CN107271187B - 一种对汽车变速器轴承故障进行定量诊断的方法 - Google Patents

一种对汽车变速器轴承故障进行定量诊断的方法 Download PDF

Info

Publication number
CN107271187B
CN107271187B CN201710678357.9A CN201710678357A CN107271187B CN 107271187 B CN107271187 B CN 107271187B CN 201710678357 A CN201710678357 A CN 201710678357A CN 107271187 B CN107271187 B CN 107271187B
Authority
CN
China
Prior art keywords
speed changer
bearing
test
test speed
carries out
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710678357.9A
Other languages
English (en)
Other versions
CN107271187A (zh
Inventor
熊庆
陈子龙
徐沿海
彭忆强
孙树磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tote Intelligent Equipment Co.,Ltd.
Original Assignee
Xihua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xihua University filed Critical Xihua University
Priority to CN201710678357.9A priority Critical patent/CN107271187B/zh
Priority to CN201811597766.7A priority patent/CN109668734B/zh
Priority to CN201811588388.6A priority patent/CN109708890B/zh
Publication of CN107271187A publication Critical patent/CN107271187A/zh
Application granted granted Critical
Publication of CN107271187B publication Critical patent/CN107271187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

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。

Description

一种对汽车变速器轴承故障进行定量诊断的方法
技术领域
本发明涉及汽车变速器故障诊断技术，特别涉及一种对汽车变速器轴承故障进行定量诊断的方法。
背景技术
汽车变速器中使用的滚动轴承种类很多，且数量较多，例如深沟球轴承、圆锥滚子轴承，双圆柱滚子轴承等，变速器中的各种轴承常常在变速、重载及高温的恶劣工况中持续运行，极易出现疲劳损伤。这些损伤若不及时处理，将导致轴承的功能完全失效进而引发一系列的连锁反应，使得整个汽车不能正常工作，轻则造成严重的经济损失，重则可导致灾难性的人员伤亡。目前，由于汽车变速器轴承的损伤性故障如点蚀、裂纹或划痕等未能及时发现而导致的事故屡见不鲜，故对汽车变速器轴承故障进行监测和诊断是十分必要的。
现有技术中，汽车变速器轴承故障诊断研究以振动分析为主，常用的故障特征提取方法如统计参数、小波变换、温格尔威利分布等方法具有各自的缺点，若应用于实际工程，时而会导致诊断结果不稳定而产生故障的“误诊、漏诊”现象；其次，现有研究方法大多数未考虑汽车实际行驶过程中的诸多因素，如线路不平顺、负载变化、速度变化等对汽车变速器轴承振动信号的影响，导致汽车变速器轴承的在线监测效果不理想。因此，需要设计一种可以精确模拟汽车实际行驶条件的试验台，并采用合适的分析诊断方法，对测试数据进行分析，以提高轴承故障诊断的精度。
发明内容
针对上述问题，本发明目的是提供一种模拟效果好、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。
为实现上述发明目的，本发明所采用的技术方案是：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和被测变速器，试验变速器和被测变速器可安装在轴承试验台上，所述的轴承试验台包括底座，底座上设置可升降的三坐标式电磁振动装置，电磁振动装置上设置由多个槽钢或矩形钢拼接形成的桁架式夹持工装，夹持工装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的安装螺栓孔相适应，所述试验变速器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；
所述底座与电磁振动装置之间通过空气弹簧、垂向减振器连接，空气弹簧的进气口、出气口分别与进气控制阀、泄气阀连接，所述的进气控制阀与电动气泵连接，所述空气弹簧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，电动机的输出端依次与扭矩传感器、固定齿比减速器的输入端连接，固定齿比减速器的输出端与试验变速器的输入轴连接；所述电动机的输出端上还设置转速传感器；
所述试验变速器的输出轴与惯性负载装置连接，惯性负载装置包括与底座相互独立设置的辅助支座，辅助支座上安装传动齿轮组，传动齿轮组由一对圆柱直齿轮或一对圆锥齿轮构成，传动齿轮组的主动齿轮安装在试验变速器的输出轴上，传动齿轮组的从动齿轮通过中间轴与旋转轮连接，旋转轮通过轴承安装在辅助支座上，辅助支座上还设置与旋转轮尺寸相适应的液压制动卡钳；
所述试验变速器内安装的多个轴承的外圈粘贴振动加速度传感器；所述中央处理器分别与液压制动卡钳的液压缸控制阀、转速传感器、扭矩传感器、电动机、试验变速器的换挡控制器、多个振动加速度传感器、进气控制阀、泄气阀、电动气泵、电磁振动装置通信连接；
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，然后顺次进行以下步骤：
