[发明专利]一种机车牵引电机轴承的振动加速度数据的清洗方法

说明书

本公开揭示了一种机车牵引电机轴承振动加速度数据清洗方法，包括：采集机车牵引电机轴承的振动加速度数据；剔除所采集的振动加速度数据中的无效数据并清洗异常离群点；对剔除无效数据和清洗异常离群点后的振动加速度数据进行量化处理，排除变转速导致的中的幅值调制现象，获得量化振动加速度数据；提取量化振动加速度数据在不同转速工况下的量化高维性能退化特征；计算每个量化高维性能退化特征的分散性，将所述分散性与阈值比对，根据比对结果对量化高维性能退化特征进行筛选。本公开能够有效去除振动加速度数据中的无效点和异常离群点以及由于转速变化所导致的幅值调制现象，能够保障所采集振动加速度数据的可用性。

技术领域

本公开属于数据清洗领域，具体涉及一种机车牵引电机轴承的振动加速度数据的清洗方法。

背景技术

机车牵引电机轴承的运行环境复杂，正常运行中伴随着较大的振动以及频繁变化的转速，这就导致传感器所采集的振动加速度数据包含有大量的无效点和异常离群点，而且振动加速度数据的幅值也会随着转速的变化发生相应的幅值调制；工程中需要利用从振动加速度数据中所提取的高维性能退化特征对机车牵引电机轴承进行实时的监测，但是这些不利因素不但会增大机车牵引电机轴承的监测难度，甚至会改变机车牵引电机轴承的性能退化模式，这会直接导致基于固定阈值的常规监测方法失效，无法可靠地对机车牵引电机轴承进行性能退化监测。因此，在提取高维性能退化特征之前，必须对振动加速度数据进行清洗，剔除异常数据和变转速带来的复制调制等不利影响因素之后，再从时域、频域、时频域等多角度对清洗过的振动加速度数据提取高维性能退化特征。

针对变转速工况的常规数据清洗方法，有阶比分析通过软件方法或者硬件设备获得和振动数据同步对应的转速数据，再对变转速振动加速度数据重采样，得到角域振动数据，实时的追踪故障特征。部分轴承性能退化特征，比如对信号中脉冲型故障比较敏感的峭度指标，属于无量纲指标，该指标从理论层面排除了变转速带来的影响，常在工程中用于轴承的性能退化监测。

然而，针对变转速工况的常规数据清洗方法，比如阶比分析，需要通过软件方法或者硬件设备获得和振动数据同步对应的转速数据，工程实际中，很难通过硬件设备来采集如此精准同步的转速数据，同时，机车车载硬件系统的计算能力往往相对较弱，很难实时地通过软件方法快速地计算得到转速数据。而且，由于工程问题的复杂性，部分无量纲监测指标，依然存在可靠性不佳的问题，数据清洗不足是其重要原因之一。因此这里就需要一种计算量小、可靠的数据清洗方法，对传感器所采集的振动加速度数据进行预清洗，保障所采集振动加速度数据的可用性。

发明内容

针对现有技术中的不足，本公开的目的在于提供一种机车牵引电机轴承的振动加速度数据的清洗方法，能够有效去除振动加速度数据中的无效点和异常离群点，还能够纠正由于转速变化所导致的振动加速度数据的幅值调制现象，既能保障所采集的振动加速度数据的可用性，又能提高从振动加速度数据中所提取的高维性能退化特征的应用价值。

为实现上述目的，本公开提供以下技术方案：

一种机车牵引电机轴承振动加速度数据清洗方法，包括如下步骤：

S100：采集机车牵引电机轴承的振动加速度数据；

S200：剔除所采集的振动加速度数据中的无效数据并清洗异常离群点；

S300：对剔除无效数据和清洗异常离群点后的振动加速度数据进行量化处理，排除变转速导致的中的幅值调制现象，获得量化振动加速度数据；

S400：提取量化振动加速度数据在不同转速工况下的量化高维性能退化特征；

S500：计算每个量化高维性能退化特征的分散性，将所述分散性与阈值比对，根据比对结果对量化高维性能退化特征进行筛选。

优选的，步骤S200中，清洗所采集的振动加速度数据中异常离群点包括以下步骤：

S201：计算所采集的振动加速度数据的偏差绝对值的中值；