【技术实现步骤摘要】
一种机车牵引电机轴承的振动加速度数据的清洗方法
本公开属于数据清洗领域，具体涉及一种机车牵引电机轴承的振动加速度数据的清洗方法。
技术介绍
机车牵引电机轴承的运行环境复杂，正常运行中伴随着较大的振动以及频繁变化的转速，这就导致传感器所采集的振动加速度数据包含有大量的无效点和异常离群点，而且振动加速度数据的幅值也会随着转速的变化发生相应的幅值调制；工程中需要利用从振动加速度数据中所提取的高维性能退化特征对机车牵引电机轴承进行实时的监测，但是这些不利因素不但会增大机车牵引电机轴承的监测难度，甚至会改变机车牵引电机轴承的性能退化模式，这会直接导致基于固定阈值的常规监测方法失效，无法可靠地对机车牵引电机轴承进行性能退化监测。因此，在提取高维性能退化特征之前，必须对振动加速度数据进行清洗，剔除异常数据和变转速带来的复制调制等不利影响因素之后，再从时域、频域、时频域等多角度对清洗过的振动加速度数据提取高维性能退化特征。针对变转速工况的常规数据清洗方法，有阶比分析通过软件方法或者硬件设备获得和振动数据同步对应的转速数据，再对变转速...
【技术保护点】
1.一种机车牵引电机轴承振动加速度数据清洗方法，包括如下步骤：/nS100：采集机车牵引电机轴承的振动加速度数据；/nS200：剔除所采集的振动加速度数据中的无效数据并清洗异常离群点；/nS300：对剔除无效数据和清洗异常离群点后的振动加速度数据进行量化处理，排除变转速导致的中的幅值调制现象，获得量化振动加速度数据；/nS400：提取量化振动加速度数据在不同转速工况下的量化高维性能退化特征；/nS500：计算每个量化高维性能退化特征的分散性，将所述分散性与阈值比对，根据比对结果对量化高维性能退化特征进行筛选。/n
【技术特征摘要】
1.一种机车牵引电机轴承振动加速度数据清洗方法，包括如下步骤：
S100：采集机车牵引电机轴承的振动加速度数据；
S200：剔除所采集的振动加速度数据中的无效数据并清洗异常离群点；
S300：对剔除无效数据和清洗异常离群点后的振动加速度数据进行量化处理，排除变转速导致的中的幅值调制现象，获得量化振动加速度数据；
S400：提取量化振动加速度数据在不同转速工况下的量化高维性能退化特征；
S500：计算每个量化高维性能退化特征的分散性，将所述分散性与阈值比对，根据比对结果对量化高维性能退化特征进行筛选。
2.根据权利要求1所述的方法，其中，优选的，步骤S200中，清洗所采集的振动加速度数据中异常离群点包括以下步骤：
S201：计算所采集的振动加速度数据的偏差绝对值的中值；
S202：根据所述振动加速度数据的偏差绝对值的中值确定数据清洗阈值范围；
S203：根据所述数据清洗阈值范围对所述振动加速度数据中是否存在异常离群点进行判断，并对异常离群点进行清洗。
3.根据权利要求2所述的方法，其中，步骤S201中，所述振动加速度数据的偏差绝对值的中值为：
Sm＝C·median|u(i)-um|
其中，median表示取中值，常数C表示统计学常量，C＝1.4826；um表示振动加速度数据u(i)的中值；
步骤S202中，所述数据清洗阈值范围为：
[um-3sm，um+3sm]。
4.根据权利要求2所述的方法，其中，步骤S203中，所述对异常离群点进行清洗通过以下方式进行：
取振动加速度数据邻近若干个样本的均值替代所述振动加速度数据，表达式为：
u(i)＝[…+u(i-2)+u(i-1)+u(i+1)+u(i+2)+…]/n
其中，u(i)为振动加速度数据，n为邻近样本点的总数，i为样本序号。
5.根据权利要求1所述的方法，其中，步骤S300包括以下步骤：
S301：对所述振动加速度数据进行希尔伯特变换，并通过包络分析获得包络数据；
S302：对包络数据的幅值降序排序，并求取前...
【专利技术属性】
技术研发人员：张兴武，白晓博，刘一龙，王诗彬，陈雪峰，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
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。