[发明专利]一种对汽车变速器轴承故障进行定量诊断的方法

摘要

本发明具体涉及一种模拟效果好、故障分析准确的对汽车变速器轴承故障进行定量诊断的方法。轴承的振动加速度信号通过EMD方法的分解与重构，可以有效的对汽车变速器轴承信号中的噪声进行抑制，增强与突显信号中的有用成分；经EMD降噪后的信号分别进行Alpha稳定分布与多重分形特征提取并利用核主成分分析进行特征融合充分结合Alpha稳定分布与多重分形各自的优势，提高故障诊断的精度和效率；不同故障程度轴承的试验变速箱在试验台中相关数据作为训练样本建立PSO‑LSSVM模型，被测变速箱的相关数据可以带入到已训练好的PSO‑LSSVM模型中，从而分析得到被测变速箱中出现故障的轴承位置及轴承的故障状态，诊断效率高且正确率高。

主权项

1.一种对汽车变速器轴承故障进行定量诊断的方法，所述的汽车变速器包括试验变速器(4)和被测变速器，试验变速器(4)和被测变速器可安装在轴承试验台上，轴承试验台包括底座(1)，底座(1)上设置可升降的三坐标式电磁振动装置(2)，电磁振动装置(2)上设置由多个槽钢或矩形钢拼接形成的桁架式夹持工装(3)，夹持工装(3)上相应位置设置的安装螺栓孔的位置、尺寸及垂向刚度与试验变速器(4)的安装螺栓孔相适应，所述试验变速器(4)的结构与被测汽车变速器结构一致，且内部多个设置轴承的位置具有一个或多个故障轴承；所述底座(1)与电磁振动装置(2)之间通过空气弹簧(11)、垂向减振器(12)连接，空气弹簧(11)的进气口、出气口分别与进气控制阀(13)、泄气阀(14)连接，所述的进气控制阀(13)与电动气泵(15)连接，所述空气弹簧(11)的垂向刚度与被测试汽车悬架的垂向刚度一致，所述垂向减振器(12)的阻尼系数与被测试汽车悬架的垂向阻尼系数一致；所述试验变速器(4)的输入轴与扭矩加载装置的输出端连接，扭矩加载装置包括电动机(71)，电动机(71)的输出端依次与扭矩传感器(72)、固定齿比减速器(73)的输入端连接，固定齿比减速器(73)的输出端与试验变速器(4)的输入轴连接；所述电动机(71)的输出端上还设置转速传感器(74)；所述试验变速器(4)的输出轴与惯性负载装置连接，惯性负载装置包括与底座(1)相互独立设置的辅助支座(81)，辅助支座(81)上安装传动齿轮组(82)，传动齿轮组(82)由一对圆柱直齿轮或一对圆锥齿轮构成，传动齿轮组(82)的主动齿轮安装在试验变速器(4)的输出轴上，传动齿轮组(82)的从动齿轮通过中间轴与旋转轮(83)连接，旋转轮(83)通过轴承安装在辅助支座(81)上，辅助支座(81)上还设置与旋转轮(83)尺寸相适应的液压制动卡钳(84)，所述试验变速器(4)内安装一个或多个具有故障的故障轴承的外圈粘贴振动加速度传感器(41)；中央处理器(5)分别与液压制动卡钳(84)的液压缸控制阀、转速传感器(74)、扭矩传感器(72)、电动机(71)、试验变速器(4)的换挡控制器(42)、多个振动加速度传感器(41)、进气控制阀(13)、泄气阀(14)、电动气泵(15)、电磁振动装置(2)通信连接；其特征在于：所述的诊断方法包括以下步骤：将试验变速器(4)内一个或多个位置的轴承设置为故障轴承，故障轴承的外圈粘贴振动加速度传感器(41)，然后顺次进行以下步骤：a.中央处理器(5)控制电磁振动装置(2)产生特定的振幅和振动频率；同时中央处理器(5)控制电动机(71)、换挡控制器(42)使试验变速器(4)的输出轴输出特定转速；试验变速器(4)的输出轴输出特定转速的同时，中央处理器(5)控制制动卡钳(84)对旋转轮(83)施加制动力矩，使试验变速器(4)的输出轴受到特定的负载扭矩；振动加速度传感器(41)采集故障轴承的振动加速度信号样本；将采集到的样本作为训练样本，对训练样本中的振动加速度信号x(t)进行EMD自适应分解，分解方法如下：上式中n为分解出的IMF分量的个数；Cj代表第j个IMF分量，j＝1，2，3...，n；rn为残余分量；b.经过步骤a分解得到n个Cj分量后，分别计算每个Cj(j＝1，2，3...，n)的峭度值，选取峭度值最大和峭度值次大的两个Cj进行线性叠加，得到经过EMD降噪后特征突显的加速度信号，然后将获取的特征突显的加速度信号按照时间长度平均分为m段，将不同时长段的信号记为S1‑Sm；c.对步骤b中的S1‑Sm各段分别进行Alpha稳定分布参数估计并计算其概率密度函数，提取特征指数α，其中0＜α≤2、对称参数β，其中‑1≤β≤1、分散系数γ，其中γ＞0，位置参数δ，其中‑∞≤δ≤∞及概率密度函数的极值h，其中h＞0共5个Alpha稳定分布特征；d.对步骤b中的S1‑Sm各段分别进行多重分形去趋势波动分析，提取出S1‑Sm各自的5个多重分形特征：最大波动的奇异指数αmax，最小波动的奇异指数αmin，多重分形谱谱宽Δα＝αmax‑αmin，多重分形谱极值点对应的奇异指数α0，fmax＝f(α0)，α0∈[αmin，αmax]，多重分形谱概率子集分形维数差Δf＝f(αmax)‑f(αmin)；e.根据步骤c、步骤d计算得到的S1‑Sm各自的5个Alpha稳定分布特征、5个多重分形特征进行串行组合，得到S1‑Sm各自的组合特征集(α，β，γ，δ，h，α0，αmin，αmax，Δα，Δf)；f.以径向基为核函数，利用核主成分分析法(KPCA)对步骤e中的组合特征集进行降维融合，根据方差累积贡献率大于或等于95％选取核主元，得到新的主元融合特征集；g.以步骤f中获得的主元融合特征集为输入样本，利用粒子群优化算法对最小二乘支持向量机的两个核心参数正规化参数λ及内核参数σ进行优化，以获取的最优参数建立PSO‑LSSVM模型；h.将试验变速器(4)更换为待测变速器，将待测变速器内需要测试的一个或多个与故障轴承位置相同的待测轴承的外圈粘贴振动加速度传感器(41)，然后重复步骤a至步骤f，将步骤f中，一个或多个振动加速度传感器(41)采集到的待测轴承的S1‑Sm各自的主元融合特征集带入到已经训练好的PSO‑LSSVM模型中进行状态分类；诊断结束。