a.所述中央处理器控制电磁振动装置产生特定的振幅和振动频率；同时中央处理器控制电动机、换挡控制器使试验变速器的输出轴输出特定转速；试验变速器的输出轴输出特定转速的同时，中央处理器控制制动卡钳对旋转轮施加制动力矩，使试验变速器的输出轴受到特定的负载扭矩；振动加速度传感器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(0＜α≤2)、对称参数β(-1≤β≤1)、分散系数γ(γ＞0)、位置参数δ(-∞≤δ≤∞)及概率密度函数的极值h(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待测轴承的外圈粘贴振动加速度传感器，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。
本发明的有益效果在于：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，能够充分结合Alpha稳定分布与多重分形各自的优势，使特征的有效性最大化，提高故障诊断的精度和效率，带有各种不同故障类型、不同故障程度轴承的试验变速箱在试验台中采集的相关数据建立基础PSO-LSSVM模型，被测变速箱在试验台中采集相关数据带入到已建好的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，以及轴承的故障程度，诊断效率高且正确率高。
附图说明
图1为轴承试验台结构原理图；
图2为轴承试验台控制电路原理图；
图3为对振动加速度信号进行EMD降噪流程图；
图4为对经过EMD降噪后特征突显的加速度信号进行Alpha稳定分布参数估计及多重分形去趋势波动分析提取的十个特征示意图；
图5为利用轴承试验台进行轴承故障定量诊断的工作流程图。
具体实施方式
如图1-图2所示的一种轴承试验台，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；在进行测试前，中央处理器5控制进气控制阀13、泄气阀14、电动气泵15，使空气弹簧11的垂向刚度与被测试汽车悬架的垂向刚度一致，并调整垂向减振器12的阻尼系数，使阻尼系数与被测试汽车悬架的垂向阻尼系数一致；垂向减振器12的阻尼系数可以由人工调整，也可以设置主动式垂向减振器12，由中央处理器5自动调整；
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内安装的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；所述中央处理器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；
如图5所示的，对汽车变速器轴承故障进行定量诊断的方法包括以下步骤：
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，所述的故障轴承可以设置不同的故障位置和故障程度，例如故障位置可以分别是外圈、内圈、滚子、保持架，故障轴承的故障程度可以分别是早期、中期、晚期；
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，电磁振动装置2可以仅施加垂向方向振动，也可以根据需要提供横向和纵向振动；同时中央处理器5还控制电动机71、换挡控制器42使试验变速器4的输出轴输出特定转速，转速传感器74检测电动机71的输出转速保证试验变速器4的输出转速正确；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；扭矩传感器72检测制动卡钳84施加的制动扭矩，保证试验变速器4受到的负载扭矩正确；还可以将实际线路导入中央处理器5，由中央处理器5根据实际道路情况，分别控制电磁振动装置2、电动机71、制动卡钳84，使环境振动参数、试验变速器4输出轴的速度、输出轴的负载扭矩与实际情况相吻合，使测试结果更准确；
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(0＜α≤2)、对称参数β(-1≤β≤1)、分散系数γ(γ＞0)、位置参数δ(-∞≤δ≤∞)及概率密度函数的极值h(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各段的组合特征集(α，β，γ，5，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与试验变速器4中故障轴承位置相同的一个或多个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各段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。
根据上述诊断方法进行的实例如下：分多次将试验变速器4中一个特定位置的轴承替换为具有外圈故障(分早期、中期、晚期3种损伤程度)、内圈故障(早期、中期、晚期)、滚子故障(早期、中期、晚期)、保持架故障(早期、中期、晚期)的故障轴承，每次替换后，试验变速器4中都只有一个故障轴承；分别将试验变速器4安装在试验台上，进行步骤a至步骤b，将故障轴承上粘贴的振动加速度传感器41获取的加速度信号按照时间段平均分为5段，加速度信号的总时长为0.3s，每段信号的时长为0.06s，针对这5段信号分别进行步骤c至步骤f；
将步骤f中计算出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；
然后在被测变速器中相同位置放置一个存在未知故障的被测轴承，将被测变速器安装在试验台上，重新进行步骤a至步骤b，所述步骤b的EMD降噪效果如图3所示；
将获取的EMD降噪后的加速度信号按照时间段平均分为5段，加速度信号的测量时间为0.3s，则平均分配的每段信号时长为0.06s，将不同时长段的信号记为S1-S5，针对这5段信号进行步骤c至步骤f；对经过EMD降噪后特征突显的S1-S5进行Alpha稳定分布参数估计，以及对经过EMD降噪后特征突显的S1-S5进行多重分形去趋势波动分析的过程如图4所示；
其中S1-S5在步骤e中计算出的组合特征集如表1所示：
表1 S1-S5的组合特征集参数
步骤f中，运用核主成分分析对S1-S5的组合特征集进行融合，并根据对方差累积贡献率大于或等于95％选取核主元，得到的核主元融合特征如表2所示：
表2 S1-S5的核主元融合特征
然后将步骤f中计算出的S1-S5的主元融合特征集带入到已经训练好的PSO-LSSVM模型中对其进行状态分类；即将表2所示的五维核主元融合特征输入到已建立的PSO-LSSVM分类器中进行分类，分类结果如表3所示。
表3分类结果
根据表3所示的分类结果可知，S1-S5这5段信号都提示被测变速箱中的测试轴承的失效形式为轴承外圈出现早期损伤，根据上述过程可知，在试验变速器4中放入具有内圈故障、滚子故障或保持架故障的轴承，重复步骤a至步骤g，则可以利用训练好的PSO-LSSVM模型，精确的检测出待测变速箱中各轴承的状态。

