摘 要 随着高速列车运营里程的增加，以及运营速度的提高，列车走行部的服役性能以及安全性亟待解决。本文提供了分析了一些常规实用的方法，对于齿轮箱的故障进行了快速分析，为构建专家诊断系统和快速检测发现故障提供了支持。
　　关键词 高速列车；齿轮箱；时域；熵；专家诊断系统
　　中图分类号：TK428 文献标识码：A 文章编号：1671-7597（2015）03-0055-01
　　机械故障诊断手段越来越先进，提前采取措施预防事故是必然趋势。齿轮箱作为高速列车的传动装置，工作原理为由电机带动齿轮箱，齿轮箱齿轮啮合，带动车轮转动。齿轮箱是故障最多，诊断难度最大的装置，齿轮箱的故障一般有：齿面裂纹，胶合，疲劳，断齿，点蚀，轴碗，轴不对中。如果在列车运行的时候，齿轮箱出现断齿，很严重的会发生列车脱轨，导致车毁人亡。
　　1 测试理论基础
　　在齿轮箱出现故障时候，一般为振动能量和幅值的增大，以及频率成分的变化。有量纲的指标：最大值，最小值，峰峰值，均值，均方根值，方差；无量纲指标：方根幅值，平均幅值，均方幅值，峭度，波形指标，峰值指标，脉冲指标，和裕度指标。有量纲的往往因为工况不同，齿轮箱的型号不同，运营的速度不同，指标不能相互比较，无量纲的参数只与机器的状态有关，与机器的运行状态无关，对负载与转速的不太敏感。比较合适作为诊断参数熵作为衡量时间序列的非线性的动力学参数越来越普及。近似熵表示了一个时间的序列的复杂程度，相当于一种条件概率，衡量了一个序列的复杂程度，以及产生新模式的概率大小，优点在于可以一定程度的抗噪音与干扰，需要的数据量不大，易于快速分析与计算。设采集的原始数据序列为{xi，i=1，2…N}，按照以下的步骤：（1）将序列组成m维向量X（i）=[x（i），x（i+1）……x（i+m-1）]，i=1～N-m+1。（2）计算矢量X（I）与其余X（j）的之间的距离，D[X（i），X（j）]=max|x（i+k）-x（j+K）|，k=0～m-1。（3）设定一个阀值r（r>0），统计D[X（i），X（j）]　　2 振动信号分析与采集
　　一般对于列车的齿轮箱的采集数据为齿轮箱的振动数据，采集系统一般由振动传感器，调理电路，采集器组成。图1是列车的轴的定义。
　　图1 一车转向架的示意图
　　在动车组列车一次线路运营试验中，振动传感器安装于齿轮箱端部，采样频率2000Hz，截取运行300km/h的运行数据，发现振动数据异常，对齿轮箱的垂向数据测试进行分析。
　　图2 一车一轴与三轴振动加速度图
　　统计数据可得，一车一轴方差86.82，脉冲5.18，一车二轴方差25.55，脉冲6.29，一车三轴291.11，脉冲2.27，一车四轴方差686.54，脉冲指标3.26。三轴与四轴的方差远远大于一般统计情况下的±3δ的范围。脉冲指标能很好的体现出来，因为故障轴导致的测试振动幅值过大，脉冲指标偏小。
　　截取50s的数据，每10s的熵值求取平均值，充分考虑到波形存在变化，以及轨道等其他因素的影响，如图3。
　　图3 各轴每10秒熵的平均值对比图
　　可以明显的看出，一车一轴与二轴的熵值明显小于一车三轴和四轴的熵值。经过较长时间的分析，可以看出一车三轴的平均熵值比较大，四轴平均熵值多数时间也较大。说明一车三轴四轴的齿轮箱发生更多可能的形式，产生新的模式的机会增多，往往对于机械设备来说，失效可能性增大。经过上面的分析，通知相关部门，返修到库里检查，发现三轴齿轮箱外壳开裂。
　　3 列车齿轮箱的故障检测的展望
　　本文根据实际应用，结合一些处理方法，探讨了能够用于在列车齿轮箱的快速诊断故障的一些方法，具有较好的工程应用前景。列车需要实时监控，所以前面的方法是一个很好的初步判断列车构件的健康状况，因为要求的数据短，大约几秒钟的数据量，可以快速简单的进行判别，同时建立相应的数据库系统，进行实时的比较。但是，由于在列车高速行驶的过程中，信号的复杂度与不规则度增加，需要建立远程专家监控系统，一旦列车级数据实时监测发现数据故障情况，将数据传回到远程专家系统，通过更加复杂的信号处理方式进一步的判断或者甄别，确保诊断的无误与准确，降低与避免列车事故率。
　　参考文献
　　[1]黎少辉，蔡利梅.近死熵在叶轮机振动分析中的应用[J].煤矿机电，2004（2）.
　　[2]丁康，李巍华，朱小勇.齿轮及齿轮箱故障诊断实用技术[M].北京：机械工业出版社，2005.
　　[3]胡红英，马孝先.局域波近似熵及其在机械故障诊断中的应用[J].振动与冲击，2006（4）.