一种电动汽车电驱动系统齿轮故障特征提取方法及系统

技术领域

本发明属于电动汽车故障诊断技术领域，具体涉及一种电动汽车电驱动系统齿轮故障特征提取方法及系统。

背景技术

电动汽车经常运行在时变转速的工况下，即使以某一车速为目标匀速行驶，受环境和驾驶员影响，也会出现速度波动。目前对变转速振动信号进行故障特征提取的方法一般需要准确的转速数据，根据实时转速进行滤波或转换到角域。车辆虽然能够提供电机转速数据，但其采集设备与振动信号采集设备不同，并且还需与振动数据融合。如中国专利《一种齿轮箱非平稳信号故障特征提取方法》(授权号：CN106644467B)同步采集齿轮箱振动加速度和转速信号，从而将振动加速度进行阶次跟踪转换到角域。中国专利《基于自适应阶次分析的轧机齿轮箱故障特征提取方法》(申请号：CN115876471A)同步获取振动信号和时变转速信号，根据转速曲线进行时变带通滤波。而在电动汽车上安装转速传感器需要对车辆进行较大改动，增加了经济成本和时间成本。

发明内容

本发明旨在解决现有技术的不足，提出一种电动汽车电驱动系统齿轮故障特征提取方法及系统。结合电驱动系统传动机构和电机共用同一个壳体的特点，根据振动信号中的逆变器开关频率成分计算转频，将时域振动信号转到角域，并在角域利用稀疏分解降噪，从而提取故障特征。能够避免了人工选定转速数据，仅需要齿轮齿数和逆变器开关频率即可进行提取，能够用于长时间故障检测。

为实现上述目的，本发明提供了如下方案：一种电动汽车电驱动系统齿轮故障特征提取方法，包括以下步骤：

S1、采集电驱动系统振动加速度信号，并基于所述振动加速度信号计算电机转子转速曲线；

S2、基于所述电机转子转速曲线对所述振动加速度信号进行重采样，得到角域信号；

S3、基于所述角域信号得到电驱动系统齿轮故障特征。

进一步优选地，所述S1包括：

S11、设置采样频率不低于电驱动系统开关频率的8倍，采集所述振动加速度信号；并对所述振动加速度信号进行高通滤波，得到逆变器开关频率信息；

S12、采用滑动窗函数对所述开关频率信息进行内积运算，得到短时傅里叶时频系数；并基于所述短时傅里叶时频系数得到瞬时频率；

S13、将所述开关频率信息中分散的能量聚集到所述瞬时频率处，得到所述开关频率信息的时频图；

S14、基于所述时频图得到所述电机转子转速曲线。

进一步优选地，所述S3包括：

S31、对所述角域信号进行串联组合，得到串联振动加速度信号；

S32、构造阶次谱上的稀疏字典，原子为齿轮齿数z

S33、对所述代价函数进行求解偏导，并建立前向-后向迭代模型计算最优稀疏系数，并基于所述最优稀疏系数得到电驱动系统齿轮故障特征。

进一步优选地，所述短时傅里叶时频系数包括：

式中，g(t-τ)表示滑动窗函数；s

进一步优选地，所述瞬时频率包括：

式中，

进一步优选地，所述代价函数包括：

式中，c表示稀疏系数矢量；A表示稀疏字典；v表示参数化矢量；s

进一步优选地，所述最优稀疏系数包括：

c

v

式中，c

本发明还提供一种电动汽车电驱动系统齿轮故障特征提取系统，所述提取系统用于实现所述提取方法，包括：采集单元、重采样单元以及计算单元；

所述采集单元用于采集电驱动系统振动加速度信号，并基于所述振动加速度信号计算电机转子转速曲线；

所述重采样单元用于基于所述电机转子转速曲线对所述振动加速度信号进行重采样，得到角域信号；

所述计算单元用于基于所述角域信号得到电驱动系统齿轮故障特征。

与现有技术相比，本发明的有益效果为：

本发明提供的用于电动汽车电驱动系统齿轮故障特征提取的方法，通过振动加速度信号中的逆变器开关频率成分计算了电机转子转频，避免了转速传感器的安装和转速、振动信息的融合，降低了成本。根据转频信息将时域振动信号变换到角域，并通过角域稀疏分解增强了故障特征，解决了变转速工况下齿轮故障特征提取的问题。

