[发明专利]一种汽车发电机轴承故障诊断方法

权利要求书

1.一种汽车发电机轴承故障诊断方法，其特征在于包括以下步骤：

(1)采集4通道发电机轴承故障信号，利用改进的固有时间尺度分解将4通道原始信号进行分解：给定原始信号X(t)，改进的固有时间尺度分解将其自适应地分解为固有旋转分量和单调趋势项；

(2)信号重构：将同一尺度的固有旋转分量叠加并取均值，得到一组增强的固有旋转分量，计算各重构固有旋转分量的自相关系数，选择系数最大的分量；

(3)利用多分辨奇异值分解进一步提取故障特征信号：将系数最大的分量构造Hankel矩阵并进行增强多分辨奇异值分解，得到相应的近似信号和细节信号；

(4)诊断出轴承故障：对步骤(3)中获得的故障特征最丰富的细节信号进行Hilbert包络谱分析，提取故障特征信息，从而诊断出轴承的故障类型；

步骤(1)中具体步骤如下：

第1步：寻找信号{X_t,t≥0}的所有局部极值点X_k及其对应的时刻τ_k(k＝1,2,...,M)，M是极值点总数，定义τ₀＝0；

第2步：定义LX_t＝L_t，HX_t＝H_t，在连续极值点区间[τ_k,τ_k+1]上定义分段的线性基线提取算子L：

式(1)中，

式(2)中，0＜α＜1；

第3步：用波形匹配延拓法对时间序列信号端点处理，得到两端极点值(τ₀,X₀)，(τ_M+1,X_M+1)，令k分别为0和M-1，然后根据式(1)和(2)求出L₁和L_M的值，利用Akima插值法拟合所有的L_k，得到基线信号L₁(t)；

第4步：把基线信号从原始信号中分离出来，得到h₁(t)：

h₁(t)＝X(t)-L₁(t) (3)；

h₁(t)为一个固有旋转分量，即h₁(t)＝PRC₁，若基线信号L_k+1≠0，把h₁(t)作为原始信号重复以上分离过程，直到L_k+1＝0，一共循环k次，最后一个PRC分量h_1k(t)＝PRC₁；

第5步：把PRC₁从原始信号中分离出来，得到一个残余信号：

r₁(t)＝X_t-PRC₁ (4)；

将r₁(t)作为原始信号重复以上步骤，得到X_t的第二个PRC分量PRC₂；重复循环n-1次，直到r_n(t)为一个单调函数或一个常数，结束循环，得到第n个分量PRC_n，至此，原始信号X_t被分解为n个固有旋转分量和1个趋势项：

步骤(3)中提取故障特征信号的具体步骤如下：

记故障原始信号序列为X＝[x₁,x₂,...,x_n]，n为信号长度，构造矩阵A：

对矩阵A进行奇异值分解，得到：

A＝σ₁₁u₁₁ν₁₁^T+σ₁₂u₁₂ν₁₂^T＝A₁+D₁ (7)

式(7)中，σ₁₁和σ₁₂为分解得到的奇异值，令σ₁₁为较大的奇异值，则与其相对应的重构子信号A₁为第一层近似信号，反应原始信号的主体，那么，σ₁₂对应的重构子信号D₁为第一层细节信号，反应原始信号的细节；

选取上述近似分量A₁构造二分Hankel矩阵，进行奇异值分解，得到第二组具有不同分辨率的近似信号和细节信号；

步骤(4)中，根据峭度准则，选取故障特征最丰富的细节信号。