顛簸路面對(duì)雙離合器變速器齒輪敲擊噪聲的影響研究

張飛兵，秦振振，朱麗丹

摘? 要：針對(duì)某DCT車(chē)型整車(chē)NVH測(cè)評(píng)工況中出現(xiàn)的變速箱齒輪敲擊與路面顛簸程度相關(guān)性問(wèn)題，本文基于MATLAB 軟件平臺(tái)和工程師對(duì)齒輪敲擊的主客觀評(píng)價(jià)結(jié)果數(shù)據(jù)，應(yīng)用決策樹(shù)算法分析了左右驅(qū)動(dòng)輪轉(zhuǎn)速信號(hào)，并訓(xùn)練出分類器，用于該車(chē)型產(chǎn)生齒輪敲擊顛簸路面的判斷。同時(shí)基于MATLAB GUI研發(fā)了顛簸路面辨識(shí)的軟件平臺(tái)，用于指導(dǎo)雙離合器變速箱TCU換擋策略，以改善顛簸路面下DCT齒輪敲擊噪聲品質(zhì)。

關(guān)鍵詞：顛簸路面;齒輪敲擊;決策樹(shù)MATLAB;雙離合器變速箱

中圖分類號(hào)：U461.4? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1005-2550（2021）05-0011-06

The Impact Research of Bumpy Road on Gear Rattle Noise of Dual-Clutch Transmission

ZHANG Fei-bing， QIN Zhen-zhen， ZHU Li-dan

（ Dongfeng Dinsin Powertrain Technology Co.， Ltd. Wuhan 430058， China ）

Abstract： Aiming at studying the correlation between transmission gear rattle noise and bumpy road excitation， in this paper， based on MATLAB software platform and subjective & objective evaluation results of gear rattle noise from dual clutch transmission used in passenger vehicle application， the speed signals of left and right driving wheels are analyzed by using decision tree algorithm， and the classifier is trained to identify the bumpy road which causes gear rattle noise. Meanwhile， a software platform for Bumpy Road Identification was developed based on MATLAB GUI， which was used to guide the dual-clutch transmission TCU shift strategy to improve the gear rattle noise quality on bumpy road.

汽車(chē)變速器的齒輪敲擊（Rattle）噪聲是傳動(dòng)系統(tǒng)的主要噪聲之一，對(duì)駕乘人員的舒適性影響極大，其根本原因是變速箱內(nèi)非負(fù)載齒輪由于齒輪轉(zhuǎn)速波動(dòng)在嚙合間隙內(nèi)產(chǎn)生了一系列振動(dòng)沖擊運(yùn)動(dòng)[1]，這種沖擊運(yùn)動(dòng)即產(chǎn)生了噪聲。通常此噪聲是由發(fā)動(dòng)機(jī)扭矩波動(dòng)導(dǎo)致的，但是特定工況下，路面的載荷激勵(lì)也能導(dǎo)致齒輪敲擊。路面的顛簸程度和路面載荷激勵(lì)直接相關(guān)，車(chē)輛正常行駛狀態(tài)下，路面顛簸程度越大發(fā)生齒輪敲擊的可能性越大[2]。

本文基于大量顛簸程度不同路面下的客觀測(cè)試數(shù)據(jù)和工程師對(duì)齒輪敲擊噪聲的經(jīng)驗(yàn)積累，借助MATLAB軟件應(yīng)用了決策樹(shù)分析方法，訓(xùn)練出辨別能產(chǎn)生齒輪敲擊的顛簸路面的分類器?；诖搜邪l(fā)了產(chǎn)生齒輪振動(dòng)敲擊顛簸路面辨識(shí)的軟件平臺(tái)，并通過(guò)了相關(guān)仿真和試驗(yàn)測(cè)試驗(yàn)證。該軟件平臺(tái)操作方便、快捷，能較好地實(shí)現(xiàn)對(duì)顛簸路面的辨識(shí)，辨識(shí)結(jié)果對(duì)雙離合器變速箱TCU策略的優(yōu)化意義重大。

