[發明專利]一種汽車發電機軸承故障診斷方法

有效

• 申請號: 201811025468.0
• 申請日: 2018-09-04
• 公開（公告）號: CN109187023B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 向家偉;王璐
• 申請（專利權）人: 溫州大學激光與光電智能制造研究院
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06K9/00;G06K9/62
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

本發明屬于汽車維修領域，涉及一種汽車發電機軸承故障診斷方法。首先，采集4通道發電機軸承故障信號，使用改進的固有時間尺度分解將每個通道的原始信號分解為固有旋轉分量和單調趨勢項。將固有旋轉分量按分解尺度重構成1組，計算各重構的固有旋轉分量的自相關系數，選取最大相關分量構造Hankel矩陣并進行增強多分辨奇異值分解，得到相應的近似信號和細節信號。最后，選取最優細節分量做希爾伯特包絡變換，確定故障類型。一方面利用改進的固有時間尺度分解并融合多通道信號，有效地提高信噪比，抑制噪聲；另一方面，增強多分辨奇異值分解進一步對信號細化提純，得到準確的故障信息，并通過希爾伯特包絡解調確定軸承故障類型。

技術領域

本發明屬于汽車維修領域，具體涉及一種汽車發電機軸承故障診斷方法。

背景技術

汽車發電機是汽車點火系統的重要組成部分，其功能是為汽車提供主要電源。發動機正常運轉時，發電機向起動機除外的所有用電設備供電，同時給蓄電池充電。發電機軸承的好壞直接影響到發電機的功能，關系到整車的運行狀況。因此，及時發現和診斷發電機軸承故障至關重要。當發電機軸承發生故障，特別是復合故障，其振動信號非平穩且特征非常復雜，并受環境中的噪聲污染。軸承故障沖擊十分微弱，從復雜的故障信號中提取出有用的信息難以實現。因此，如何盡早發現故障、診斷故障是目前學術界熱切關注的問題。

發明內容

本發明的目的是為了克服現有技術存在的缺點和不足，而提供一種汽車發電機軸承故障診斷方法。

本發明所采取的技術方案如下：一種汽車發電機軸承故障診斷方法，其特征在于包括以下步驟：

(1)采集4通道發電機軸承故障信號，利用改進的固有時間尺度分解將4通道原始信號進行分解：給定原始信號X(t)，改進的固有時間尺度分解將其自適應地分解為固有旋轉分量和單調趨勢項；

(2)信號重構：將同一尺度的固有旋轉分量疊加并取均值，得到一組增強的固有旋轉分量，計算各重構固有旋轉分量的自相關系數，選擇系數最大的分量；

(3)利用多分辨奇異值分解進一步提取故障特征信號：將系數最大的分量構造Hankel矩陣并進行增強多分辨奇異值分解，得到相應的近似信號和細節信號；

(4)診斷出軸承故障：對步驟(3)中獲得的故障特征最豐富的細節信號進行Hilbert包絡譜分析，提取故障特征信息，從而診斷出軸承的故障類型。

改進的固有時間尺度分解(Improved Intrinsic Time-scale Decomposition，IITD)，本質上是利用Akima插值法有效改善固有時間尺度分解(ITD)的毛刺和失真問題。IITD將原始信號分解為一系列固有旋轉分量(Proper Rotation Component，PRC)和一個單調趨勢項。ITD方法利用信號的線性變換提取基線信號，導致分解后的分量信號出現毛刺而失真，因此IITD采用Akima插值法改進前者的缺點。

步驟(1)中具體步驟如下：

第1步：尋找信號{X_t,t≥0}的所有局部極值點X_k及其對應的時刻τ_k(k＝1,2,...,M)，M是極值點總數，定義τ₀＝0；

第2步：定義LX_t＝L_t，HX_t＝H_t，在連續極值點區間[τ_k,τ_k+1]上定義分段的線性基線提取算子L：

式(1)中，

式(2)中，0α1；