该可能故障状态的疑似故障源。再通过各位置功率谱密度分析以及各位置之间传递函数两种特征值结果比较，最终确认转向架故障状态并判定出电机内部异常是引起转向架振动加剧的诱因。

将上述故障分析方法应用于国内另一城市地铁二期线路某改进型转向架相关试验中，在两列同型列车轴箱、构架、电机等相关位置布置加速度传感器。参照上述故障分析方法，第1、第2列车转向架轴箱振动均方根值分别是39.1，17.7m/s2，功率谱密度和构架与轴箱之间传递函数都表现出较大差异。根据3种特征结果，识别出第1列车轴箱存在异常状态，车辆维修部门后期通过更换轴箱后，整个转向架动力学性能得到很大改善，乘坐舒适性也有了大幅提高。通过另一转向架故障试验测试结果验证了所述方法的可靠性。

3 结束语

一般地，本文所述方法在轨道车辆转向架故障状态识别和故障源分析领域内的应用可总结为：运行初期通过时域统计方法提取出各位置振动均方根值，然后分析该振动信号的功率谱密度分布特征，再对各位置之间的振动传递函数进行频率响应特征分析，最后将上述3种特征值进行量化并录入专家分析系统作为正常状态数据。后期运行过程中，经相同数据采集和处理方法，将获得信号与正常状态数据作实时对比分析，可准确识别转向架状态并判定故障源。

[1]纪国宜，赵淳生.振动测试和分析技术综述[J].机械制造与自动化，2010（3）：1-6.

[2]丁福焰，杜永平.机车车辆故障诊断技术的发展[J].铁道机车车辆，2004（4）：24-30.

[3]秦娜，金炜东，黄进.高速列车转向架故障信号的小波熵特征分析[J].计算机应用研究，2013（12）：3658-3663.

[4]张兵.列车关键部件安全监测理论与分析研究[D].成都：西南交通大学，2008.

[5]黄采伦，周华，张剑，等.特征谱分析方法及其在列车轮对故障诊断中的应用[J].湖南科技大学学报：自然科学版，2008（1）：71-75.

[6]大庭拓也，蔡千华.基于振动分析的新干线转向架的状态监视[J].国外铁道车辆，2013（3）：32-40.

[7]城取岳夫.利用转向架振动加速度监视车辆故障的方法研究[J].国外机车车辆工艺，2014（5）：36-41.

[8]王靖.列车轮对故障振动特性及诊断关键技术研究[D].长沙：中南大学，2012.

[9]孙惠琴，刘峰，赵恩江.基于粗集的转向架故障诊断研究[J].铁道机车车辆，2007（4）：4-5.

[10]张肖曼.基于BP神经网络的机车走行部滚动轴承的故障诊断研究[D].北京：北京交通大学，2012.

[11]丁建明，林建辉，赵洁，等.车辆悬挂弹簧故障检测的能量传递特性比较法[J].交通运输工程学报，2013（4）：51-55.