一种汽车轮毂轴承故障特征提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109655267A(43)申请公布日2019.04.19(21)申请号201910011209.0(22)申请日2019.01.07(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人李仲兴殷苏群薛红涛江洪(51)Int.Cl.G01M13/045(2019.01)权利要求书2页说明书5页附图2页(54)发明名称一种汽车轮毂轴承故障特征提取方法(57)摘要本发明公开汽车轮毂轴承故障诊断领域中的一种汽车轮毂轴承故障特征提取方法，首先将监测信号分割成多个窗口以模拟碳氢分子，其中窗口的大小以自相关系数为优化目标确定，然后以峭度确定每一窗口内振动信号的能量值从而构建人工碳氢网络模型，最后根据化合物的行为信息函数实现信号中高低频信号的分离，基于正态分布3σ原则提取出故障特征信号；本发明针对汽车轮毂轴承信号含有间歇性强干扰信号的特点，避免了手动选取的不确定性，实现高效率诊断，成功提取间歇性强干扰的噪音下汽车轮毂轴承的故障特征。CN109655267ACN109655267A权利要求书1/2页1.一种汽车轮毂轴承故障特征提取方法，其特征是包括如下步骤：步骤A：获取轴承在垂直方向上的加速度信号，根据加速度信号计算出轴承振动信号y(t)；步骤B：将振动信号y(t)分割为n个窗口，n≥2，初始化窗口个数为2；步骤C：用峭度K估计每一窗口内振动信号y(t)的能量值，得到每一窗口的相应结构的碳氢分子，搭建人工碳氢网络模型由人工碳氢网络模型输出低频信号l2(t)；步骤D：逐一增加窗口个数，每次增加一个窗口个数都重复步骤C，得到对应的低频信号l3(t)，l4(t)，…ln(t)；步骤E：根据式计算出循环结束指标Q，将Q与预设的阈值A作比较，若Q超过阈值A，则窗口个数n即为最佳窗口大小，得到最佳窗口下的低频信号l(t)；Rn表示低频信号ln(t)与ln-1(t)之间的自相关系数，Rn-1表示低频信号ln-1(t)与ln-2(t)之间的自相关系数；步骤F：根据最佳窗口下的低频信号l(t)和振动信号y(t)提取出故障特征信号h(t)。2.根据权利要求1所述的一种汽车轮毂轴承故障特征提取方法，其特征是：步骤C中，峭度N表示信号采样点的个数，yi表示第i个采样点对应的振动信号值，σ表示信号的标准差，表示信号的均值。3.根据权利要求2所述的一种汽车轮毂轴承故障特征提取方法，其特征是：根据式计算出所有窗口的峭度K值的均值Kmean，Kj是第j个窗口内信号的K值，1≤j≤n；当Kj≤Kmean时，则该窗口信号对应的碳氢分子为CH2，当Kh>Kmean时，该窗口信号对应的碳氢分子为CH3，搭建人工碳氢网络模型输出低频信号l2(t)；x表示自变量x是时间t1，t2，……，tN-1，tN，N表示信号采样点的个数，r表示与碳原子相连的氢原子个数，hm表示碳氢分子中第m个氢原子的值。4.根据权利要求1所述的一种汽车轮毂轴承故障特征提取方法，其特征是：步骤E中，自相关系数R表示Rn或Rn-1，ln(i)表示窗口个数为n时人工碳氢网络模型输出的信号,表示其均值；ln-1(i)表示窗口个数为n-1时人工碳氢网络模型输出的信号，表示其均值。5.根据权利要求1所述的一种汽车轮毂轴承故障特征提取方法，其特征是：步骤F中，计算故障特征信号h(t)的均值μ和方差σh(t)，若故障特征信号h(t)在区间[μ-3σh(t),μ+3σh(t)]内，则h(t)＝0，否则h(t)不变。6.根据权利要求1所述的一种汽车轮毂轴承故障特征提取方法，其特征是：步骤F中，根2CN109655267A权利要求书2/2页据式h(t)＝y(t)-l(t)提取出故障特征信号h(t)。3CN109655267A说明书1/5页一种汽车轮毂轴承故障特征提取方法技术领域[0001]本发明属于汽车轮毂轴承故障诊断领域，更具体地说涉及一种基于自相关系数和人工碳氢网络(ArtificialHydrocarbonNetworks，简称AHNs)的汽车轮毂轴承故障特征提取方法。背景技术[0002]应用于电动汽车轮毂电机的轴承安装在电机转子轴上，起到了支撑和降低摩擦系数的作用，所以轴承的性能和寿命直接决定了轮毂电机的运行性能。然而车辆复杂多变的行驶工况和轮毂电机独特的安装位置极易诱发轴承局部磨损等机械故障，进而引发轮毂损坏，严重时可能导致汽车在行驶路途中发生方向失控，对乘员的安全造成伤害。另一方面，车辆行驶过程中电机受到来自路面及悬架引起的随机振动或强烈冲击，轴承振动信号中往往含有间歇性强干扰信号，呈现出较强的非平稳性，加大了对轴承故障特征信号提取的难度。轮毂轴承故障产生的主要原因是内圈、外圈和滚动体出现损伤，从而在运行过程中产生异