汽车变速箱故障诊断与维修

毛晗

(湄洲湾职业技术学院 智能制造工程系,福建 莆田,351119)

国民经济快速发展,国民生活水平不断提升,拥有汽车的家庭越来越多。汽车变速箱具有传动比固定、传动力矩大、结构紧凑等特点,是汽车的关键传动部件。变速箱的传动性能、安全性能、操作性能直接影响了汽车的性能,在运行的过程中一旦出现故障,就会影响车辆工作,因此汽车变速箱故障诊断至关重要[1]。汽车变速箱包含齿轮传动机构、润滑系统、箱体等,不同的使用条件、使用环境、齿轮制造与装配的精度等都导致汽车变速箱在实际的使用过程中会出现不同类型的故障。刘洋[2]等搭建了主轴变速箱的动力学虚拟样机,并采用仿真样本建立了K最邻近故障诊断模型,实现了对变速箱常见故障的正确诊断。刘杰[3]等提出了联合主成分分析与灰色关联分析相结合的齿根裂纹损伤程度识别模型,指出倒谱分析可以有效识别齿根裂纹故障,为齿根裂纹的定量识别提供了理论依据。目前工业界对汽车变速箱故障诊断所采用的方法主要有磨损残余物分析法、声发射法、光纤传感法、振动信号分析法等,其中振动信号分析也备受学术界的广泛关注。粗糙集理论是处理不确定性的重要数学工具,在人工智能理论及应用中备受广泛关注[4]。将粗糙集理论应用于振动信号处理中,通过粗糙集理论计算不同参数在变速箱故障模式中的重要性与协调性对提高汽车变速箱故障诊断的精度具有一定的指导意义。基于此,本文提出了联合灰色关联与粗糙集理论相结合的汽车变速箱故障诊断模型,并应用于H319.5型汽车变速箱诊断中,验证所提出方法的有效性。

1 汽车变速箱故障诊断

1.1 汽车变速箱结构

汽车变速箱由变速传动机构与变速操纵机构两部分所组成,变速传动机构的作用是改变转速与转矩,变速操纵机构的作用是对传动机构进行控制,实现传动比的改变,即换挡操作[5]。发动机经过变速箱实现减速增扭,同时由操纵机构使得变速箱内的不同齿轮副工作,从而汽车可以在不同的速度下运行。汽车低速行驶,齿轮箱中传动比大的齿轮副工作;汽车高速行驶,齿轮箱中传动比小的齿轮副工作。图1为七档位变速箱。

图1 七档位变速箱

1.2 粗糙集与灰色关联分析

灰色关联分析是将各因素之间发展趋势相似或者相异程度作为衡量不同因素之间关联程度的系统分析法,因素发展趋势的相似或者相异程度称之为灰色关联度。灰色关联度数值越大,那么2个因素之间的发展趋势越一致。灰色关联分析要确定能够反映系统行为特征的参考序列和影响系统行为的比较序列,同时对2个序列进行无量纲化处理。不妨设X0为无量纲化参考序列,Xi为无量纲化比较序列,即

定义x0(k)和xi(k)的关联系数为ξ0i(k),即[6]

式中:Δ(min)为两极间最小差,ρ为分辨系数,取值区间为[0,1],Δ(max)为两极间最大差, Δ0i(k)为k指标参考序列与比较序列差的绝对值。

关联系数为参考序列X0和比较序列Xi在各个指标点的关联程度,信息过于分散,因此通过求平均值来得到参考序列和比较序列的关联度ri,即[7]

采用灰色关联分析没有对比较序列中各特征量参数进行区别对待,而汽车变速箱的故障模式往往只是其中的一个或者几个特征量参数来确定的,其它的参数并无显著变化,因此采用灰色关联分析会导致不同特征量参数在变速箱故障模式识别中的不协调,即由故障模式识别所得出的结论存在矛盾的可能性。基于此,采用粗糙集理论来对各故障参数进行协调性分析,对传统灰色关联分析法进行改进。

汽车变速箱故障诊断原始数据处理得到多个特征量,这些特征量之间有的相互独立、有的相互关联。根据粗糙集理论,设R为等价关系族且r∈R,如果按照R划分的集合和按照不包含r的R划分的集合所表示的对象一样,那么属性r在等价关系族R中就是多余的,即

若集合P满足P⊆R,那么P称之为等价关系族R的子集,R中所有属性均为不可缺少的集合为P的核,即[8]

由此可见,core(R)为最简、最重要的属性集合。设K=(U,R)为知识库,P、Q均为集合R中的元素。由粗糙集理论,P、Q的重要性量度k为[9]

