基于局域均值分解的变速箱噪声检测研究

谭笑，王晖，卢小锐，宋鲁涛，刘令波（华晨汽车工程研究院 NVH工程室，辽宁 沈阳 110141）

基于局域均值分解的变速箱噪声检测研究

谭笑，王晖，卢小锐，宋鲁涛，刘令波
（华晨汽车工程研究院 NVH工程室，辽宁 沈阳 110141）

变速箱产生的噪声主要是与转动频率相关的高频噪声，局域均值分解方法可以自适应地将信号分解成若干个调幅调频信号，即PF分量，这些调幅调频信号可以任意组合，突显某种信号特征进而起到滤波作用，从而实现信号的特征提取。文章针对于某变速箱2挡3000转运行时存在的异响主观判断认为其异响原因可能是变速箱内齿轮啮合存在故障，通过局域均值分解方法对变速箱噪声信号进行特征提取，并通过边际谱分析异响原因，确定噪声源。通过更换变速箱内故障齿轮后噪声消除，验证了该文所提出的研究方法是有效的。

局域均值分解；变速箱噪声；特征提取

10.16638/j.cnki.1671-7988.2015.12.030

CLC NO.: U467.4Document Code: AArticle ID: 1671-7988(2015)12-83-03

引言

最常见的传动系统NVH问题有齿轮异响噪声、齿轮敲击噪声、轰鸣声等。不同的噪声现象会表现出不同的频率特征，因此将表达噪声主要特征的信号提取出来是故障诊断的重要手段。本文采用局域均值分解方法对采集到的变速箱振动信号进行特征提取，通过局域均值分解后边缘谱分析异响噪声原因，确定噪声源位置，并消除噪声[1]。

1、局域均值分解的变速箱信号特征提取

局域均值分解信号前，首先要找到初始信号x（t）全部的极大值和极小值，然后通过局域的极大值和极小值来求得局域均值函数m11（t）和包络估计函数a11（t）。最后，把初始信号中的局域均值函数 m11（t）分离开来[2]，得出以下结果（式1）。

用h11（t）除以包络估计函数a11（t）用来对h11（t）进行解

调，得出的是：

理想的情况下，s11（t）是一个纯调频信号，那么他所对应的包络估计函数符合 a12（t）=1。倘若 s11（t）不符合这个条件，那么把 s11（t）当做初始数据重新做上面的迭代，一直等到s1n（t）成为一个纯调频信号位置，此时包络估计函数满足

其中：

最后将迭代时的全部包络估计函数相乘就获得了 PF分量的包络信号：

这个包络信号就是PF分量的瞬时幅值，把包络估计信号a1（t）和纯调频信号S1n（t）相乘就可以得到初始信号的PF1（t）分量：

初始信号x（t）中把PF1（t）分离出去，获得了信号u1（t），再把u1（t）当做初始信号重复上面的过程，反复k次，一直到uk（t）的极值点小于或等于1结束，这时就把x（t）分解成了k 个PF分量与uk相加：

式子里uk为残余量，PFp（t）是纯调频信号与包络信号的相乘之积：

2、变速箱齿轮异响检测

2.1实验方案

用于变速器噪声测试的传动试验台架主要可以分为五个部分：驱动电机、变速器、增速器、飞轮盘及加载电机。实验台架主要提供被测件适当的整车测试环境，在变速器噪声测试台架实验中，通过有效控制驱动电机，使被测变速器获得较高的动态响应，满足其在实车测试时的动态输入环境。变速器噪声实验台架的结构示意图如图1。

图1　变速器噪声实验台架结构示意图

由于某变速箱噪声出现在2挡3000转时，试验将三轴加速度传感器布置在2挡齿轮啮合部位以采集噪声信号，如图2。

图2　变速器的传感器测点布置

2.2局域均值分解变速器齿轮异响信号分析

试验工况为2挡3000转，2挡主动轮转频率为20Hz，从动轮转频为17.91Hz，齿轮的啮合频率为1342.91Hz，采集到的变速器振动信号的时域图 如图3。

图3　变速器振动信号时域图

采用局域均值分解方法将采集到的变速箱噪声信号分解，如图4。

图4　故障振动信号局域均值分解图

为了更直观的看出信号中的各种信号频率以及幅值和能量的关系，现对分解得到的各个pf分量进行Hilbert变换，对变换后的各个分量进行求和处理就可以得到信号的Hilbert 谱[3]，如图5。

