基于自适应噪声清除的液压转向机故障检测方法及装置

1.本发明属于状态监测与故障诊断技术领域，涉及一种基于自适应噪声清除的液压转向机故障检测方法及装置。


背景技术：

2.车辆底盘前桥转向机作为车辆组成中最为重要的组成之一，对汽车的行驶安全至关重要，因此汽车转向机的零件都称为保安件。如若车辆在行驶过程中发生故障而无法按照驾驶员的意愿控制车辆的行驶方向，则有可能会引发车辆安全事故，造成生命和财产损失。因此，对车辆底盘前桥转向机进行状态检测和早期故障诊断具有重要的意义。
3.一套车辆底盘前桥转向机的主要故障源为液压转向机与油泵，其中液压转向机的故障部件包括：溢流阀、单向阀、转向阀、机械以及密封。油泵在实际工作有叶片泵与齿轮泵两类。由于车辆底盘前桥转向机液压转向机组成结构较为复杂，因而与故障特征相对应的先验知识相对较为匮乏。而在实际针对转向机的振动测试环境中测量信号又常常受到油压冲击等噪声的干扰，导致故障特征信号的提取更为困难。长期以来，针对车辆液压转向机的故障检测在故障特征先验知识匮乏以及外部高油压冲击等噪声干扰的条件下，难以直接根据振动测量信号的信息进行故障特征信号的提取和故障检测。


技术实现要素：

4.为实现上述目的，本发明的技术方案如下：
5.一种基于自适应噪声清除的液压转向机故障检测方法，包括以下步骤：
6.采集液压转向机包括液压转向机油液入口和液压转向机机体的多组振动信号，并对振动信号进行预处理获得振动信号序列{x
i
(j)},其中，j是第j组振动信号序列，i是一组振动信号序列中的第i个信号；
7.通过自适应噪声清除算法对该振动信号序列进行故障特征信号的提取，根据所述故障特征信号获取频谱图；
8.在所述频谱图中检测是否存在该液压转向机的转频及其倍频，如存在则判定液压转向机故障。
9.可选地，所述采集液压转向机包括液压转向机油液入口和液压转向机机体的多组振动信号，包括：
10.使用加速度传感器对液压转向机的油液入口的振动加速度信号，和液压转向机机体在空间直角坐标系的三个坐标轴方向的振动加速度信号进行同步采集，获得振动加速度数据；
11.对振动加速度数据进行预处理得到振动信号序列。
12.可选地，所述通过自适应噪声清除算法对该振动信号序列进行故障特征信号的提取，根据所述故障特征信号获取频谱图，包括：
13.(1)设定自适应滤波器参数；
14.(2)对振动信号序列{x
i
(j)}施加时间延迟δ，得到延迟振动信号序列{x
δi
(j)}；
15.(3)将所述延迟振动信号序列{x
δi
(j)}输入到自适应滤波器进行滤波，得到输出信号序列{x
outi
(j)}；
16.(4)将所述振动信号序列{x
i
(j)}与所述输出信号序列{x
outi
(j)}做差得到做差序列{x
subi
(j)}；
17.(5)将所述做差序列{x
subi
(j)}作为参考信号输入到自适应滤波器当中，基于最小二乘算法更新自适应滤波器权重wj；
18.(6)重复步骤1至5(n
‑
(δ+l))次，提取最后一次的做差序列{x
subi
(j)}，其中，n为所述振动信号序列{x
i
(j)}的总长度；
19.(7)用最后一次的做差序列{x
subi
(j)}作时域图，并将所述时域图与做差序列的时延后数据对应的区域进行傅里叶变换得到频谱图。
20.可选地，所述基于最小二乘算法更新自适应滤波器权重w
j
，包括：
[0021][0022]
其中，μ为学习率；
[0023]
ε
k
为第k次迭代时的输出误差，即取值等于x
subi
(k)；
[0024]
e[
·
]为序列均值算子。
[0025]
可选地，在所述频谱图中检测是否存在该液压转向机的转频及其倍频，如存在则判定液压转向机故障，包括：
[0026]