式中:card(PosP(Q) ) 为结合P,在U中可以划入Q的元素个数。

由粗糙集理论能够将不同类型的故障模式f1的重要性采用重要性量度kfi来衡量,即将kfi替代灰色关联分析中的分辨系数ρ,从而更好地体现不同的特征量参数在不同故障中的重要性。

1.3 变速箱故障诊断流程

联合粗糙集理论和灰色关联模型对汽车变速箱进行故障诊断,结合实际情况设置关联度阈值rmin,当比较序列和参考序列关联度ri满足ri＜rmin时,那么汽车变速箱被诊断为无故障。汽车变速箱故障诊断流程如下:

(1)分别由标准状态数据和实测数据构造参考序列模式向量X0和X,设置关联度阈值rmin;

(2)计算变速箱不同故障模式下的粗糙集关联因子kfi替代分辨系数ρ。确定待检测状态模式向量Xi,并计算待检测状态模式向量和标准状态数据X0的关联度ri(X0,Xi);

(3)判断ri(X0,Xi)和设置关联度阈值rmin之间的大小关系,同时将关联度ri(X0,Xi)按照从大到小的方式进行排序,其中关联度最大者被认定为对应的变速箱故障,同时对小于设置关联度阈值rmin的判定为与该故障模式无关。

2 实例分析

2.1 数据来源

选择H319.5型汽车变速箱,该变速箱由杭州依维柯汽车变速器有限公司生产。该变速箱主要是搭载在轻型客车上,在实际的服役过程中故障率比较高,典型故障模式包含5种,分别为Ⅰ轴常啮合齿轮磨损、Ⅱ轴轴承外圈点蚀、Ⅱ轴轴承内圈点蚀、Ⅱ轴齿轮齿根裂纹、Ⅱ轴齿轮点蚀[10]。图2为所选择汽车变速箱结构图。

图2 汽车变速箱结构

测试汽车变速箱振动加速度、变速箱润滑油成分、润滑油理化指标,通过3个指标识别变速箱的故障模式。图3为变速箱Ⅰ轴常啮合齿轮出现磨损故障下测试得到的振动信号。

图3 变速箱Ⅰ轴常啮合齿轮磨损故障振动信号

2.2 数据处理及结果分析

从测试的数据中提取特征参数,分析重要性和协调性。基于粗糙集理论计算重要性量度,以重要性量度替代分辨系数ρ,构建汽车变速箱故障诊断的灰色粗糙模型。汽车变速箱特征参数的一部分样本数据作为待检测故障模式向量,将5种典型变速箱故障标准模式和正常状态模式进行关联度比较。待检测故障模式中和标准模式中关联度最大的被诊断为该种变速箱故障模式。采用灰色关联法对汽车变速箱故障模式诊断的结果如表1所示,采用联合粗糙集和灰色关联模型对汽车变速箱的故障模式诊断结果如表2所示。

表1 灰色关联法变速箱故障模式诊断结果

表2 联合粗糙集和灰色关联模型的变速箱故障模式诊断结果

对比表1和表2可知,采用灰色关联法与联合粗糙集和灰色关联模型对汽车变速箱故障诊断的结果是一致的,但是进一步的对比可知,联合粗糙集和灰色关联模型的汽车变速箱故障诊断法在进行故障模式识别时关联度差别比较大,分类结果也更加的明确。采用灰色关联法对变速箱故障诊断的各种特征参数没有区分对待,无法有效反映不同特征参数在不同故障模式中的权重,从而使得变速箱故障诊断结果分类精度不高。联合粗糙集和灰色关联模型对汽车变速箱进行故障诊断,待检测故障模式中不同特征量参数被区分对待,使得变速箱故障模式诊断的准确率大大提升。

3 结论

汽车变速箱是汽车的重要传动部件,变速箱出现故障直接影响汽车的安全运行。论文构建了汽车变速箱故障诊断的灰色关联分析模型,同时基于粗糙集理论计算重要性量度来替代灰色关联分析中的分辨系数,从而提出了联合灰色关联和粗糙集理论的变速箱故障诊断模型。将提出的模型与灰色关联分析模型分别应用于H319.5型汽车变速箱故障诊断中,结果表明两种方法对变速箱故障诊断的结果一致,但是联合灰色关联和粗糙集理论变速箱故障诊断方法分类精度更高,能够更好地体现不同特征参数在不同故障模式中的权重。本论文的研究对汽车变速箱故障诊断与维修具有一定的参考价值。