鄒志輝 喻鑫

（江鈴汽車股份有限公司，江西南昌 330000）

1 概述

對(duì)于車輛，動(dòng)力系統(tǒng)是汽車的最核心部分，對(duì)于重型的汽車來說，由于汽車的結(jié)構(gòu)組成部件多，組成模式多樣，這就造成部件的拆裝困難和維護(hù)困難。因此增強(qiáng)系統(tǒng)的性能可靠性，達(dá)到不用拆卸下來就能維修的功能刻不容緩。解決這一問題最常用的方法是進(jìn)行狀態(tài)的檢測(cè)和故障的監(jiān)測(cè)。

在研究汽車傳動(dòng)系統(tǒng)的特點(diǎn)之后，本文針對(duì)性的提出運(yùn)用小波分析來處理這些問題，在進(jìn)行對(duì)象特征提取的基礎(chǔ)上，對(duì)機(jī)械故障進(jìn)行有效的探究。

小波變化把信號(hào)分成空間和維度上分別獨(dú)立的兩個(gè)參量，這是在原有信號(hào)信息不改變的情況下，相當(dāng)于具有放大能力的數(shù)學(xué)顯微鏡，并且也有檢測(cè)信號(hào)的能力。

神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是可以大規(guī)模學(xué)習(xí)，還可以互動(dòng)記憶、自我學(xué)習(xí)，具有很強(qiáng)的適應(yīng)性，為實(shí)現(xiàn)智能診斷提供了新的契機(jī)?？梢越鉀Q殘缺的知識(shí)，并能對(duì)復(fù)雜模型做出分類決策。

灰色系統(tǒng)理論是一種新的理論方法。近年來，灰色系統(tǒng)理論（主要是灰色關(guān)聯(lián)分析）在機(jī)械系統(tǒng)狀態(tài)監(jiān)測(cè)與診斷中的應(yīng)用取得了良好的進(jìn)展。

現(xiàn)代機(jī)械系統(tǒng)的內(nèi)部結(jié)構(gòu)越來越復(fù)雜。監(jiān)測(cè)和故障診斷中提取的信噪比很低，單傳感器監(jiān)測(cè)顯然不能滿足要求，數(shù)據(jù)融合技術(shù)可以綜合處理多種信息源，有效解決上述問題，提高診斷準(zhǔn)確率。

為了檢驗(yàn)不同方法的有效性和應(yīng)用程度，本文將CA10B 汽車變速器的常見故障與Q6170 車軸的疲勞性能進(jìn)行了比較。從汽車車間收集的CA10B 汽車變速器變速器和儲(chǔ)能故障中選取了5 個(gè)典型故障，即齒輪斷裂、二檔外圈腐蝕。2 檔內(nèi)外環(huán)腐蝕，在QQ6170 轎車轉(zhuǎn)向橋疲勞壽命試驗(yàn)中，比較了微齒條和二擋齒輪在二次波根部的點(diǎn)蝕與變速器的點(diǎn)蝕情況。對(duì)整個(gè)過程進(jìn)行監(jiān)控，試驗(yàn)速度保持恒定，逐漸增加規(guī)定的載荷值，繼續(xù)工作直至驅(qū)動(dòng)橋損壞。用不同的方法記錄、處理和分析兩次試驗(yàn)的振動(dòng)加速度信號(hào)。

2 齒輪軸承故障信息的特征提取

為了快速檢測(cè)錯(cuò)誤，必須監(jiān)控最敏感的參數(shù)。通常，特征參數(shù)僅對(duì)某些類型的誤差敏感。僅使用一個(gè)或多個(gè)參數(shù)很難完全反映設(shè)備的運(yùn)行狀態(tài)。因此，根據(jù)具體的診斷對(duì)象確定最有效的誤差特征參數(shù)是非常必要的。

2.1 平穩(wěn)信號(hào)的特征提取

從實(shí)際監(jiān)測(cè)中獲得的平穩(wěn)信號(hào)包含了重要的設(shè)備狀態(tài)信息，通過比較這些數(shù)字特性在不同速度和不同誤差狀態(tài)下的變化可以看出，在不同的速度和誤差狀態(tài)下確定：它們對(duì)不同的誤差有不同的靈敏度，從不同的角度反映了機(jī)器的狀態(tài)。

