[发明专利]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

权利要求书

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x_i和状态类型C，将振动信号x_i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μ_P和标准差σ_P，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s_C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，P_n是提取出的3个高敏感特征参数，h_e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所述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，其特征是：步骤3)中，对故障诊断模型进行逐次诊断后，用簧下质量加速度传感器采集轮毂电机的振动信号x_i并传递至信号特征参数提取模块作处理，得到高敏感特征参数，将高敏感特征参数提供给集成逐次诊断算法的ECU，ECU判断出故障的状态类型，将结果发送给诊断结果显示模块。

3.根据权利要求1所述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，其特征是：步骤2)中，4个时域特征参数是：x_pl是x_i中极大值x_pl，l＝1～N_p，N_p为x_i中极大值的总数。

4.根据权利要求3所述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，其特征是：

4个频域特征参数是：f_j是振动信号的频率，j＝1～J，J为采样频率的一半，F(f_j)是振动信号的频谱。

5.根据权利要求4所述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，其特征是：8个特征参数值的平均值标准差(P)_k为特征参数的第k组的值，k＝1-n，n为振动信号的分段数。

6.根据权利要求5所述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，其特征是：区分度指标值μ_P1、μ_P2是该特征参数在同一车速下两种不同状态对应的平均值，σ_P1、σ_P2是对应的标准差。

7.根据权利要求6所述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，其特征是：区分率

8.根据权利要求7所述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，其特征是：综合权重指标值C是不同状态类型的数目，D是待选取的高敏感特征参数的个数，DI_cd是第d个特征参数在第C种状态类型下的区分度指标值DI，ω_cd为其权重系数。