基于最佳品质因子选取的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CN109100144A(43)申请公布日2018.12.28(21)申请号201810864229.8(22)申请日2018.08.01(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)发明人李仲兴周庄薛红涛江洪(51)Int.Cl.G01M13/04(2006.01)G06K9/00(2006.01)权利要求书2页说明书6页附图4页(54)发明名称基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法(57)摘要本发明公开一种基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法，首先采集振动信号，再初始化共振稀疏分解参数，然后利用逐次优化算法，以RSK指数为目标函数，获得最佳品质因子，最后将信号最佳品质因子下进行共振稀疏分解得到的低共振分量进行包络分析，得到包络谱，从而有效提取故障特征；本发明避免了传统共振稀疏分解方法中品质因子由手动选择随意性大、带来的不确定性、难以获得理想分解效果的问题，可以自适应地选择最佳品质因子，能有效提取出在间歇性强干扰的噪音下汽车轮毂轴承的故障特征。CN109100144ACN109100144A权利要求书1/2页1.一种基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法，其特征是包括以下步骤：步骤一：采集汽车轮毂轴承振动信号x；步骤二：设置初始的共振稀疏分解参数，高品质因子Qh＝3，冗余度rh＝3，分解层数Jh＝30；低品质因子Ql＝1，冗余度rh＝3，分解层数Jl＝11；*步骤三：对高品质因子、低品质因子逐次优化，获得最佳高共振分量xh和最佳低共振分*量xl；*步骤四：对最佳低共振分量xl进行包络解调，获得包络谱xb；步骤五：提取包络谱xb中的特征频率fo及其倍频，得到汽车轮毂轴承故障特征。2.根据权利要求1所述的基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法，其特征是：步骤三中所述的逐次优化方法的实现步骤是：步骤A：保持高品质因子Qh＝3不变，低品质因子Qlp＝1+0.1(p-1)，p为低品质因子的自变量，p＝1；步骤B：用高品质因子Qh和低品质因子Qlp运行共振稀疏分解，获得高品质因子Qh变换的基函数Dh和低品质因子Qlp变换的基函数Dlp，构造优化目标函数whp、wlp分别表示基函数Dh和Dlp的变换系数；λh和λl为正则化参数；采用分裂增广拉格朗日收缩算法对目标函数进行迭代计算，获**得高共振分量和低共振分量分别为：whp、wlp分别为L(whp,wlp)最小时所对应的高共振变换系数和低共振变换系数；步骤C：将高共振分量xhp和低共振分量xlp代入目标函数μ和σ分别为xlp的均值和标准差；步骤D：判断p是否大于20，若否，则p加1后返回步骤B；若是，则继续步骤E：*步骤E：求出RSKp的最小值及对应的Qlp，则对应的Qlp为最佳低品质因子Ql；*步骤F：保持最佳低品质因子Ql不变，高品质因子Qhq＝3+0.1(q-1)，q为高品质因子的自变量，q＝1；*步骤G：用高品质因子Qhq和最佳低品质因子Ql运行共振稀疏分解，获得了高共振分量xhq和低共振分量xlq；步骤H：将高共振分量xhq和低共振分量xlq代入目标函数μ和σ分别为xlq的均值和标准差；步骤I：判断q是否大于20，若否，则q加1后返回步骤G，若是，则继续步骤J；*步骤J：求出RSKq的最小值及对应的Qhq，将对应的Qhq为最佳高品质因子Qh；**步骤K：用最佳高品质因子Qh和最佳低品质因子Ql运行共振稀疏分解，获得最佳高共振**分量xh和低共振分量xl。3.根据权利要求1所述的基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法，2CN109100144A权利要求书2/2页其特征是：步骤一中，汽车轮毂轴承振动信号x的采样频率fs为100kHz，高采样时间t为0.5s，采样点数N为50000。4.根据权利要求1所述的基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法，其特征是：步骤二中，分解层数Jh、Jl分别由最大值Jhmax、最小值Jlmax确定：1≤Jh≤Jhmax,1≤Jl≤Jlmax，N为汽车轮毂轴承振动信号x的采样点数，为向下取整符号。5.根据权利要求1所述的基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法，其特征是：步骤五中，如果特征频率fo与轴承外圈故障通过频率相等，或成倍数关系，则fo为汽车轮毂轴承故障特征；轴承外圈故障通过频率n为轴承滚动体个数,fr为轴承转动频率，d为轴承滚动体直径，S为轴承节径，α为轴承接触角。6.根据权利要求2所述的基于最佳品质因子选取的汽车轮毂轴承故障特征提取方法，其特征是：步骤B中，将振动信号x输入到由高共振分量对应的共振稀疏分解参数Qh＝3，rh＝3，Jh＝30确定的滤波器组，获得高