鄒志輝 喻鑫

（江鈴汽車股份有限公司，江西南昌 330000）

1 概述

對于車輛，動力系統(tǒng)是汽車的最核心部分，對于重型的汽車來說，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困難。因此增強系統(tǒng)的性能可靠性，達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行狀態(tài)的檢測和故障的監(jiān)測。

在研究汽車傳動系統(tǒng)的特點之后，本文針對性的提出運用小波分析來處理這些問題，在進行對象特征提取的基礎(chǔ)上，對機械故障進行有效的探究。

小波變化把信號分成空間和維度上分別獨立的兩個參量，這是在原有信號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，并且也有檢測信號的能力。

神經(jīng)網(wǎng)絡(luò)的特點是可以大規(guī)模學(xué)習(xí)，還可以互動記憶、自我學(xué)習(xí)，具有很強的適應(yīng)性，為實現(xiàn)智能診斷提供了新的契機?？梢越鉀Q殘缺的知識，并能對復(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）在機械系統(tǒng)狀態(tài)監(jiān)測與診斷中的應(yīng)用取得了良好的進展。

現(xiàn)代機械系統(tǒng)的內(nèi)部結(jié)構(gòu)越來越復(fù)雜。監(jiān)測和故障診斷中提取的信噪比很低，單傳感器監(jiān)測顯然不能滿足要求，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，提高診斷準確率。

為了檢驗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 車軸的疲勞性能進行了比較。從汽車車間收集的CA10B 汽車變速器變速器和儲能故障中選取了5 個典型故障，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)向橋疲勞壽命試驗中，比較了微齒條和二擋齒輪在二次波根部的點蝕與變速器的點蝕情況。對整個過程進行監(jiān)控，試驗速度保持恒定，逐漸增加規(guī)定的載荷值，繼續(xù)工作直至驅(qū)動橋損壞。用不同的方法記錄、處理和分析兩次試驗的振動加速度信號。

2 齒輪軸承故障信息的特征提取

為了快速檢測錯誤，必須監(jiān)控最敏感的參數(shù)。通常，特征參數(shù)僅對某些類型的誤差敏感。僅使用一個或多個參數(shù)很難完全反映設(shè)備的運行狀態(tài)。因此，根據(jù)具體的診斷對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)信號的特征提取

從實際監(jiān)測中獲得的平穩(wěn)信號包含了重要的設(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：它們對不同的誤差有不同的靈敏度，從不同的角度反映了機器的狀態(tài)。

2.2 小波變換

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

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)最初信號的特征值，這樣在之后的故障診斷中，機器工作時的重要信息就會在震動信號里反映出來。

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）的過零點對應(yīng)于f*θs（t）的拐點，即f（t）突變信號的位置。對于機械故障診斷，通常指機器發(fā)生故障的時間。因此，選取平滑函數(shù)的二階導(dǎo)數(shù)作為小波基函數(shù)，研究信號波形短時突變函數(shù)的提取。

以Zn（n∈Z）表示過零點，定義en

這里，總距離以及兩個信號f（t）和g（t）之間的距離可以通過x 值的間隔差來確定，并且測量信號和標準干擾信號之間的接近度可以根據(jù)總距離來確定。它可以用于錯誤分類。

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

圖1 CA10B 變速器故障信號小波變換表示

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，機械振動突變點的位置往往與機械故障時間相對應(yīng)，由同一突變點導(dǎo)出的各尺度的最大點形成一條最大線。

總之，誤差時間可以通過測量信號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，雖然兩個都以當(dāng)作模式識別的分類器，但是這兩種方法在根本原理上面還有一定的區(qū)別，在面對不同的實際情況時，要采取所對應(yīng)的不同的方法，這樣才能解決問題。

3.1 神經(jīng)網(wǎng)絡(luò)

在機械故障診斷領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)可以作為模式識別的分類設(shè)備。模式匹配和分類可以通過網(wǎng)絡(luò)計算實現(xiàn)，錯誤分類（在實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，實現(xiàn)包括網(wǎng)絡(luò)誤差在內(nèi)的網(wǎng)絡(luò)系數(shù)的動態(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CA10B 汽車變速器的試驗數(shù)據(jù)進行了分析和計算，分別計算了不同的速度，例如在一定的速度下，六個典型的誤差樣本和每個樣本的五種誤差狀態(tài)選擇通道形成一組36 個樣本組成網(wǎng)絡(luò)，然后從每個記錄的錯誤狀態(tài)信號中隨機選擇一個樣本。結(jié)果表明，樣本3的第三個通道和樣本4 的第四個通道的數(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 變速器故障信號的小波變換

3.2 灰色系統(tǒng)理論

控制論擴展了灰色系統(tǒng)的灰色概念。通過振動監(jiān)測和分析對設(shè)備狀態(tài)進行評價是一個灰色系統(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)向量由多個參數(shù)組成，表示設(shè)備或部件的狀態(tài)；建立標準狀態(tài)向量；通過比較每個標準狀態(tài)向量和每個待定狀態(tài)向量之間的相關(guān)性來評估每個待定狀態(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，其中計算機分析和綜合多個傳感器的觀測信息，以完成必要的決策和估計任務(wù)。數(shù)據(jù)融合的基本原理是將多個傳感器及其信息進行組合，根據(jù)一定的標準在空間和時間上進行冗余或互補觀測，以獲得對觀測對象的單邊解釋或描述。

數(shù)據(jù)集成分為三個層次：像素級集成、特征級集成和決策級集成。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)境或目標的信息，以及異步信息處理。因此，對決策層數(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：

如果發(fā)生故障，車輛基本上處于服務(wù)狀態(tài)，駕駛員是第一個在故障點實現(xiàn)快速處理車輛故障的人。駕駛員必須學(xué)會掌握常見的故障診斷方法，建立錯誤診斷系統(tǒng)，及時處理可處理的小錯誤，如果無法處理，維修人員可在到達現(xiàn)場后提供相關(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)生錯誤時應(yīng)遵循“科學(xué)”診斷的原則。必須在錯誤信息、診斷目錄、標準參考等不同方面進行科學(xué)指導(dǎo)。診斷后的維護工作也必須按照標準說明進行，

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

5.3 參考文獻。診斷技術(shù)的應(yīng)用必須以標準診斷參數(shù)為基礎(chǔ)，而標準診斷參數(shù)對故障的糾正至關(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。可以通過其他參數(shù)間接診斷，并結(jié)合振動、噪聲、溫度等因素進行診斷。

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估，并盡快制定故障處理計劃，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)和分析方法對不同的誤差比較敏感。

機械傳動結(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)動機起動異常、油箱供油異常，這通常會導(dǎo)致機械功率損失。

將神經(jīng)網(wǎng)絡(luò)和灰色系統(tǒng)理論應(yīng)用于單傳感器信號的診斷決策。實驗結(jié)果表明：神經(jīng)網(wǎng)絡(luò)可以通過自身的學(xué)習(xí)機制在錯誤癥狀和錯誤模式之間建立復(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估錯誤模式。

將數(shù)據(jù)融合的思想引入機械故障診斷領(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)部機械結(jié)構(gòu)的復(fù)雜性，機械故障的診斷和處理往往面臨很大的困難。駕駛員控制錯誤處理方法、培訓(xùn)維修人員以及提高駕駛員在日常駕駛中避免錯誤的意識也很重要。