汽車底盤車架焊接維修故障檢測方法

曹玉姍

（中國人民解放軍96923 部隊(duì)，遼寧大連 116313）

0 引言

底盤車架是車輛的基礎(chǔ)，與引擎、驅(qū)動(dòng)軸等其他部件擔(dān)負(fù)的作用不同，車架是汽車傳動(dòng)結(jié)構(gòu)和車軸的承載體，是汽車穩(wěn)定性能的最主要體現(xiàn)點(diǎn)之一。軍用車輛由于需要適應(yīng)的行駛環(huán)境更為復(fù)雜、嚴(yán)酷，因此對其承重能力的指標(biāo)要求比較高。軍用車底盤車架也是使用中故障發(fā)生較多的部位，尤其在車輛執(zhí)行載重越野任務(wù)中，極容易因?yàn)榈妆P車架受到超過限定承受能力的外力，導(dǎo)致底盤車架出現(xiàn)損傷[1]。這些損傷有的僅是車架結(jié)構(gòu)件勞損、強(qiáng)度下降，嚴(yán)重的則會(huì)出現(xiàn)結(jié)構(gòu)裂紋，影響車輛承載能力，甚至?xí)斐绍嚰軘嗔选④囕v嚴(yán)重?fù)p壞。

針對底盤車架的維修檢測，由于存在損傷部位不易直觀發(fā)現(xiàn)等困難，或欠缺焊接維修后不易驗(yàn)證維修質(zhì)量的有效手段，因此檢測方法存在空白[2]。聲探測是利用聲波在傳導(dǎo)中，通過介質(zhì)不連貫或斷裂處會(huì)產(chǎn)生回波，造成相位變化的原理，檢測底盤車架的故障情況[3]。這種方法適用于正常車輛底盤車架的檢測，也可以對焊接的底盤車架進(jìn)行檢測。本文通過維修萬山2400 型底盤車架，設(shè)計(jì)了一種基于聲探測的維修故障檢測方法。

1 裝備車底盤車架焊接維修故障檢測方法研究

通過聲探測方法檢測底盤車架焊接維修故障檢測方法是監(jiān)測車架連接的聲源部件發(fā)出的聲音信號(hào)，經(jīng)過底盤車架傳導(dǎo)后，其聲音信號(hào)的波形與相位都會(huì)發(fā)生變化，通過對比變化情況，發(fā)現(xiàn)其中的故障類型和故障點(diǎn)，實(shí)現(xiàn)檢測功能[4]。為簡化檢測設(shè)備的組成，聲源部件選用底盤車架中的電機(jī)，通過檢測電機(jī)發(fā)出的聲音信號(hào)檢測底盤車架的焊接維修故障。

在檢測過程中，最初要采集待檢修的汽車底盤聲音信號(hào)，處理并進(jìn)行噪聲消除，利用N 層分解獲得兩個(gè)子波系數(shù)，對得到的子波系數(shù)重構(gòu)，就能在進(jìn)行過程中構(gòu)成兩個(gè)子信號(hào)，使用遺傳算法對這兩個(gè)子信號(hào)進(jìn)行估算和精進(jìn)[5]。具體算法設(shè)計(jì)如圖1 所示。

圖1 算法設(shè)計(jì)

算法設(shè)計(jì)主要過程：在設(shè)定實(shí)驗(yàn)工況為電機(jī)穩(wěn)定轉(zhuǎn)速的前提下，先采集電機(jī)聲音信號(hào)。根據(jù)時(shí)間間隔采樣，采集正常運(yùn)行電機(jī)和人工控制電流的10 組聲信號(hào)數(shù)據(jù)，模擬確定底盤故障后的故障狀態(tài)。采用軟閾值小波去噪。在去噪過程中，如果選擇的測試位置在距離電機(jī)1.45 m 的地方，那么這個(gè)位置的EPS處于正常運(yùn)行的狀態(tài)，不需拆卸裝備車即可測量的最佳位置。因此，需要分別重構(gòu)小波去噪點(diǎn)。重構(gòu)后一般得到子信號(hào)，對子信號(hào)進(jìn)行分析，傳感器采集聲音樣本，以確保共振諧波的生成。此時(shí)，傳感器經(jīng)過調(diào)理電路，傳感器輸出的是電機(jī)的振動(dòng)頻率信號(hào)。計(jì)算每個(gè)個(gè)體的自適應(yīng)值，以確定采集卡的輸入通道可以同時(shí)被采樣。檢測對象為萬山2400 電動(dòng)助力轉(zhuǎn)向電機(jī)，選擇自適應(yīng)值較高的電機(jī)進(jìn)行復(fù)制。當(dāng)電機(jī)在空載狀態(tài)下測試時(shí)，電機(jī)只是在額定轉(zhuǎn)速和額定電壓下運(yùn)行。聲信號(hào)采集傳感器布置選擇4 個(gè)點(diǎn)，電機(jī)上下兩端各有一個(gè)傳感器。采集信號(hào)的選擇以4 個(gè)點(diǎn)的最大值為準(zhǔn)。在上述檢測過程中，由于電機(jī)在高速轉(zhuǎn)動(dòng)中自身存在諧振、底盤車架上的其他結(jié)構(gòu)部件會(huì)發(fā)生共振，因此采集到的聲音信號(hào)中需要剔除掉噪聲信號(hào)，得到真實(shí)的聲音信號(hào)，因此檢測方法中聲信號(hào)消噪是首先要處理好的環(huán)節(jié)。

