基于数据分析的新能源车驱电机轴承故障诊断方法

本发明涉及故障诊断，具体涉及基于数据分析的新能源车驱电机轴承故障诊断方法。

背景技术：

1、新能源车驱电机轴承是新能源汽车驱动电机中的关键部件，其主要作用是支撑电机转子并承受负载，确保电机的正常运转和高效性能；轴承在新能源汽车的运行中起到至关重要的作用，不仅影响到电机的性能，还直接关系到车辆的驾驶体验和安全性。

2、电机轴承的故障诊断旨在检测和识别电机轴承在运行中的异常状态，以确保设备的正常运行和安全性；故障诊断方法包括异常旋转音分析法、电流频谱分析法、智能学习法和对抗网络法等。

3、在现有技术中，异常旋转音分析法是最常用的轴承故障诊断方法之一；当轴承发生内圈或外圈损伤时，在高速运转时会产生振动，从而特定频率的声音，这个声音一般可以作为故障信号，被用于分析轴承是否出现故障；但电机在高速运转时往往会产生大量噪声，故障信号则会被淹没在强大的背景噪声中，使得故障诊断变得更加困难。

技术实现思路

1、本发明的目的在于提供基于数据分析的新能源车驱电机轴承故障诊断方法，解决以上技术问题。

2、本发明的目的可以通过以下技术方案实现：

3、基于数据分析的新能源车驱电机轴承故障诊断方法，包括以下步骤：

4、步骤s1：选取若干车辆样本，并设定若干不同的转速值，获取车辆样本的电机在不同转速值下行驶t时间后轴承的磨损指数，t为预设的监测时长；根据各转速值对应的磨损指数，获得轴承的无损周期；

5、步骤s2：电机处于无损周期时，实时获取电机运行时的转速及声音信号，每获取tmin时长记为一次获取周期，tmin为预设的最小时长；将所述获取周期内每次获取时对应的时间戳记为采样点，并对各采样点编号，所述声音信号为由各采样点处的振幅构成的时域信号；

6、将获取到的声音信号根据其对应的转速的大小，进行排序并编号，得到无损信号集合；并在所述无损信号序列中获取转速集合k，记k={sp1，sp2，...，spn}，sp1为第1个转速，n为转速的总数；

7、步骤s3：电机不处于无损周期时，实时获取电机运行时的转速和声音信号，记为当前转速sp´和当前声音信号vio´；

8、若sp´∉k，则在k中选取出满足第一约束

9、的元素，其中i∈[1，n]且i为正整数，记所述元素为spmax；并选取出满足第二约束min(j)∩spi＜sp´的元素，记为spmin；在所述无损信号集合中分别获取spmax和spmin对应的声音信号，记为viomax和viomin；

10、根据viomax和viomin获得模拟声音信号vio0，获得过程为：获得周期内第m个采样点处的振幅y[m]=(xmax[m]+xmin[m])/2，其中xmax[m]为viomax上第m个采样点处的振幅，xmin[m]为viomin上第m个采样点处的振幅；根据各采样点处的振幅，得到模拟声音信号vio0；

11、步骤s4：对比所述当前声音信号vio´和模拟声音信号vio0，根据对比结果判断轴承是否存在故障；若存在故障，则在当前声音信号vio´中排除所述模拟声音信号vio0，记排除后的时域信号为故障信号。

12、作为本发明进一步的方案：所述若干不同转速值的设定过程包括：

13、设定标准转速值sp0=10000rpm，并设定转速间隔阈值s，所述转速间隔阈值的设定范围为s∈[50rpm，100rpm]；以所述标准转速值为初始值，根据所述转速间隔阈值对所述初始值向下递减和向上递增，得到若干个转速值。

14、作为本发明进一步的方案：所述车辆样本的轴承的磨损指数获得过程包括：

15、在行驶开始前获取车辆样本的轴承的图像数据，所述图像数据包括内圈和外圈的拍摄图像；对所述图像数据进行栅格化处理，得到若干像素点，并对各像素点进行编号；获取各像素点的像素值，并与对应像素点的编号相关联，得到初始像素值序列；