图5　故障齿轮Hilbert谱

通过得到的振动信号Hilbert谱可以发现，故障信号通过高能量点线，明显地反映出了故障的周期性，这点与信号的时域图是吻合的。另外通过Hilbert谱图可以发现在信号的低频成分中含有一条相对比较弱的高能量带，这说明在信号的低频区包含着一定的故障信息。通过分析可以发现，这条能量带应该是由齿轮的转频引起的，但是具体是主动轮还是从动轮转频引起的，还需要进一步进行分析处理[4]。另外在1300Hz附近出现了一条明显的高能量带，也就是说在这个地方集中了大量的故障信息，而这条能量带的位置又与齿轮的啮合频率非常接近，可以近似认为齿轮故障信息是通过齿轮运转过程的啮合频率来表现的[5]。

3、变速箱齿轮异响故障诊断

为了进一步验证以上关于 Hilbert谱结论的成立，现对Hilbert谱图进行进一步的变换，现对Hilbert谱沿着时间轴进行积分，便得到了信号的边际谱，边际谱能够更直观地反映出信号在整个频域范围内的故障信息。如图6。

图6　故障齿轮信号边际谱

通过分析振动信号的边际谱图，可以发现在从动轮转频17.92Hz处出现了最高幅值。另外在从动轮倍频处幅值在逐渐减小，说明在此变速器的运转过程中，主要表现出的是从动轮的特征信号。齿轮啮合频率处有明显的峰值出现，证明齿轮中含有故障信息，在啮合频率处出现的调制边频带幅值也相对较高，证明故障出现在齿轮啮合过程中。另外结合Hilbert谱中的分析，以及通过边际谱反应出的从动轮转频幅值较高这一特点，可以诊断出故障是发生在2挡从动轮上的。通过更换2挡从动轮，异响消除，充分证明此种方法的有效性。

4、结论

对于某变速器在2挡3000转运行时存在异响问题，本文采用局域均值分解方法进行特征提取，通过希尔伯特黄变换和边际谱分析诊断变速器故障原因，通过更换故障齿轮后异响消除验证了此检测方法的准确性。

[1] N.Saravanan,S.Cholairajan, K.I.Ramachandran.Vibration-based fault diagnosis of spur bevel gear box using fuzzy technique. Expert Systems with Applications, 2009, 36(02): 3119-3135.

[2] Lijia Xu.Study on Fault Detection of Rolling Element Bearing Based on Translation-Invariant Demonizing and Hilbert-Huang Transform. Canada:Journal of Computers, 2012, 7(05): 1142-1146.

[3] 雷亚国.基于改进 Hilbert-Huang变换的机械故障诊断[J].机械工程学报，2011(05):71-77.

[4] Yan Liu,Mouyan Zou,Qiang Wang. Distortion Identification Technique Based on Hilbert-Huang Transform in Video Stabilization. Transactions of Tianjin University, 2011(01): 68-74.

[5] Rafiee J, Rafiee M.A, Prause N. Application of daubechies 44 in machine fault diagnostics.New York:Computer,Control and Communication,2009.IC4 2nd International Conference on, 2009.

Research on the Detection of Transmission Noise Based on Local Mean Decomposition

Tan Xiao, Wang Hui, Lu Xiaorui, Song Lutao, Liu Lingbo
( Brilliance Auto R&D Center, Liaoning Shenyang 110141 )

Transmission Noise produced in mainly high frequency noise associated with the rotational frequency,Local Mean Decomposition method can adaptively decompose signal into a plurality offrequency-modulated and amplitude-modulated signal, namely the PF component, the signal can be any combination of features, highlighting some signal so as to filtering and realize the signal feature extraction. This paper aims at a certain transmission howling subjective judgment in block 2,3000rpm operation ,that its howling reason may be gear engaging fault in the transmission.Identify the noise source by the Local Mean Decomposition characteristics of the transmission signal, and spectrum analysis of howling reasons through the edge extraction. Confirmed the method is effective by replacing the fault gear in transmission after noise elimination.

Local Mean Decomposition; Transmission Noise; Local Mean Decomposition

U467.4

A

1671-7988（2015）12-83-03

谭笑，就职于华晨汽车工程研究院 NVH工程室。