轮毂电机轴承微弱故障特征提取的强鲁棒高敏感统计方法研究

The roller element bearing is one of the most failure-prone mechanical elements of the in-wheel motor, any defects in bearings can imperil operation security of electric vehicles. Early-detection of bearing faults is the key point for preventive maintenance, however, the fault features are difficult to extract due to complicated disturbances in vibration signals. Recent methods for weak fault detection always need prior knowledge and have low robustness. Considering the E-NRC has strong robustness due to its ability in detecting faults with historical data, effective weak fault detection method based on the E-NRC is developed in this project. Firstly, the noise resistant correlation method is used to pre-process the raw machinery signals. Secondly, a multivariate statistical process control model is constructed for condition monitoring and fault prognosis. Finally, the E-NRC statistical model is constructed with its analysis in robustness and sensitivity to detect the early weak fault of rolling bearings. In conclusion, this research develops an effective weak fault detection method from the raw signals with complicated disturbances through strong robust and highly sensitive statistical method, and this research will enrich fault diagnosis techniques.

电动汽车轮毂电机轴承因恶劣工况极易出现故障危及车辆运行安全，早期微弱故障特征提取是实现轮毂电机轴承预防性维护的核心，但实际微弱特征受多干扰成分混叠影响而难以提取。现有微弱故障特征提取方法大多需要设定经验参数且抗干扰能力不强，而E-NRC统计模型利用历史数据统计特性变化捕捉状态特征的变化，具有强鲁棒性。因此，本项目旨在以强鲁棒高敏感统计建模分析为理论基础，开展轮毂电机轴承状态特征有效获取方法研究。首先，对状态数据进行抗噪声扰动统计方法预处理，实现微弱故障特征成分增强；其次，通过优化控制图控制参数，建立多元统计过程控制模型，实现故障预示；然后，建立E-NRC统计模型并研究受周期干扰和噪声干扰时信号的统计特征，分析统计模型鲁棒性与敏感度，实现轮毂电机轴承早期微弱故障特征提取。本项目为设备复杂工况下不同健康状态特征的统计模型建立及微弱故障特征提取提供了行之有效的理论和方法，丰富了故障诊断技术。

电动汽车轮毂电机轴承因恶劣工况极易出现故障危及车辆运行安全，早期微弱故障特征提取是实现轮毂电机轴承预防性维护的核心，但实际微弱特征受多干扰成分混叠影响而难以提取。现有微弱故障特征提取方法大多需要设定经验参数且抗干扰能力不强。本项目针对轮毂电机轴承健康状态监测及故障特征提取中存在的难点和关键点开展强鲁棒高敏感统计建模分析研究。.经过本课题项目组成员的努力，目前已经针对强鲁棒高敏感运行状态健康指标构建及状态监测、故障特征提取及故障高精准分类提出了新的优化解决方案。（1）针对轴承运行状态监测模型构建中存在的有效性和鲁棒性问题，构建了增强抗噪声相关指标，数学本质上建立了指标数学期望与方法有效性、指标方差与方法鲁棒性之间的关系，从理论上保证了监测模型的强鲁棒高敏感特性；发展了适应复杂背景噪声的双峭度图的健康指标以及基于TQWT的多尺度健康指标，并结合多元控制图如EWMA、T2、休哈特控制图等实现了健康状态稳健表征及故障状态灵敏检测；（2）针对因转速波动引起的振动信号包含伪周期信号与强背景噪声时特征提取难点，设计了Ex-NRC统计模型实现伪周期信号的提取，从理论上分析了模型输出函数首个局部极大值对应于待检测周期值。发展了变转速工况下故障特征提取算法GeACF，针对故障特征周期自动获取问题，提出基于线性回归模型和似然比检验的周期估计方法。（3）在轴承故障高精准分类方面：分别构建了Safe-Level-SMOTE模型、二叉树滤波器组Transformer模型、监督式稀疏表示模型实现了轴承故障分类。（4）搭建了轮毂电机轴承故障模拟试验台，开展了实验研究与工程应用。.基于本项目相关研究成果，项目负责人以第一/通讯作者发表SCI论文11篇；申请发明专利12件，授权4件，转化专利1件，申请PCT专利2件，均已进入境外发达国家；参加国内/国际学术会议10次；培养硕士研究生6名。这些最新成果将会有效推动强鲁棒高敏感统计建模分析方法在科研与实践中的进一步广泛应用。