基于AHN的轮毂电机轴承故障特征提取方法.docx

基于AHN的轮毂电机轴承故障特征提取方法
基于AHN的轮毂电机轴承故障特征提取方法
摘要：
轮毂电机是一种集成了电机和轮轴轴承的装置，用于驱动车辆的轮轴运转。轮毂电机轴承故障对车辆安全和性能产生严重影响，因此对轴承故障进行准确、及早的诊断是至关重要的。本文提出了一种基于AHN的轮毂电机轴承故障特征提取方法，通过对振动信号进行分析和处理，提取与轴承故障相关的特征，从而实现故障的准确诊断。
关键词：轮毂电机；轴承故障；特征提取；AHN
1.引言
随着汽车工业的快速发展，轮毂电机作为一种新型的驱动装置被广泛应用于电动汽车和混动车辆中。轮毂电机不仅可以提高驱动效率和节能环保，还可以减少车辆的整体重量和减少传动系统的复杂性。然而，轮毂电机的故障问题也日益凸显，其中轴承故障是最常见的故障类型之一。轴承故障不仅会产生噪音和振动，还会降低电机的工作效率，并严重影响车辆的安全性和性能。
2.相关工作
目前，对轮毂电机轴承故障的研究主要集中在两个方面：一是故障诊断方法的研究，二是故障特征提取方法的研究。故障诊断方法包括基于物理模型的方法、基于信号处理的方法和基于统计学的方法等，这些方法主要通过分析和处理采集到的轮毂电机振动信号来诊断故障。然而，由于轮毂电机的复杂性和非线性，传统的故障诊断方法在准确性和实时性上存在一定的局限性。
3.AHN模型介绍
本文采用AHN模型（Auto-regressiveHierarchyNoise）对轮毂电机振动信号进行分析和处理，实现对轴承故障的特征提取。AHN模型是一种非线性时序模型，通过自回归和噪声等级建模，可以较好地捕捉信号的非线性特征。
4.轮毂电机轴承故障特征提取方法
4.1数据采集和预处理
首先，我们需要采集轮毂电机的振动信号，并进行预处理。预处理包括去噪、滤波和降采样等步骤，以提高信号的质量和减少计算复杂性。
4.2AHN模型拟合
将预处理后的振动信号输入到AHN模型中进行拟合和参数估计。AHN模型的拟合过程中，首先选择合适的模型阶数和噪声等级，然后使用最小二乘法进行参数估计。
4.3特征提取
通过分析AHN模型的参数，可以提取与轴承故障相关的特征。常见的特征包括自回归系数、噪声系数和噪声等级等。这些特征能够反映出轴承故障对振动信号的影响程度，从而实现故障的准确诊断。
5.实验结果与分析
为验证提出的方法的有效性，我们进行了一系列实验。实验结果表明，基于AHN的轮毂电机轴承故障特征提取方法能够有效地提取与轴承故障相关的特征，并实现故障的准确诊断。
6.结论与展望
本文提出了一种基于AHN的轮毂电机轴承故障特征提取方法，通过分析和处理振动信号，提取与轴承故障相关的特征。实验结果表明，该方法能够有效地实现轴承故障的准确诊断。未来的工作可以继续优化方法的算法和参数选择，进一步提高诊断的准确性和实时性。
参考文献：
[1]L.Wang,etal.FaultdiagnosisofrollingbearingbasedonAHNmodelandenergyentropyofwaveletpacket.MechanicalSystemsandSignalProcessing,2015,60-61:746-760.
[2]Y.Zhang,etal.FaultdiagnosisforrollingbearingbasedonAHNandinformationentropydecomposition.JournalofVibroengineering,2018,20(2):870-882.
[3]Z.Fu,etal.Adeep-learning-basedapproachforfaultdiagnosisofrollerbearings.NeuralComputingandApplications,2019,31(10):6479-6490.