一种阻尼器故障检测方法及系统的利记博彩app
【技术领域】
[0001] 本发明设及阻尼器故障诊断领域，特别是设及一种阻尼器故障检测方法及系统。
【背景技术】
[0002] 阻尼器是汽车悬架上的一种用来耗散路面传递至车身的能量的减震元件，阻尼器 的性能直接影响汽车的行驶平顺性与操纵稳定性，汽车行驶过程中如果阻尼器出现故障， 不仅会造成巨大的经济损失，而且会给人类的生命安全造成极大的危险。故为了提高阻尼 器可靠性和安全性，有必要对阻尼器的故障进行诊断，确保行驶安全。
[0003] 目前检测阻尼器故障的方法是在阻尼器停止工作时，将阻尼器的某个部件（例如 活塞杆)取出，来检测该部件是否具有故障，而不能对阻尼器的整体进行故障检测，检测不 全面。
[0004] 因此，如何提供一种检测全面的阻尼器故障检测方法及系统是本领域技术人员目 前需要解决的问题。
【发明内容】
[0005] 本发明的目的是提供一种阻尼器故障检测方法及系统，能够对阻尼器整体的振动 信号进行检测，得到阻尼器整体出现的故障类型，检测全面。
[0006] 为解决上述技术问题，本发明提供了一种阻尼器故障检测方法，包括：
[0007] 获取激励条件下所述阻尼器整体的振动信号；
[000引对所述激励条件对应的所述振动信号进行信号提取处理，提取出故障特征信号；
[0009] 对所述故障特征信号进行分类及预测处理，输出所述激励条件对应的故障类型。
[0010] 优选地，所述激励条件为正弦激励、Ξ角形激励、矩阵波激励W及随机激励中的任 意一种。
[0011] 优选地，所述振动信号包括溫度信号、激励时间信号、阻尼器振动次数信号W及激 励幅度信号。
[0012] 优选地，所述信号提取处理的过程具体为：
[0013] 对所述振动信号进行去噪处理，得到去除噪声后的振动信号；
[0014] 对所述去除噪声后的振动信号进行异常特征提取处理，得到故障特征信号。
[0015] 优选地，所述对所述故障特征信号进行分类及预测处理之前还包括：
[0016] 对所述故障特征信号进行信号增强处理，得到增强后的故障特征信号。
[0017] 优选地，所述得到增强后的故障特征信号之后还包括：
[0018] 对所述增强后的故障特征信号进行Ξ维/二维转换处理，得到转换至二维平面内 的故障特征信号。
[0019] 优选地，所述故障类型包括漏油故障、异响故障、密封故障W及连接故障。
[0020] 为解决上述技术问题，本发明还提供了一种阻尼器故障检测系统，包括：
[0021] 振动信号获取模块，用于获取激励条件下所述阻尼器整体的振动信号；
[0022] 信号提取模块，用于对所述激励条件对应的所述振动信号进行信号提取处理，提 取出故障特征信号；
[0023] 分类预测模块，用于对所述故障特征信号进行分类及预测处理，输出所述激励条 件对应的故障类型。
[0024] 优选地，所述分类预测模块为深度玻尔兹曼机。
[0025] 本发明提供了一种阻尼器故障检测方法及系统，首先对获取到的激励条件下的阻 尼器整体的振动信号进行信号提取处理，提取出故障特征信号，然后对故障特征信号进行 分类及预测处理，得到激励条件下对应的故障类型。由于阻尼器振动工作时的振动信号能 够反映阻尼器整体的工作状态，故通过对该振动信号进行处理能够得到阻尼器整体出现的 故障类型，检测全面。
【附图说明】
[0026] 为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所 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的前提下，还可W根据运些附图获 得其他的附图。
[0027] 图1为本发明提供的一种阻尼器故障检测方法的过程的流程图；
[0028] 图2为本发明提供的一种阻尼器故障检测系统的结构示意图。
【具体实施方式】
[0029] 本发明的核屯、是提供一种阻尼器故障检测方法及系统，能够对阻尼器整体的振动 信号进行检测，得到阻尼器整体出现的故障类型，检测全面。
[0030] 为使本发明实施例的目的、技术方案和优点更加清楚，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。
[0031] 实施例一
[0032] 本发明提供了一种阻尼器故障检测方法，参见图1所示，图1为本发明提供的一种 阻尼器故障检测方法的过程的流程图；该方法包括：
[0033] 步骤slOl:获取激励条件下阻尼器整体的振动信号；