1? ? 變速器齒輪敲擊噪聲機(jī)理

顛簸路面下產(chǎn)生變速器齒輪敲擊噪聲的機(jī)理如圖1所示，即特殊路面的NVH測(cè)試工況中，當(dāng)汽車(chē)正常行駛在鵝卵石路等顛簸路上時(shí)，路面載荷激勵(lì)通過(guò)車(chē)輪和驅(qū)動(dòng)半軸傳遞到變速器軸齒上，成為了影響齒輪副敲擊載荷的主要因素。由于路面載荷激勵(lì)和路面顛簸程度強(qiáng)相關(guān)，路面的顛簸程度越大，即路面的凹凸不平程度越大，此時(shí)路面載荷激勵(lì)越復(fù)雜，前左右車(chē)輪轉(zhuǎn)速的波動(dòng)越明顯，客觀數(shù)據(jù)上可用左右輪轉(zhuǎn)速差的波動(dòng)信號(hào)統(tǒng)計(jì)特征值來(lái)表征。一般是波動(dòng)的幅值越大，產(chǎn)生齒輪敲擊噪聲的風(fēng)險(xiǎn)大。

根據(jù)某DCT變速箱零部件公司的NVH測(cè)試規(guī)范，某DCT試驗(yàn)車(chē)處于二擋擋位，小油門(mén)即10%-15%的油門(mén)，車(chē)速在10-50kpm時(shí)，顛簸路面下會(huì)出現(xiàn)預(yù)選擋齒輪敲擊噪聲。針對(duì)該問(wèn)題，本文借助有監(jiān)督的機(jī)器學(xué)習(xí)對(duì)產(chǎn)生變速器齒輪敲擊噪聲的顛簸路面進(jìn)行辨識(shí)。

2? ? 機(jī)器學(xué)習(xí)簡(jiǎn)介

機(jī)器學(xué)習(xí)是讓計(jì)算機(jī)模仿人類學(xué)習(xí)行為，以獲取新知識(shí)，并重新組織知識(shí)結(jié)構(gòu)[3]。針對(duì)暫無(wú)相關(guān)理論公式，數(shù)據(jù)量較大、變量較多的問(wèn)題，機(jī)器學(xué)習(xí)利用計(jì)算機(jī)挖掘大量數(shù)據(jù)中的規(guī)律和潛在信息，廣泛用于解決分類、回歸、聚類等問(wèn)題。機(jī)器學(xué)習(xí)主要包括監(jiān)督式和無(wú)監(jiān)督學(xué)習(xí)問(wèn)題。其中，監(jiān)督式學(xué)習(xí)是根據(jù)已知的輸入和輸出數(shù)據(jù)，訓(xùn)練出對(duì)應(yīng)的模型，然后利用模型進(jìn)行分析預(yù)測(cè)，主要用于解決分類和回歸問(wèn)題。無(wú)監(jiān)督式學(xué)習(xí)是從大量的沒(méi)有標(biāo)簽判斷的輸入數(shù)據(jù)中，找出數(shù)據(jù)的隱藏模式或內(nèi)在結(jié)構(gòu)。

由于對(duì)產(chǎn)生變速器齒輪敲擊噪聲的顛簸路面的辨識(shí)問(wèn)題屬于監(jiān)督式學(xué)習(xí)，下面對(duì)監(jiān)督式學(xué)習(xí)的經(jīng)典算法進(jìn)行介紹。

2.1? ?決策樹(shù)

決策樹(shù)模型是根據(jù)實(shí)例特征自上而下地進(jìn)行分類的樹(shù)形模型。該模型由結(jié)點(diǎn)和有向邊組成。其中，內(nèi)部節(jié)點(diǎn)代表模型特征，葉結(jié)點(diǎn)代表一個(gè)類。

建立決策樹(shù)模型的核心步驟是特征選擇。確定的損失函數(shù)下，決策樹(shù)的分類算法一般是啟發(fā)式，每次迭代都會(huì)進(jìn)行特征選擇，并分割數(shù)據(jù)，構(gòu)建子樹(shù)，特征選擇的方法通常是比較信息增益的大小。信息增益是指信息熵的差或信息熵之比，信息熵是一個(gè)描述系統(tǒng)混亂程度的量，其計(jì)算公式為：

