一種汽車座椅水平驅動器異響診斷探究*

盧熾華 趙榮森 杜松澤 趙玉曉

(武漢理工大學現代汽車零部件技術湖北省重點實驗室1) 武漢 430070) (汽車零部件技術湖北省協同創新中心2) 武漢 430070)

0 引 言

汽車座椅水平驅動器能夠實現座椅位置根據實際需要自動調節功能[1].雖然其再運轉的過程中產生的車內噪聲聲壓級較小，但移動過程中產生的異響噪聲會破壞駕駛和乘坐體驗，所以豪華汽車座椅水平驅動器( horizontal driving machine， HDM)聲品質的好壞將會對汽車舒適性及NVH性能產生比較顯著的影響[2].而目前，對HDM的質量檢測大多依賴于人工的主觀聽音來判別，這種完全依靠個人主觀感覺和經驗的判定方法效率低，準確性不高，勞動強度大，直接損害一線診斷工人的身心健康.

近年來，國內很多研究者就針對HDM產品異響的問題做了大量的研究.其中，劉立君等[3]對采集到的HDM的聲音信號進行了Gabor時頻分析，然后再對其進行1/3倍頻程帶通濾波對比分析，發現這種方法能夠有效識別出頻率高于12 kHz的高頻打點噪聲.王奇等[4-5]通過對信號進行調制，從調制角度分析了HDM產生異響原因，并提出把傅里葉變換和希爾伯特包絡解調結合起來的方法來獲得問題特征頻率.胡佩佩等[6]則是從聲品質這一角度提出了針對HDM的聲品質客觀參量與異響相關性的分析方法，得出在常用聲品質客觀參量中，尖銳度和有調度對HDM聲品質影響較大，并將其作為評價HDM好壞的指標.然而，這些方法所定量分析的聲音指標都是在半消或全消音室測得的，對測試環境要求較高，而HDM是在生產線上生產的，即使在生產線上能提供密封性好的隔音室，必不可少的仍存在背景噪聲， 再加上HDM的異響并非只是一種打點聲，存在的異響特征不盡相同，如果利用上述的方法進行測試及單一指標對HDM評價必然產生較大誤差， 而本文采用小波分析能直接對在隔音室的HDM樣件進行測試，利用小波降噪去除大部分的低頻環境噪聲，而后用db4小波對降噪后的HDM信號進行三層分解，得到各頻段上的能量，利用頻率能量法區分由多種原因引起的HDM的低頻異響，使HDM產品的聲品質判別更加的高效.

1 HDM噪聲客觀參量的測量

1.1 噪聲樣本的采集

實驗跟蹤對象為生產線上生產出來經過人工判斷有異響的HDM和正常的HDM，實驗設備主要涉及HDM測試臺架、德國某公司的LMS SCADAS XS數據采集系統，PCB陣列麥克風，雙耳人工頭及供給電壓設備等. 采用美國某公司生產的麥克風進行 HDM近聲場處的噪聲信號采集，德國某公司的雙耳人工頭模擬測試駕駛員處聽到的噪聲信號， 實驗時依次更換不同的 HDM，本次實驗共測試了17個樣件，分別測試了 HDM上升和下降行程， 上升行程與下降行程各采集12 s. 在生產工廠里的專門的隔音室內，將麥克風放置于 HDM平臺上，正對 HDM， 距離約為100 mm，實驗員佩戴雙耳人工頭正坐在 HDM臺架前方，距離約為500 mm.

1.2 噪聲樣本的主觀判斷結果

本次噪聲樣本主觀判斷結果:通過聲音樣本多次回放試聽，組織多名有NVH經驗人員進行主觀判斷和評價，認為所采集的17個樣件中，編號3，22，41，48樣本同時在“UP”和“DOWN”工況中存在主觀描述為具有節奏性的敲打聲.編號4，5，9，29，38，49，50樣本被判斷為無異常，編號7，36，37，39，42，46樣本在下降行程中具有異響噪聲，且異響特征不盡相同，另一工況下噪聲被判段為正常.

2 小波工具包的應用

HDM作為一種旋轉式機械結構，其產生的振動噪聲信號分布在不同的頻帶范圍內，而且有故障的零部件振動信號往往被其他振動信號及大量的隨機背景噪聲淹蓋，鑒于此情況，高通、低通、帶通、帶阻的傳統經典信號濾波方法很大程度上不適用于解決本問題. 以小波降噪為代表的現代降噪濾波方法有助于異常噪聲頻率的鑒別和判斷.與此同時，在旋轉機械的故障診斷中，傳統的譜分析方法不適于解決此問題，因為譜分析方法是在信號的平穩性基礎上建立的，而旋轉機械發生故障時產生的振動信號是有異于其他機械運轉產生的非穩定信號，小波分析由小波自身特點決定其適合對非平穩信號的旋轉故障進行特征提取.

2.1 小波降噪

在生產現場采集的聲音信號里摻雜著大量機械設備工作的噪聲，為了進一步提高信號的信噪比，獲得有用信息，由于小波分解對非平穩信號的降噪效果明顯，所以先對采集到的原始信號進行小波降噪.小波降噪方法目前主要分為三大類：閾值法、相關法、模極大值法.其中閾值法又包涵四種量化方法，固定閾值(satwolog)、啟發式閾值(heursure)、無偏估風險估計閾值(rigrsure)、極大極小閾值(minimaxi)，選擇適宜的閾值方法進行小波降噪將會對最終的降噪效果及信號的有效性產生影響.連續數據信號f(t)的小波變換定義為[7]

(1)

式中：a為尺度參數；b為時移參數.

