基于CDI和AHNs的轮毂电动机轴承故障逐次诊断方法

针对电动汽车轮毂电动机常见的轴承故障,提出了一种基于复合区分度指标(compound dis-tinguish index,CDI)和人工碳氢网络(artificial hydrocarbon networks,AHNs)的轮毂电动机轴承故障逐次诊断方法.首先通过信号共振稀疏分解从原始信号中提取反映故障冲击的低共振分量;然后着重考虑不同车速工况对电动机轴承振动信号的影响程度,基于CDI在时频域中提炼出多个高敏感特征参数来表征电动机轴承运行状态,提高诊断的时效性;最后通过特征参数与轴承状态的隶属关系建立样本集,基于AHNs构建轮毂电动机轴承故障逐次诊断模型,实现多工况下不同故障状态的识别,并在轮毂电动机综合台架上进行了试验验证.结果表明:该方法的诊断正确率高达98.46％,且具有较好的鲁棒性,能够有效实现轮毂电动机轴承故障的诊断.     

永磁无刷直流电机漏电故障分析及诊断

针对用永磁无刷直流电机电流信号对其漏电故障进行诊断易受汽车电池系统干扰的问题,提出一种对其转速信号进行故障特征提取的方法——阶次自分离方法.该方法以转速信号为分析对象,借鉴传统阶次分析法对变速信号的处理方式,从输出转速信号中分离出转速波动成分,对转速波动成分进行角域重采样,基于转速波动成分的阶次分析,提取由故障状态而引起转速非正常波动的阶次特征.基于永磁无刷直流电机相间漏电故障分析得知漏电故障会使电机产生转速故障信号,通过电机Matlab/Simulink仿真和漏电故障试验,分析不同漏电程度下电机输出转速信号的阶次特征,可以有效地识别电机漏电故障状态.     

基于声信号分析的齿轮故障诊断方法

为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.     

基于WMM-HMM的轮毂电机机械故障诊断方法

为有效监控电动汽车用轮毂电机的运行状态,保障整车的运行安全,提出了一种基于混合Weibull分布模型(WMM)与隐马尔科夫模型(HMM)的轮毂电机机械故障诊断方法(WMM-HMM诊断法).首先,利用轮毂电机振动信号提取敏感特征参数,用以表征其运行状态,建立观测序列.其次,利用WMM对轮毂电机各种运行状态下有限的观测序列进行拓展,获取足量的观测序列作为HMM的训练样本集,确立HMM参数,进而在低、中速工况下分别构建轮毂电机运行状态的WMM-HMM诊断模型.最后,定制相应的故障轮毂电机,搭建试验台,对所提出的方法进行验证.结果表明:所提出的方法能够在低、中速工况下精确识别出轮毂电机的机械故障状态,较传统方法识别精度至少提高了9.3%.     

基于阶次自分离的轮毂电机故障诊断方法研究

轮毂电机作为电动汽车四轮独立驱动系统的动力源,其运行状态直接关系着整车安全。为了逐步实现对轮毂电机运行状态的监测,本文提出一种新的方法--阶次自分离方法,以适应其复杂多变的行驶工况。本方法克服了传统阶次跟踪方法需同时采集转速信号和振动信号的局限性,仅针对转速信号进行研究,并提取其中蕴藏的非正常波动成分,同时借鉴传统阶次跟踪方法对时域非平稳信号的处理方式,对波动成分进行角域重采样和傅里叶变换,凸显出蕴藏于转速信号中的故障特征,进而实现对轮毂电机的故障诊断。结合Matlab仿真分析和轮毂电机漏电故障试验,结果表明阶次自分离方法可有效识别出轮毂电机漏电故障特征。     

