基于局域均值分解的變速箱噪聲檢測研究

譚笑，王暉，盧小銳，宋魯濤，劉令波（華晨汽車工程研究院 NVH工程室，遼寧 沈陽 110141）

基于局域均值分解的變速箱噪聲檢測研究

譚笑，王暉，盧小銳，宋魯濤，劉令波
（華晨汽車工程研究院 NVH工程室，遼寧 沈陽 110141）

變速箱產(chǎn)生的噪聲主要是與轉(zhuǎn)動頻率相關(guān)的高頻噪聲，局域均值分解方法可以自適應地將信號分解成若干個調(diào)幅調(diào)頻信號，即PF分量，這些調(diào)幅調(diào)頻信號可以任意組合，突顯某種信號特征進而起到濾波作用，從而實現(xiàn)信號的特征提取。文章針對于某變速箱2擋3000轉(zhuǎn)運行時存在的異響主觀判斷認為其異響原因可能是變速箱內(nèi)齒輪嚙合存在故障，通過局域均值分解方法對變速箱噪聲信號進行特征提取，并通過邊際譜分析異響原因，確定噪聲源。通過更換變速箱內(nèi)故障齒輪后噪聲消除，驗證了該文所提出的研究方法是有效的。

局域均值分解；變速箱噪聲；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

最常見的傳動系統(tǒng)NVH問題有齒輪異響噪聲、齒輪敲擊噪聲、轟鳴聲等。不同的噪聲現(xiàn)象會表現(xiàn)出不同的頻率特征，因此將表達噪聲主要特征的信號提取出來是故障診斷的重要手段。本文采用局域均值分解方法對采集到的變速箱振動信號進行特征提取，通過局域均值分解后邊緣譜分析異響噪聲原因，確定噪聲源位置，并消除噪聲[1]。

1、局域均值分解的變速箱信號特征提取

局域均值分解信號前，首先要找到初始信號x（t）全部的極大值和極小值，然后通過局域的極大值和極小值來求得局域均值函數(shù)m11（t）和包絡(luò)估計函數(shù)a11（t）。最后，把初始信號中的局域均值函數(shù) m11（t）分離開來[2]，得出以下結(jié)果（式1）。

用h11（t）除以包絡(luò)估計函數(shù)a11（t）用來對h11（t）進行解

調(diào)，得出的是：

理想的情況下，s11（t）是一個純調(diào)頻信號，那么他所對應的包絡(luò)估計函數(shù)符合 a12（t）=1。倘若 s11（t）不符合這個條件，那么把 s11（t）當做初始數(shù)據(jù)重新做上面的迭代，一直等到s1n（t）成為一個純調(diào)頻信號位置，此時包絡(luò)估計函數(shù)滿足

其中：

最后將迭代時的全部包絡(luò)估計函數(shù)相乘就獲得了 PF分量的包絡(luò)信號：

這個包絡(luò)信號就是PF分量的瞬時幅值，把包絡(luò)估計信號a1（t）和純調(diào)頻信號S1n（t）相乘就可以得到初始信號的PF1（t）分量：

初始信號x（t）中把PF1（t）分離出去，獲得了信號u1（t），再把u1（t）當做初始信號重復上面的過程，反復k次，一直到uk（t）的極值點小于或等于1結(jié)束，這時就把x（t）分解成了k 個PF分量與uk相加：

式子里uk為殘余量，PFp（t）是純調(diào)頻信號與包絡(luò)信號的相乘之積：

2、變速箱齒輪異響檢測

2.1實驗方案

用于變速器噪聲測試的傳動試驗臺架主要可以分為五個部分：驅(qū)動電機、變速器、增速器、飛輪盤及加載電機。實驗臺架主要提供被測件適當?shù)恼嚋y試環(huán)境，在變速器噪聲測試臺架實驗中，通過有效控制驅(qū)動電機，使被測變速器獲得較高的動態(tài)響應，滿足其在實車測試時的動態(tài)輸入環(huán)境。變速器噪聲實驗臺架的結(jié)構(gòu)示意圖如圖1。

