基于粗糙集和人工碳氢网络的轮毂电机机械故障诊断方法技术

本发明专利技术公开一种对轮毂电机的机械故障进行诊断的基于粗糙集和人工碳氢网络的轮毂电机机械故障诊断方法，采集不同负载和转速下的轮毂电机的正常和故障状态振动信息，提炼出3个高敏感特征参数并离散化得到离散化后的特征参数，将离散化后的特征参数输入到人工碳氢网络模型中构建AHNs模型，对AHNs模型进行训练学习得到训练后的AHNs模型，并计算出其概率密度函数和隶属度函数，构建模糊诊断模型，将训练后的AHNs模型和模糊诊断模型相串联构成AHNs模糊诊断模型用于在线诊断，本发明专利技术基于粗糙集理论将原始特征参数离散化，有效降低模型运算量，减少车辆运行工况复杂多变对识别精度的影响程度，有效提高轮毂电机机械故障诊断的泛化性和鲁棒性。

【技术实现步骤摘要】
基于粗糙集和人工碳氢网络的轮毂电机机械故障诊断方法
本专利技术涉及故障诊断领域，是对轮毂电机的机械故障进行诊断的方法，涉及基于粗糙集和人工碳氢网络的轮毂电机机械故障的诊断方法。
技术介绍
轮毂电机是电动汽车“轮式驱动”的核心，相比于集中式驱动电动汽车，不仅集驱动、制动、承载等多种功能于一体，而且在能耗、传动效率等方面有较明显的优势，但同时也存在着安全性、可靠性，以及耐用性不足的问题。轮毂电机由于特殊的安装位置和汽车复杂的运行工况，极易诱发轮毂电机的机械故障，一旦一个或多个轮毂电机发生故障，就会产生相应的转矩脉动，效率下降，然后意外的偏航力矩将导致车辆行驶偏离，从而导致交通事故。因此，实现对轮毂电机机械故障的有效监测，提高诊断精度，是轮毂电机广泛应用于电动汽车的关键之一。粗糙集理论能够直接对数据进行分析和推理，并发现其隐含知识，挖掘出隐含规律，是处理不完整和不确定知识的有效工具。目前粗糙集理论已经广泛应用于机器学习、决策分析、数据挖掘等领域。中国专利公开号为CN110031225A的文献中提出了一种基于人工碳氢网络的轮毂电机轴承故本文档来自技高网...

【技术保护点】
1.一种基于粗糙集和人工碳氢网络的轮毂电机机械故障诊断方法，其特征是包括以下步骤：/n步骤(1)：采集不同负载和转速下的轮毂电机的正常状态和故障状态振动信息，提炼出振动信号的3个高敏感特征参数，对3个高敏感特征参数离散化得到离散化后的特征参数f(x)；/n步骤(2)：将离散化后的特征参数f(x)输入到人工碳氢网络模型中构建AHNs模型为

【技术特征摘要】
1.一种基于粗糙集和人工碳氢网络的轮毂电机机械故障诊断方法，其特征是包括以下步骤：
步骤(1)：采集不同负载和转速下的轮毂电机的正常状态和故障状态振动信息，提炼出振动信号的3个高敏感特征参数，对3个高敏感特征参数离散化得到离散化后的特征参数f(x)；
步骤(2)：将离散化后的特征参数f(x)输入到人工碳氢网络模型中构建AHNs模型为输出状态类型y；L是碳原子数，ωi是第i个碳原子值，hij是与第i个碳原子相连的第j个氢原子值，k是在第i个与碳原子连接的氢原子的数目；
步骤(3)：对AHNs模型进行训练学习，得到训练后的AHNs模型为并计算出其概率密度函数和隶属度函数p(y')，y'是由f(x)激发的学习后的AHNs模型输出的状态类型，ωi*、hij*分别是ωi、hij的最优值，μ和σ分别为数学期望值标准差；
步骤(4)：基于状态类型y'及其隶属度函数p(y')构建模糊诊断模型为p(y')＝max{p1(y'),p2(y'),…,pV(y'),pun(y')}，p1(y'),p2(y'),…,pV(y')是状态类型y'标示为1,2,…,V对应的隶属度函数，pun(y')是非标示的状态类型y'对应的隶属度函数；
步骤(5)：将所述的训练后的AHNs模型和所述的模糊诊断模型相串联构成AHNs模糊诊断模型用于在线诊断，所述的训练后的AHNs模糊诊断模型内置在集成诊断算法ECU中，采集到的实际振动信号经数据处理模块处理后输出的离散化的实际特征参数输入到集成诊断算法ECU3中，集成诊断算法ECU3先经所述的训练后的AHNs模型得到实际状态类型y”，再经所述的模糊诊断模型得到实际状态类型y”对应的隶属度函数p1(y"),p2(y"),…,pV...

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