[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

说明书

本发明公开纯电动汽车驱动系统中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，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，计算出综合权重指标值，根据综合权重指标值提取出3个高敏感特征参数，根据人工碳氢网络定义故障诊断模型，对故障诊断模型进行逐次诊断，可以有序地识别轮毂电机的故障状态，提高轮毂电机轴承故障诊断的准确性和时效性，采用综合权重指标值来评估特征参数作为故障识别指标的敏感性，能够同时选取在不同转速工况下对故障状态均具有高敏感度的特征参数，突出轻微故障信息。

技术领域

本发明涉及状态识别和故障智能诊断领域，尤其是纯电动汽车驱动系统中的轮毂电机的轴承故障诊断方法。

背景技术

轮毂电机技术是纯电动汽车驱动系统的重要部件，轮毂电机将驱动、制动、承载等功能集于一体，具有结构紧凑，控制灵活，传动效率高等优势。然而，汽车在行驶过程中会面临不同速度下的多变行驶工况，这些条件会导致悬架对轮毂电机定子轴的垂向载荷更加剧烈，路面对轮毂电机转子的冲击更强烈，极易诱发轮毂电机的转子轴承局部磨损等轴承故障，使得电机振动增强、温升加剧、效率下降，从而引起二次电气故障，严重影响整车运行安全，因此，需要在不同工况下对轮毂电机典型的轴承故障进行监测，提高轮毂电机故障诊断的准确性和时效性。

关于轴承运行状态的监测和诊断技术，在中国专利申请号为201810335688.7的文献中提出一种基于轮毂电机偏心与退磁故障解耦诊断方法，该方法通过安装霍尔传感器获取轴向上的磁感应强度，依据故障特征值识别故障，达到偏心与退磁耦合故障解耦诊断的目的。但是车载电源的输出电压在车辆运行过程中是波动的，不能有效提取表征其轴承故障状态的电信号特征，同时，轴承在运行过程中产生的振动及其特征信息反映了其运行状态的变化，因此有效地分析振动信号、提炼出对故障类型敏感度高的特征参数是精确诊断的关键。2013年LiK等在杂志《Sensors》(第12卷第5期)的“An Intelligent DiagnosisMethod for Rotating Machinery Using Least Squares Mapping and a Fuzzy NeuralNetwork”论文中公布了一种综合区分度指标法(Synthetic detection index,SDI)用于提取多个敏感特征参数，它由多个状态下的DI值组成，但是该方法忽略了通常情况下轴承设备均有多种工况，不能够选取对多种工况均高度敏感的特征参数。

发明内容

针对上述问题，本发明提供一种基于人工碳氢网络的轮毂电机轴承故障诊断方法，能解决电信号抗干扰能力弱的问题，在多种转速工况下有效地识别不同轴承故障类型，提高轮毂电机的运行安全。

本发明提出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：