2.2 小波變換

錯(cuò)誤診斷中出現(xiàn)的信號(hào)并不總是穩(wěn)定的。例如，當(dāng)傳輸中斷時(shí)，電流脈沖信號(hào)必須被觸發(fā)，但傅里葉變換很難及時(shí)檢測(cè)到突變信號(hào)。根據(jù)波形變換的特性，可以檢測(cè)和診斷突變信號(hào)。

2.2.1 小波變換過零表示與體征提取

在小波變換中，為了尋找最為合適的小波函數(shù)，就要找到反應(yīng)最初信號(hào)的特征值，這樣在之后的故障診斷中，機(jī)器工作時(shí)的重要信息就會(huì)在震動(dòng)信號(hào)里反映出來。

可知Wsf（t）正比于f（t）經(jīng)θs（t）平滑后的二階導(dǎo)函數(shù)，Wsf（t）的過零點(diǎn)對(duì)應(yīng)于f*θs（t）的拐點(diǎn)，即f（t）突變信號(hào)的位置。對(duì)于機(jī)械故障診斷，通常指機(jī)器發(fā)生故障的時(shí)間。因此，選取平滑函數(shù)的二階導(dǎo)數(shù)作為小波基函數(shù)，研究信號(hào)波形短時(shí)突變函數(shù)的提取。

以Zn（n∈Z）表示過零點(diǎn)，定義en

這里，總距離以及兩個(gè)信號(hào)f（t）和g（t）之間的距離可以通過x 值的間隔差來確定，并且測(cè)量信號(hào)和標(biāo)準(zhǔn)干擾信號(hào)之間的接近度可以根據(jù)總距離來確定。它可以用于錯(cuò)誤分類。

圖1 顯示了波長(zhǎng)齒輪的波長(zhǎng)形成和波長(zhǎng)信號(hào)的零交叉表示曲線，膿腫表示時(shí)間，順序表示刻度，0 軸實(shí)線表示原始信號(hào)。-軸1～5 的虛線表示波的細(xì)節(jié)信號(hào)，實(shí)線表示零交叉曲線。根據(jù)圖中零交叉的分布，零交叉由粗到細(xì)（由大到?。┻B接。突變信號(hào)的類型可以根據(jù)CAI0B 傳輸?shù)恼駝?dòng)信號(hào)，通過波變換的零交叉點(diǎn)與自身矢量之間的距離來確定。

圖1 CA10B 變速器故障信號(hào)小波變換表示

2.2.2 小波變換的模極大值與特征提取

可以確定組合導(dǎo)數(shù)以及組合導(dǎo)數(shù)中的，Wsf（s，t）和f（t）與平衡導(dǎo)數(shù)成正比。對(duì)于某一比例，s 是Wsf（s，t）的最大值。如果f（t）的等效寬度足夠小，Wsf（s，t）的極點(diǎn)必須接近模f（t）的最大值。如果它接近于0，則θs（t）的等效寬度接近于零θs（t）的組合，因此它接近于組合函數(shù)附近的組合平面。這是小波變換的時(shí)域位置，也是提取小波變換模塊最大特征的基礎(chǔ)。從小波變換形成的最大調(diào)制角度來看，機(jī)械振動(dòng)突變點(diǎn)的位置往往與機(jī)械故障時(shí)間相對(duì)應(yīng)，由同一突變點(diǎn)導(dǎo)出的各尺度的最大點(diǎn)形成一條最大線。

總之，誤差時(shí)間可以通過測(cè)量信號(hào)波變換的過零位置來確定；根據(jù)最大模線構(gòu)造誤差分類曲線，信號(hào)之間的距離可作為誤差分類的依據(jù)。

3 神經(jīng)網(wǎng)絡(luò)和灰色系統(tǒng)理論在故障診斷中的應(yīng)用

在常用的故障檢測(cè)方法中，最有用的方法是神經(jīng)網(wǎng)絡(luò)分析和灰色系統(tǒng)理論，雖然兩個(gè)都以當(dāng)作模式識(shí)別的分類器，但是這兩種方法在根本原理上面還有一定的區(qū)別，在面對(duì)不同的實(shí)際情況時(shí)，要采取所對(duì)應(yīng)的不同的方法，這樣才能解決問題。

