汽車變速箱故障診斷與維修

毛晗

(湄洲灣職業(yè)技術學院 智能制造工程系,福建 莆田,351119)

國民經濟快速發(fā)展,國民生活水平不斷提升,擁有汽車的家庭越來越多。汽車變速箱具有傳動比固定、傳動力矩大、結構緊湊等特點,是汽車的關鍵傳動部件。變速箱的傳動性能、安全性能、操作性能直接影響了汽車的性能,在運行的過程中一旦出現(xiàn)故障,就會影響車輛工作,因此汽車變速箱故障診斷至關重要[1]。汽車變速箱包含齒輪傳動機構、潤滑系統(tǒng)、箱體等,不同的使用條件、使用環(huán)境、齒輪制造與裝配的精度等都導致汽車變速箱在實際的使用過程中會出現(xiàn)不同類型的故障。劉洋[2]等搭建了主軸變速箱的動力學虛擬樣機,并采用仿真樣本建立了K最鄰近故障診斷模型,實現(xiàn)了對變速箱常見故障的正確診斷。劉杰[3]等提出了聯(lián)合主成分分析與灰色關聯(lián)分析相結合的齒根裂紋損傷程度識別模型,指出倒譜分析可以有效識別齒根裂紋故障,為齒根裂紋的定量識別提供了理論依據(jù)。目前工業(yè)界對汽車變速箱故障診斷所采用的方法主要有磨損殘余物分析法、聲發(fā)射法、光纖傳感法、振動信號分析法等,其中振動信號分析也備受學術界的廣泛關注。粗糙集理論是處理不確定性的重要數(shù)學工具,在人工智能理論及應用中備受廣泛關注[4]。將粗糙集理論應用于振動信號處理中,通過粗糙集理論計算不同參數(shù)在變速箱故障模式中的重要性與協(xié)調性對提高汽車變速箱故障診斷的精度具有一定的指導意義?；诖?本文提出了聯(lián)合灰色關聯(lián)與粗糙集理論相結合的汽車變速箱故障診斷模型,并應用于H319.5型汽車變速箱診斷中,驗證所提出方法的有效性。

1 汽車變速箱故障診斷

1.1 汽車變速箱結構

汽車變速箱由變速傳動機構與變速操縱機構兩部分所組成,變速傳動機構的作用是改變轉速與轉矩,變速操縱機構的作用是對傳動機構進行控制,實現(xiàn)傳動比的改變,即換擋操作[5]。發(fā)動機經過變速箱實現(xiàn)減速增扭,同時由操縱機構使得變速箱內的不同齒輪副工作,從而汽車可以在不同的速度下運行。汽車低速行駛,齒輪箱中傳動比大的齒輪副工作;汽車高速行駛,齒輪箱中傳動比小的齒輪副工作。圖1為七檔位變速箱。

圖1 七檔位變速箱

1.2 粗糙集與灰色關聯(lián)分析

灰色關聯(lián)分析是將各因素之間發(fā)展趨勢相似或者相異程度作為衡量不同因素之間關聯(lián)程度的系統(tǒng)分析法,因素發(fā)展趨勢的相似或者相異程度稱之為灰色關聯(lián)度?；疑P聯(lián)度數(shù)值越大,那么2個因素之間的發(fā)展趨勢越一致?；疑P聯(lián)分析要確定能夠反映系統(tǒng)行為特征的參考序列和影響系統(tǒng)行為的比較序列,同時對2個序列進行無量綱化處理。不妨設X0為無量綱化參考序列,Xi為無量綱化比較序列,即

定義x0(k)和xi(k)的關聯(lián)系數(shù)為ξ0i(k),即[6]

式中:Δ(min)為兩極間最小差,ρ為分辨系數(shù),取值區(qū)間為[0,1],Δ(max)為兩極間最大差, Δ0i(k)為k指標參考序列與比較序列差的絕對值。

關聯(lián)系數(shù)為參考序列X0和比較序列Xi在各個指標點的關聯(lián)程度,信息過于分散,因此通過求平均值來得到參考序列和比較序列的關聯(lián)度ri,即[7]

采用灰色關聯(lián)分析沒有對比較序列中各特征量參數(shù)進行區(qū)別對待,而汽車變速箱的故障模式往往只是其中的一個或者幾個特征量參數(shù)來確定的,其它的參數(shù)并無顯著變化,因此采用灰色關聯(lián)分析會導致不同特征量參數(shù)在變速箱故障模式識別中的不協(xié)調,即由故障模式識別所得出的結論存在矛盾的可能性?；诖?采用粗糙集理論來對各故障參數(shù)進行協(xié)調性分析,對傳統(tǒng)灰色關聯(lián)分析法進行改進。

汽車變速箱故障診斷原始數(shù)據(jù)處理得到多個特征量,這些特征量之間有的相互獨立、有的相互關聯(lián)。根據(jù)粗糙集理論,設R為等價關系族且r∈R,如果按照R劃分的集合和按照不包含r的R劃分的集合所表示的對象一樣,那么屬性r在等價關系族R中就是多余的,即

若集合P滿足P?R,那么P稱之為等價關系族R的子集,R中所有屬性均為不可缺少的集合為P的核,即[8]

由此可見,core(R)為最簡、最重要的屬性集合。設K=(U,R)為知識庫,P、Q均為集合R中的元素。由粗糙集理論,P、Q的重要性量度k為[9]