1.1 聲信號(hào)消噪

排除故障前需要采用多諾霍閾值法來消除噪聲，采用這種方法之前需要對小波信號(hào)中包含的信息進(jìn)行篩選和識(shí)別，當(dāng)小波中檢測的信息出現(xiàn)閾值較大或者信息數(shù)目較少的情況下就相對符合小波測噪的理論。當(dāng)小波信號(hào)當(dāng)中出現(xiàn)了絕對值較小的情況，可在此時(shí)將其系數(shù)設(shè)為零，這樣不僅可以避免外來噪聲的干擾而且也會(huì)自動(dòng)消除內(nèi)部產(chǎn)生的干擾性聲音。這種方法主要采用小波在聲音識(shí)別過程中的聲音系數(shù)壓縮功能進(jìn)行改變和調(diào)整。將許多小波信號(hào)進(jìn)行系數(shù)壓縮或者保留，根據(jù)小波映射得到的信號(hào)進(jìn)行重構(gòu)，在一定程度上可以降低噪聲的外在干擾。此時(shí)的小波信號(hào)也將這些噪聲自動(dòng)分解為一維信息。明確小波s 和小波需要分解的層數(shù)N，隨后對小波s 實(shí)施N 層小波分解并能獲得一些小波系數(shù)Wjk。另外，量化分解小波高頻率系數(shù)的閾值，從第1 層到第N 層，變化層數(shù)也會(huì)導(dǎo)致相應(yīng)閾值發(fā)生變化，在這里的閾值是隨著層數(shù)的增加而成正比增長的，將這些閾值系數(shù)進(jìn)行量化，獲得預(yù)計(jì)的小波系數(shù)Wjk。隨后對一維性質(zhì)的小波重組，根據(jù)小波信號(hào)分解相關(guān)原理對第一層到第N 層進(jìn)行分析和推算最終得到確定信號(hào)內(nèi)容并對這些內(nèi)容進(jìn)行重構(gòu)。

1.2 底盤故障信號(hào)聲響檢測

底盤故障聲音提取信號(hào)時(shí)，制動(dòng)盤、輪胎、驅(qū)動(dòng)器和轉(zhuǎn)向系統(tǒng)都存在著大幅度的異常故障聲音信息。檢測到的聲音通過汽車內(nèi)部固體金屬構(gòu)件和空氣傳播，它們一起形成了嘈雜的裝備車噪聲。聲學(xué)故障診斷是根據(jù)機(jī)械設(shè)備狀態(tài)信號(hào)的物理特性進(jìn)行故障診斷的方法之一。聲學(xué)故障診斷操作簡單，可在線監(jiān)測。因此小波分析方法在很多情況下被使用。相比于傳統(tǒng)的頻域分析法，在時(shí)域和頻域之內(nèi)，小波分析法能夠更好地表現(xiàn)出方法特征，且由于時(shí)間窗和頻率窗的寬度可以在小波分析法中得到調(diào)整，因此大部分的突變聲音信號(hào)被得以檢測。

1.3 底盤小波包頻率轉(zhuǎn)換

提取小波包信號(hào)，根據(jù)其所經(jīng)過的N 層頻率范圍，對信號(hào)分別進(jìn)行分析，使小波系數(shù)重新構(gòu)建成子信號(hào)，隨后使用二進(jìn)制數(shù)據(jù)，對字符串結(jié)構(gòu)進(jìn)行設(shè)置，所要得到的最終信號(hào)存在于眾多信號(hào)的組合之中。小波［N，K］位信號(hào)在N 位長的數(shù)據(jù)串中，其中K 位為1。由于信號(hào)的分辨率沒有限制，一般只能得到一個(gè)有限的分辨率值。此時(shí)原始信號(hào)的確定需要通過創(chuàng)建一個(gè)最優(yōu)信號(hào)集進(jìn)行分解和重構(gòu)，在這個(gè)信號(hào)集中通過信號(hào)表示小波包多次的頻率變換中幅值的變化情況，一般情況下可以得到高濾波信號(hào)和低濾波信號(hào)集。在高低濾波的變換過程中小波包實(shí)際上起到信號(hào)交換和分離的作用，如果繼續(xù)分析高低濾波，將會(huì)得到不同維度的分解變量，使小波包整體接收效率得到有效提升。因此，該方法雖然得到裝備車底盤故障的位置以及相關(guān)信息，但仍然存在一定誤差。

為了更好地利用此方法對裝備車底盤故障進(jìn)行分析，但還可以通過提高小波包變換頻率改變該信號(hào)系數(shù)值，擴(kuò)大信號(hào)傳播尺度間接降低了采樣間隙，時(shí)間分辨率也相對降低。因此，小波包可以被進(jìn)行分割、頻帶變薄、尺度變寬等操作。根據(jù)聲音信號(hào)在正常操作的底盤和測量信號(hào)故障期間，獲得了相關(guān)函數(shù)，擬合是合成與直線之間的夾角的余弦值，橫軸為適應(yīng)度函數(shù)曲線，最后獲得的故障位置。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)準(zhǔn)備

