[发明专利]一种车轮扁疤故障检测方法

权利要求书

1.一种车轮扁疤故障检测方法，其特征在于，包括以下步骤：

步骤1，现场采集信号，对振动信号进行经验模态分解；

步骤2，对经过经验模态分解的信号进行筛选，选出有效的IMF分量；

步骤3，对单个IMF分量进行多尺度熵分析；

步骤4，对步骤2选出的所有有效的IMF分量的和值进行多尺度熵分析，判断扁疤故障。

2.根据权利要求1所述的车轮扁疤故障检测方法，其特征在于，步骤1所述的现场采集信号，对振动信号进行经验模态分解，具体如下：

将振动信号表示为n个固有模态函数和残余分量的和，即：

式中，x(t)为原始信号，IMF_i为固有模态函数，r_n(t)为残余分量。

3.根据权利要求1所述的车轮扁疤故障检测方法，其特征在于，步骤2所述的对经过经验模态分解的信号进行筛选，选出有效的IMF分量，具体如下：

原始信号经过EMD分解后的固有模态函数包含了原始信号从低频到高频的不同成分，经过EMD分解之后，选出有效的IMF分量。

4.根据权利要求1所述的车轮扁疤故障检测方法，其特征在于，步骤3所述的对单个IMF分量进行多尺度熵分析，具体如下：

给定长度为n的信号序列{x₁,x₂,....x_n}，对该时间序列进行粗粒化：

式中，y_τ(j)为粗粒向量样本熵值，j为粗粒向量序列号，[N/τ]为向下取整，τ为正整数，当τ＝1时，粗粒向量为原时间序列；

计算每个粗粒序列的样本熵，将得到的τ个粗粒向量的样本熵值表示成τ的函数；设时间尺度最大值为τ_max，计算不同尺度下的粗粒向量样本熵值对应的样本熵值，即得到原始时间序列的多尺度熵：

其中，MSE为多尺度熵，为粗粒向量样本熵值对应的样本熵值。

5.根据权利要求1所述的车轮扁疤故障检测方法，其特征在于，步骤4所述的对步骤2选出的所有有效的IMF分量的和值进行多尺度熵分析，判断扁疤故障，具体如下：

对步骤2选出的所有有效的IMF分量的和值进行多尺度熵分析，与步骤3所得出的分析结果进行比较，选出差别最明显的分析结果，判断扁疤故障。