3.1 神經(jīng)網(wǎng)絡(luò)

在機(jī)械故障診斷領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)可以作為模式識(shí)別的分類設(shè)備。模式匹配和分類可以通過網(wǎng)絡(luò)計(jì)算實(shí)現(xiàn)，錯(cuò)誤分類（在實(shí)際輸出和理想輸出之間）通過網(wǎng)絡(luò)向后傳播。然后改變網(wǎng)絡(luò)層的值，實(shí)現(xiàn)包括網(wǎng)絡(luò)誤差在內(nèi)的網(wǎng)絡(luò)系數(shù)的動(dòng)態(tài)自適應(yīng)。

在特征提取的基礎(chǔ)上，利用單層隱層BP 網(wǎng)絡(luò)對(duì)CA10B 汽車變速器的試驗(yàn)數(shù)據(jù)進(jìn)行了分析和計(jì)算，分別計(jì)算了不同的速度，例如在一定的速度下，六個(gè)典型的誤差樣本和每個(gè)樣本的五種誤差狀態(tài)選擇通道形成一組36 個(gè)樣本組成網(wǎng)絡(luò)，然后從每個(gè)記錄的錯(cuò)誤狀態(tài)信號(hào)中隨機(jī)選擇一個(gè)樣本。結(jié)果表明，樣本3的第三個(gè)通道和樣本4 的第四個(gè)通道的數(shù)據(jù)不理想，但其他樣本的結(jié)果都非常好，這證明了網(wǎng)絡(luò)結(jié)構(gòu)的有效性。

圖2 CA10B 變速器故障信號(hào)的小波變換

3.2 灰色系統(tǒng)理論

控制論擴(kuò)展了灰色系統(tǒng)的灰色概念。通過振動(dòng)監(jiān)測(cè)和分析對(duì)設(shè)備狀態(tài)進(jìn)行評(píng)價(jià)是一個(gè)灰色系統(tǒng)的輕量化過程，曲線越接近，相應(yīng)序列間的相關(guān)性越高，反之亦然。

目前，灰色關(guān)聯(lián)分析主要用于多參數(shù)機(jī)械故障診斷，這里稱為多參數(shù)灰色關(guān)聯(lián)診斷。其基本原理是設(shè)備或部件的狀態(tài)向量由多個(gè)參數(shù)組成，表示設(shè)備或部件的狀態(tài)；建立標(biāo)準(zhǔn)狀態(tài)向量；通過比較每個(gè)標(biāo)準(zhǔn)狀態(tài)向量和每個(gè)待定狀態(tài)向量之間的相關(guān)性來評(píng)估每個(gè)待定狀態(tài)向量所屬的狀態(tài)。

4 數(shù)據(jù)融合技術(shù)及其在故障診斷中的應(yīng)用

數(shù)據(jù)融合是一種信息處理過程，其中計(jì)算機(jī)分析和綜合多個(gè)傳感器的觀測(cè)信息，以完成必要的決策和估計(jì)任務(wù)。數(shù)據(jù)融合的基本原理是將多個(gè)傳感器及其信息進(jìn)行組合，根據(jù)一定的標(biāo)準(zhǔn)在空間和時(shí)間上進(jìn)行冗余或互補(bǔ)觀測(cè)，以獲得對(duì)觀測(cè)對(duì)象的單邊解釋或描述。

數(shù)據(jù)集成分為三個(gè)層次：像素級(jí)集成、特征級(jí)集成和決策級(jí)集成。決策層集合提供了更大的信息處理靈活性，需要更大范圍的信息傳輸，能夠有效地組合反映環(huán)境或目標(biāo)的信息，以及異步信息處理。因此，對(duì)決策層數(shù)據(jù)集成的研究取得了顯著的成果。