（1）

式中，G（X）為樣本X的信息熵，Ai為特征屬性A中第i個(gè)取值的先驗(yàn)概率?；谙鄳?yīng)理論，對(duì)樣本集合的每個(gè)屬性劃分集合，把信息增益最大的屬性作為下一級(jí)葉節(jié)點(diǎn)。每個(gè)集合中迭代計(jì)算，直至子集合的熵到達(dá)某一限值。多樣本情況下，決策樹(shù)分類算法對(duì)離散屬性值的處理效果較好，當(dāng)屬性分類較多時(shí)，需要結(jié)合剪枝算法來(lái)優(yōu)化模型[4]。

2.2? ?樸素貝葉斯分類算法

樸素貝葉斯算法是基于貝葉斯定理和特征條件獨(dú)立假設(shè)的一種計(jì)算方法，即在先驗(yàn)概率與類條件概率已知條件下，預(yù)測(cè)類成員后驗(yàn)概率的分類算法。訓(xùn)練出模型的主要目的是計(jì)算出定義在輸入和輸出數(shù)據(jù)的聯(lián)合概率分布，最終獲取極大化的后驗(yàn)概率。貝葉斯模型的數(shù)學(xué)表達(dá)式如下：

式中，P（Xi ）是Xi的先驗(yàn)概率，P（A│Xj ）是條件概率，P（Xi│A）為A條件下的后驗(yàn)概率。樸素貝葉斯分類算法要假設(shè)在確定條件下分類特征是互相獨(dú)立的。

針對(duì)訓(xùn)練數(shù)據(jù)集，貝葉斯分類計(jì)算過(guò)程為，首先根據(jù)一定條件下輸入和輸出數(shù)據(jù)計(jì)算聯(lián)合概率分布，然后依據(jù)該概率分布計(jì)算測(cè)試數(shù)據(jù)，并利用Byes定理求出后驗(yàn)概率最大的輸出。從理論上講，樸素貝葉斯算法的優(yōu)點(diǎn)是精確度高，運(yùn)算速度快，錯(cuò)誤率小，但是需要大量數(shù)據(jù)樣本的支撐[5]。

2.3? ?神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)算法以神經(jīng)元理論為基礎(chǔ)，神經(jīng)網(wǎng)絡(luò)模型包含輸入層、隱藏層和輸出層。該模型把神經(jīng)元作為網(wǎng)絡(luò)節(jié)點(diǎn)，不同神經(jīng)元對(duì)輸入層數(shù)據(jù)有不同的權(quán)值，通過(guò)改變不同的權(quán)值量，可以挖掘出輸入數(shù)據(jù)中包含的模式信息，并在輸出層顯示。按信息正向傳播的數(shù)學(xué)模型為：

（3）

式中，Wi和b分別為權(quán)重值和初始值，映射關(guān)系為一些變體形式，hW，b（x）為輸出層結(jié)果。

另外，模型的驗(yàn)證是誤差的反向計(jì)算，數(shù)學(xué)模型為：

（4）

式中，e為代價(jià)函數(shù)，y和λ分別為期望值和參數(shù)。結(jié)合相關(guān)優(yōu)化理論算法，改模型可以確定合適的權(quán)值量Wi和初始偏置值b，用于修正模型。

本文基于汽車(chē)左右前輪轉(zhuǎn)速差、油溫、擋位、車(chē)速等信號(hào)，在MATLAB中通過(guò)上述不同的分類算法，來(lái)訓(xùn)練分類器，并結(jié)合數(shù)據(jù)驗(yàn)證最終選擇決策樹(shù)模型訓(xùn)練出的分類器，來(lái)辨識(shí)發(fā)生變速器敲擊噪聲的顛簸路面。

3? ? 顛簸路面辨識(shí)工具開(kāi)發(fā)

