Fault diagnosis and condition monitoring of rolling element bearings on train powertrain

Rolling element bearings (REBs) are critical and vulnerable components in the train traction system. The state of the bearings has a great effect on the comfort and safety of the train. At present, the maintenance of the REBs on the train is still arranged according to certain time intervals or several circles. If bearings are still available to work at the time of maintenance, unnecessary maintenance would increase the cost. If bearings are failed before the time of maintenance, the unexpected malfunction would cause great economic loss even catastrophic accidents. Therefore, the fault diagnosis and condition monitoring (CM) of REBs is very important to the safe and economic running of the train. The diagnosis of early-stage defects of REBs using vibration signals is a very difficult task since bearing fault signals are usually very weak and submerged by shaft rotating signals, gear meshing signals, and strong background noise, etc. Therefore, usually, there are two important steps for bearing fault diagnosis, namely, weak bearing fault signal extraction and fault type identification. Squared envelope spectrum (SES) has been widely recognized as an easy and effective method. But the prerequisite of the success of the SES-based methods is to well extract the signal component caused by the repetitive contact of the defect and bearing components. To get a better solution to the weak fault signal extraction task, an optimal frequency band selection method has been proposed based on bandpass filtering and SES kurtosis. In this method, several frequency bandwidths that vary from 1.5 times to 4.5 times the fault frequency are determined in advance. Meanwhile, the SES kurtosis of the bandpass filtered signal is evaluated in a frequency range that is centered at the first two harmonics of the fault frequency with a width of 3 times the shaft rotation. Then the frequency band with the maximum SES kurtosis value is selected as the optimal frequency band for bearing fault diagnosis. Even though the aforementioned optimal frequency selection and SES-based method is a useful REBs fault diagnosis method, it needs to know the fault type in advance. Moreover, the two parameters bandwidth and center frequency both have a significant effect on the bandpass filtering result. Also considering the capability limitation of bandpass filtering, therefore, a new bearing fault diagnosis method combining singular value decomposition (SVD) and SES has been proposed. In this method, only one parameter that is the number of rows of the Hankel matrix needs to be determined. The fault signal can be well separated by SVD using an elaborately selected row number of the Hankel matrix. The composite SES is made up of the four SESs of the sub-signal groups selected for four fault types based on SES kurtosis, which can identify the fault type without knowing the fault type in advance. The final objective of bearing condition monitoring is to evaluate the health state and to estimate the remaining useful life (RUL) of the bearings. It is a particularly challenging task since bearing degradation is a very complex process. Most of the existing health indices (HIs) pursue the property of monotonicity, but generally, there are no obvious boundaries between different health states of bearings. Hence, it is quite difficult to give an objective and independent estimation of the health states, especially in real applications under different operating conditions and in the presence of noise. Furthermore, it is also difficult to set the failure threshold for a given health index when it is employed in different applications. Therefore, a new health index called ‘MAC2PSD’ has been proposed, based on the moving average cross-correlation (MAC2) of the power spectral density (PSD) of the vibration signals. MAC2PSD can track health conditions and discriminate clearly between the different health states. The MAC2PSD can also be used to estimate the remaining useful life by using its values during the defect-propagation phase. The effectiveness of MAC2PSD is tested employing two different cases of bearing run-to-failure experimental data, from two different test rigs. Additionally, the capability to avoid false positives is evaluated by employing bearing vibration data measured on a locomotive in commercial service. Since the tachometer on the locomotive train malfunctioned during a period, a great mass of vibration signal needs to be order tracked for following condition monitoring. Therefore, a new tacholess order tracking (TOT) method has been proposed that combines the inverse short-time Fourier transform (ISTFT) with SVD. The target component closely related to the shaft rotation frequency is selected and roughly filtered in the time-frequency domain directly. Hence, the ISTFT is adopted to reverse the target component into the time domain and SVD is used to refine the roughly filtered target component. Finally, the phase of the refined signal is extracted to resample the original signal. The proposed TOT method performs well applied to real vibration signals collected from the test rig of a high-speed train traction system.

