一种液压助力转向器故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种液压助力转向器故障诊断方法及装置，方法包括：获取转向器不同退化程度下的转矩、液压油压力、液压油流量、输入角度信号数据；对数据截取转速平稳段信号并去除信号趋势；计算信号的时域特征统计量，排除无关时域特征统计量，不同退化程度的特征向量组成时域特征矩阵；利用PCA算法对时域特征矩阵进行降维处理，得到新的时域特征矩阵；对不同退化程度的与健康状态的新的时域特征矩阵做欧氏距离求解，欧氏距离越大代表该信号与健康状态信号相似度越小。本发明专利技术成功将时域特征统计量用于转矩、液压油压力、液压油流量实验信号中并且克服了特征信息复杂且无规律的问题，在液压助力转向器在线监测领域具有独特的优势。势。势。

【技术实现步骤摘要】
一种液压助力转向器故障诊断方法及装置


[0001]本专利技术涉及转向器退化程度诊断领域，尤其是一种液压助力转向器故障诊断方法及装置。

技术介绍

[0002]转向器是车辆行驶与转向的重要部件，钻研转向器退化程度诊断技术，对于保障车辆安全运行、维持路面交通情况具有十分重要的意义。
[0003]液压助力转向系统结构的强耦合和层次性使其拥有多种故障源，对故障诊断造成很大困难。目前，液压助力转向系统故障诊断方法是在液压助力转向系统结构与工作原理的基础上，根据转向沉重、左转右转存在差异、方向盘自由行程过大等故障表现进行原因分析与故障排查的，传统的故障诊断都是针对单一部件进行的而且效率低下。

