[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

本發明公開純電動汽車驅動系統中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，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，計算出綜合權重指標值，根據綜合權重指標值提取出3個高敏感特征參數，根據人工碳氫網絡定義故障診斷模型，對故障診斷模型進行逐次診斷，可以有序地識別輪轂電機的故障狀態，提高輪轂電機軸承故障診斷的準確性和時效性，采用綜合權重指標值來評估特征參數作為故障識別指標的敏感性，能夠同時選取在不同轉速工況下對故障狀態均具有高敏感度的特征參數，突出輕微故障信息。

技術領域

本發明涉及狀態識別和故障智能診斷領域，尤其是純電動汽車驅動系統中的輪轂電機的軸承故障診斷方法。

背景技術

輪轂電機技術是純電動汽車驅動系統的重要部件，輪轂電機將驅動、制動、承載等功能集于一體，具有結構緊湊，控制靈活，傳動效率高等優勢。然而，汽車在行駛過程中會面臨不同速度下的多變行駛工況，這些條件會導致懸架對輪轂電機定子軸的垂向載荷更加劇烈，路面對輪轂電機轉子的沖擊更強烈，極易誘發輪轂電機的轉子軸承局部磨損等軸承故障，使得電機振動增強、溫升加劇、效率下降，從而引起二次電氣故障，嚴重影響整車運行安全，因此，需要在不同工況下對輪轂電機典型的軸承故障進行監測，提高輪轂電機故障診斷的準確性和時效性。

關于軸承運行狀態的監測和診斷技術，在中國專利申請號為201810335688.7的文獻中提出一種基于輪轂電機偏心與退磁故障解耦診斷方法，該方法通過安裝霍爾傳感器獲取軸向上的磁感應強度，依據故障特征值識別故障，達到偏心與退磁耦合故障解耦診斷的目的。但是車載電源的輸出電壓在車輛運行過程中是波動的，不能有效提取表征其軸承故障狀態的電信號特征，同時，軸承在運行過程中產生的振動及其特征信息反映了其運行狀態的變化，因此有效地分析振動信號、提煉出對故障類型敏感度高的特征參數是精確診斷的關鍵。2013年LiK等在雜志《Sensors》(第12卷第5期)的“An Intelligent DiagnosisMethod for Rotating Machinery Using Least Squares Mapping and a Fuzzy NeuralNetwork”論文中公布了一種綜合區分度指標法(Synthetic detection index,SDI)用于提取多個敏感特征參數，它由多個狀態下的DI值組成，但是該方法忽略了通常情況下軸承設備均有多種工況，不能夠選取對多種工況均高度敏感的特征參數。

發明內容

針對上述問題，本發明提供一種基于人工碳氫網絡的輪轂電機軸承故障診斷方法，能解決電信號抗干擾能力弱的問題，在多種轉速工況下有效地識別不同軸承故障類型，提高輪轂電機的運行安全。

本發明提出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：