基于EMD和奇异值差分谱理论的列车齿轮箱故障诊断研究及实现

于泽亮，贺德强，谭文举，沈国强

（1.广西大学 机械工程学院，广西 南宁 530004；2.南宁轨道交通集团有限责任公司，广西 南宁 530025）

1 引言

齿轮箱作为列车驱动系统动力传递的重要部件，其故障或失效严重影响列车的平稳、安全及正常运行。但由于其工况恶劣复杂，长期承受着挤压、扭转、摩擦等力的作用，极易发生磨损、断齿等故障，齿轮箱一旦发生故障轻则造成列车临时停车和机破，重则危及列车行车安全。对机车齿轮箱进行工作状态监测与诊断，明确齿轮箱工作服役状态，实现齿轮箱由事后维修到视情维修的转变，因此，对列车齿轮箱服役的安全性进行预测与诊断尤为重要。

迄今为止，国内众多科研工作者对齿轮的故障诊断提出了多种不同的诊断方法，其中，从齿轮箱中提取故障特征信息，对齿轮箱进行状态检测、诊断技术的研究与开发取得了良好的结果。文献[1-3]通过小波分析方法判断机车轨道交通齿轮箱是否发生故障和异常，由于输入比较单一，导致诊断结果不佳，且在小波分析中如何选择小波函数是一个难点问题，故障信号用不同小波基分解产生不同的结果，很难提供决策依据。文献[4-6]为解决神经网络结构及参数的优化选择问题，提出基于神经网络的机车齿轮箱智能故障诊断方法。神经网络算法常停止于局部最优解，且算法的培训时间过长时，会出现过度拟合，常把噪音当做有效信号。另外，美国通用电气公司研究的电力机车齿轮箱故障排除的专家系统DELTA[7]，专家知识库缺乏，知识库可靠性和推广性差，无法表达成通用的知识规则。……