Claims (1)

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。
CN201710678357.9A 2017-08-09 2017-08-09 一种对汽车变速器轴承故障进行定量诊断的方法 Active CN107271187B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710678357.9A CN107271187B (zh) 2017-08-09 2017-08-09 一种对汽车变速器轴承故障进行定量诊断的方法
CN201811597766.7A CN109668734B (zh) 2017-08-09 2017-08-09 汽车变速器轴承中各零件定量诊断方法
CN201811588388.6A CN109708890B (zh) 2017-08-09 2017-08-09 检测汽车变速器中各轴承的状态的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710678357.9A CN107271187B (zh) 2017-08-09 2017-08-09 一种对汽车变速器轴承故障进行定量诊断的方法

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN201811588388.6A Division CN109708890B (zh) 2017-08-09 2017-08-09 检测汽车变速器中各轴承的状态的方法
CN201811597766.7A Division CN109668734B (zh) 2017-08-09 2017-08-09 汽车变速器轴承中各零件定量诊断方法

Publications (2)

Publication Number Publication Date
CN107271187A CN107271187A (zh) 2017-10-20
CN107271187B true CN107271187B (zh) 2019-01-18

Family

ID=60077043

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201811597766.7A Active CN109668734B (zh) 2017-08-09 2017-08-09 汽车变速器轴承中各零件定量诊断方法
CN201710678357.9A Active CN107271187B (zh) 2017-08-09 2017-08-09 一种对汽车变速器轴承故障进行定量诊断的方法
CN201811588388.6A Active CN109708890B (zh) 2017-08-09 2017-08-09 检测汽车变速器中各轴承的状态的方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201811597766.7A Active CN109668734B (zh) 2017-08-09 2017-08-09 汽车变速器轴承中各零件定量诊断方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201811588388.6A Active CN109708890B (zh) 2017-08-09 2017-08-09 检测汽车变速器中各轴承的状态的方法

Country Status (1)

