[發明專利]基于最佳品質因子選取的汽車輪轂軸承故障特征提取方法

有效

• 申請號: 201810864229.8
• 申請日: 2018-08-01
• 公開（公告）號: CN109100144B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 李仲興;周莊;薛紅濤;江洪
• 申請（專利權）人: 江蘇大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于最佳品質因子選取的汽車輪轂軸承故障特征提取方法，首先采集振動信號，再初始化共振稀疏分解參數，然后利用逐次優化算法，以RSK指數為目標函數，獲得最佳品質因子，最后將信號最佳品質因子下進行共振稀疏分解得到的低共振分量進行包絡分析，得到包絡譜，從而有效提取故障特征；本發明避免了傳統共振稀疏分解方法中品質因子由手動選擇隨意性大、帶來的不確定性、難以獲得理想分解效果的問題，可以自適應地選擇最佳品質因子，能有效提取出在間歇性強干擾的噪音下汽車輪轂軸承的故障特征。

技術領域

本發明屬于汽車輪轂軸承故障診斷領域，更具體地說涉及一種基于共振稀疏分解的最佳品質因子選取的汽車輪轂軸承故障特征提取方法。

背景技術

汽車輪轂軸承是汽車傳動和承載的重要部件之一，既承受軸向載荷又承受徑向載荷，其性能會直接影響汽車行駛的安全性和乘客乘坐的舒適性。由于汽車的行駛工況復雜多變，輪轂軸承常常處于高負荷、頻繁變速變載的工作環境中，極易誘發局部磨損等機械故障，進而引發輪轂損壞，嚴重時可能導致汽車在行駛路途中發生方向失控。輪轂軸承故障產生的主要原因是內圈、外圈和滾動體出現損傷，從而在運行過程中產生異常的振動響應。當輪轂軸承旋轉經過損傷位置時，振動信號中會產生周期性的瞬態沖擊作用力，此沖擊對應的頻率即為故障特征頻率。因此，實現汽車輪轂軸承的故障診斷，對于乘員的生命財產安全及道路交通安全具有重要意義。

目前，常用的軸承故障特征提取方法主要有傅里葉變換、小波變換、統計濾波等。然而，汽車輪轂軸承運行工況復雜多變，又常常處間歇性強干擾噪聲情況下，通過傅里葉變換等傳統方法很難完全提取出故障特征。為了更好地實現軸承故障診斷，2011年紐約大學的Selesnick,IW在會議Conference on Wavelets and Sparsity XIV發表的名為“Sparsesignal representations using the tunable Q-factor wavelet transform”的論文中提出了共振稀疏分解和可調品質因子小波變換方法。但是其品質因子為人為經驗設定，隨意性太大，無法準確實現故障特征提取。在中國申請專利號為CN201210515071.6文獻中提出了一種基于復合Q因子基算法的軸承故障診斷方法，分別用高Q和低Q因子基匹配軸承的正常振動成分和故障沖擊成分。然而，其高Q和低Q因子基通過人為經驗手動選取隨意性太大，無法實現最佳分解。又如中國申請專利號為CN201610916137.0文獻中提出一種基于自適應共振稀疏分解理論的風電齒輪箱故障診斷方法，利用遺傳算法對共振稀疏分解的品質因子和比例系數同時進行優化，得到最佳參數矩陣，從而實現故障信號的共振稀疏分解。然而，其遺傳算法的適應度函數無法準確評價信號沖擊成分與正常成分，并且遺傳算法遺傳代數和種群數量的選擇會造成計算過于繁瑣。

發明內容

針對現有共振稀疏分解品質因子選擇隨意性大的問題，本發明提出一種基于共振稀疏分解的最佳品質因子選取的汽車輪轂軸承故障特征提取方法，通過逐次優化算法選取共振稀疏分解的最佳品質因子，進而有效分解具有瞬態沖擊成分信號的低共振分量和具有諧波成分的高共振分量，并基于最佳品質因子實現汽車輪轂軸承故障特征提取。

本發明是通過以下技術方案實現：包括以下步驟：

步驟一：采集汽車輪轂軸承振動信號x；

步驟二：設置初始的共振稀疏分解參數，高品質因子Q_h＝3，冗余度r_h＝3，分解層數J_h＝30；低品質因子Q_l＝1，冗余度r_l＝3，分解層數J_l＝11；

步驟三：對高品質因子、低品質因子逐次優化，獲得最佳高共振分量x_h^*和最佳低共振分量x_l^*；

所述的逐次優化方法的實現步驟是：