根據(jù)上文中指定的標(biāo)準(zhǔn)NVH測(cè)試工況，本文通過(guò)大量采集不同凹凸程度路面下的車(chē)輛變速箱TCU信號(hào)。主要以車(chē)輛左右前輪轉(zhuǎn)速差信號(hào)來(lái)表征發(fā)生齒輪敲擊的風(fēng)險(xiǎn)大小。把左右前輪轉(zhuǎn)速差信號(hào)的多個(gè)特征量作為輸入，進(jìn)行訓(xùn)練分類器。基于該分類器研發(fā)出發(fā)生變速器齒輪敲擊噪聲的顛簸路面。

使用數(shù)采設(shè)備HEAD SQuadriga II采集相關(guān)噪聲信號(hào)，并作為變速器齒輪敲擊噪聲的客觀判斷標(biāo)準(zhǔn)。其中，麥克風(fēng)傳感器固定在變速器位置如圖2所示。同時(shí)通過(guò)整車(chē)協(xié)議讀取TCU內(nèi)的信號(hào)。

3.1? ?信號(hào)數(shù)據(jù)預(yù)處理

對(duì)車(chē)輛左右前輪轉(zhuǎn)速信號(hào)采用移動(dòng)平均值的方法作平滑處理，以便對(duì)路面顛簸程度做出預(yù)判。指定測(cè)試工況中，發(fā)生變速器齒輪敲擊噪聲的顛簸路面下，車(chē)輛左前輪的轉(zhuǎn)速信號(hào)如圖3所示：

其中，藍(lán)色曲線是原始信號(hào)，紅色曲線是平滑處理以后的信號(hào)。由圖3可知相對(duì)于預(yù)處理的信號(hào)，原始信號(hào)波動(dòng)較大。

本文對(duì)齒輪敲擊噪聲的辨識(shí)，即客觀評(píng)價(jià)方法是利用ArtemiS SUITE 8.3×64軟件對(duì)噪聲信號(hào)進(jìn)行時(shí)頻分析。對(duì)于顛簸路面測(cè)試工況，NVH工程師主觀評(píng)價(jià)為存在變速器齒輪敲擊噪聲，此時(shí)對(duì)應(yīng)的圖譜為圖5所示：

圖5顯示，測(cè)點(diǎn)存在間歇性寬頻響應(yīng)，這是齒輪敲擊的時(shí)頻響應(yīng)特性。由此可知，在該測(cè)試工況下存在齒輪敲擊噪聲。此時(shí)DCT的擋位信息為二擋在擋，預(yù)選三擋，發(fā)生敲擊的齒輪為預(yù)選擋位的非負(fù)載齒輪。

結(jié)合路面激勵(lì)主導(dǎo)下發(fā)生齒輪敲擊噪聲的相關(guān)理論，本文定義分析的目標(biāo)信號(hào)為左右輪轉(zhuǎn)速差的信號(hào)，顛簸路面和正常路面上對(duì)應(yīng)的目標(biāo)信號(hào)如圖6所示：

根據(jù)統(tǒng)計(jì)知識(shí)可知，一般用于表示信號(hào)波動(dòng)的統(tǒng)計(jì)特征為極值、標(biāo)準(zhǔn)差、平均差和方差，對(duì)每一段目標(biāo)信號(hào)的統(tǒng)計(jì)特征進(jìn)行計(jì)算統(tǒng)計(jì)。

3.2? ?分類器模型的訓(xùn)練

利用MATLAB編程軟件進(jìn)行訓(xùn)練分類器，分類器的類型選擇決策樹(shù)分類器。由于K-CV（K-fold Cross Validation）交叉驗(yàn)證方法可以有效避免訓(xùn)練過(guò)程中過(guò)度學(xué)習(xí)和欠學(xué)習(xí)的發(fā)生，本文訓(xùn)練分類器時(shí)選用該方法，說(shuō)服力較強(qiáng)，取K=5。把不同凹凸程度路面上目標(biāo)信號(hào)的統(tǒng)計(jì)特征作為分類特征，NVH測(cè)評(píng)中主、客觀一致的結(jié)果作為響應(yīng)輸出，即指定測(cè)試工況中是否存在變速器齒輪敲擊噪聲。應(yīng)用訓(xùn)練出的分類器對(duì)測(cè)試集數(shù)據(jù)進(jìn)行分類，分類結(jié)果如圖7所示：