Country Link
CN (3) CN109668734B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108105081B (zh) * 2018-02-05 2023-10-27 中国石油化工股份有限公司 注水泵机组故障诊断方法及装置
CN108498106B (zh) * 2018-02-08 2021-10-29 陕西师范大学 基于多重分形消除趋势波动分析的cnv脑电测谎方法
CN108460429B (zh) * 2018-05-03 2019-03-05 武汉理工大学 多重回归lssvm模型在机械并发故障诊断中的应用方法
CN109374293B (zh) * 2018-10-29 2020-07-24 珠海市华星装备信息科技有限公司 一种齿轮故障诊断方法
CN109827777B (zh) * 2019-04-01 2020-12-18 哈尔滨理工大学 基于偏最小二乘法极限学习机的滚动轴承故障预测方法
CN110159428B (zh) * 2019-06-05 2024-03-12 西华大学 发动机缸内积碳诊断装置及诊断方法
CN110046476B (zh) * 2019-06-05 2020-10-16 厦门大学 滚动轴承故障的三元二进分形小波稀疏诊断方法
CN111120348A (zh) * 2019-12-25 2020-05-08 中国石化销售股份有限公司华南分公司 基于支持向量机概率密度估计的离心泵故障预警方法
CN111767891A (zh) * 2020-07-09 2020-10-13 南京工程学院 一种滚动轴承故障诊断方法
CN112037500A (zh) * 2020-07-21 2020-12-04 江苏国茂减速机股份有限公司 自动判别故障的减速机、提升机及故障自动判别方法
CN112749453B (zh) * 2020-12-16 2023-10-13 安徽三禾一信息科技有限公司 基于改进svr的复杂设备剩余使用寿命预测方法
CN112597958B (zh) * 2020-12-29 2023-04-07 哈工大机器人（合肥）国际创新研究院 一种滚动轴承故障自动识别方法及系统
CN113804470B (zh) * 2021-04-14 2023-12-01 山东省计算中心（国家超级计算济南中心） 一种穴盘育苗流水线的故障检测反馈方法
CN113246175B (zh) * 2021-05-07 2024-05-03 配天机器人技术有限公司 机器人末端震动分类方法、机器人及存储介质
CN113281035B (zh) * 2021-05-31 2022-12-09 重庆长安汽车股份有限公司 一种自动变速器锁止异响的测试方法
CN113408371A (zh) * 2021-06-01 2021-09-17 武汉理工大学 一种早期故障诊断方法及装置
CN113628175B (zh) * 2021-07-22 2024-02-20 上海交通大学 图像质量分数分布的预测方法、系统、终端及介质
CN115266905B (zh) * 2022-08-02 2024-05-07 山东申正汽车拆解有限公司 重型商用车发动机曲轴回收再制造裂纹探伤方法及设备
CN117330941B (zh) * 2023-11-29 2024-02-02 珠海智锐科技有限公司 新能源bms印刷电路板的性能测试方法及相关装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014206403A (ja) * 2013-04-11 2014-10-30 Ntn株式会社 転がり軸受の診断装置
EP2963408A1 (en) * 2014-06-19 2016-01-06 United Technologies Corporation System and method for monitoring gear and bearing health
CN105784361A (zh) * 2016-05-30 2016-07-20 吉林大学 动力机械闭环可倾斜式多边形激振齿轮箱试验台
CN106053072A (zh) * 2016-07-20 2016-10-26 西南交通大学 一种基于滚动振动的高速列车轴箱轴承试验台
JP2017032520A (ja) * 2015-08-06 2017-02-09 日本精工株式会社 状態監視装置及び状態監視方法
CN106441861A (zh) * 2015-08-10 2017-02-22 中国石油天然气股份有限公司 自动变速箱油传动效率检测装置及检测方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10333410B4 (de) * 2003-07-15 2017-03-23 Minebea Co., Ltd. Verfahren und Vorrichtung zur Bestimmung der Eigenfrequenzen eines Lagersystems mit einer gelagerten Welle
CN102564756B (zh) * 2010-12-31 2015-06-03 中国科学院沈阳自动化研究所 汽车变速器振动分析试验方法及装置
CN102539151B (zh) * 2012-01-18 2014-05-14 北京工业大学 一种汽车变速器智能化在线质量检测方法
CN104697787B (zh) * 2015-03-20 2019-03-26 山东大学 一种基于多信息融合的变速箱试验台架及其检测方法
CN105172511B (zh) * 2015-07-15 2017-09-26 西南交通大学 一种汽车悬架减振器控制系统及方法
CN106092310A (zh) * 2016-04-21 2016-11-09 重庆理工大学 一种汽车变速器振动噪声下线检测方法
CN106017879B (zh) * 2016-05-18 2018-07-03 河北工业大学 基于振声信号特征融合的万能式断路器机械故障诊断方法
CN206074255U (zh) * 2016-07-20 2017-04-05 西南交通大学 一种基于滚动振动的高速列车轴箱轴承试验台
CN106840651A (zh) * 2017-01-16 2017-06-13 广州汽车集团股份有限公司 变速器热试台

