当前位置: 首页 > 专利查询>江苏大学专利>正文

一种基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法技术

技术编号:21656002 阅读:22 留言:0更新日期:2019-07-20 05:02
本发明专利技术公开纯电动汽车驱动系统中的一种基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法,采集不同转速工况下轮毂电机正常和不同故障状态的运行信息,计算出综合权重指标值,根据综合权重指标值提取出3个高敏感特征参数,根据人工碳氢网络定义故障诊断模型,对故障诊断模型进行逐次诊断,可以有序地识别轮毂电机的故障状态,提高轮毂电机轴承故障诊断的准确性和时效性,采用综合权重指标值来评估特征参数作为故障识别指标的敏感性,能够同时选取在不同转速工况下对故障状态均具有高敏感度的特征参数,突出轻微故障信息。

A successive fault diagnosis method for hub motor bearing based on artificial hydrocarbon network

【技术实现步骤摘要】
一种基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法
本专利技术涉及状态识别和故障智能诊断领域,尤其是纯电动汽车驱动系统中的轮毂电机的轴承故障诊断方法。
技术介绍
轮毂电机技术是纯电动汽车驱动系统的重要部件,轮毂电机将驱动、制动、承载等功能集于一体,具有结构紧凑,控制灵活,传动效率高等优势。然而,汽车在行驶过程中会面临不同速度下的多变行驶工况,这些条件会导致悬架对轮毂电机定子轴的垂向载荷更加剧烈,路面对轮毂电机转子的冲击更强烈,极易诱发轮毂电机的转子轴承局部磨损等轴承故障,使得电机振动增强、温升加剧、效率下降,从而引起二次电气故障,严重影响整车运行安全,因此,需要在不同工况下对轮毂电机典型的轴承故障进行监测,提高轮毂电机故障诊断的准确性和时效性。关于轴承运行状态的监测和诊断技术,在中国专利申请号为201810335688.7的文献中提出一种基于轮毂电机偏心与退磁故障解耦诊断方法,该方法通过安装霍尔传感器获取轴向上的磁感应强度,依据故障特征值识别故障,达到偏心与退磁耦合故障解耦诊断的目的。但是车载电源的输出电压在车辆运行过程中是波动的,不能有效提取表征其轴承故障状态的电信号特征,同时,轴承在运行过程中产生的振动及其特征信息反映了其运行状态的变化,因此有效地分析振动信号、提炼出对故障类型敏感度高的特征参数是精确诊断的关键。2013年LiK等在杂志《Sensors》(第12卷第5期)的“AnIntelligentDiagnosisMethodforRotatingMachineryUsingLeastSquaresMappingandaFuzzyNeuralNetwork”论文中公布了一种综合区分度指标法(Syntheticdetectionindex,SDI)用于提取多个敏感特征参数,它由多个状态下的DI值组成,但是该方法忽略了通常情况下轴承设备均有多种工况,不能够选取对多种工况均高度敏感的特征参数。
技术实现思路
针对上述问题,本专利技术提供一种基于人工碳氢网络的轮毂电机轴承故障诊断方法,能解决电信号抗干扰能力弱的问题,在多种转速工况下有效地识别不同轴承故障类型,提高轮毂电机的运行安全。本专利技术提出的一种基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法是包括以下步骤:步骤1)采集不同转速工况下轮毂电机正常和不同故障状态的运行信息,运行信息包括电机振动信号xi和状态类型C,将振动信号xi分段,分别计算每段的4个时域特征参数p1、p2、p3、p4和4个频域特征参数P5、P6、P7、P8,再计算出这8个特征参数值的平均值μP和标准差σP,然后计算出各特征参数在各转速工况下不同状态之间的区分度指标值DI、各特征参数对两种状态的区分率DR和综合权重指标值CDI,最后根据综合权重指标值CDI从8个特征参数中提取出3个作为高敏感特征参数;步骤2)根据人工碳氢网络定义故障诊断模型sC是对轮毂电机不同的运行状态进行表征的运行状态值,α是碳原子的碳值,Pn是提取出的3个高敏感特征参数,he是连接于碳原子的第e个氢原子的复杂常数,k是与中心碳原子相连的氢原子数量;步骤3)对故障诊断模型进行逐次诊断:第一次诊断:将最大的综合权重指标值CDI对应的3个高敏感特征参数共同作为故障诊断模型的输入,输出第一个运行状态值,若第一个运行状态值小于预设阈值,则判断运行状态为正常,否则判断为故障状态:第二次诊断:将中间值的综合权重指标值CDI对应的3个高敏感特征参数共同作为故障诊断模型的输入,输出第二个运行状态值,若第二个运行状态值小于预设阈值,则判断运行状态为外圈故障,否则判断为非外圈故障;第三次诊断:将最小的综合权重指标值CDI对应的3个高敏感特征参数共同作为故障诊断模型的输入,输出第三个运行状态值,若第三个运行状态值小于预设阈值,则判断运行状态为内圈故障,否则判断为滚动体故障。本专利技术采用上述方案后的有益效果是:1、本专利技术通过振动信号来对轮毂电机的运行状态进行监测,相比于电信号,振动信号干抗干扰能力强,能够突出轻微故障信息。2、本专利技术提出一种综合权重指标值(Compounddistinguishindex,CDI)来评估特征参数作为故障识别指标的敏感性,能够同时选取在不同转速工况下对故障状态均具有高敏感度的特征参数。3、本专利技术提出的基于人工碳氢网络的轮毂电机轴承故障逐次诊断模型,可以有序地识别轮毂电机的故障状态,提高轮毂电机轴承故障诊断的准确性和时效性。附图说明下面结合附图和具体实施方式对本专利技术技术方案作进一步的详细描述。图1为本专利技术第一阶段的轮毂电机轴承故障诊断模型建立流程图;图2为获得高敏感特征参数集的复合区分度指标方法流程图;图3为DR与DI的对应关系图:图4为ωij与DI值的对应关系图;图5为基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法流程图;图6为本专利技术实现第二阶段的逐次诊断模块化结构图。具体实施方式本专利技术一种基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法包括两个阶段,第一阶段为基于状态监测数据的轮毂电机轴承故障诊断模型的建立;第二阶段为基于故障诊断模型的轴承故障在线逐次诊断阶段。如图1和图2所示,第一阶段的轮毂电机轴承故障诊断模型建立的具体步骤如下:步骤一:采集并整理不同转速工况下轮毂电机正常和不同故障状态的运行信息作为建立故障诊断模型的离线数据,运行信息具体包括电机转速分别为500rpm、1000rpm和1500rpm这三种转速工况下的轮毂电机振动信号xi,i=1~N,N为采样点数,还包括振动信号xi的状态类型C,状态类型C是正常、外圈故障、内圈故障和滚动体故障这四种状态,每种振动信号xi的采样频率为100000Hz,采样时间为20s,采集的振动信号均为时域信号。步骤二:将采集的每种振动信号xi按0.3s间隔等分为60段,分别计算每段振动信号xi的时域和频域的特征参数,并提炼出对轮毂电机运行状态区分度明显的高敏感特征参数集。时域和频域特征参数是设备运行过程中监测信号的重要表征,其中时域特征参数表征时间序列信号的特征,频域特征参数表征光谱波形的特征,能够反映同频信号的能量,从而呈现出设备因故障在频率上发生的变化。本专利技术提出了以提炼高敏感特征参数为目标的复合区分度指标(CDI),参见图2,具体步骤如下:(1)针对轮毂电机多种运行工况,从时域和频域中预选出8个反映轮毂电机运行状态的常用特征参数,在将振动信号xi间隔等分为60段的基础上分别计算每种振动信号xi的8个特征参数。具体的8个参数如下:振动信号xi的平均值和标准差分别为定义xi中极大值xpl,l=1~Np,Np为xi中极大值的总数,则常见的4个时域特征参数是:将振动信号xi的时域信号经傅里叶变换后转化为频域信号,设fj是振动信号的频率,j=1~J,J为采样频率的一半,振动信号的频谱是F(fj),则常见的4个频域特征参数是:计算完成后,因为每种振动信号xi间隔等为60段,所以每种振动信号xi得到60组特征参数组,每组特征参数组包含8个特征参数值。(2)根据计算得到的特征参数组,分别计算三种转速工况下轮毂电机正常和三种不同故障状态(外圈故障、内圈故障和滚动体故障)的8个特征参数值的平均值μP和标准差σP,某一转速车况下某一特征参数的平均值μP和标准差σP用下式计算:式中(P)k表本文档来自技高网
...