圖7中，“0”表示沒(méi)有發(fā)生齒輪敲擊噪聲的正常路面，“1”表示發(fā)生齒輪敲擊噪聲的顛簸路面;“x”表示無(wú)效樣本，“o”表示有效樣本。

圖8反映了是預(yù)測(cè)結(jié)果和實(shí)際結(jié)果的一致性，即分類器的精度，由圖8顯示結(jié)果可知該訓(xùn)練器仿真的準(zhǔn)確率極高。

4? ? 顛簸路面軟件辨識(shí)工具

基于MATLAB GUI和上文訓(xùn)練出來(lái)的分類器，利用MATLAB編程開(kāi)發(fā)出了簡(jiǎn)單版本的顛簸路面辨識(shí)軟件平臺(tái)，該工具界面如圖9所示：

顛簸路面辨識(shí)軟件工具的操作流程如圖10所示，具體的使用步驟為：

A、雙擊打開(kāi)軟件腳本Bumpy Road Detection;

B、單擊按鈕-1.Add Classified Model，加載訓(xùn)練合格的分類器，分類器的格式為mat格式;

C、單擊按鈕-2.Load Excel data，添加左右輪轉(zhuǎn)速信號(hào)，數(shù)據(jù)格式是Excel格式;

D、設(shè)置工況和分析參數(shù)，如檔位，油門(mén)開(kāi)度，車(chē)速等;

E、單擊按鈕-3.Data_Analysis，對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理，同步將顯示驅(qū)動(dòng)輪速對(duì)應(yīng)處理信號(hào);

F、單擊按鈕-4.Output_Result，輸出分析結(jié)果是“Bumpy Road”或“Normal Road”。

第五步流程的輸出結(jié)果中，前兩個(gè)子圖的藍(lán)色線為車(chē)輛左右前輪轉(zhuǎn)速實(shí)測(cè)信號(hào)，紅色曲線為平滑處理后的曲線，該曲線可以反映車(chē)輪轉(zhuǎn)速的變化趨勢(shì)。第三個(gè)子圖為目標(biāo)信號(hào)，可以直觀地看出兩個(gè)車(chē)輪轉(zhuǎn)速差信號(hào)的波動(dòng)。參考預(yù)處理和可視化的數(shù)據(jù)，工程師對(duì)齒輪敲擊噪聲可以有一個(gè)初期的判斷。

該應(yīng)用工具基于機(jī)器學(xué)習(xí)算法研發(fā)出來(lái)，操作簡(jiǎn)單，界面友好，分析結(jié)果具有較高的準(zhǔn)確性，可以直觀地幫助工程師對(duì)顛簸路面對(duì)變速器齒輪敲擊噪聲影響判斷;同時(shí)，軟件平臺(tái)會(huì)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理并以圖形的形式可視化，讓用戶對(duì)分析對(duì)象有一個(gè)預(yù)判;另外，可以加載不同的分類器，以便于分類器的更新應(yīng)用。

5? ? 先進(jìn)算法在變速箱TCU中應(yīng)用

基于訓(xùn)練出來(lái)的分類器中先進(jìn)算法及閾值，將其集成至當(dāng)前雙離合器變速箱TCU軟件中，其主要標(biāo)定參數(shù)設(shè)置如下：

vbi_c_FL_Filt_const： =0.05 FL濾波器系數(shù)

vbi_c_FR_Filt_const： =0.05 FR濾波器系數(shù)

vbi_c_WhlSpd_MeanFilt_const： =0.015均值濾

波器系數(shù)

