王翠艳 李静娇

(石家庄铁道大学1）河北石家庄050000 石家庄铁路职业技术学院2）河北石家庄050043)

高速铁路的发展对车辆走行部的安全提出了更高要求，滚动轴承作为铁路车辆走行部的关键部件，对车辆安全性能起着非常重要的作用，国内外学者针对滚动轴承运行的状态监测和早期故障诊断技术进行了相应研究。基于振动信号的检测和诊断技术是旋转机械设备监测与诊断的传统方法，至今仍是检测系统中不可缺少的方法；除了采用振动信号来诊断滚动轴承的故障，在不同的条件下，针对不同的研究对象，铁谱分析、红外光谱分析、油液分析、光纤监测等方法也均能有效地检测出存在的故障。随着短时傅里叶变换、小波变换、经验模态分解、盲源分离等各种现代信号处理方法的不断发展，声学故障诊断由于非接触式测量、无须事先粘贴传感器、可对移动目标进行在线监测等优点，更有利于检修时间与成本的降低，可以更加科学合理安排检修工作，将是未来列车滚动轴承检测诊断的趋势[1-3]。2001年N.Baydar，A.BaH将Wigner-Vnie分布理论引入声学信号故障诊断，并证实了该方法检测出机械部件局部早期故障有效性[4]。WenboLu.eta于2012年提出将近场声全息技术和灰度共生矩阵相结合方法，来诊断滚动轴承的是否存在故障[5]。李静娇、陈恩利等人于2017年提出基于自适应Morlet小波变换和最小Shannon熵诊断滚动轴承声学信号故障的新方法，有效地提取出轴承声学信号的故障[6]。SVM作为一种快速可靠的分类算法，可用于线性、非线性分类、回归问题，泛化错误率低，具有良好的学习能力，不仅可以解决小样本情况下的机器学习问题，还能解决高维问题，避免神经网络结构选择和局部极小点问题[7]。……