《表1 车载轴温实时数据分析Tab.1 Analysis of on-board real-time bearing temperature data》
故障预测模型通过实时数据分析得到的故障轴概率如表1所示,由表可知,4轴齿轮箱发生故障的相对概率明显高于其他轴,故障预警当日超过70%.通过地面大数据处理平台对历史数据分析得到的融合特征变化曲线如表1中融合特征值λ所示,在故障预警前4日融合特征值持续异常升高,超出合理范围(λ=2 500),最终引起了轴承潜在故障预警.
图表编号 | XD0028248200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 梁建英 |
绘制单位 | 中车青岛四方机车车辆股份有限公司 |
更多格式 | 高清、无水印(增值服务) |