【技术保护点】
1.一种基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法,其特征是包括以下步骤:步骤1)采集不同转速工况下轮毂电机正常和不同故障状态的运行信息,运行信息包括电机振动信号xi和状态类型C,将振动信号xi分段,分别计算每段的4个时域特征参数p1、p2、p3、p4和4个频域特征参数P5、P6、P7、P8,再计算出这8个特征参数值的平均值μP和标准差σP,然后计算出各特征参数在各转速工况下不同状态之间的区分度指标值DI、各特征参数对两种状态的区分率DR和综合权重指标值CDI,最后根据综合权重指标值CDI从8个特征参数中提取出3个作为高敏感特征参数;步骤2)根据人工碳氢网络定义故障诊断模型

【技术特征摘要】
1.一种基于人工碳氢网络的轮毂电机轴承故障逐次诊断方法,其特征是包括以下步骤:步骤1)采集不同转速工况下轮毂电机正常和不同故障状态的运行信息,运行信息包括电机振动信号xi和状态类型C,将振动信号xi分段,分别计算每段的4个时域特征参数p1、p2、p3、p4和4个频域特征参数P5、P6、P7、P8,再计算出这8个特征参数值的平均值μP和标准差σP,然后计算出各特征参数在各转速工况下不同状态之间的区分度指标值DI、各特征参数对两种状态的区分率DR和综合权重指标值CDI,最后根据综合权重指标值CDI从8个特征参数中提取出3个作为高敏感特征参数;步骤2)根据人工碳氢网络定义故障诊断模型sC是对轮毂电机不同的运行状态进行表征的运行状态值,α是碳原子的碳值,Pn是提取出的3个高敏感特征参数,he是连接于碳原子的第e个氢原子的复杂常数,k是与中心碳原子相连的氢原子数量;步骤3)对故障诊断模型进行逐次诊断:第一次诊断:将最大的综合权重指标值CDI对应的3个高敏感特征参数共同作为故障诊断模型的输入,输出第一个运行状态值,若第一个运行状态值小于预设阈值,则判断运行状态为正常,否则判断为故障状态:第二次诊断:将中间值的综合权重指标值CDI对应的3个高敏感特征参数共同作为故障诊断模型的输入,输出第二个运行状态值,若第二个运行状态值小于预设阈值,则判断运行状态为外圈故障,否则判断为非外圈故障;第三次诊断:将最小的综合权重指标值CDI对应的3个高敏感特征参数共同作为故障诊断模型的输入,输出第三个运行状态值,若第三个运行状态值小于预设阈值,则判断运行状态为内圈故障,否则判断为滚动体故障。2.根据权利要求1...

【专利技术属性】
技术研发人员:薛红涛周宇江洪
申请(专利权)人:江苏大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1