【技术实现步骤摘要】
本专利技术属于神经网络领域，具体涉及一种基于小波包主频分量特征提取的履带车辆悬挂系统故障诊断方法。
技术介绍
1、车辆悬挂系统的功能是传递作用在车轮与车架之间的力和力矩，缓冲由不平路面传给车架或车身的冲击力，保证车辆平稳快速行驶以提高驾乘人员的乘坐舒适性、车辆操控性以及车辆零部件的使用寿命。履带车辆多处于恶劣的外部环境和行驶路况，在长期的使用过程中，其悬挂系统中的某些悬挂部件的性能可能会衰减甚至失效，即吸收振动能量的能力减弱。如果悬挂系统出现故障，悬挂部件会在发生刚性撞击时因受到冲击能量过大而造成损伤，从而影响系统的可靠性，为此，对履带车辆悬挂系统的故障进行诊断具有重要的意义，通过故障诊断，可以及时发现并解决悬挂系统中存在的潜在问题，从而提高设备运行的可靠性。
2、履带车辆在左右两侧履带的各负重轮上普遍安装有悬挂系统及阻尼器件，履带车辆的车体重量较大，每侧的各负重轮上设置的扭力弹簧悬挂装置数量众多且布局紧密。当扭力弹簧悬挂装置发生故障时，对车辆运行的影响会直接体现在车体的振动加速度上。时频域分析方法能够在振动信号的不同时间和频率段上提供高分辨率的特征，这对于捕捉具有瞬时性、时变性的故障信号特征而言非常重要。小波包变换的多尺度分析，优势是能够提高对故障特征的敏感性，但如何选取小波包变换的频域特征是一个重要的问题，目前还没有有效的技术方案加以改进。为此，本申请人作了有益的设计，下面将要介绍的技术方案便是在这种背景下产生的。
技术实现思路
1、本专利技术的目的在于提供一种基于
2、本专利技术的目的是这样来达到的，一种基于小波包主频分量的履带车辆悬挂系统故障诊断方法，包括如下步骤：
3、步骤一，采集正常和故障情况下车辆的垂直加速度数据；
4、步骤二，对采集到的加速度数据进行预处理，建立样本集；
5、步骤三，采用q层小波包分解加速度样本，根据分解得到的小波系数进行小波重构，得到重构信号；
6、步骤四，采用傅里叶变换处理所述重构信号，得到重构信号的频域图，选择频域图中前n个主频分量来计算特征样本；
7、步骤五，将所述特征样本作为支持向量机(英文全称：support vector machine，英文简称：svm)的输入，将故障类别作为支持向量机的输出，进行故障诊断分类器的训练。
8、在本专利技术的一个具体的实施例中，所述步骤一中，在车体四个角和两侧履带侧裙中央偏上位置设置加速度传感器，用于采集正常和故障情况下匀速工况时的车辆垂直加速度数据。
9、在本专利技术的另一个具体的实施例中，所述步骤二中，又包括以下步骤：首先，消除加速度数据的趋势项，然后采用递推平均滤波算法处理去趋势项的加速度数据，再采用滑动窗口方法对加速度数据进行滑动采样，为采样后的样本添加相应的类别标签，每种故障类别有六组传感器数据，在数据第一个维度上拼接六个传感器数据，以实现传感器数据融合，最终得到初始样本集。
10、在本专利技术的又一个具体的实施例中，所述步骤三中，根据分解得到的低频和高频部分的16个小波包系数，进行小波重构，得到16个重构信号。
11、在本专利技术的再一个具体的实施例中，所述步骤四中，按照频域图中幅值从高到低的顺序，选择前2个频率作为主频分量，将主频分量与对应幅值相乘得到特征样本。
12、在本专利技术的还有一个具体的实施例中，所述步骤五中，使用网格搜索法找到支持向量机的最佳超参数，实现悬挂系统故障诊断。
13、本专利技术由于采用了上述结构，与现有技术相比，具有的有益效果是：其一，解决了由于故障信号的变化具有瞬时性和非周期性的特点，而传统傅里叶变换无法同时提供时域和频域局部信息的问题，采用小波包变换和傅里叶变换相结合的时频域分析方法来提取信号的故障特征，利用小波包变换多尺度分析的优势，能够提高对故障特征的敏感性；其二，利用由故障引起的瞬态振动导致频谱能量高度集中的特性，选择具有高幅值水平的频率作为主要的频率分量来计算特征样本，能够在频谱中精准地捕捉故障特征，为故障诊断提供可靠的分析基础。
本文档来自技高网...【技术保护点】
1.一种基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于：所述步骤一中，在车体四个角和两侧履带侧裙中央偏上位置设置加速度传感器，用于采集正常和故障情况下匀速工况时的车辆垂直加速度数据。
3.根据权利要求1所述的基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于：所述步骤二中，又包括以下步骤：首先，消除加速度数据的趋势项，然后采用递推平均滤波算法处理去趋势项的加速度数据，再采用滑动窗口方法对加速度数据进行滑动采样，为采样后的样本添加相应的类别标签，每种故障类别有六组传感器数据，在数据第一个维度上拼接六个传感器数据，以实现传感器数据融合，最终得到初始样本集。
4.根据权利要求1所述的基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于：所述步骤三中，根据分解得到的低频和高频部分的16个小波包系数，进行小波重构，得到16个重构信号。
5.根据权利要求1所述的基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其
6.根据权利要求1所述的基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于：所述步骤五中，使用网格搜索法找到支持向量机的最佳超参数，实现悬挂系统故障诊断。
...【技术特征摘要】
1.一种基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于：所述步骤一中，在车体四个角和两侧履带侧裙中央偏上位置设置加速度传感器，用于采集正常和故障情况下匀速工况时的车辆垂直加速度数据。
3.根据权利要求1所述的基于小波包主频分量的履带车辆悬挂系统故障诊断方法，其特征在于：所述步骤二中，又包括以下步骤：首先，消除加速度数据的趋势项，然后采用递推平均滤波算法处理去趋势项的加速度数据，再采用滑动窗口方法对加速度数据进行滑动采样，为采样后的样本添加相应的类别标签，每种故障类别有六组传感器数据，在数据第一个维度上拼...
【专利技术属性】
技术研发人员：刘宗凯，陆莹，邹卫军，张贤椿，钱龙军，吴盘龙，王军，薄煜明，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。