[发明专利]基于动态贝叶斯网络的轮毂电机机械故障在线诊断方法

摘要

本发明公开一种基于动态贝叶斯网络的轮毂电机机械故障在线诊断方法，分别计算每段加速度信号时域和频域高敏感特征参数，构建当前时间片段k对应的速度片vk的贝叶斯网络结构，得到各网络节点的条件概率分布，确定前一时间片段k‑1对应的速度片vk‑1与当前时间片段k对应的速度片vk之间的二速度片vk‑1‑vk状态转移概率分布，建立动态贝叶斯网络模型，根据速度片vk‑1和速度片vk之间的多种状态转移概率分布建立故障诊断模型群，在线采集轮毂电机运行信息，从故障诊断模型群中选择相应的二速度片vk‑1‑vk诊断模型，计算后验概率分布，判断轮毂电机正常或故障，提高了识别轮毂电机机械故障的准确性与时效性。

主权项

1.一种基于动态贝叶斯网络的轮毂电机机械故障在线诊断方法，其特征是具有以下步骤：步骤一：采集轮毂电机在正常和故障运行状态下的运行信息，包括车速信号、加速度信号，将每种加速度信号等分为15段，分别计算每段加速度信号时域和频域高敏感特征参数；步骤二：根据运行状态、加速度、高敏感特征参数建立训练数据集，将运行状态、加速度作为隐藏节点，高敏感特征参数作为可观测的高斯节点，对训练数据集进行参数学习，构建当前时间片段k对应的速度片vk的贝叶斯网络结构，得到各网络节点的条件概率分布，确定前一时间片段k‑1对应的速度片vk‑1与当前时间片段k对应的速度片vk之间的二速度片vk‑1‑vk状态转移概率分布；步骤三：结合当前时间片段k对应的速度片vk的贝叶斯网络结构和二速度片vk‑1‑vk状态转移概率分布，建立动态贝叶斯网络模型；步骤四：根据速度片vk‑1和速度片vk之间的多种状态转移概率分布建立二速度片vk‑1‑vk轮毂电机机械故障诊断模型群；步骤五：在线采集轮毂电机的车速Vk、加速度a，计算出当前时间片段k中加速度信号a的高敏感特征参数；步骤六：根据前一时间片段k‑1的车速Vk‑1和当前时间片段k的车速Vk从所述的轮毂电机故障诊断模型群中选择相应的二速度片vk‑1‑vk诊断模型。步骤七：将步骤五中所述的高敏感特征参数作为选择的二速度片vk‑1‑vk诊断模型的输入，计算轮毂电机运行状态的后验概率分布；步骤八：根据所述的后验概率判断轮毂电机正常或故障。