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014206403A (ja) * 2013-04-11 2014-10-30 Ntn株式会社 転がり軸受の診断装置
EP2963408A1 (en) * 2014-06-19 2016-01-06 United Technologies Corporation System and method for monitoring gear and bearing health
JP2017032520A (ja) * 2015-08-06 2017-02-09 日本精工株式会社 状態監視装置及び状態監視方法
CN106441861A (zh) * 2015-08-10 2017-02-22 中国石油天然气股份有限公司 自动变速箱油传动效率检测装置及检测方法
CN105784361A (zh) * 2016-05-30 2016-07-20 吉林大学 动力机械闭环可倾斜式多边形激振齿轮箱试验台
CN106053072A (zh) * 2016-07-20 2016-10-26 西南交通大学 一种基于滚动振动的高速列车轴箱轴承试验台

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
列车滚动轴承振动信号的特征提取及诊断方法研究;熊庆;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20160815(第8期);第80-97页
基于MF-DFA与PSO优化LSSVM的滚动轴承故障诊断方法;熊庆 等;《振动与冲击》;20151231;第34卷(第11期);第188-193页
基于α稳定分布参数估计的滚动轴承故障诊断;熊庆 等;《振动、测试与诊断》;20150430;第35卷(第2期);第238-244页

Also Published As

Publication number Publication date
CN109708890B (zh) 2020-10-30
CN109668734A (zh) 2019-04-23
CN109708890A (zh) 2019-05-03
CN107271187A (zh) 2017-10-20
CN109668734B (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN107271187B (zh) 一种对汽车变速器轴承故障进行定量诊断的方法
CN109822399B (zh) 基于并行深度神经网络的数控机床刀具磨损状态预测方法
CN207066742U (zh) 一种汽车变速器轴承试验台
CN109000922B (zh) 基于道路测试的综合传动装置台架耐久性试验方法
CN107002578A (zh) 用于确定推进力矩的方法和装置
CN103983460A (zh) 一种车辆内阻测试方法
CN109186964A (zh) 基于角度重采样与roc-svm的旋转机械故障诊断方法
CN102441579A (zh) 热连轧轧机运行状态的在线监测方法
CN110530639A (zh) 一种高速列车轴箱轴承故障诊断方法
CN112525534A (zh) 一种基于声发射技术的轴承和齿轮损伤定量化评估方法
CN106441861A (zh) 自动变速箱油传动效率检测装置及检测方法
CN105352726B (zh) 一种齿轮的故障诊断方法
Kannan et al. Demodulation band optimization in envelope analysis for fault diagnosis of rolling element bearings using a real-coded genetic algorithm
CN111076934A (zh) 一种基于s变换诊断轴承潜在故障的方法
CN113640003A (zh) 一种发动机试验台架上pcv阀敲击异响的测定方法
CN112302966A (zh) 一种离心泵运行状态判定方法及判定系统
CN102175409B (zh) 汽轮发电机组油膜涡动故障实时辨识方法
CN109581087A (zh) 机床导轨性能检测方法和系统
CN106644483A (zh) 一种齿轮箱轴承故障检测方法及系统
CN102879084B (zh) 汽轮发电机组低频振动非稳态在线预警方法
CN115931399A (zh) 一种实时在线检测高速列车轮多边形故障的方法
CN205538203U (zh) 一种通用可调节链条检测装置
CN209085932U (zh) 轴承滚滑行为检测用的保持架转速检测结构
CN102879085B (zh) 汽轮发电机组低频振动非稳态实时预警方法
CN108225706B (zh) 一种识别车轮密集剥离麻面故障的自动化诊断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20211214

Address after: No. 739, Sheng'an Avenue, Binjiang Development Zone, Jiangning District, Nanjing, Jiangsu 210000

Patentee after: Nanjing Tote Intelligent Equipment Co.,Ltd.

Address before: 610039 No. 999, golden week Road, Chengdu, Sichuan, Jinniu District

Patentee before: XIHUA University

TR01 Transfer of patent right