技术实现思路

[0004]针对液压助力转向器故障特征难以提取的问题，本文提出一种利用性能信号+PCA+欧氏距离的退化程度诊断方法，该方法比传统的通过液压助力转向器结构和故障表现进行故障分析的方法具有更高的诊断效率。
[0005]为实现上述技术目的，专利技术人提供一种液压助力转向器故障诊断方法，包括以下步骤：
[0006]获取转向器在健康状态、不同退化程度以及当前状态的转向相关数据，所述转向相关数据包括方向盘输入转矩信号、方向盘输入角度信号，转向器的液压油压力信号、液压油流量信号、液压油温度信号、输出角度信号；
[0007]对所述转向相关数据进行预处理，所述预处理是指截取方向盘输入转速平稳阶段的数据；
[0008]对经过预处理的数据分别计算健康状态、不同退化程度以及当前状态的时域特征参量，保留与退化程度之间具有线性关系的时域特征参量，并将保留的健康状态、不同退化程度以及当前状态的数据分别组成对应的时域特征矩阵；
[0009]求出当前状态与健康状态的时域特征矩阵的第一欧氏距离，求出各个退化状态与健康状态的时域特征矩阵的第二欧氏距离，通过对比第一欧式距离和第二欧氏距离，从而判断当前状态的退化程度。
[0010]可选地，所述截取方向盘输入转速平稳阶段的数据包括：
[0011]根据采样频率计算出方向盘输入角度信号两采样点之间的时间间隔，根据方向盘输入转速计算出转速平稳阶段两采样点间的方向盘输入角度变化量，并截取该转速平稳阶段的数据，其公式如下：其中，θ表示方向盘输入角度变化量，n表示转速，f表示采样频率。
[0012]可选地，所述时域特征参量包括均值征参量包括均值
[0013]均方根x
rms
，其中
[0014]标准差x
std
，其中
[0015]峭度x
kur
，其中
[0016]偏度x
ske
，其中
[0017]波形因子w
s
，其中
[0018]峰值X
peak
,其中X
pi
为转向相关数据序列中第i个峰值；
[0019]裕度因子C
e
，
[0020]其中，x
i
代转向相关数据序列；i代表转向相关数据的采样点。
[0021]可选地，在求出当前状态与健康状态的时域特征矩阵的第一欧氏距离，求出各个退化状态与健康状态的时域特征矩阵的第二欧氏距离之前，还利用PCA算法对所述时域特征矩阵进行降维，提取时域特征主分量，由所述时域特征主分量组成时域特征矩阵。
[0022]可选地，利用PCA算法对所述时域特征矩阵进行降维，提取时域特征主分量，由所述时域特征主分量组成时域特征矩阵，包括：
[0023]对所述时域特征矩阵进行标准化，形成标准化样本矩阵
[0024]其中，Q是Y的样本方差矩阵的平方根的逆，Y是经过数据中心化后的时域特征矩阵；
[0025]计算的样本协方差矩阵的特征值λ1，
……
λ
m
以及特征向量，其中m表示有m个特征值；
[0026]计算方差累计贡献率，当方差累计贡献率大于等于85％时，利用计算获得降维后的时域特征矩阵，其中，是前h个特征向量构成矩阵的转置矩阵，Y
PCA
是经过PCA降维后前h个特征向量组成的时域特征矩阵。
[0027]可选地，所述退化程度是通过将液压加载周期力冲击转向器的转向摇臂的循环冲击次数与不同百分比的退化程度建立关联来确定的。
[0028]可选地，设定所述循环冲击次数为W次与退化程度100％对应，相应的，设定健康状
态是所述循环冲击次数为0次。
[0029]可选地，所述退化程度至少包括50％退化状态、100％退化状态、125％退化状态、150％退化状态中的一个。
[0030]可选地，所述预处理还包括对转速平稳阶段的数据去除所截取数据的趋势。
[0031]本专利技术还提供一种液压助力转向器故障诊断装置，包括：
[0032]转向数据获取模块，用于获取转向器在健康状态、不同退化程度以及当前状态的转向相关数据，所述转向相关数据包括方向盘输入转矩信号、方向盘输入角度信号，转向器的液压油压力信号、液压油流量信号、液压油温度信号、输出角度信号；
[0033]预处理模块，用于对所述转向相关数据进行预处理，所述预处理是指截取方向盘输入转速平稳阶段的数据；
[0034]降维处理模块，用于对经过预处理的数据分别计算健康状态、不同退化程度以及当前状态的时域特征参量，保留与退化程度之间具有线性关系的时域特征参量，并将保留的健康状态、不同退化程度以及当前状态的数据分别组成对应的时域特征矩阵；
[0035]对比诊断模块，用于求出当前状态与健康状态的时域特征矩阵的第一欧氏距离，求出各个退化状态与健康状态的时域特征矩阵的第二欧氏距离，通过对比第一欧式距离和第二欧氏距离，从而判断当前状态的退化程度。
[0036]与现有技术相比，本专利技术所达到的有益效果：本专利技术通过截取方向盘输入转速平稳阶段的转向相关数据，并求取健康状态和不同退化程度的时域特征参量，保留与退化程度之间具有线性关系的时域特征参量组成时域特征矩阵，并结合欧式距离来判断当前状态的退化程度。本专利技术是一种基于主成分分析(PCA)和性能信号以及欧氏距离的液压助力转向器故障诊断方法，能够对液压助力转向系统中故障进行诊断，而非对于单一部件故障的判断，相比于根据转向沉重、左转右转存在差异、方向盘自由行程过大等故障表现进行原因分析与故障排查的方法更加直观、高效。
附图说明
[0037]图1是本专利技术实施例的转向器故障诊断系统框图；
[0038]图2是本专利技术实施例PCA算法后前两个主元占比图；
[0039]图3是本专利技术实施例利用PCA+欧氏距离对退化50％，100％，125％状态的诊断结果图；
[0040]图4是本专利技术实施例利用PCA+欧氏距离对退化50％，100％，125％，150％状态的诊断结果图。
具体实施方案
[0041]为了详细说明技术方案的
技术实现思路
、构造特征、所实现目的及效果，以下结合具体实例并配合附图详予说明。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种液压助力转向器故障诊断方法，其特征是：包括以下步骤：获取转向器在健康状态、不同退化程度以及当前状态的转向相关数据，所述转向相关数据包括方向盘输入转矩信号、方向盘输入角度信号，转向器的液压油压力信号、液压油流量信号、液压油温度信号、输出角度信号；对所述转向相关数据进行预处理，所述预处理是指截取方向盘输入转速平稳阶段的数据；对经过预处理的数据分别计算健康状态、不同退化程度以及当前状态的时域特征参量，保留与退化程度之间具有线性关系的时域特征参量，并将保留的健康状态、不同退化程度以及当前状态的数据分别组成对应的时域特征矩阵；求出当前状态与健康状态的时域特征矩阵的第一欧氏距离，求出各个退化状态与健康状态的时域特征矩阵的第二欧氏距离，通过对比第一欧式距离和第二欧氏距离，从而判断当前状态的退化程度。2.根据权利要求1所述一种液压助力转向器故障诊断方法，其特征是：所述截取方向盘输入转速平稳阶段的数据包括：根据采样频率计算出方向盘输入角度信号两采样点之间的时间间隔，根据方向盘输入转速计算出转速平稳阶段两采样点间的方向盘输入角度变化量，并截取该转速平稳阶段的数据，其公式如下：其中，θ表示方向盘输入角度变化量，n表示转速，f表示采样频率。3.根据权利要求1所述液压助力转向器故障诊断方法，其特征是：所述时域特征参量包括均值括均值均方根x
rms
，其中标准差x
std
，其中峭度x
kur
，其中偏度x
ske
，其中波形因子w
s
，其中峰值X
peak
,其中X
pi
为转向相关数据序列中第i个峰值；
裕度因子C
e
，其中，x
i
代转向相关数据序列；i代表转向相关数据的采样点。4.根据权利要求1所述液压助力转向器故障诊断方法，其特征是：在求出当前状态与健康状态的时域特征矩阵的第一欧氏距离，求出各个退化状态与健康状态的时域特征矩阵的第二欧氏距离之前，还利用PCA算法对所述时域特征矩阵进行降维，提取时域特征主分量，由所述时域特征主分量组成时域特征矩阵。5.根据权利要求4所述的液压助力转向器故障诊断方法，其特征是：利用PCA算法对...

【专利技术属性】
技术研发人员：刘佑民，王天杨，曹向荣，褚福磊，李向阳，张祥瑞，张俊辉，
申请(专利权)人：清华大学，
类型：发明
国别省市：