齿轮箱是高速动车驱动系统的重要组成部分,由于长期处于高速重载的工作环境,易受到损伤和出现故障。因此,快速准确地对高速动车齿轮箱的故障进行诊断具有重要意义。从分析动车齿轮箱的结构型式和常见故障入手,阐述了国内外用于动车齿轮箱故障诊断的振动分析、噪声分析、温度场分析、油液分析及声发射等典型技术的应用现状,对这些技术作了适用性分析并提出了重点研究方向建议。分析结果表明,当前应用于高速动车齿轮箱的多种故障诊断技术均有其各自不同的优缺点和应用场合,单种诊断技术受限于其局限性,均不能较好地精确诊断出动车齿轮箱的多类故障;应用基于先进智能算法的多种技术融合,有望是今后该领域故障诊断的研究重点之一。

针对经验模态分解（empirical mode decomposition,简称EMD）中的端点效应问题,在研究总结了现有端点效应抑制方法的基础上,提出一种新的方法——基于支持向量机（support vector machine,简称SVM）延拓和窗函数相结合的方法,弥补了SVM延拓依然找不到端点以及窗函数会改变原始信号的缺点。首先,采用SVM对原始信号两端分别进行延拓,将延拓后的数据进行加窗处理（中间加矩形窗,延拓数据加海明窗）;然后,利用EMD方法对加窗后的信号进行分解,得到若干个内禀模态函数（intrinsic mode function,简称IMF）;最后,将IMF分量的两端延拓部分去掉,以此来达到抑制端点效应的目的。以正交性为量化评价指标,对比分析了不同方法的性能,通过仿真和实验结果表明,该方法可以更好地抑制端点效应的发生。

为解决强背景噪声下经验小波变换（EWT）难以准确提取滚动轴承故障特征的问题,提出了一种自适应频率窗EWT方法。首先对轴承故障振动信号进行傅里叶变换,引入一个带宽可变的滑动频率窗对其频谱进行分割;然后利用水循环优化算法（WCA）,通过所提出的包络谱谐波噪声比指标,自适应确定滑动频率窗位置;最后进行EWT筛选出最佳的模态分量信号,通过包络解调分析提取轴承故障特征信息。采用所提方法对滚动轴承故障实验信号进行分析,结果表明,该方法可以有效用于滚动轴承微弱故障特征的提取,而传统EWT方法因为受强背景噪声影响较大,无法准确提取故障特征信息。

针对滚动轴承早期微弱故障能量小，易受背景噪声干扰的问题，提出了基于谱峭度（SK）和约束独立分量分析（CICA）相结合的方法来提取故障特征。首先，对信号的快速谱峭度图分析得到带通滤波的优化参数，以实现降噪作用；然后，将滤波后的信号作为CICA的输入信号，依据滚动轴承故障特征频率建立参考信号，提取出目标振动信号；最后，利用Teager能量算子解调方法得到信号的能量谱，识别故障特征。

铁轨水平度是铁路建设中的一项重要技术指标,对于铁路运行至关重要,该文运用气动检测和传动原理,研究一种气动式铁轨水平度检测系统,能够自动检测出铁轨水平度的变化,并且及时反馈到技术部门采取处理措施,保证列车的运行安全以及人民的生命财产安全.经试验验证,该检测系统检测精度高,自动化程度高,既能检测铁轨横向水平度,又能检测铁轨纵向水平度,避免人工经验误差,减轻劳动强度,有望推广应用到实际生产中.

针对列车提速后容易出现的铁路铁轨断裂、轨距加大、铁轨连接处错位等故障现象,研究一种气动式检测系统器,利用气动传感器快速、方便、及时检测出这些铁轨故障,为保证列车提速的成功提供一种技术保障.