APP下载

AMT故障自诊断的解耦合结构设计

2015-12-03韩宇石王景霞李志伟

车辆与动力技术 2015年3期
关键词:机械故障观测点部件

韩宇石,王景霞,李志伟,戴 敏

(中国北方车辆研究所,北京 100072)

AMT(机械式自动变速器)是车辆动力传动系统中的关键部件之一,对车辆的行驶安全有重要影响.对AMT的故障诊断技术进行研究,可以在变速器工作异常时,为系统功能降级提供判断依据,避免主要功能丧失,保证车辆运行安全;在维修时可为故障定位提供参考依据,有效降低维修难度,节约维修成本.AMT故障诊断技术的经济效益和社会效益正是从以上两个方面体现出来.

而对于AMT系统来说,它的结构复杂,自动化程度高,在没有故障数据支持的情况下,仅依靠经验和更换部件的方式查找、定位故障的维修方法已经不能满足市场化的需要,是制约AMT技术推广的一个瓶颈,因此提高故障自诊断功能成为AMT产品化道路上需要解决的问题之一.

1 AMT的故障类型

实现AMT故障自诊断主要有以下几个难点:故障诊断程序是AMT控制软件的一部分,需要在TCU中运行来实现诊断功能,而TCU中的单片机数学运算能力有限,这就要求整个算法不能过于复杂;由于任务目标不但是要实现故障诊断,同时还负责为系统的故障冗余和功能降级提供依据,所以需要保证判断过程的实时性;AMT系统包含众多部件,涉及到机械、电子、液压等各个环节,是一个复杂的强耦合系统,各种部件互相作用、互相影响,故障形式和故障表现也是多种多样的;在不增加传感器的情况下,可获得检测信息的节点有限,需要通过子节点的信息进行反映.

对于使用电液控制方式的AMT系统来说主要有以下几种故障:

1)输入信号故障.

在AMT系统中,使用压力传感器、位移传感器、转速传感器获取变速器及车速信息,同时通过CAN总线获取发动机转速、发动机扭矩、油门踏板及整车状态信息.这些信息源可能存在的故障如表1所示.

表1 输入信号故障点及故障原因

2)驱动故障.

AMT系统通过电磁阀驱动液压系统来控制执行机构的动作,以某型AMT系统为例,包括比例流量阀、比例压力阀、开关阀,硬件驱动都采用负端恒流控制的方式.虽然不同电磁阀的具体结构不同,但是从故障分析角度来看,它们具有相同的故障分类,如表2所示.

表2 驱动故障点及故障原因

3)功能故障.

主要指系统供油、离合器和选换挡执行机构动作异常等导致系统性能降低或功能丧失的故障.如表3所示.

表3 功能故障点及故障原因

4)机械故障.

如果变速箱、离合器、供油系统和电磁阀等零部件出现机械故障,也会造成无法换挡的情况.如变速箱换挡拨叉卡滞,离合器位置调整不当,电磁阀阀芯堵塞等问题.如表4所示.

表4 机械故障点及故障原因

2 故障解耦合分析

根据AMT系统的特点,故障可分为3类:电气故障、功能故障和机械故障,如图1所示.其中电气故障主要指传感器、电磁阀的电气健康状态和数字化后的传感器信号品质.功能故障是指AMT系统运行期间功能状态异常,需要参考离合器、选换挡控制阶段进行判断.机械故障是指针对变速箱故障、执行机构故障、液压系统故障等引起的问题.

图1 AMT系统故障分类

为了解决故障耦合的问题,首先需要对整个系统进行分析并详细了解各部件之间是否存在耦合关系及存在什么形式的耦合关系;部件之间的耦合信息是什么;信息传递路径是什么样的;如果路径中某个节点出现故障,故障信息的表现形式是什么样的;故障信息在子节点的表现形式是什么样的.

零部件之间的耦合关系可分为以下几种[1]:

1)直接耦合.

零部件之间直接或者只经过一些非关键部件载体实现部件的信息传递,而这种传递不受其它零部件的影响,一旦这种信息传递异常,可推断产生信息源的部件出现了故障.

2)间接耦合.

如果系统中两个部件之间并没有直接的信息交流,但部件A可以通过部件B将信息传递到部件C,从而引起部件C的变化.

3)V结构耦合.

如果系统中两个部件之间不存在信息交流,他们的信息都直接耦合到同一个部件上,这样部件A和部件B两者所产生的信息源都传递给共同的部件C,影响其状态.

4)不确定性耦合关系处理方法.

各部件之间有时并不容易通过分析判断出属于以上哪种耦合关系,但是又怀疑节点之间可能存在一定的耦合,这就需要进行信息的量化处理.可利用信息论分析零部件的不确定耦合关系.