圖1　變速器噪聲實驗臺架結(jié)構(gòu)示意圖

由于某變速箱噪聲出現(xiàn)在2擋3000轉(zhuǎn)時，試驗將三軸加速度傳感器布置在2擋齒輪嚙合部位以采集噪聲信號，如圖2。

圖2　變速器的傳感器測點布置

2.2局域均值分解變速器齒輪異響信號分析

試驗工況為2擋3000轉(zhuǎn)，2擋主動輪轉(zhuǎn)頻率為20Hz，從動輪轉(zhuǎn)頻為17.91Hz，齒輪的嚙合頻率為1342.91Hz，采集到的變速器振動信號的時域圖 如圖3。

圖3　變速器振動信號時域圖

采用局域均值分解方法將采集到的變速箱噪聲信號分解，如圖4。

圖4　故障振動信號局域均值分解圖

為了更直觀的看出信號中的各種信號頻率以及幅值和能量的關(guān)系，現(xiàn)對分解得到的各個pf分量進行Hilbert變換，對變換后的各個分量進行求和處理就可以得到信號的Hilbert 譜[3]，如圖5。

圖5　故障齒輪Hilbert譜

通過得到的振動信號Hilbert譜可以發(fā)現(xiàn)，故障信號通過高能量點線，明顯地反映出了故障的周期性，這點與信號的時域圖是吻合的。另外通過Hilbert譜圖可以發(fā)現(xiàn)在信號的低頻成分中含有一條相對比較弱的高能量帶，這說明在信號的低頻區(qū)包含著一定的故障信息。通過分析可以發(fā)現(xiàn)，這條能量帶應該是由齒輪的轉(zhuǎn)頻引起的，但是具體是主動輪還是從動輪轉(zhuǎn)頻引起的，還需要進一步進行分析處理[4]。另外在1300Hz附近出現(xiàn)了一條明顯的高能量帶，也就是說在這個地方集中了大量的故障信息，而這條能量帶的位置又與齒輪的嚙合頻率非常接近，可以近似認為齒輪故障信息是通過齒輪運轉(zhuǎn)過程的嚙合頻率來表現(xiàn)的[5]。

3、變速箱齒輪異響故障診斷

為了進一步驗證以上關(guān)于 Hilbert譜結(jié)論的成立，現(xiàn)對Hilbert譜圖進行進一步的變換，現(xiàn)對Hilbert譜沿著時間軸進行積分，便得到了信號的邊際譜，邊際譜能夠更直觀地反映出信號在整個頻域范圍內(nèi)的故障信息。如圖6。

圖6　故障齒輪信號邊際譜

通過分析振動信號的邊際譜圖，可以發(fā)現(xiàn)在從動輪轉(zhuǎn)頻17.92Hz處出現(xiàn)了最高幅值。另外在從動輪倍頻處幅值在逐漸減小，說明在此變速器的運轉(zhuǎn)過程中，主要表現(xiàn)出的是從動輪的特征信號。齒輪嚙合頻率處有明顯的峰值出現(xiàn)，證明齒輪中含有故障信息，在嚙合頻率處出現(xiàn)的調(diào)制邊頻帶幅值也相對較高，證明故障出現(xiàn)在齒輪嚙合過程中。另外結(jié)合Hilbert譜中的分析，以及通過邊際譜反應出的從動輪轉(zhuǎn)頻幅值較高這一特點，可以診斷出故障是發(fā)生在2擋從動輪上的。通過更換2擋從動輪，異響消除，充分證明此種方法的有效性。

4、結(jié)論

對于某變速器在2擋3000轉(zhuǎn)運行時存在異響問題，本文采用局域均值分解方法進行特征提取，通過希爾伯特黃變換和邊際譜分析診斷變速器故障原因，通過更換故障齒輪后異響消除驗證了此檢測方法的準確性。

[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] 雷亞國.基于改進 Hilbert-Huang變換的機械故障診斷[J].機械工程學報，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

譚笑，就職于華晨汽車工程研究院 NVH工程室。