[发明专利]一种汽车发电机轴承故障诊断方法

说明书

本发明属于汽车维修领域，涉及一种汽车发电机轴承故障诊断方法。首先，采集4通道发电机轴承故障信号，使用改进的固有时间尺度分解将每个通道的原始信号分解为固有旋转分量和单调趋势项。将固有旋转分量按分解尺度重构成1组，计算各重构的固有旋转分量的自相关系数，选取最大相关分量构造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。最后，选取最优细节分量做希尔伯特包络变换，确定故障类型。一方面利用改进的固有时间尺度分解并融合多通道信号，有效地提高信噪比，抑制噪声；另一方面，增强多分辨奇异值分解进一步对信号细化提纯，得到准确的故障信息，并通过希尔伯特包络解调确定轴承故障类型。

技术领域

本发明属于汽车维修领域，具体涉及一种汽车发电机轴承故障诊断方法。

背景技术

汽车发电机是汽车点火系统的重要组成部分，其功能是为汽车提供主要电源。发动机正常运转时，发电机向起动机除外的所有用电设备供电，同时给蓄电池充电。发电机轴承的好坏直接影响到发电机的功能，关系到整车的运行状况。因此，及时发现和诊断发电机轴承故障至关重要。当发电机轴承发生故障，特别是复合故障，其振动信号非平稳且特征非常复杂，并受环境中的噪声污染。轴承故障冲击十分微弱，从复杂的故障信号中提取出有用的信息难以实现。因此，如何尽早发现故障、诊断故障是目前学术界热切关注的问题。

发明内容

本发明的目的是为了克服现有技术存在的缺点和不足，而提供一种汽车发电机轴承故障诊断方法。

本发明所采取的技术方案如下：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。

改进的固有时间尺度分解(Improved Intrinsic Time-scale Decomposition，IITD)，本质上是利用Akima插值法有效改善固有时间尺度分解(ITD)的毛刺和失真问题。IITD将原始信号分解为一系列固有旋转分量(Proper Rotation Component，PRC)和一个单调趋势项。ITD方法利用信号的线性变换提取基线信号，导致分解后的分量信号出现毛刺而失真，因此IITD采用Akima插值法改进前者的缺点。

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，0α1；