地铁牵引电动机轴承复合缺陷振动检测技术研究

引言

随着铁路多次大提速，对铁道车辆用牵引电动机轴承提出了越来越高的要求。由磁路不平衡产生的轴电流，伴随逆变驱动的脉冲状电压导致的漏泄电流，以及接地回路结构产生的流经牵引电动机的接地电流等，都有可能导致牵引电动机轴承发生电蚀，使轴承寿命大大降低。在轴承外圈包覆绝缘材料是防止牵引电动机轴承电蚀的有效途径。

1 地铁牵引电动机轴承复合缺陷振动检测技术概述

1.1 地铁牵引电动机轴承复合缺陷震动特性分析

地铁牵引电动机轴承在长期运行过程中，由于受到复杂应力作用和环境因素影响，容易产生磨损、点蚀、剥落等多种缺陷，进而引发振动异常。当多种缺陷同时存在时，其振动会表现出明显的非线性和调制效应。例如，当轴承内圈和外圈同时存在局部剥落缺陷时，其振动信号不仅包含两种缺陷的特征频率及其倍频成分，还会出现调制边带和混频现象。特别地，由于内外圈转速差异，两种缺陷激励存在相位漂移，导致振动幅值呈现周期性波动，调制周期与转速成反比。此外，缺陷尺寸和载荷分布的差异也会影响复合故障的振动行为。有研究表明，当内圈缺陷尺寸为 0.2mm 、外圈缺陷尺寸为 0.5mm 时，在680N径向载荷下测得的振动加速度峰值可达 50g ，而单一缺陷情况下仅为 20g 左右。可见，复合缺陷引起的振动幅值往往高于单一缺陷，且形成“ 1+1>2^⋅ ”的叠加放大效应。频谱上的另一个显著特点是谐波干扰和连续谱成分增多，信噪比降低，这主要是由于缺陷边缘撞击和多体接触引起的非线性效应所致。

1.2 复合缺陷类型

地铁牵引电动机轴承常见的复合缺陷主要包括表面损伤与结构异常的并发形态。滚动体与滚道接触面可能同时出现剥落、裂纹和压痕等多种损伤特征。保持架可能伴随磨损与变形同时发生，润滑失效常与污染问题并存。这些复合缺陷往往具有时变性和耦合性，其发展过程呈现非线性特征。不同缺陷类型相互影响，加速轴承性能退化，使故障特征更加复杂多变。

1.3 振动检测技术的重要性

振动检测技术能够有效捕捉轴承运行状态的细微变化，为早期故障诊断提供可靠依据。轴承缺陷引发的振动信号包含丰富的特征信息，反映其工作状态和健康程度。该技术具有实时性强、灵敏度高的特点，可实现非接触式在线监测。相比其他检测方法，振动分析更能适应地铁运行环境的特殊要求。通过分析振动信号的特征参数，可以准确识别复合缺陷的存在及其发展程度。

2 地铁牵引电动机轴承复合缺陷振动检测方法

2.1 振动信号采集技术

振动信号采集系统采用三轴加速度传感器阵列进行多维度监测，传感器安装位置经过模态分析确定，确保覆盖轴承关键振动传递路径。采集硬件由低噪声前置放大器、24 位高精度 AD 转换器和抗混叠滤波器组成，采样频率根据轴承特征频率动态调整。信号传输采用光纤通信技术，有效避免电磁干扰。同步采集系统实现多测点数据的相位一致性，采样率最高可达 200kHz 。传感器供电采用隔离电源设计，信号调理电路包含程控增益放大和带通滤波功能。数据采集软件具备实时波形显示和存储功能，支持长时间连续记录。系统校准使用标准振动源进行幅频特性标定，确保测量准确性。

2.2 信号处理与特征提取

原始信号预处理包括趋势项消除、野值剔除和自适应滤波。时域分析计算峭度、脉冲因子等非线性指标，频域分析采用 ZoomFFT 提高频率分辨率。小波包分解实现信号多尺度分析，提取各频带能量特征。Hilbert 变换用于包络解调，增强微弱冲击成分。高阶谱分析识别非线性相位耦合特征，盲源分离技术解决信号混叠问题。特征选择采用 mRMR 算法评估特征相关性，主成分分析实现特征降维。时频图像特征通过灰度共生矩阵提取纹理参数，深度学习网络自动学习最优特征表示。特征融合技术综合多源信息，构建高区分度特征向量。