附图说明

为了更清楚地说明本发明的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例电动汽车电驱动系统齿轮故障特征提取方法流程示意图；

图2为本发明实施例电驱动系统结构示意图；

图3为本发明实施例电驱动系统中间轴上的齿轮矩形剥落区域示意图；

图4为本发明实施例电驱动系统振动加速度信号示意图；

图5为本发明实施例逆变器开关频率成分曲线示意图；

图6为本发明实施例重构后的阶次谱示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一：

如图1所示，本实施例提供一种电动汽车电驱动系统齿轮故障特征提取方法，包括以下步骤：

S1、采集电驱动系统振动加速度信号，并基于振动加速度信号计算电机转子转速曲线。

其中，电驱动系统结构如图2所示，齿轮1～4的齿数分别为16、52、23、71，逆变器开关频率为4832Hz，转子极对数为5，电驱动系统中间轴上的齿轮2被人为增加了一个对角线长度3mm，深度为0.5mm的矩形剥落区域，如图3所示。采集前将振动加速度传感器使用螺钉安装在电驱动系统的传动机构壳体上。

具体的，步骤S1包括：

S11、设置采集卡的采样频率不低于电驱动系统开关频率的8倍，采集变工况下该测量点的时域振动加速度信号，如图4所示；并对时域振动加速度信号进行截止频率为14495Hz的高通滤波，即，保留3倍开关频率以上的频率成分，得到逆变器开关频率信息，记为s

S12、采用中间时刻为τ的滑动窗函数g(t-τ)对开关频率信息s

其中，开关频率信息s

式中，g(t-τ)表示滑动窗函数；s

通过对短时傅里叶时频系数在时间方向上求偏导计算估计瞬时频率，计算方法如下式；

式中，

S13、将开关频率信息中分散的能量聚集到瞬时频率处，得到开关频率信息的时频图：

式中，δ()表示狄利克雷函数。

S14、基于时频图得到电机转子转速曲线。

提取出时频图中能量最大的4条曲线，如图5所示，分别将相邻的曲线相减，差值小于30Hz，则将14600Hz和14800Hz曲线的差值作为2倍的电机电源频率曲线；将2倍的电机电源频率除以极数，得到电机转子转速曲线。

S2、基于电机转子转速曲线对振动加速度信号进行重采样，得到角域信号。

具体的，S2包括：

S21、以啮合频率为中心频率，2倍转频为带宽的带通滤波器对时域振动加速度信号进行带通滤波。

S22、将转频曲线根据传动比转为待监测轴的转角曲线，根据每转角度对信号进行截断，在对截断后的信号重采样，使得每转信号长度相同，得到的角域信号记为s

S23、对角域信号进行Z变换，如下式：

k＝1,…,M n＝1,…,N

式中，N表示每转信号的长度；M表示Z变换采样点的总数；A

S24、判断频带内最大幅值的阶次是否等于齿数，若小于齿数则增加截断信号的长度，若大于齿数则减小截断信号的长度。

S3、基于角域信号得到电驱动系统齿轮故障特征；对角域信号稀疏分解，得到信号阶次谱，根据阶次谱即可得到电驱动系统齿轮故障特征。

具体的，S3包括：

S31、对角域信号进行串联组合，得到串联振动加速度信号s

S32、构造阶次谱上的稀疏字典，原子为齿轮齿数z

其中，代价函数包括：

式中，c表示稀疏系数矢量；A表示稀疏字典；v表示参数化矢量；s

S33、对代价函数进行求解偏导，并建立前向-后向迭代模型计算最优稀疏系数，并基于最优稀疏系数得到电驱动系统齿轮故障特征。

求解正则化反问题代价函数的偏导，如下式；

最优稀疏系数包括：

c

v

式中，c

如图6所示，为本发明重构后的阶次谱，阶次谱中与齿轮2相关阶次分量得到清晰显示，在齿轮2齿数阶次分量52的两侧存在由剥落故障引起的调制边带分量51和53，说明提取到了齿轮故障特征，证明了本发明提出方法的有效性。

