原文传递
基于BN和改进DST的轮毂电机轴承状态识别方法研究
| 论文题名： | 基于BN和改进DST的轮毂电机轴承状态识别方法研究 |
| 关键词： | 轮毂电机;轴承状态;特征提取;特征降维;贝叶斯网络 |
| 摘要： | 汽车工业和公路网的发展使得汽车成为人们必不可少的交通工具之一，但传统燃油汽车存在能耗大、能效低等缺点，因此，国家正大力推动电动汽车的发展。与传统燃油汽车的集中式驱动相比，电动汽车的轮毂电机驱动系统具有灵活控制、高效传动等特点，是一种比较理想的驱动方式。轮毂电机驱动系统将驱动、制动和承载等装置整合到轮毂内，大大简化了车辆机械部分。然而，汽车多变的行驶工况和复杂的道路环境，既易诱发轮毂电机轴承故障，又增加了轮毂电机轴承状态识别的难度。轮毂电机轴承发生故障后，将导致其性能下降，轻则增加车辆能耗，重则影响汽车的行驶安全，甚至威胁驾乘人员的生命，因此有必要对轮毂电机轴承状态识别开展研究，为轮毂电机驱动系统运行安全评估奠定理论基础。 为有效识别轮毂电机轴承状态，本文将常见轴承故障作为切入点，开展信号处理、特征降维、状态识别的方法研究，提出基于贝叶斯网络和改进DS理论的轮毂电机轴承状态识别方法。 首先，针对实车试验中运行工况和道路环境难以量化的问题，基于电动汽车真实的运行工况，搭建轮毂电机轴承故障试验台架，定制带有轴承常见多发故障（如滚动体故障、内圈故障和外圈故障）的轮毂电机，设计多运行工况下的试验方案进行信号采集，为后续的轮毂电机轴承状态识别方法提供数据支持。 其次，针对强干扰环境下轮毂电机轴承状态特征提取难的问题，提出基于共振稀疏分解和蚁群算法的状态信号处理方法。根据低共振分量的冲击特性和高共振分量的平滑特性，将低共振分量峭度值和高共振分量平滑指数的比值作为评价指标，利用蚁群算法选择高、低品质因子，再通过共振稀疏分解对美国西储大学轴承实验数据进行分解，验证该方法提取轴承故障状态特征信息的有效性。 然后，为了降低数据冗余、提高识别的响应速度，提出基于Pearson相关系数和基尼系数的特征降维法，有效降低轮毂电机轴承故障特征维度。利用降维后的信号特征参数，搭建基于贝叶斯网络的轮毂电机轴承状态识别模型。基于美国凯斯西储大学轴承试验数据和轮毂电机轴承故障试验数据，验证该模型的有效性。 最后，为有效提高轮毂电机轴承状态识别精度，提出一种基于贝叶斯网络和改进DS理论的轮毂电机轴承状态识别方法。该方法融合基于振动信号和噪声信号的贝叶斯网络状态识别结果，通过K-fold交叉验证进一步验证轮毂电机轴承状态。通过方法对比，验证本文提出方法的优越性。 |
| 作者： | 秦霞 |
| 专业： | 交通运输工程 |
| 导师： | 李仲兴 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