在實際的工程應用中通常利用數值分析方法來求解上述方程.利用Mallat算法對特定小波進行分解、降噪和重構.分解式可表示為

(2)

式中：fk為時域信號；k為采樣數據點數；g*(n)和h*(n)分別為共軛鏡像濾波器發出的脈沖響應；j為小波分解的層數.在分解過程中，a和b的值是可以相應變化以使得小波變換滿足要求：在低頻段時間內具有分辨率低、頻率分辨率高的特點，在高頻段內具有頻率分辨率低，時間分辨率高的特點.這與人耳的聽覺特性相一致.具體重構計算方法為[8]

(3)

總的說來，信號降噪可分3個步驟進行.

步驟1對信號進行小波分解.

步驟2對選取的小波分解各層系數對應的閾值具體量化.

步驟3對信號進行重構.

閾值量化即是對信號分解后的各層小波系數設置對應的具體閾值，在眾多不同的小波系數中，把絕對值較小的系數歸置為零，把絕對值較大的系數進行適當收縮和保留，再根據各閾值處理后的系數利用小波逆變換方法進行信號的重構最終達到降噪除噪目的.根據采集到的HDM原始信號自身特點，采用Matlab小波工具箱里的db4小波對HDM原信號進行 3層分解，選取 heursure 軟閾值實施閾值處理，然后再重構，這樣所得到的信號即為我們所需要的降噪后的信號.圖1為編號22的水平驅動器下降行程采集到原始數據和降噪數據.

圖1 水平驅動器下降行程采集到原始數據和降噪數據

由圖1可知，在+0.7的幅值水平線下，原信號多出超過該線，而經過小波降噪后的信號只有三處超過0.7，不僅從信號的各較大幅值處，從降噪后的整體信號而言能夠看出，利用小波降噪方法降噪后的信號與采集的原始信號相比，毛刺有相應程度的降低，信號變得相對比較光滑，同時保留了原始信號的有用成分，因此，小波分析降噪方法在為汽車座椅水平驅動器的異響故障診斷中信號進行預處理是行之有效的.

2.2 小波包能量法

小波包技術是將信號無遺漏、無冗余、正交地分解到各個獨立的頻帶內的一種方法，被分解的頻帶信號都具有一定的能量，不同頻帶里信號所具有的能量能夠為機械的狀態監測以及故障診斷提供有用的信息.監測頻帶蘊涵的能量涉及各個頻帶信號里的能量，包括非線性振動、非平穩能量，如摩擦、松動、碰撞、爬行，等等，上述的故障特征波形通常是非線性、非平穩的[9].小波包能量法的主要計算步驟如下所示.

步驟1將采集到的信號利用小波包進行分解，分解層數依據信號的具體復雜程度而確定,然后再把小波包分解系數用Mallat算法重構,提取各頻帶范圍的特征信號.Sij代表第i層、第j個節點的重構信號.

步驟2求各頻帶信號的總能量.設信號Sij對應的能量為Eij，則有

(4)

式中：dijk為第i層j個節點的重構完成后的信號Sij的具體序列值.

步驟3構造特征向量.當機械系統出現故障時,特征故障會對各個頻帶信號的能量產生不同程度的影響,所以可以根據這一特征就可以利用能量法，以能量為元素構造能量特征向量.即是把信號各頻帶能量作為元素構造特征向量為

(5)

式(5)特征向量經過了歸一化處理.

針對采回的17個樣本，先利用小波降噪方法對樣本噪聲進行濾波處理，然后利用db4小波進行三層分解去提取故障的特征信號，再將其分解到各個頻帶上，各個頻帶上的能量存在差異，圖2為對主觀判斷無異常的水平驅動器的頻帶能量分析.

圖2 無異常的水平驅動器的頻帶能量分析

由圖2可知，樣件4#，5#，49#這三個水平驅動器的噪聲能量主要集中在2 000 Hz左右，且峰值較高，而1 600 Hz以下的能量分布較少.然后對人工主觀判斷有異響的水平驅動器的頻帶能量進行計算分析，見圖3.

圖3 有異響的水平驅動器的頻帶能量分析(頻率×104)

由圖3可知，7#，22#，41#這三個水平驅動器的噪聲能量主要集中在1 600 Hz以下，2 000 Hz左右的能量分布較少，能量峰值較低.在通過人工聽取聲音主觀評價認為7，22，41這三個樣件是異常的樣件，而4，5，49這三個樣件是合格的樣件，在聽取7，22，41這三個樣件時，人耳聽到其主噪音后存在的金屬摩擦的低頻噪聲和節奏性的敲打異響，這與經小波變換后的頻率-能量圖這三個低頻存在較大的低頻能量是吻合的，所以經過小波降噪分析后從各個頻帶上的能量分布能夠用來判斷汽車座椅水平驅動器是否存在異響.

3 結 論

1) 小波分析降噪方法作為HDM異響故障診斷中的信號預處理方法是行之有效的，對濾除背景噪聲有一定效果，同時也保留了信號的有用成分.

2) 在取樣的HDM中，在多名專業人員的主觀評價中發現異響噪聲多出現在HDM下降行程中.

3) 通過對人工主觀判斷的好壞的HDM正、反向移動時設備運轉聲音的頻率能量分析對比圖中，可發現有異響和無異響的HDM的頻率能量特征，且能有效識別出故障HDM的異響頻率范圍，為進一步解決HDM異響問題打下良好基礎.

總體而言，基于小波分解后的頻率能量法的分析方法能有效識別出有多種不同異響特征的HDM，提高了HDM好壞判別的效率，具有工程實際意義，也為HDM的異響評價提供了一種新思路.