滚动轴承作为旋转机械设备的关键部件,其运行状态直接关系到设备的安全和稳定性,深入研究滚动轴承在不同运行状态的特征,建立有效的故障诊断系统,保证机械设备运行的完全和稳定具有重要意义。同时在大数据时代信息的获取变得更加容易,表现出信息量大、信息种类多以及低价值密度等特点,通过各种检测技术在采集滚动轴承运行状态时获取的信息多为孤立,甚至是矛盾的,信息融合技术作为多学科交叉技术可以有效综合多源信息,能够更加全面、准确地表征滚动轴承的运行状态,因此本研究应用信息融合技术构建货车滚动轴承故障诊断系统,以满足铁路货运检修公司对货车滚动轴承自动检测的需求,具体工作内容如下:(1)针对实验室承接的中国神华能源股份有限公司铁路货车运输分公司货车轴承故障自动检测项目进行背景调研,阐述了本研究的意义,详细分析了国内外滚动轴承故障诊断的研究现状与热点,总结出滚动轴承故障诊断将向大数据化和多信息融合方向发展,确定应用信息融合技术设计滚动轴承故障诊断系统。(2)深入学习铁路货车常用的双列圆锥滚子轴承的组成、结构、损伤形式、现象与可能原因,分析了轴承发生不同损伤现象时常用的诊断方法,总结典型诊断方法的优缺点及适用场景,确定采用振动分析法进行滚动轴承故障诊断,并对滚动轴承振动的起源、信号特点、振动特点进行研究,分析推导了其故障振动频率,并以此做为判断轴承运行状态的重要依据。(3)提出基于多角度特征提取构建多源证据体的决策层信息融合系统。简要介绍了信息融合的定义、发展和原理,对现有的三种信息融合模型进行分析对比,基于项目现场实际为一个振动信号的情况,设计对同源信号进行多角度特征提取进行决策层融合的新型信息融合模型。(4)参与设计和完善了中国神华能源股份有限公司铁路货车运输分公司货车轴承故障自动检测装置,并现场实际对滚轴轴承进行振动信号采集,运用小波包变换对信号进行分解与重构,实现降噪的目的,通过对比降噪前后的频谱图,表明了小波包变换在信号处理方面的有效性,并将降噪后的信号用于有效特征提取和轴承运行故障诊断。(5)设计神经网络和证据理论相结合的决策层信息融合故障诊断系统,并通过仿真验证其有效性。对降噪后信号分别提取无量纲指标、多尺度散布熵、多尺度模糊熵三类特征指标并输入RBF神经网络进行轴承运行状态初步诊断,其输出结果作为D-S证据理论的输入,其诊断准确率作为基本概率分配进行决策层信息融合,通过MATLAB仿真验证该模型诊断准确率为100%,显著优于RBF神经网络单独诊断的系统,表明了在同源数据下通过多角度特征值提取自主构造多源证据体进行决策层信息融合方法的有效性。