特種車輛傳動(dòng)主軸運(yùn)行載荷實(shí)時(shí)評估方法研究

摘要：為提升履帶裝甲車輛綜合傳動(dòng)裝置疲勞損傷的快速計(jì)算能力及其剩余壽命的準(zhǔn)確評估性能，提出一種滿足多工況條件的傳動(dòng)主軸運(yùn)行載荷實(shí)時(shí)評估模型. 提取特種車輛典型運(yùn)行工況的特征參數(shù)，并采用K 均值聚類及支持向量機(jī)方法實(shí)現(xiàn)特種車輛典型運(yùn)行工況的實(shí)時(shí)判別；構(gòu)建基于卷積-長短期記憶神經(jīng)網(wǎng)絡(luò)的多工況傳動(dòng)主軸運(yùn)行載荷實(shí)時(shí)評估模型，采用貝葉斯算法對模型中學(xué)習(xí)率、神經(jīng)網(wǎng)絡(luò)隱含層單元數(shù)等超參數(shù)進(jìn)行優(yōu)化，以提高傳動(dòng)主軸運(yùn)行載荷評估的準(zhǔn)確性；依據(jù)特種車輛典型工況下的運(yùn)行數(shù)據(jù)開展模型實(shí)例驗(yàn)證. 結(jié)果表明，在換擋工況、轉(zhuǎn)向工況及爬坡工況下，模型對傳動(dòng)主軸運(yùn)行載荷評估結(jié)果的平均絕對百分比誤差分別為0.150、0.014、0.006（5°坡工況）及0.004（10°坡工況），表明了本文模型在變工況條件下綜合傳動(dòng)裝置傳動(dòng)主軸運(yùn)行載荷評估的有效性.

關(guān)鍵詞：傳動(dòng)裝置；主軸；變工況；載荷評估

中圖分類號(hào)：TP212.1 文獻(xiàn)標(biāo)志碼：A

以坦克裝甲車輛、自行火炮、步兵戰(zhàn)車等為代表的履帶式特種車輛是實(shí)現(xiàn)我國陸軍現(xiàn)代化建設(shè)和保障國家戰(zhàn)略安全的重要軍用裝備. 綜合傳動(dòng)裝置是實(shí)現(xiàn)特種車輛動(dòng)力傳遞、保證特種車輛機(jī)動(dòng)性能的核心部件. 其工作環(huán)境的不確定性、路面負(fù)載的隨機(jī)性、駕駛員操作指令的動(dòng)態(tài)變化，使得綜合傳動(dòng)裝置內(nèi)部部件的載荷具有載荷域?qū)?、變?dòng)頻繁、強(qiáng)隨機(jī)性、非對稱交變等動(dòng)態(tài)特征. 傳動(dòng)主軸是綜合傳動(dòng)裝置內(nèi)部實(shí)現(xiàn)動(dòng)力傳遞的關(guān)鍵零件之一，其運(yùn)行載荷的時(shí)序變化特征直接關(guān)系著傳動(dòng)主軸的疲勞損傷演化歷程，同時(shí)也是引起傳動(dòng)主軸及綜合傳動(dòng)裝置性能劣化及壽命衰減的重要因素. 因此，開展傳動(dòng)主軸運(yùn)行載荷實(shí)時(shí)評估方法研究對實(shí)現(xiàn)綜合傳動(dòng)內(nèi)部各類關(guān)鍵部件運(yùn)行載荷的表征、綜合傳動(dòng)裝置損傷程度及服役狀態(tài)的評估具有重要意義.