实施例二：

本实施例提供一种电动汽车电驱动系统齿轮故障特征提取系统，提取系统用于实现提取方法，包括：采集单元、重采样单元以及计算单元。

采集单元用于采集电驱动系统振动加速度信号，并基于振动加速度信号计算电机转子转速曲线。

其中，电驱动系统结构如图2所示，齿轮1～4的齿数分别为16、52、23、71，逆变器开关频率为4832Hz，转子极对数为5，电驱动系统中间轴上的齿轮2被人为增加了一个对角线长度3mm，深度为0.5mm的矩形剥落区域，如图3所示。采集前将振动加速度传感器使用螺钉安装在电驱动系统的传动机构壳体上。

具体的，采集单元的工作过程包括：

1、设置采集卡的采样频率不低于电驱动系统开关频率的8倍，采集变工况下该测量点的时域振动加速度信号；并对时域振动加速度信号进行截止频率为14495Hz的高通滤波，即，保留3倍开关频率以上的频率成分，得到逆变器开关频率信息，记为s

2、采用中间时刻为τ的滑动窗函数g(t-τ)对开关频率信息s

其中，开关频率信息s

式中，g(t-τ)表示滑动窗函数；s

通过对短时傅里叶时频系数在时间方向上求偏导计算估计瞬时频率，计算方法如下式；

式中，

3、将开关频率信息中分散的能量聚集到瞬时频率处，得到开关频率信息的时频图：

式中，δ()表示狄利克雷函数。

4、基于时频图得到电机转子转速曲线。

提取出时频图中能量最大的4条曲线，分别将相邻的曲线相减，差值小于30Hz，则将14600Hz和14800Hz曲线的差值作为2倍的电机电源频率曲线；将2倍的电机电源频率除以极数，得到电机转子转速曲线。

重采样单元用于基于电机转子转速曲线对振动加速度信号进行重采样，得到角域信号。

重采样单元的工作过程包括：

1、以啮合频率为中心频率，2倍转频为带宽的带通滤波器对时域振动加速度信号进行带通滤波。

2、将转频曲线根据传动比转为待监测轴的转角曲线，根据每转角度对信号进行截断，在对截断后的信号重采样，使得每转信号长度相同，得到的角域信号记为s

3、对角域信号进行Z变换，如下式：

k＝1,…,M n＝1,…,N

式中，N表示每转信号的长度；M表示Z变换采样点的总数；M表示Z变换采样点的总数；A

4、判断频带内最大幅值的阶次是否等于齿数，若小于齿数则增加截断信号的长度，若大于齿数则减小截断信号的长度。

计算单元用于基于角域信号得到电驱动系统齿轮故障特征；对角域信号稀疏分解，得到信号阶次谱，根据阶次谱即可得到电驱动系统齿轮故障特征。

具体的，计算单元的工作过程包括：

1、对角域信号进行串联组合，得到串联振动加速度信号s

2、构造阶次谱上的稀疏字典，原子为齿轮齿数z

其中，代价函数包括：

式中，c表示稀疏系数矢量；A表示稀疏字典；v表示参数化矢量；s

3、对代价函数进行求解偏导，并建立前向-后向迭代模型计算最优稀疏系数，并基于最优稀疏系数得到电驱动系统齿轮故障特征。

求解正则化反问题代价函数的偏导，如下式；

最优稀疏系数包括：

c

v

式中，c

以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。