基于小波和小波神经网络的机车牵引电机齿轮故障诊断系统的研究

牵引电机是电力机车的核心部件之一，其能否正常工作直接影响铁路行车安全。由于工作环境恶劣、负载变化频繁，同时受空间限制、动力作用等因素影响，牵引电机齿轮常出现点蚀、磨损、断齿、脱落等故障，因此有必要对牵引电机齿轮开展状态检测和故障诊断研究。齿轮检测和故障诊断的常规思路是通过研究其振动或噪声的频谱，监测和判断齿轮的故障类型。基于机车牵引电机齿轮箱所处的特殊位置和封闭空间的特点，通过分析电机定子电流信号，开展牵引电机齿轮故障的诊断研究。定子电流中包含电机运行状态丰富的信息，电机齿轮点蚀、磨损、断齿、脱落等故障均会引起定子电流中出现新的频率成份，可经过小波分析后获取有效信息。定子电流检测法的主要优势在于相对于振动法检测更易于提取故障信号，并且振动信号中往往包含了各种干扰噪声，而定子电流基本不受电机工作环境的影响，这对于提取有用的信号是很重要的。本文以目前我国货运主流牵引机型和谐号HXD1B机车的异步牵引电动机YQ1633为研究对象，以小波变换、小波神经网络为主要分析工具，通过霍尔电流元件采集电机主电流信号，并进行初步降噪后，利用小波处理对信号进行分解，以便提取有用的时域和频域信号。通过反复试验，分析了神经网络的输入特征参数，选取峭度作为神经网络的输入特征量，通过小波神经网络诊断电机齿轮故障类型。论文利用Matlab搭建了系统故障诊断平台以及GUI应用界面的设计。系统经过QPZZ-II型齿轮故障模拟实验平台的调试和实验，以及机车在线实际运行试验，基于定子主电流分析的机车牵引电机齿轮故障诊断系统能有效检测牵引电机齿轮故障，为机车的安全运行提供保证。