[發明專利]一種機車牽引電機軸承的振動加速度數據的清洗方法

有效

• 申請號: 202010019856.9
• 申請日: 2020-01-08
• 公開（公告）號: CN111175045B
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 張興武;白曉博;劉一龍;王詩彬;陳雪峰
• 申請（專利權）人: 西安交通大學
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

1.一種機車牽引電機軸承振動加速度數據清洗方法，包括如下步驟：

S100：采集機車牽引電機軸承的振動加速度數據；

S200：剔除所采集的振動加速度數據中的無效數據并清洗異常離群點，步驟S200包括以下步驟：

S201：計算所采集的振動加速度數據的偏差絕對值的中值；

所述振動加速度數據的偏差絕對值的中值為：

S_m＝C·median|u(i)-u_m|

其中，median表示取中值，常數C表示統計學常量，C＝1.4826；u_m表示振動加速度數據u(i)的中值；

S202：根據所述振動加速度數據的偏差絕對值的中值確定數據清洗閾值范圍；

所述數據清洗閾值范圍為：

[u_m-3s_m，u_m+3s_m]

若振動加速度數據u(i)不處于清洗閾值范圍[u_m-3s_m，u_m+3s_m]以外幅值最大的前70％內，則u(i)為正常點；若振動加速度數據u(i)處于清洗閾值范圍[u_m-3s_m，u_m+3s_m]以外幅值最大的前70％內，則u(i)為異常離群點；

S203：根據所述數據清洗閾值范圍對所述振動加速度數據中是否存在異常離群點進行判斷，并對異常離群點進行清洗；

所述對異常離群點進行清洗通過以下方式進行：

逐個樣本進行判斷，判斷樣本u(i)是否屬于步驟S202所述的清洗閾值范圍，如果樣本u(i)位于清洗閾值范圍內，取u(i)鄰近若干個樣本的均值替代u(i)，表達式為：

u(i)＝[…+u(i-2)+u(i-1)+u(i+1)+u(i+2)+…]/n

其中，u(i)為振動加速度數據，n為鄰近樣本點的總數，i為樣本序號；

S300：對剔除無效數據和清洗異常離群點后的振動加速度數據進行量化處理，排除變轉速導致的中的幅值調制現象，獲得量化振動加速度數據，步驟S300具體包括以下步驟：

S301：對所述振動加速度數據進行希爾伯特變換，并通過包絡分析獲得包絡數據；

S302：對包絡數據的幅值降序排序，并求取前m個幅值的均值；

S303：根據所述均值獲得量化振動加速度數據；

S400：提取量化振動加速度數據在不同轉速工況下的量化高維性能退化特征；

S500：計算每個量化高維性能退化特征的分散性，將所述分散性與閾值比對，根據比對結果對量化高維性能退化特征進行篩選。

2.根據權利要求1所述的方法，其中，步驟S301中，所述包絡數據為：

e(i)＝|x(i)+jH[x(i)]|

其中，H[·]表示希爾伯特變換；x_i表示量化性能退化特征，x(i)+jH[x(i)]為復數，|x(i)+jH[x(i)]|表示取該復數的模；

步驟S302中，所述包絡數據前m個幅值的均值為：

其中，max[e(i)]_m表示取包絡數據e(i)的前m個幅值最大的值的和；

步驟S303中，所述量化振動加速度數據為：

3.根據權利要求1所述的方法，其中，步驟S400中，所述量化高維性能退化特征表示為：

其中，d表示量化高維性能退化特征的總維度，即不同的性能退化特征；n表示量化每個性能退化特征的樣本總數；h表示轉速工況的種類；X₁′，X₂′，…，X_h′表示對應h種轉速工況下的量化高維性能退化特征。

4.根據權利要求1或3所述的方法，其中，所述量化高維性能退化特征包括：時域量化性能退化特征、頻域量化性能退化特征和時頻域量化性能退化特征。