5 汽車故障

汽車故障診斷技術(shù)注意點(diǎn)：

如果發(fā)生故障，車輛基本上處于服務(wù)狀態(tài)，駕駛員是第一個(gè)在故障點(diǎn)實(shí)現(xiàn)快速處理車輛故障的人。駕駛員必須學(xué)會(huì)掌握常見的故障診斷方法，建立錯(cuò)誤診斷系統(tǒng)，及時(shí)處理可處理的小錯(cuò)誤，如果無法處理，維修人員可在到達(dá)現(xiàn)場(chǎng)后提供相關(guān)信息。

5.1 科學(xué)。如果維修人員或駕駛員不了解車輛的內(nèi)部結(jié)構(gòu)，則在發(fā)生錯(cuò)誤時(shí)應(yīng)遵循“科學(xué)”診斷的原則。必須在錯(cuò)誤信息、診斷目錄、標(biāo)準(zhǔn)參考等不同方面進(jìn)行科學(xué)指導(dǎo)。診斷后的維護(hù)工作也必須按照標(biāo)準(zhǔn)說明進(jìn)行，

5.2 駕駛員是故障的第一個(gè)見證人，故障發(fā)生后，車輛應(yīng)主動(dòng)診斷故障，無需等待維修人員到達(dá)犯罪現(xiàn)場(chǎng)?？杉皶r(shí)進(jìn)行早期故障診斷，避免故障增加。

5.3 參考文獻(xiàn)。診斷技術(shù)的應(yīng)用必須以標(biāo)準(zhǔn)診斷參數(shù)為基礎(chǔ)，而標(biāo)準(zhǔn)診斷參數(shù)對(duì)故障的糾正至關(guān)重要。在汽車維修行業(yè)中，系統(tǒng)參數(shù)和零部件參數(shù)作為診斷參數(shù)，維修人員應(yīng)主動(dòng)控制參數(shù)信息。

5.4 相關(guān)性。故障診斷技術(shù)應(yīng)與有針對(duì)性的診斷方法結(jié)合使用，這是確定故障類型、位置和影響的必要先決條件?？梢酝ㄟ^其他參數(shù)間接診斷，并結(jié)合振動(dòng)、噪聲、溫度等因素進(jìn)行診斷。

如果我們能掌握一些常見的診斷技術(shù)，我們還可以加快故障評(píng)估，并盡快制定故障處理計(jì)劃，掌握同一模型的一般形式可以作為處理同一問題的基礎(chǔ)。

6 結(jié)論

根據(jù)汽車傳動(dòng)系統(tǒng)主要部件的特性，結(jié)果表明，特征參數(shù)和分析方法對(duì)不同的誤差比較敏感。

機(jī)械傳動(dòng)結(jié)構(gòu)作為汽車的核心部件，直接影響著汽車的性能。常見故障為發(fā)動(dòng)機(jī)起動(dòng)異常、油箱供油異常，這通常會(huì)導(dǎo)致機(jī)械功率損失。

將神經(jīng)網(wǎng)絡(luò)和灰色系統(tǒng)理論應(yīng)用于單傳感器信號(hào)的診斷決策。實(shí)驗(yàn)結(jié)果表明：神經(jīng)網(wǎng)絡(luò)可以通過自身的學(xué)習(xí)機(jī)制在錯(cuò)誤癥狀和錯(cuò)誤模式之間建立復(fù)雜的映射關(guān)系，灰色關(guān)聯(lián)分析可以根據(jù)特征曲線的相似性來評(píng)估錯(cuò)誤模式。

將數(shù)據(jù)融合的思想引入機(jī)械故障診斷領(lǐng)域，通過特征層融合技術(shù)將神經(jīng)網(wǎng)絡(luò)單傳感器診斷和灰色關(guān)聯(lián)分析的結(jié)果轉(zhuǎn)化為基于證據(jù)的模型，本文提出的方法和理論仍在研究中。

由于汽車內(nèi)部機(jī)械結(jié)構(gòu)的復(fù)雜性，機(jī)械故障的診斷和處理往往面臨很大的困難。駕駛員控制錯(cuò)誤處理方法、培訓(xùn)維修人員以及提高駕駛員在日常駕駛中避免錯(cuò)誤的意識(shí)也很重要。