Matlab基于FCM的列车故障智能诊断系统设计(3)
能力；而温度检测和自动振动检测仪缺乏可靠牲；光纤和涡流监测则存在安装和调试要求
较高的问题[2]
。到1984年美国首先完成电脑装车应用，采集 70多项信息，可以集中显示
或存储处理，并用于状态诊断，具有从简、求实的长处。还有一种方法是振动诊断，在工
业发达国家该技术已成为滚动轴承运行状态诊断的主要手段，美国凡家公司研制了地面跟
踪监测车辆的轴承诊断装置。1986 年美国联合太平洋铁路公司进行试验，证明采用噪声
在铁道旁自动监测轴承缺陷是可行的。1989年SERVO公司研究的音响探测器等。欧洲各
国在噪声和振动检测和故障诊断方面，积累了丰富的经验，处于领先地位。日本也实现了
微电脑车应用的技术，太大发展随车捡测技术[2]
。
在故障诊断方面，滚动轴承作为重载货运列车的重要部件,其工作状态直接影响到货
车列车的提速和安全运行[5]
。目前在铁路车辆轴承在线监测中，普遍采用红外测温技术。
在一段时间内这种方法取得了较好的诊断效果，但是这种方法只对滑动轴承效果好，对滚
动轴承则不理想，而且红外测温法只对轴承的晚期故障且由润滑脂引起的温升有效，不能
解决内外圈的点蚀、剥落及保持架脱落等典型的滚动轴承故障的诊断。由于自身无法解决
的一些缺陷，仅靠现在的红外测温技术将不适应未来高速机车车辆滚动轴承在线监测与故
障诊断的要求。我国的诊断技术普遍存在以下几个问题：故障识别率低，存在较严重的故
障漏检，对操作人员的要求较高，使用不便。因此列车轮对轴承的故障诊断，无论从故障
信号的测取方法、故障诊断的正确率和故障诊断的方便性都需要做深一步的探讨。
我国的铁路诊断技术虽然能解决一定问题。但普遍存以下几个问题：故障识别率低，
存在较严重的故障漏检，对操作人员的要求较高，使用不便。因此列车轮对轴承的故障诊
断，无论从故障信号的测取方法、故障诊断的正确率和故障诊断的方便性都需要做深一步
的探讨。对信号进行有效的分析、处理来提取故障特征信息，是故障模式识别的关键，是
对机组运行状态进行合理估计和分类的关键。随着近一个世纪的发展，信号处理领域的研
究水平不断提高，人们研究的焦点从传统的统计信号处理转向现代信号处理。传统的信号
有三个基本假设：线性、高斯性和平稳性，而现代信号分析与处理技术的本质从整体上来
说可以用七个“非”字加以高度地概括，即非线性、非因果、非最小相位系统，非高斯、
非平稳、非整数文(分形)信号和非白色的加性噪声(有色噪声)。新兴的很多处理与分析技术都是针对信号和系统的这七个特征发展起来的。傅立叶分析使用的是一种全局变换，因
而不能同时兼顾信号在时域和频域的局部化性质，而这种性质恰恰是非平稳信号最根本和
最关键的性质。显然，基于傅立叶变换的传统信号处理方法不再适合于处理非平稳信号。
因此，各种研究非平稳信号的方法也不断涌现出来，如小波理论、掘沌与分形理论、高阶
统计量、时频分析理论和神经网络理论等等。
仅仅有相关分析、时域平均法等消嗓处理和时频分析等方法是不能保证正确提取故障
特征频率的，针对列车轮对滚动轴承的强噪声背景下的故障信号和高阶累积量对非线性、
非商斯不敏感等优良特性，探讨基于高阶累积量的自适应滤波算法在列车轮对滚动轴承信
上一篇：MES系统文档图纸分发模块开发