[0034] 步骤S102:对激励条件对应的振动信号进行信号提取处理，提取出故障特征信号；
[0035] 步骤S103:对故障特征信号进行分类及预测处理，输出激励条件对应的故障类型。
[0036] 本发明提供了一种阻尼器故障检测方法，首先对获取到的激励条件下的阻尼器整 体的振动信号进行信号提取处理，提取出故障特征信号，然后对故障特征信号进行分类及 预测处理，得到激励条件下对应的故障类型。由于阻尼器振动工作时的振动信号能够反映 阻尼器整体的工作状态，故通过对该振动信号进行处理能够得到阻尼器整体出现的故障类 型，检测全面。
[0037] 实施例二
[0038] 基于实施例一的基础上，本发明还提供了另一种阻尼器故障检测方法。
[0039] 其中，本发明中的激励条件为正弦激励、Ξ角形激励、矩阵波激励w及随机激励中 的任意一种。即步骤S101-S103是在同一种激励条件下进行的。当然，W上四种激励条件仅 为优选方案，实际工作中也可选择其他的激励条件进行检测。
[0040] 可W理解的是，由于阻尼器在不同的激励条件下出现的故障类型可能不同，故为 了使检测出来的故障类型更加全面，可W选择不同的激励条件来重复步骤S101-S103的操 作，即重复进行多次检测(例如第一次检测在正弦激励下进行，检测出阻尼器具有故障1;第 二次检测在Ξ角形激励下进行，检测出阻尼器具有故障2)。
[0041] 另外，本发明中的振动信号包括溫度信号、激励时间信号、阻尼器振动次数信号W 及激励幅度信号。
[0042] 可W理解的是，运里的振动信号是能够表征阻尼器工作状态的信号，故并不仅限 于W上几种，任何能够反映阻尼器工作状态是否正常的信号类型均可作为振动信号的一部 分，本发明对此不做特别限定。
[0043] 进一步可知，信号提取处理的过程具体为：
[0044] 对振动信号进行去噪处理，得到去除噪声后的振动信号；
[0045] 对去除噪声后的振动信号进行异常特征提取处理，得到故障特征信号。
[0046] 可W理解的是，获取到的振动信号中含有噪声信号，会对后面提取故障特征信号 与分类及预测处理造成干扰，故需要首先去除振动信号中的噪声，得到振动信号中的有效 信号。
[0047] 其中，异常特征提取处理的过程具体为：
[0048] 根据低频带信号提取关系式获取去除噪声后的振动信号中的低频带信号xi(t); 根据共振带信号提取关系式W及共振带包络提取关系式获取去除噪声后的振动信号中的 共振带包络灼；
[0049] 其中，低频带信号提取关系式为：
[(K)加 ]
[0051 ]共振带信号提取关系式为：
[0化2]
[0053]共振带包络提取关系式为：
[0化4]
[0055] 其中，fi为低频带的频率，[fa,fb]为共振带的频率范围，X(f)为去除噪声后的振动 信号;Am(t)〉0为第m个向量的幅值，Μ为向量的个数，其中，Μ个向量分别为振动信号包括的 各种类型的信号所对应的信号向量;Η(.)为希尔伯特变换；
[0056] 可W理解的是，提取出振动信号中的低频带信号W及共振带包络即为振动信号中 的异常特征部分，即故障特征信号。
[0057] 作为优选地，对故障特征信号进行分类及预测处理之前还包括：
[005引对故障特征信号进行信号增强处理，得到增强后的故障特征信号。
[0059]可W理解的是，信号增强处理的作用是对提取出来的低频带信号W及共振带包络 进行增强，从而得到增强的故障特征信号，便于分类及预测处理时对故障特征信号进行识 别。
[0060] 其中，信号增强处理的过程具体为：
[0061] 根据快速傅里叶变换关系式分别对低频带信号xi(t)w及共振带包络.；：-;(/)进行快 速傅里叶变换，得到分别与低频带信号xi(t)W及共振带包络.'v-:G〇对应的低频带时频脊线 S、, (《，《)W及共振带时频脊线X。(《，筑，其中，快速傅里叶变换关系式为：
[0064] 其中，U为时移，ξ为等效频率，g(.)为窗函数；
[0065] 利用归一化关系式对低频带时频脊线馬如幻与共振带时频脊线、知，到进行归 一化，得到归一化低频带时频脊线哀，挺，割W及归一化共振带时频脊线友:批。并带入脊 线融合关系式，得到融合脊线L，其中，归一化关系式为：
[0070] 其中，ke [a，b]，Ck为fk的等效频率，Ca为fa对应的等效频率，Cb为fb对应的等效频 率，Ru为第i个脊线与第j个脊线的相关因子，To为预设周期阔值，身胃为对应的脊线中幅值 最大处的等效频率；
[0071] 根据脊线求逆关系式得到融合逆脊线[1，其中脊线求逆关系式为：<