一种轮毂轴承故障诊断方法.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CN109029996A(43)申请公布日2018.12.18(21)申请号201811057836.X(22)申请日2018.09.11(71)申请人温州大学苍南研究院地址325000浙江省温州市苍南县灵溪镇长海西电商科技园14栋D区二楼203室(72)发明人向家伟王璐(74)专利代理机构温州名创知识产权代理有限公司33258代理人陈加利(51)Int.Cl.G01M13/04(2006.01)权利要求书2页说明书5页附图7页(54)发明名称一种轮毂轴承故障诊断方法(57)摘要本发明属于汽车维修领域，涉及一种小波包增强经验模态分解的轮毂轴承故障诊断方法。首先，使用小波包分解对原始信号进行分解并得到子信号。将子信号中的最低频分量滤除，保留其余高频成分。其次，将这一系列子信号加入到原始信号中，使其均匀地分布在信号的整个时频空间上。再次，利用小波包增强的经验模态分解将混合信号进一步分解为若干个本征模函数，提取包含高故障特征信息的分量进行重构。最后，对重构信号作希尔伯特包络分析并诊断出轴承故障类型。本发明方法利用小波包分解，对原始信号精细分解并消噪，有效提高了信噪比；小波包增强的经验模态分解进一步将信号分解为不同时间尺度的局部特征信号，经包络解调可直观检测出轴承故障类型。CN109029996ACN109029996A权利要求书1/2页1.一种轮毂轴承故障诊断方法，其特征在于，所述诊断方法包含以下步骤：①获取汽车轮毂轴承的原始故障信号；②分解原始故障信号：利用小波包分解对原始故障信号进行分解并得到一系列子信号，剔除其中的最低频分量，保留包含故障信息的高频分量；③利用小波包增强模态分解并重构故障信号：将步骤②中所述子信号加入到所述原始故障信号中进行经验模态分解，从而自适应地分解为不同频带的分量，再根据峭度原则重构故障信号；④分析结果：将步骤③中所述的重构后的故障信号进行希尔伯特包络分析并计算得到分析结果；⑤诊断故障类型：计算轴承故障特征频率的理论值，将理论值与步骤④中的分析结果相比较，确定故障类型。2.根据权利要求1所述的一种轮毂轴承故障诊断方法，其特征在于：步骤②中所述的小波包分解是同时对原始信号进行高频分解和低频分解从而得到一个高频信号和一个低频信号，此后不断对得到的高频信号和低频信号做分解，所述小波包函数定义为：j为尺度参数，用以定位频率，k为平移参数，用以定位时间，m为振荡参数；小波包系数：表示在j层分解尺度下，第m个小波包系数；原始信号X(t)为N为信号长度；jj小波包分解一共产生2个小波包系数Cj,m，长度为N/2，小波包系数等式为3.根据权利要求1所述的一种轮毂轴承故障诊断方法，其特征在于：步骤③所述的小波包增强模态分解包含以下步骤：步骤一：对信号x(t)加入小波包分解的子信号w(j,m)，即xm(t)＝x(t)+w(j,m)；步骤二：对信号xm(t)进行经验模态分解；步骤三：重复步骤一至步骤二的过程m次，每重复一次就添加一个子信号；步骤四：将经过m次分解后得到的各阶本征模函数分量求均值，得到总体平均值Ij(t)，Ij(t)表示第j个本征模函数分量，Q表示分解次数。4.根据权利要求1所述的一种轮毂轴承故障诊断方法，其特征在于：步骤⑤中所述的轴承故障特征频率的理论值计算方法包括有轴承故障外圈特征频率计算方法与轴承内圈故障特征频率计算方法。5.根据权利要求1或4所述的一种轮毂轴承故障诊断方法，其特征在于：步骤⑤中所述的轴承故障特征频率的理论值计算方法包括有轴承内圈故障计算公式，所述计算公式为：2CN109029996A权利要求书2/2页fⅠ表示特征频率的理论值，n表示滚动体个数，d表示滚动体直径，D表示节圆直径，α表示轴承接触角。6.根据权利要求1或4所述的一种轮毂轴承故障诊断方法，其特征在于：步骤⑤中所述的轴承故障特征频率的理论值计算方法包括有轴承外圈故障计算公式，所述计算公式为：fⅠ表示特征频率的理论值，n表示滚动体个数，d表示滚动体直径，D表示节圆直径，α表示轴承接触角。3CN109029996A说明书1/5页一种轮毂轴承故障诊断方法技术领域[0001]本发明涉及汽车维修领域，尤其涉及一种小波包增强经验模态分解的轮毂轴承故障诊断方法。背景技术[0002]轴承作为一种支撑转动部件，广泛应用于旋转机械中。一辆汽车中就有不少于50套轴承安装在不同的旋转部位。轮毂轴承作为汽车悬架系统中的关键零部件，其作用包括承重、减小旋转副摩擦、传递扭矩、为轮毂转动提供精准引导等。轮毂轴承运转速度高，且同时承受径向重力载荷、转向时的轴向载荷和驱动轴的扭矩。因此，轮毂轴承的好坏直接影响汽车行驶时的安全性和舒适性。为了避免轮毂轴承故障引起的安全性问题，对轮毂轴承故障进行检测