實(shí)驗(yàn)是在噪聲測試實(shí)驗(yàn)室內(nèi)進(jìn)行，實(shí)驗(yàn)對象為萬山2400 系電動(dòng)助力轉(zhuǎn)向電機(jī)。本次試驗(yàn)的第一步需要對2400 系電動(dòng)助力轉(zhuǎn)向電機(jī)正常運(yùn)行時(shí)的聲信號(hào)數(shù)據(jù)進(jìn)行采集，隨后對電機(jī)的控制電流進(jìn)行減弱和提高，數(shù)值為額定電流的1/2 和1.5 倍，斷開繼電器和加大負(fù)載的方式，采集人為設(shè)置故障時(shí)的聲信號(hào)數(shù)據(jù)。

2.2 實(shí)驗(yàn)結(jié)果分析

由于波形受到其他噪聲的干擾，電機(jī)在不同人為設(shè)置故障狀態(tài)下采集到的聲信號(hào)的時(shí)域波形圖差異性較難區(qū)分，在頻帶的局部能量區(qū)間，對對聲信號(hào)進(jìn)行小波包特征的提取，隨后將故障特征數(shù)值歸一化，用這種發(fā)放將數(shù)值變換到［0，1］的區(qū)間，在故障識(shí)別的過程中，依照其歸一化使神經(jīng)網(wǎng)絡(luò)的權(quán)值被縮小在一定范圍內(nèi)。因此使用頻域分析手段進(jìn)行分析處理。圖2 為仿真轉(zhuǎn)向電機(jī)突然斷開繼電器異常狀態(tài)時(shí)電機(jī)的聲譜密度圖。

圖2 模擬時(shí)域折線圖

由圖2 可知，在轉(zhuǎn)向電機(jī)運(yùn)作時(shí)，在正常運(yùn)行區(qū)間450～850 Hz、2550～3550 Hz 之間不存在能譜的顯現(xiàn)。當(dāng)控制電流改變?yōu)轭~定控制電流的1/2 時(shí)，在400～800 Hz 的能譜顯現(xiàn)，頻帶在2000～3000 Hz會(huì)變得更加明顯。當(dāng)控制電流改變?yōu)轭~定控制電流的1.5 倍時(shí)，頻帶也隨之改變。在常規(guī)操作機(jī)械中，由于工作過程中其他部件的運(yùn)動(dòng)所造成的影響，很難找到頻譜與故障之間的關(guān)系。圖3 為采用小波級數(shù)對模擬故障條件不相同情況的下，動(dòng)力轉(zhuǎn)向電機(jī)聲信號(hào)進(jìn)行4 層小波變換的結(jié)果，并分析小波分解后各層的自然功率譜聚集程度。

圖3 聲譜密度分析

當(dāng)轉(zhuǎn)向電機(jī)正常工作時(shí)，突然在輸出端增加負(fù)載。可以發(fā)現(xiàn)，當(dāng)負(fù)載增大時(shí)，400～800 Hz 頻段的能量幅值增大，頻帶寬度約為1400～2400 Hz，能量也增加了很多。負(fù)荷突然加大會(huì)產(chǎn)生較大的噪聲；當(dāng)電機(jī)工作中斷，繼電器打開時(shí)，由于電機(jī)實(shí)際轉(zhuǎn)速明顯減慢，電機(jī)發(fā)出的異常聲能在各個(gè)頻段內(nèi)減小。通過實(shí)驗(yàn)分析，對比正常情況和故障情況下裝備車底盤車架的頻率和聲譜密度，發(fā)現(xiàn)采用聲探測方法可以有效識(shí)別底盤車架中的異常信號(hào)，實(shí)現(xiàn)對汽車底盤車架焊接維修故障的檢測。

3 結(jié)束語

本文在以往裝備車底盤故障診斷技術(shù)研究成果的基礎(chǔ)上，提出了基于聲信號(hào)監(jiān)測技術(shù)的裝備車底盤故障診斷方法，并對故障聲信號(hào)的特征提取和分類識(shí)別進(jìn)行研究，并經(jīng)過實(shí)驗(yàn)驗(yàn)證對底盤車架故障的檢測能力達(dá)到預(yù)期。需要指出的是，基于小波分析方法的研究在底盤診斷中具有很大潛力，但該方法僅對實(shí)驗(yàn)室聲學(xué)信號(hào)模擬故障進(jìn)行有效識(shí)別和判定，真實(shí)裝備車輛在道路上的實(shí)際形式故障并沒有經(jīng)過驗(yàn)證，所以設(shè)計(jì)存在局限性，需要更進(jìn)一步的探討和發(fā)展。在車輛維修中需要針對不同類型的車輛收集更多的樣本數(shù)據(jù)，形成更為廣泛的數(shù)據(jù)基礎(chǔ)，作為未來車輛維修的經(jīng)驗(yàn)儲(chǔ)備。