[发明专利]信号频域特征驱动车辆的关键旋转部件灰色故障诊断方法

权利要求书

1.一种信号频域特征驱动车辆的关键旋转部件灰色故障诊断方法，其特征在于，故障诊断方法包括：

步骤1、采集车辆关键旋转部件不同运行状态下的振动信号，具体包括选取合适的调Q小波参数，对采集的振动信号或其包络进行频域响应分析，获得各频段下的子带信息；

步骤2、计算各子带的能量，将各子带的能量占比作为元素，构建出可映射零部件健康状态的特征向量，具体包括将每种状态任取5个样本的能量占比分布均值作为标准模式，以此代表每种健康状态下的频域特征；

步骤3、将待识别样本构建出的特征向量输入到所提灰色绝对接近关联度模型中，计算待识别样本与步骤2得到的各标准模式之间的灰色绝对接近关联度，与待识别样本关联度最大的标准模式，即为待识别样本对于旋转部件所处的运行状态，以此实现车辆关键旋转部件的故障诊断。

2.如权利要求1所述的信号频域特征驱动车辆的关键旋转部件灰色故障诊断方法，其特征在于，所述步骤1中调Q小波变换是一种从频域滤波角度设计的小波变换方法，其依赖一组包含分解和重构滤波器的双通道滤波器组，通过迭代运算，从而实现信号的分解与重构。其中，低通和高通尺度因子α和β与调Q小波变换的重要参数品质因子Q、冗余因子r相关，可表示为

且参数α和β还需要满足以下条件：

0＜α＜1,0＜β≤1,α+β＞1 (2)

低通和高通滤波器的频率响应函数H₀(ω)和H₁(ω)分别为：

式中，ω为角频率；θ(ω)为具有二阶消失矩的频响函数，|ω|≤π；因此，给定品质因子Q和冗余因子r，则可得到唯一的频率响应，第j个子带的频率响应范围为[(1-β)α^j-1π,α^j-1π]，第j个子带的带宽和中心频率分别为

式中，f_s为采样频率。即子频带序数j越大，频率响应的带宽和中心频率越小。分解层数J并不能取无穷大，在给定品质因子Q和冗余因子r时，最大分解层数J_max为

式中，N为信号长度，为向下取整符号；

即通过采用调Q小波变换，对不同故障类型的振动响应频域特征进行了分析，得到了处于不同频段的与车辆关键旋转部件健康状态相关信息的子带信号。

3.如权利要求1所述的信号频域特征驱动车辆的关键旋转部件灰色故障诊断方法，其特征在于，所述步骤2包括：

步骤2.1：对信号采用调Q小波变换获取频域特征后，计算各子带的能量E_j：

式中，j＝1,2,…,J表示子带序数；w_j表示第j个子带的小波系数；

步骤2.2：计算各子带能量与信号总能量的比值Tj：

式中，E_j表示第j个子带的能量；T_j表示第j个子带所占的能量比例；以子带的能量分布为元素构建反映零部件健康状态的信号频域特征向量T＝[T₁,T₂,…,T_J]；

步骤2.3：将各工况样本按照上述步骤构建信号频域特征向量，接着，从每种状态任取5个样本的能量占比分布均值作为标准模式，以此代表每种健康状态下的频域特征。

4.如权利要求1所述的信号频域特征驱动车辆的关键旋转部件灰色故障诊断方法，其特征在于，所述步骤3包括：

步骤3.1、为了弥补传统灰色接近关联度在以能量分布角度进行识别的不足，采用所提灰色绝对接近关联度模型进行模式识别，定义如下：

i、j为序列标号，设系统行为序列

X_i＝(x_i(1),x_i(2),…,x_i(n)) (10)

X_j＝(x_j(1),x_j(2),…,x_j(n)) (11)

令

其中，k＝1,2,…,n，则称

为灰色绝对接近关联度，灰色绝对接近关联度模型满足灰色关联公理，并具有下列性质：

a、0ρ_ij≤1，根据式(12)可知，△X_ij≥0，代入式(13)得证，

b、ρ_ii＝1，根据式(12)可知，△X_ii＝0，得证；

c、ρ_ij＝ρ_ji，根据式(12)可知，△X_ij＝△X_ji，得证；

d、ρ_ij不仅与X_i与X_j的几何形状有关，还与其空间位置有关，即平移会导致此关联度数值改变；

e、X_i与X_j越接近，ρ_ij越大，反之越小；

利用灰色绝对关联度计算待识别样本与各种状态标准模式的关联程度，从而实现分类识别；步骤3.2、将待识别样本构建出的特征向量输入到上述所提灰色绝对接近关联度模型中，计算待识别样本与各标准模式之间的灰色绝对接近关联度，与待识别样本关联度最大的标准模式，即为待识别样本对于旋转部件所处的运行状态，以此实现车辆关键旋转部件的故障诊断。