vbi_c_bump_whlSpd_dif_hyst： =5轉(zhuǎn)速差異滯

環(huán)限值

vbi_c_bump_whlSpd_dif_thresh： =15轉(zhuǎn)速差

異門(mén)限

vbi_c_bump_trig_delay： =15 延時(shí)15tike （150ms）

其主要評(píng)估參數(shù)定義如下：

vbi_FL_filt_dbg FL 濾波后輪速

vbi_FR_filt_dbg FR 濾波后輪速

vbi_whl_spd_diff_filt_dbg 均值濾波后輪速

差異

vbi_bump_trigger_flg_dbg 檢測(cè)到顛簸路面

標(biāo)志

vbi_bump_trigflg_delay_dbg 檢測(cè)到顛簸路

面標(biāo)志延時(shí)處理標(biāo)志

vbi_pre_select_N_flg_dbg 預(yù)選空擋標(biāo)志

當(dāng)顛簸路面識(shí)別功能激活時(shí)，車(chē)輛經(jīng)過(guò)輪速信號(hào)差異超過(guò)標(biāo)定預(yù)設(shè)值（該項(xiàng)目訓(xùn)練出分類器中閾值約為15）的路面，將觸發(fā)顛簸路面標(biāo)志，并指導(dǎo)雙離合器變速箱預(yù)選空擋。顛簸路面識(shí)別功能激活和未激活對(duì)比結(jié)果如圖11和12所示：

6? ? 結(jié)論

結(jié)合工程實(shí)踐經(jīng)驗(yàn)和相關(guān)理論，本文把車(chē)輛左右驅(qū)動(dòng)輪轉(zhuǎn)速差信號(hào)作為分析的目標(biāo)信號(hào)，分析了顛簸路面對(duì)變速器齒輪敲擊噪聲的影響研究，把目標(biāo)信號(hào)的波動(dòng)特性作為顛簸路面下發(fā)生變速器齒輪敲擊噪聲的判斷依據(jù)，即把表征目標(biāo)信號(hào)波動(dòng)的統(tǒng)計(jì)特征參數(shù)作為顛簸路面對(duì)變速器齒輪敲擊噪聲的影響因子。

基于決策樹(shù)算法，利用MATLAB編程軟件對(duì)大量實(shí)測(cè)數(shù)據(jù)和主、客觀測(cè)評(píng)一致的結(jié)果訓(xùn)練出合理的分類器模型?；谠摲诸惼骱蚆ATLAB GUI平臺(tái)研發(fā)出顛簸路面辨識(shí)工具，該應(yīng)用操作簡(jiǎn)單，適應(yīng)分類器模型的更新，能為工程師對(duì)路面激勵(lì)對(duì)變速器齒輪敲擊噪聲的判斷做出參考。而且后續(xù)在整車(chē)上驗(yàn)證時(shí)起到了非常好的效果：將該先進(jìn)算法集成在變速箱TCU中，用以指導(dǎo)雙離合變速箱對(duì)顛簸路面的識(shí)別并實(shí)時(shí)取消或恢復(fù)預(yù)選擋，在保證換檔性能的前提下，極大提升齒輪敲擊噪聲品質(zhì)。

參考文獻(xiàn)：

[1]M.Y.Wang， R.Manoj， W，Zhao. "Gear Rattle Modeling and Analysis for Automotive Manual Transmissions" [J]. Drive System Technique， 2002.

[2]梁明軒，王曉林等.變速器傳動(dòng)系統(tǒng)齒輪敲擊噪聲參數(shù)優(yōu)化[J].噪聲與振動(dòng)控制，2016，36（2）：97-100.

[3]Etherm A.機(jī)器學(xué)習(xí)導(dǎo)論[M]. 范明，昝紅英，牛常勇譯.北京：機(jī)械工業(yè)出版社，2009.

[4]王泓正.機(jī)器學(xué)習(xí)在數(shù)據(jù)挖掘中的應(yīng)用[J].中國(guó)新技術(shù)新產(chǎn)品，2018，380（22）：103-104.

[5]李玲俐.數(shù)據(jù)挖掘中分類算法綜述[J].重慶師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，28（4）.