[發明專利]一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法

在審

• 申請號: 201910196098.5
• 申請日: 2019-03-15
• 公開（公告）號: CN110031225A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 薛紅濤;周宇;江洪
• 申請（專利權）人: 江蘇大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06F17/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是包括以下步驟：

步驟1)采集不同轉速工況下輪轂電機正常和不同故障狀態的運行信息，運行信息包括電機振動信號x_i和狀態類型C，將振動信號x_i分段，分別計算每段的4個時域特征參數p₁、p₂、p₃、p₄和4個頻域特征參數P₅、P₆、P₇、P₈，再計算出這8個特征參數值的平均值μ_P和標準差σ_P，然后計算出各特征參數在各轉速工況下不同狀態之間的區分度指標值DI、各特征參數對兩種狀態的區分率DR和綜合權重指標值CDI，最后根據綜合權重指標值CDI從8個特征參數中提取出3個作為高敏感特征參數；

步驟2)根據人工碳氫網絡定義故障診斷模型s_C是對輪轂電機不同的運行狀態進行表征的運行狀態值，α是碳原子的碳值，P_n是提取出的3個高敏感特征參數，h_e是連接于碳原子的第e個氫原子的復雜常數，k是與中心碳原子相連的氫原子數量；

步驟3)對故障診斷模型進行逐次診斷：

第一次診斷：將最大的綜合權重指標值CDI對應的3個高敏感特征參數共同作為故障診斷模型的輸入，輸出第一個運行狀態值，若第一個運行狀態值小于預設閾值，則判斷運行狀態為正常，否則判斷為故障狀態：

第二次診斷：將中間值的綜合權重指標值CDI對應的3個高敏感特征參數共同作為故障診斷模型的輸入，輸出第二個運行狀態值，若第二個運行狀態值小于預設閾值，則判斷運行狀態為外圈故障，否則判斷為非外圈故障；

第三次診斷：將最小的綜合權重指標值CDI對應的3個高敏感特征參數共同作為故障診斷模型的輸入，輸出第三個運行狀態值，若第三個運行狀態值小于預設閾值，則判斷運行狀態為內圈故障，否則判斷為滾動體故障。

2.根據權利要求1所述的一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是：步驟3)中，對故障診斷模型進行逐次診斷后，用簧下質量加速度傳感器采集輪轂電機的振動信號x_i并傳遞至信號特征參數提取模塊作處理，得到高敏感特征參數，將高敏感特征參數提供給集成逐次診斷算法的ECU，ECU判斷出故障的狀態類型，將結果發送給診斷結果顯示模塊。

3.根據權利要求1所述的一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是：步驟2)中，4個時域特征參數是：x_pl是x_i中極大值x_pl，l＝1～N_p，N_p為x_i中極大值的總數。

4.根據權利要求3所述的一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是：

4個頻域特征參數是：f_j是振動信號的頻率，j＝1～J，J為采樣頻率的一半，F(f_j)是振動信號的頻譜。

5.根據權利要求4所述的一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是：8個特征參數值的平均值標準差(P)_k為特征參數的第k組的值，k＝1-n，n為振動信號的分段數。

6.根據權利要求5所述的一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是：區分度指標值μ_P1、μ_P2是該特征參數在同一車速下兩種不同狀態對應的平均值，σ_P1、σ_P2是對應的標準差。

7.根據權利要求6所述的一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是：區分率

8.根據權利要求7所述的一種基于人工碳氫網絡的輪轂電機軸承故障逐次診斷方法，其特征是：綜合權重指標值C是不同狀態類型的數目，D是待選取的高敏感特征參數的個數，DI_cd是第d個特征參數在第C種狀態類型下的區分度指標值DI，ω_cd為其權重系數。