2.3 缺陷诊断算法研究

深度残差网络解决梯度消失问题，提升深层特征提取能力。注意力机制模型聚焦关键故障特征，抑制无关信息干扰。图神经网络处理传感器网络拓扑关系，挖掘空间关联特征。元学习框架实现小样本条件下的快速适应，迁移学习利用跨域知识提升泛化性。集成学习结合多个基分类器决策，采用 Stacking 策略优化组合权重。模糊推理系统处理不确定性问题，证据理论实现多源信息融合。在线学习算法持续更新模型参数，适应轴承性能退化过程。对抗训练增强模型鲁棒性，解释性算法可视化诊断依据。半监督学习利用大量未标注数据，提升模型性能。

3 地铁牵引电动机轴承复合缺陷振动检测实验与验证

3.1 实验平台搭建

实验平台主要由电机驱动系统、轴承加载装置和数据采集系统三部分组成。驱动电机采用变频调速控制，模拟不同转速工况。轴承测试台配备径向和轴向加载装置，再现实际运行载荷条件。振动传感器阵列安装在轴承座特定位置，确保多维度信号采集。数据采集系统包含信号调理模块和高精度 AD 转换器，保证信号保真度。平台集成温度、转速等多参数监测功能，构建完整的测试环境。控制系统实现实验参数的精确调节和实验过程自动化管理。

3.2 模拟复合缺陷实验

实验采用人工制造缺陷方法模拟轴承典型故障模式。通过电火花加工在滚道表面制作不同尺寸的剥落缺陷，保持架采用磨损处理方法模拟实际损伤。复合缺陷组合包括滚道剥落伴随保持架磨损、内外圈裂纹并发滚动体划伤等典型形态。实验过程中系统记录不同缺陷组合下的振动响应特征，建立缺陷特征数据库。每种缺陷工况设置多组测试参数，确保数据全面性和代表性。实验数据为后续算法训练和验证提供基础。

3.3 实际运行数据采集与分析

现场测试在地铁车辆段进行，选取不同运行里程的牵引电机作为测试对象。数据采集系统安装在电机轴承座上，记录正常运行和异常状态下的振动信号。采集过程涵盖起动、加速、匀速和制动等典型工况，获取完整运行状态数据。原始信号经过预处理后，提取时域、频域及时频域特征参数。对比分析正常轴承与疑似缺陷轴承的特征差异，验证实验室结论的适用性。现场数据为检测技术工程化应用提供重要参考。

3.4 检测技术的可靠性验证

验证过程采用交叉验证方法评估检测算法的准确性。将实验数据和现场数据按比例划分为训练集和测试集，确保模型泛化能力。通过混淆矩阵分析各类缺陷的识别率，计算算法综合评价指标。开展重复性测试验证检测结果的稳定性，不同操作人员参与实验消除主观因素影响。对比传统检测方法与新技术的诊断结果，评估技术改进效果。长期跟踪测试验证系统的耐久性和可靠性，为实际应用提供依据。

结束语

地铁牵引电动机轴承复合缺陷振动检测技术的发展，为轨道交通运维提供了重要技术支撑。未来应持续优化多源信息融合算法，提升复杂工况下的诊断准确性。通过完善智能检测系统与标准体系，推动该技术在行业内的广泛应用，为列车安全运行保驾护航。

参考文献

[1]史秋磊.地铁牵引电动机轴承复合缺陷振动检测技术研究[J].中国机械,2024,(30):88-91.

[2]冉继强.异步牵引电动机电磁仿真及温度场分布研究[D].西华大学,2022.

[3]李伟.基于最小熵反褶积的动车组牵引电动机轴承故障诊断方法[J].轴承,2021,(12):56-60+64.

[4]宋子贤,姜伟,李肖刚,等.异步牵引电动机相关标准对比分析[J].铁道技术监督,2020,48(09):7-11.

[5]孟凡奇.牵引异步电动机故障诊断[D].大连交通大学,2020.