基于阶次自分离的轮毂电机故障诊断方法

轮毂电机作为电动汽车四轮独立驱动系统的动力源,其运行状态直接关系着整车安全。为了逐步实现对轮毂电机运行状态的监测,提出一种新的方法——阶次自分离方法,以适应其复杂多变的行驶工况。本方法克服了传统阶次跟踪方法需同时采集转速信号和振动信号的局限性,仅针对转速信号进行研究,并提取其中蕴藏的非正常波动成分,同时借鉴传统阶次跟踪方法对时域非平稳信号的处理方式,对波动成分进行角域重采样和傅里叶变换,凸显出蕴藏于转速信号中的故障特征,进而实现对轮毂电机的故障诊断。结合Matlab仿真分析和轮毂电机漏电故障试验,结果表明阶次自分离方法可有效识别出轮毂电机漏电故障特征。     

基于改进二阶循环平稳解卷积的轴承故障检测方法

针对涡轴发动机主轴轴承故障特征难以提取,背景噪声干扰大的问题,提出了改进二阶循环平稳解卷积(PSO-CYCBD)方法,用于提取强噪声背景下的故障特征频率.该方法采用粒子群优化(PSO)算法对二阶循环平稳解卷积(CYCBD)方法中的滤波器长度参数进行寻优.首先,基于故障轴承振动特点建立信号模型,然后用PSO算法对包络谱故障特征比(FFR)进行最大化处理,将得到的最优滤波器长度参数输入到CYCBD方法中,对滤波后的信号进行包络谱分析,提取故障特征频率.最后,将提出的方法应用于实测信号中,与传统包络谱分析相比提高了故障特征提取的效率和准确性,从而验证了该方法的有效性.     

基于狼群算法的轮毂电机故障诊断方法

针对电动汽车复杂多变的行驶工况及轮毂电机特殊的运行环境极易影响车辆行驶安全的问题,研究一种有效的轮毂电机故障诊断方法非常重要.由于单一特征参数传递的信息往往具有局限性,提出了一种基于狼群算法的多特征参数融合诊断方法.基于常见的故障诊断用特征参数在轮毂电机不同运行状态下Weibull分布的重合程度,选取多个灵敏度高的特征参数,然后通过狼群算法对多个特征参数融合,最后根据多特征参数融合信息的Weibull分布诊断其是否有故障及故障程度.搭建了轮毂电机漏电故障试验系统,进行了漏电故障试验.结果表明,基于狼群算法的多特征参数融合诊断方法可以有效识别区分轮毂电机的电气故障.     

基于SIR多级残差连接密集网络的轴承故障诊断

为了研究旋转机械的滚动轴承在复杂工况下从时变性强、微弱信号中提取特征信息的性能,提出了基于SIR多级残差连接密集网络的轴承故障诊断方法.首先,设计SIR模块,该模块将对输入的数据特征通道赋予不同的权重并拓宽网络的宽度,提取更加重要、更加丰富的特征信息;其次,设计多级残差连接密集网络自适应提取轴承振动信号中的有效特征;最后,构建softmax分类器实现故障分类.通过与多种方法进行对比,实验结果表明,该方法在变噪声、变负荷和变工况下都能够更加准确地检测出故障,对复杂的工况环境更具有鲁棒性和泛化能力.     

基于小波包变换与粗糙集的船舶电机定子故障诊断方法

为在少量的传感器以及无先验故障知识的情况下,实现船舶电机定子故障状态的确定以及故障严重程度的划分,提出了对定子电流进行小波包变换提取故障特征,基于粗糙集理论建立可分辨矩阵,并从中提取故障诊断规则的方法.通过对电流特征信号进行小波包分解,使相应分解子频段能始终覆盖随电机转差率变化的故障特征频率;利用子频段重构系数的均方根值变化率作为特征指标,实现故障特征的提取.采用自组织特征映射网络对特征指标进行聚类,由相邻子频段的均方根值变化率组成一组学习样本的方法,减少了子频段之间混叠问题对于聚类结果的影响.实验室条件下进行了电机定子故障的实验,通过对故障数据的应用,验证了该方法的可行性.