徐欣怡，徐永能，任宇超

(南京理工大学 自动化学院， 南京 210094)

地铁轴承的故障诊断对于保证地铁运营的安全性和可靠性至关重要。当前，只有当列车进入维修周期时，才会检查轴承是否出现故障，这意味着地铁轴承发生故障后可能会继续运行，存在着巨大的安全隐患。为了解决上述问题，本文通过收集加速度传感器的振动信号，研究如何对地铁轴承进行准确且快速的故障诊断。

传统的滚动轴承故障诊断技术主要有振动诊断技术、温度诊断技术、声学诊断技术等，应用十分普遍[1]。20世纪60年代中期，由于快速傅里叶变换技术被提出，基于信号频谱分析的振动诊断技术取得了很大发展[2]。蒋刚等[3]通过改变经典快速傅里叶变换算法的蝶形结构，简化了运算步骤，提高了故障诊断效率。但地铁列车的实际运行环境十分恶劣，对列车走行部的轴承振动信号会产生很强的噪声干扰，给地铁轴承故障诊断带来了挑战。常用的时域分析和频域分析在处理此类非平稳、非线性信号方面，具有局限性[4]。因此，有学者建立了一种内圈、外圈和滚子的轴承系统非线性动力学模型，可以有效地将故障在模型中表示出来，但其求解十分复杂困难[5]。与此同时，信号处理中的时频分析方法逐渐引起了专家的关注，如小波变换、经验模态分解法等[6-7]。Adel Boudiaf等[8]通过比较快速傅里叶变换、倒谱分析和小波变换等方法在诊断滚动轴承方面的能力和优劣势，发现小波变换随频率改变窗口大小的特点非常适合非平稳信号分析。……