根据液压转向机转频或所述转频的多倍频率范围从所述频谱图中提取出对应频段；
[0027]
在所提取频段中如若存在转频及其倍频，则判定液压转向机故障。
[0028]
可选地，从所述频谱图中提取出对应频段之前，先对根据液压转向机转频或所述转频的多倍频率范围增加裕度。
[0029]
可选地，所述对应频段在0～0.6hz范围内。
[0030]
本发明还提供一种基于自适应噪声清除的液压转向机故障检测装置，包括：
[0031]
振动信号序列获取模块，用于采集液压转向机包括液压转向机油液入口和液压转向机机体的多组振动信号，并对振动信号进行预处理获得振动信号序列{x
i
(j)}，其中，j是第j组振动信号序列，i是一组振动信号序列中的第i个信号；
[0032]
频谱图获取模块，用于通过自适应噪声清除算法对该振动信号序列进行故障特征信号的提取，根据所述故障特征信号获取频谱图；
[0033]
故障判断模块，用于在所述频谱图中检测是否存在该液压转向机的转频及其倍频，如存在则判定液压转向机故障。
[0034]
本发明具有以下有点及突出性的技术效果：本发明基于实际车辆前桥液压转向机实际振动测试环境中振动测量信号受到油压冲击噪声干扰较强的现象，从信号的瞬时冲击性和周期性角度分析了该液压转向机故障特征信号和油压冲击信号的特点，并结合本身自适应噪声清除的信号处理方法将二者进行分离，并进一步基于故障转子动力学理论对提取的故障特诊信号进行分析，对转向机内部各转子可能存在的不平衡、不对中、碰摩等故障进行诊断。所提出的这一整套技术路线可以对车辆液压转向机的转子故障进行诊断，有效填
补了液压转向机故障特征信号提取和故障检测方法的理论和技术空白，具有重要的实用性和工程价值。
附图说明
[0035]
通过参照附图详细描述本发明的实施例，本发明将变得更加清楚，多个实施例被图示在附图中以用于说明性目的，并且决不应该被理解为限制实施例的范围。另外，不同的公开的实施例的各种特征可以组合以形成额外实施例，额外实施例是本公开的一部分，其中：
[0036]
图1是本发明所提供的一种本身自适应噪声清除的液压转向机故障诊断方法的流程图；
[0037]
图2为预处理后油压冲击噪声、液压转向机故障特征信号白噪声组成的混合信号的时域图；
[0038]
图3为原混合信号经本身自适应噪声清除处理之后所得故障特征信号的时域图；
[0039]
图4为原混合信号经本身自适应噪声清除处理之后所得故障特征信号的频域图；
具体实施方式
[0040]
下面将参考附图来描述本发明所述的实施例。本领域的普通技术人员可以认识到，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。
[0041]
在本发明的任何实施例被具体地描述之前，应该理解本文中公开的概念不将它们的应用限制到在以下描述中阐述或在以下附图中图示的构造的细部和构件的布置。在这些实施例中图示的概念能够以各种方式实践或执行。本文中使用的具体短语和术语为了便于描述，并且不应该被认为是限制性的。
[0042]
本发明中，自适应噪声清除方法所分离得到的周期性特征信号与车辆底盘前桥转向机液压转向机故障特征信号具有类似特征，被去除的冲击性噪声信号与油压冲击信号具有类似的特征，做出这一判断是基于以下事实或现象：
[0043]
(1)对于车辆底盘前桥转向机液压转向机的振动测量过程中，根据油液入口振动测点的振动信号和液压转向机本体振动信号测点的振动信号的对比，可以明显发现油液入口处的振动信号和液压转向机本体各向的冲击特性均较为明显。这说明此时油压冲击噪声在液压转向机本体振动信号中占主导地位，降低了液压转向机本体实测振动信号的信噪比。
[0044]