I cuscinetti volventi (REB) sono componenti critici e vulnerabili nel sistema di trazione del treno. Lo stato dei cuscinetti ha un grande effetto sul comfort e sulla sicurezza del treno. Allo stato attuale, la manutenzione dei REB sul treno è ancora organizzata secondo determinati intervalli di tempo o più cerchi. Se i cuscinetti sono ancora disponibili per funzionare al momento della manutenzione, una manutenzione non necessaria aumenterebbe i costi. Se i cuscinetti si guastano prima del momento della manutenzione, il malfunzionamento imprevisto causerebbe grandi perdite economiche anche incidenti catastrofici. Pertanto, la diagnosi dei guasti e il monitoraggio delle condizioni (CM) dei REB sono molto importanti per il funzionamento sicuro ed economico del treno. La diagnosi dei difetti in fase iniziale dei REB mediante segnali di vibrazione è un compito molto difficile poiché i segnali di guasto dei cuscinetti sono generalmente molto deboli e sommersi da segnali di rotazione dell'albero, segnali di ingranamento degli ingranaggi e forte rumore di fondo, ecc. Pertanto, di solito, ci sono due passi importanti per la diagnosi dei guasti dei cuscinetti, ovvero estrazione del segnale di guasto dei cuscinetti debole e identificazione del tipo di guasto. Lo spettro dell'inviluppo quadrato (SES) è stato ampiamente riconosciuto come un metodo semplice ed efficace. Ma il prerequisito del successo dei metodi basati su SES è estrarre bene la componente del segnale causata dal contatto ripetitivo tra il difetto e le componenti del cuscinetto. Per ottenere una soluzione migliore al compito di estrazione del segnale di guasto debole, è stato proposto un metodo di selezione della banda di frequenza ottimale basato sul filtraggio passa-banda e sulla curtosi SES. In questo metodo, vengono determinate in anticipo diverse larghezze di banda di frequenza che variano da 1,5 volte a 4,5 volte la frequenza di guasto. Nel frattempo, la curtosi SES del segnale filtrato passa-banda viene valutata in un intervallo di frequenza centrato sulle prime due armoniche della frequenza di guasto con un'ampiezza di 3 volte la rotazione dell'albero. Quindi la banda di frequenza con il valore di curtosi SES massimo viene selezionata come banda di frequenza ottimale per la diagnosi dei guasti dei cuscinetti. Anche se la suddetta selezione della frequenza ottimale e il metodo basato su SES sono un utile metodo di diagnosi dei guasti REB, è necessario conoscere in anticipo il tipo di guasto. Inoltre, i due parametri larghezza di banda e frequenza centrale hanno entrambi un effetto significativo sul risultato del filtraggio passa-banda. Considerando anche la limitazione della capacità del filtraggio passa-banda, quindi, è stato proposto un nuovo metodo di diagnosi dei guasti dei cuscinetti che combina la decomposizione del valore singolare (SVD) e il SES. In questo metodo, è necessario determinare solo un parametro, ovvero il numero di righe della matrice di Hankel. Il segnale di guasto può essere ben separato da SVD utilizzando un numero di riga selezionato in modo elaborato della matrice di Hankel. Il SES composito è costituito dai quattro SES dei gruppi di sottosegnali selezionati per quattro tipi di guasto basati sulla curtosi SES, che può identificare il tipo di guasto senza conoscerlo in anticipo. L'obiettivo finale del monitoraggio delle condizioni dei cuscinetti è valutare lo stato di salute e stimare la vita utile residua (RUL) dei cuscinetti. Si tratta di un compito particolarmente impegnativo poiché il degrado dei cuscinetti è un processo molto complesso. La maggior parte degli indici di salute esistenti (HIs) perseguono la proprietà della monotonicità, ma in generale non ci sono confini evidenti tra i diversi stati di salute dei cuscinetti. Risulta quindi abbastanza difficile fornire una stima oggettiva e indipendente degli stati di salute, soprattutto in applicazioni reali in diverse condizioni operative e in presenza di rumore. Inoltre, è anche difficile impostare la soglia di guasto per un dato indice di salute quando viene impiegato in applicazioni diverse. Pertanto, è stato proposto un nuovo indice di salute chiamato "MAC2PSD", basato sulla correlazione incrociata media mobile (MAC2) della densità spettrale di potenza (PSD) dei segnali di vibrazione. MAC2PSD può monitorare le condizioni di salute e discriminare chiaramente tra i diversi stati di salute. Il MAC2PSD può essere utilizzato anche per stimare la vita utile residua utilizzando i suoi valori durante la fase di propagazione del difetto. L'efficacia di MAC2PSD viene testata utilizzando due diversi casi di dati sperimentali dall'esecuzione al guasto dei cuscinetti, provenienti da due diversi banchi di prova. Inoltre, la capacità di evitare falsi positivi viene valutata utilizzando i dati di vibrazione dei cuscinetti misurati su una locomotiva in servizio commerciale. Poiché il tachimetro sul treno locomotore ha funzionato male durante un periodo, è necessario tracciare una grande massa di segnali di vibrazione per il monitoraggio delle condizioni successive. Pertanto, è stato proposto un nuovo metodo di tracciamento dell'ordine tacholess (TOT) che combina la trasformata di Fourier inversa a breve tempo (ISTFT) con SVD. Il componente target strettamente correlato alla frequenza di rotazione dell'albero viene selezionato e filtrato grossolanamente direttamente nel dominio della frequenza temporale. Quindi, l'ISTFT viene adottato per invertire il componente target nel dominio del tempo e SVD viene utilizzato per perfezionare il componente target approssimativamente filtrato. Infine, viene estratta la fase del segnale raffinato per ricampionare il segnale originale. Il metodo TOT proposto funziona bene applicato ai segnali di vibrazione reali raccolti dal banco di prova di un sistema di trazione del treno ad alta velocità.