當(dāng)前機(jī)械設(shè)備的運(yùn)行載荷評估方法主要包含兩種：直接載荷監(jiān)測法及基于機(jī)理模型的載荷評估方法. 其中直接載荷監(jiān)測法通過傳感器直接測量零部件所承受的動(dòng)態(tài)扭矩信息［1-2］. 但綜合傳動(dòng)裝置內(nèi)部空間的限制以及傳動(dòng)元件的高速旋轉(zhuǎn)，使得難以采用傳感器直接對傳動(dòng)主軸的載荷進(jìn)行實(shí)時(shí)檢測，因此車載傳動(dòng)部件的實(shí)時(shí)扭矩測量仍是目前該領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)難點(diǎn)［3］. 基于機(jī)理模型的載荷評估方法通過建立機(jī)械系統(tǒng)動(dòng)力學(xué)模型，仿真求解設(shè)備不同運(yùn)行狀態(tài)下的載荷信息［4］. 近年來，國內(nèi)外學(xué)者在機(jī)械系統(tǒng)動(dòng)載荷測量與分析、載荷譜編制與關(guān)鍵部件動(dòng)態(tài)特性等方面開展了大量研究［5-7］. 覃凌云等［8］基于履帶車輛負(fù)重輪動(dòng)載荷理論估算模型及履帶車輛多體動(dòng)力學(xué)模型，分別開展行駛速度、路面不平度及履帶板參數(shù)對負(fù)重輪動(dòng)載荷的影響分析. 巫發(fā)明等［9］針對風(fēng)力發(fā)電機(jī)傳動(dòng)系統(tǒng)動(dòng)態(tài)載荷識(shí)別算法開展了深入研究，基于多體動(dòng)力學(xué)剛?cè)狁詈戏椒ń⒘藗鲃?dòng)鏈動(dòng)態(tài)載荷特性模型，并提出了傳動(dòng)鏈扭轉(zhuǎn)振動(dòng)與負(fù)載轉(zhuǎn)矩特性相結(jié)合的低速軸扭動(dòng)載荷識(shí)別算法. 楊子涵等［10］提出了基于峰值過閾值模型的大功率拖拉機(jī)傳動(dòng)軸載荷時(shí)域外推方法，結(jié)果表明，該方法可獲得研究對象任意里程的載荷時(shí)域序列，同時(shí)可極大程度保留實(shí)測載荷循環(huán)的次序，為臺(tái)架載荷譜加載試驗(yàn)提供更加真實(shí)可靠的數(shù)據(jù)支持. 李曉祥等［11］以裝載機(jī)變速器傳動(dòng)軸為研究對象，提出了一種面向典型換擋工況重構(gòu)的參數(shù)化試驗(yàn)載荷模型， 基于小波變換級(jí)數(shù)分解的方法將傳動(dòng)軸所受非平穩(wěn)隨機(jī)載荷數(shù)據(jù)分解為非平穩(wěn)的確定性分量與平穩(wěn)的隨機(jī)性分量，進(jìn)而進(jìn)行參數(shù)化表達(dá)與構(gòu)建.

隨著深度學(xué)習(xí)理論的快速發(fā)展，數(shù)據(jù)驅(qū)動(dòng)的多尺度載荷評估方法逐漸成為該領(lǐng)域研究的重點(diǎn)方向之一［12］. 目前，深度學(xué)習(xí)方法以其強(qiáng)大的非線性建模能力被越來越多地用于機(jī)械設(shè)備重要參數(shù)的評估，包括預(yù)測設(shè)備的溫度、壓力、載荷等參數(shù)，進(jìn)而通過結(jié)合傳感器數(shù)據(jù)和其他設(shè)備參數(shù)，提高設(shè)備參數(shù)估計(jì)的準(zhǔn)確性和可靠性［13］. 于燕南等［14］將優(yōu)化算法和機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于在役起重機(jī)的載荷譜回歸預(yù)測，建立了載荷譜預(yù)測模型. 徐格寧等［15］提出粒子群優(yōu)化相關(guān)向量機(jī)（Particle Swarm Optimization-Relevance Vector Machine， PSO-RVM）方法用于起重機(jī)當(dāng)量載荷譜預(yù)測，該方法通過使用粒子群優(yōu)化算法優(yōu)化核函數(shù)構(gòu)造和核參數(shù)的選擇，構(gòu)建預(yù)測模型并應(yīng)用到起重機(jī)當(dāng)量載荷譜預(yù)測中. 深度學(xué)習(xí)理論的應(yīng)用可極大地提升機(jī)械裝備多尺度狀態(tài)評估的準(zhǔn)確性，也為特種車輛復(fù)雜傳動(dòng)系統(tǒng)的載荷監(jiān)測與評估提供新途徑.

本文針對綜合傳動(dòng)裝置內(nèi)部傳動(dòng)元件動(dòng)態(tài)載荷難以直接獲取，導(dǎo)致綜合傳動(dòng)裝置疲勞損傷與剩余壽命難以實(shí)時(shí)、有效評價(jià)的難題，開展變工況下綜合傳動(dòng)裝置傳動(dòng)主軸運(yùn)行載荷實(shí)時(shí)評估方法研究. 通過建立基于卷積-長短期記憶神經(jīng)網(wǎng)絡(luò)（Convolutional"Neural Networks-Long Short-Term Memory， CNNLSTM）方法的多工況傳動(dòng)主軸運(yùn)行載荷實(shí)時(shí)評估模型，實(shí)現(xiàn)特種車輛換擋工況、轉(zhuǎn)向工況和爬坡工況下傳動(dòng)主軸運(yùn)行載荷的實(shí)時(shí)評估，為綜合傳動(dòng)裝置內(nèi)部關(guān)鍵元件疲勞損傷的快速計(jì)算奠定了基礎(chǔ).