(2)车辆转向机液压转向机的结构组成中，存在大量如滚珠丝杠、球轴承等旋转机构。在实际运行状态下，该转向机可能会存在转子不对中故障、不平衡故障、裂纹故障、碰摩故障等多种故障形式。根据转子动力学理论，在故障初期阶段，这些故障可能会导致故障特征信号的频谱中出现与液压转向机的转频及倍频。此处转频指的是液压转向机转速所对应的频率，倍频则为转频的整数倍。由于处于故障初期，其故障特征信号所包含的能量较低，冲击性较低而周期性较强。由于受到入油口处油压冲击和其它噪声的干扰，液压转向机故障特征频率可能会淹没于噪声当中，难以进行故障特征信号的提取。
[0045]
下面将结合实施例中的附图，对实施例中的技术方案进行具体、清楚、完整地描述。
[0046]
如图1所示，本发明公开了一种本身自适应噪声清除算法的液压转向机故障故障诊断方法，包括以下步骤：
[0047]
步骤一：采集车辆底盘前桥转向机液压转向机振动信号序列并对该信号序列进行预处理；
[0048]
其中，(1)以设定好的定时采样参数使用相应加速度传感器对车辆底盘前桥转向机液压转向机的油液入口的振动加速度信号，和液压转向机机体在三个方向的振动加速度信号进行同步采集；
[0049]
(2)整理获得油液入口和三组液压转向机机体振动加速度数据；
[0050]
(3)对所采集到和整理好的四组振动加速度数据进行预处理处理，得到四组振动信号序列。
[0051]
其中，车辆底盘前桥转向机液压转向机的振动加速度信号可以由振动加速度传感器测量得到。通过对振动加速度进行采样来获得离散的振动加速度信号，并进一步对这一信号进行预处理。预处理主要步骤为去趋势化处理。通过信号预处理可以去除信号中趋势性较强的成分以得到信号主要的波动成分，记处理后的振动信号序列为{x
i
(j)}。
[0052]
步骤二：通过本身自适应噪声清除算法(sanc)对该振动信号序列进行故障特征信号的提取；
[0053]
具体的步骤包括：
[0054]
(1)根据对车辆底盘前桥转向机液压转向机的故障先验知识和测试条件，选定自适应滤波器阶数l、自适应滤波器的初始权重w0以及振动信号序列的时间延迟长度δ；需要提前选定的超参数主要有自适应滤波器的阶数l、延迟时间长度δ以及学习率μ。l的取值一般会比较大，这样才可以使得油压冲击噪声和液压转向机故障特征之间呈现出较为明显的相关性差异；而另一方面，考虑到混合序列的长度有限，l也不能取得过大，这样才能保证迭代算法有足够多的迭代次数来调整该混合信号使其自身满足收敛准则。对于阶数l，最小阶需要对应于频率间隔的一个周期，而为了取得更加良好的滤波效果，其阶次应为最小阶的两倍以上。一般而言任何测试信号都可以视作随机信号成分和确定信号成分的组合，而时间延迟长度δ的取值需要长于信号中随机组分的相关长度。学习率μ的选取则不能取值过大，不然可能会导致算法满足不了收敛准则；同时，如果μ取值过小，则有可能会导致计算复杂度过高。阶数l、延迟时间长度δ、学习率μ的设定为常规技术，在此不做详述。
[0055]
(2)如图1所示，对经步骤一采集和预处理的振动信号序列{x
i
(j)}施加大小为δ的时间延迟，得到延迟振动信号序列{x
δi
(j)}，其中，z
‑
δ
表示施加大小为δ的时间延迟。
[0056]
(3)将经过延时处理的延迟振动信号序列{x
δi
(j)}输入到自适应滤波器h(z)当中进行滤波，得到输出信号序列为{x
outi
(j)}。
[0057]
(4)将初始振动信号序列{x
i
(j)}与输出信号序列{x
outi
(j)}做差，得到做差序列{x
subi
(j)}。
[0058]
(5)将得到的做差序列{x
subi
(j)}作为参考信号输入到自适应滤波器当中，基于最小二乘算法更新自适应滤波器权重w
j
。
[0059]
其更新过程如下式所示：
[0060][0061]