式中:card(PosP(Q) ) 為結合P,在U中可以劃入Q的元素個數(shù)。

由粗糙集理論能夠將不同類型的故障模式f1的重要性采用重要性量度kfi來衡量,即將kfi替代灰色關聯(lián)分析中的分辨系數(shù)ρ,從而更好地體現(xiàn)不同的特征量參數(shù)在不同故障中的重要性。

1.3 變速箱故障診斷流程

聯(lián)合粗糙集理論和灰色關聯(lián)模型對汽車變速箱進行故障診斷,結合實際情況設置關聯(lián)度閾值rmin,當比較序列和參考序列關聯(lián)度ri滿足ri＜rmin時,那么汽車變速箱被診斷為無故障。汽車變速箱故障診斷流程如下:

(1)分別由標準狀態(tài)數(shù)據(jù)和實測數(shù)據(jù)構造參考序列模式向量X0和X,設置關聯(lián)度閾值rmin;

(2)計算變速箱不同故障模式下的粗糙集關聯(lián)因子kfi替代分辨系數(shù)ρ。確定待檢測狀態(tài)模式向量Xi,并計算待檢測狀態(tài)模式向量和標準狀態(tài)數(shù)據(jù)X0的關聯(lián)度ri(X0,Xi);

(3)判斷ri(X0,Xi)和設置關聯(lián)度閾值rmin之間的大小關系,同時將關聯(lián)度ri(X0,Xi)按照從大到小的方式進行排序,其中關聯(lián)度最大者被認定為對應的變速箱故障,同時對小于設置關聯(lián)度閾值rmin的判定為與該故障模式無關。

2 實例分析

2.1 數(shù)據(jù)來源

選擇H319.5型汽車變速箱,該變速箱由杭州依維柯汽車變速器有限公司生產。該變速箱主要是搭載在輕型客車上,在實際的服役過程中故障率比較高,典型故障模式包含5種,分別為Ⅰ軸常嚙合齒輪磨損、Ⅱ軸軸承外圈點蝕、Ⅱ軸軸承內圈點蝕、Ⅱ軸齒輪齒根裂紋、Ⅱ軸齒輪點蝕[10]。圖2為所選擇汽車變速箱結構圖。

圖2 汽車變速箱結構

測試汽車變速箱振動加速度、變速箱潤滑油成分、潤滑油理化指標,通過3個指標識別變速箱的故障模式。圖3為變速箱Ⅰ軸常嚙合齒輪出現(xiàn)磨損故障下測試得到的振動信號。

圖3 變速箱Ⅰ軸常嚙合齒輪磨損故障振動信號

2.2 數(shù)據(jù)處理及結果分析

從測試的數(shù)據(jù)中提取特征參數(shù),分析重要性和協(xié)調性?；诖植诩碚撚嬎阒匾粤慷?以重要性量度替代分辨系數(shù)ρ,構建汽車變速箱故障診斷的灰色粗糙模型。汽車變速箱特征參數(shù)的一部分樣本數(shù)據(jù)作為待檢測故障模式向量,將5種典型變速箱故障標準模式和正常狀態(tài)模式進行關聯(lián)度比較。待檢測故障模式中和標準模式中關聯(lián)度最大的被診斷為該種變速箱故障模式。采用灰色關聯(lián)法對汽車變速箱故障模式診斷的結果如表1所示,采用聯(lián)合粗糙集和灰色關聯(lián)模型對汽車變速箱的故障模式診斷結果如表2所示。

表1 灰色關聯(lián)法變速箱故障模式診斷結果

表2 聯(lián)合粗糙集和灰色關聯(lián)模型的變速箱故障模式診斷結果

對比表1和表2可知,采用灰色關聯(lián)法與聯(lián)合粗糙集和灰色關聯(lián)模型對汽車變速箱故障診斷的結果是一致的,但是進一步的對比可知,聯(lián)合粗糙集和灰色關聯(lián)模型的汽車變速箱故障診斷法在進行故障模式識別時關聯(lián)度差別比較大,分類結果也更加的明確。采用灰色關聯(lián)法對變速箱故障診斷的各種特征參數(shù)沒有區(qū)分對待,無法有效反映不同特征參數(shù)在不同故障模式中的權重,從而使得變速箱故障診斷結果分類精度不高。聯(lián)合粗糙集和灰色關聯(lián)模型對汽車變速箱進行故障診斷,待檢測故障模式中不同特征量參數(shù)被區(qū)分對待,使得變速箱故障模式診斷的準確率大大提升。

3 結論

汽車變速箱是汽車的重要傳動部件,變速箱出現(xiàn)故障直接影響汽車的安全運行。論文構建了汽車變速箱故障診斷的灰色關聯(lián)分析模型,同時基于粗糙集理論計算重要性量度來替代灰色關聯(lián)分析中的分辨系數(shù),從而提出了聯(lián)合灰色關聯(lián)和粗糙集理論的變速箱故障診斷模型。將提出的模型與灰色關聯(lián)分析模型分別應用于H319.5型汽車變速箱故障診斷中,結果表明兩種方法對變速箱故障診斷的結果一致,但是聯(lián)合灰色關聯(lián)和粗糙集理論變速箱故障診斷方法分類精度更高,能夠更好地體現(xiàn)不同特征參數(shù)在不同故障模式中的權重。本論文的研究對汽車變速箱故障診斷與維修具有一定的參考價值。