16、获取行驶结束后车辆样本的轴承的新图像数据，对所述新图像数据进行栅格化处理，得到若干新像素点，并对各新像素点进行编号；获取各新像素点的像素值，并与对应新像素点的编号相关联，得到新像素值序列；

17、在所述初始像素值序列和新像素值序列中，选取出|rv-r´v|≥rt的元素个数num，其中rv为初始像素值序列中第v个像素点的像素值，r´v为新像素值序列中第v个新像素点的像素值，rt为预设的差值阈值；则得到磨损指数，其中n为车辆样本的总数，num为像素点的总数，为第e个车辆样本的num/num。

18、作为本发明进一步的方案：所述轴承的无损周期的获得过程包括：

19、根据各转速值对应的磨损指数建立回归模型，在所述回归模型中获取磨损指数为0时对应的最大转速值maxsp；自车辆的电机首次运行开始，实时监测车辆的转速，并实时获得车辆的电机的平均转速，记录所述平均转速等于maxsp时对应的时间戳，记为故障时间节点，则记电机首次运行时对应的时间戳至所述故障时间节点之间的时间段为轴承的无损周期。

20、作为本发明进一步的方案：获取电机运行时的转速及声音信号的过程包括：

21、当存在两个转速相同，但两个转速对应的声音信号不同时，对比两个转速的获取时间，选取获取时间较早的转速对应的声音信号，作为该转速下的声音信号。

22、作为本发明进一步的方案：若sp´∈k，则直接在所述无损信号集合中获取转速为sp´时的声音信号。

23、作为本发明进一步的方案：判断所述轴承是否存在故障的过程包括：

24、将所述当前声音信号vio´和模拟声音信号vio0均记为初始信号；通过快速傅里叶变换将所述初始信号从时域转换到频域，得到频域信号；将所述频域信号通过带通滤波器组进行处理，并对处理后的频域信号进行离散余弦变换，提取出信号特征向量；

25、获取所述当前声音信号vio´和模拟声音信号vio0的信号特征向量，并获取两个信号特征向量的余弦相似度；若所述余弦相似度小于预设的相似度阈值，则轴承不存在故障；否则，轴承存在故障。

26、作为本发明进一步的方案：若轴承不存在故障，则继续监测下一获取周期内电机运行时的当前转速和当前声音信号。

27、本发明的有益效果：

28、在现有技术中，异常旋转音分析法是最常用的轴承故障诊断方法之一；当轴承发生内圈或外圈损伤时，在高速运转时会产生振动，从而特定频率的声音，这个声音一般可以作为故障信号，被用于分析轴承是否出现故障；但电机在高速运转时往往会产生大量噪声，故障信号则会被淹没在强大的背景噪声中，使得故障诊断变得更加困难。

29、相较于现有技术，本发明通过监测不同转速下电机轴承的磨损指数，确定轴承的无损周期；通过这一步骤确定轴承没有发生故障的时间区间，即无损周期，在该时间区间内电机产生的声音信号为无故障信号掺入的信号；在已知的无损周期内，收集电机运行时的声音信号，并与对应的转速关联，建立无损信号集合；这一步骤为后续的故障判断提供了对比基准，在无损周期内电机产生的声音信号可作为后续判断的标准；当电机运行不处于无损周期时，实时收集当前的转速和声音信号；此时收集的声音信号大概率为存在故障信号掺入的声音信号；将实时获取的当前声音信号与无损信号集合中的信号进行对比，根据差异判断轴承是否存在故障；如果存在故障，排除当前声音信号中正常的信号成分，从而准确地识别出故障信号；通过精确地信号采集、分析和对比，能够有效地诊断出新能源车驱电机轴承的潜在故障，提高故障检测的准确性和效率。