其中，μ为学习率，其取值不能过大，以免发散，同时也不能取值过小，以免引起过长的训练时间；ε
k
为第k次迭代时的输出误差，即取值等于x
subi
(k)；e[
·
]为序列均值算子。
[0062]
(6)重复上述1至5步骤(n
‑
(δ+l))次，提取最后一次的做差序列{x
subi
(j)}；其中，n为原信号的总长度。
[0063]
(7)对上述最后一次提取的序列{x
subi
(j)}作其时域图，并对该做差序列的时延后部分进行傅里叶变换，得到傅里叶变换序列x(
·
)及相应频谱图。
[0064]
步骤三：基于所得频谱图在频域进行低通滤波后观察频谱中低频段是否有转频或者转频及其倍频的出现，以此作为该液压转向机故障发生与否之判据。如若存在转频或者转频及其倍频，则该车辆底盘前桥转向机液压转向机可能存在转子部件不平衡、不对中、碰摩等初期故障。
[0065]
实施例一：油压冲击噪声和故障特征混合信号的故障特征提取仿真分析
[0066]
混合信号由油压冲击信号、故障特征信号、白噪声信号和趋势化噪声信号构成，其各组成部分可以表达为：1)油压冲击噪声：y1＝50(mod(p,t)＝＝0)，t＝1/0.30，p＝0:n
‑
1，n＝32768；2)故障特征信号：y2＝sin(w2t)，w2＝2πf2，t＝n(1/f
s
)，f
s
＝2000hz；3)白噪声信号：y3＝50y
30
，y
30
～n(0,1)；4)趋势化噪声：y4＝t。上述各式中，p表示当前信号采集时间对应的采样点数，n表示总采样点数，t表示当前信号采集时间，t代表油压冲击的周期，f2代表故障特征频率，n(0,1)是标准正态分布。
[0067]
液压转向机运行工况：转速8rpm(转频f2＝0.133hz)。
[0068]
数据采集参数：液压转向机振动加速度计采样频率fs＝2000hz，液压转向机数据采集长度n＝32768。
[0069]
基于上述技术实施方案和仿真参数，可将本身自适应噪声清除所涉及的三个超参数即自适应滤波器的阶数l、延迟时间长度δ以及学习率μ分别确定为：l＝20000；δ＝14999；μ＝0.1。
[0070]
首先可以根据液压转向机的运行工况确定液压转向机的故障特征频率应在其转频附近。考虑到其转速为8rpm,其对应的转频为f2＝0.133hz，可适当将转频扩大一定的整数倍以得到相应的二倍频(f2’
＝0.266hz)和三倍频(f
2”＝0.40hz)，并适当增加少量的裕度，可初步确定其故障特征频率应处于0～0.6hz范围内。在分析该混合信号时先对该混合信号进行预处理来去除趋势化噪声y4干扰，得到预处理后的原信号的时域信号如下图2所示，其中纵轴为振幅，横轴为时间。由图2可以发现该混合信号中的故障特征信号已经完全淹没在油压冲击和其它噪声当中。之后对该混合信号进行本身自适应噪声清除处理，得到分离后的信号如图3所示。可以发现该信号在时间延迟之后的部分存在较为明显的周期性；进一步提取时延后的部分进行快速傅里叶变换并作频谱图如图4所示，其中纵轴为振幅，横轴为频率。基于该频谱图，可以发现信号的能量较为明显地集中于故障特征频率对应的频段范围(0～0.6hz)内，且于转频(f2＝0.133hz)附近捕捉到明显的谱峰。如表1所示，对比自适应噪声清除前和清除后的信噪比，可以发现经过本身自适应噪声清除处理之后混合信号的信噪比得到了提高，即液压转向机的故障特征信号得到了有效的提取。基于该提取的故障特征信号，通过频谱分析可以捕捉到该故障特征信号的转频，即可对该液压转向机故障
进行稳健的检测。
[0071]
表1
[0072][0073]
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。