通过对AMT系统进行耦合性分析,可以得出:在不考虑控制器板级故障的情况下,传感器和电磁阀故障可以看作相互独立,但与相应的功能存在耦合关系,是AMT故障的根节点;机械故障同样是故障传递路径的根节点,故障现象难于直接观测,但是能通过功能故障反映出来;离合器控制机构、选挡控制机构及换挡控制机构相互之间可认为是独立的,与供油系统故障、电气故障和机械故障存在耦合.

3 故障诊断结构设计

从某型AMT产品故障原因的统计结果来看,电气故障大约占到故障总量的70%到80%.这类故障相互之间没有耦合,可采用分布式的故障诊断方法对每个故障点单独进行判断,诊断途径以检测电压、电流信号的故障特征为主,相对来说针对性强、易于实现,故障判断的准确性很高,并且算法简单,可有效保证诊断的实时性.考虑到电气故障是故障传递路径的根节点,危害性大,任意节点出现问题都会影响系统的整体功能,所以可把该类故障独立出来,优先进行故障判断,使结果不向下方传递,即在电气故障出现后不进行其它故障判断,在故障诊断结构中定义为电气监测层.

为了对不同电气故障点进行优先级区分,可采用以下方法:

设电气层中所有故障的集合为 E={E1,E2,…,En},故障的先验概率为

式中:i,j∈n;N(Ei)为故障发生次数的统计结果.

故障的观测值为

式中:Ei的故障状态 S(Ei)∈{0,1}.

对正在发生的故障按照观测值大小顺序排列,队列中的序号即是该故障的优先级.故障诊断程序优先报送发生频率高的故障信息;动态计算故障优先级,同一个故障在不同序列里的位置会存在差异.

功能故障,是指机构装配、零部件加工误差、机械磨损等问题引起的功能失效或性能降低,这类故障在重新标定参数后可以解决.机械故障,是指变速箱故障、执行机构故障、液压系统故障等引起的问题.机械故障产生的原因不容易确定,在线诊断很难获取特征信息,并且处于故障传递的根节点位置,与功能故障存在耦合关系,很容易出现定位失败的问题.在AMT系统运行的过程中,由于系统的功能故障是可监测的,可以设置观测点,在不考虑故障原因的情况下每个观测点单独对某一功能状态进行评估,可以减少判断过程的复杂程度.根据不同系统功能的独立性对故障进行隔离,在具有相关性的故障传递路径上使用数理统计结果和专家意见生成故障先验概率来帮助定位.在故障诊断结构中定义为故障推理层,通过先验概率和条件概率进行推理,即已知在事件A发生时事件B的发生概率,计算在事件B发生的条件下事件A的发生概率,计算方法如式(3)、式(4)[2]所示.

确定条件概率后,在独立性定义假设下,有贝叶斯公式:

AMT故障诊断解耦合推理的过程以图2所示为例.图中电气监测层的所有节点是可观测的,采用独立计算的方式进行判断.如果电气监测层出现故障报警,则不进行故障推理层的计算.在故障推理层只有观测点A、B、C、D可观测,A是B、a1、a2的子节点,B是C、D的子节点,C是c1、c2的子节点,D是d1、d2的子节点.当某个观测点的状态是隐性时 (数值为0,无故障),虚线代表的继承关系断开,不进行相关分支的条件概率推理.

图2 AMT选挡动作异常的诊断过程

4 解耦合推理

以图2所示为例,假设AMT系统出现无法选挡的情况,电气监测层无报警信息,故障推理层的观测点 A、B、C、D都为显性(数值为1,有故障),在这种情况下对故障原因进行推理.

首先需要获得故障集合内所有故障节点的先验概率.该项数值是后续推理计算的输入信息,需要根据长期的故障信息统计数据及专业领域专家、技术人员的经验进行确定,如果先验知识不准确将导致推理结果出现偏差.本例中故障点的相关信息如表5所示.

表5 故障点先验概率

当观测点的状态为显性,可以根据故障节点相关性对观测点的先验概率和条件概率进行计算,如表6所示.

表6 观测点概率计算

使用公式(4)进行故障推理,结果如表7所示.

表7 故障推理结果

从故障推理结果可以看出,虽然参数标定错误的先验概率大于供油系统故障,但是在4个观测点都报警的情况下进行概率推理,供油系统故障的发生概率明显高于参数标定错误,最有可能是导致故障的原因,该故障优先级最高.

根据上述原理设计的AMT系统故障诊断程序在某型AMT产品上进行应用,取得比较好的效果,尤其在变速器本体出现机械问题时故障定位比较准确、判断过程满足实时性要求.图3所示为实际应用中的一次故障判断.AMT系统在挂倒挡时换挡动作失败,通过故障点和故障原因得知,当前概率最大的原因是变速箱倒挡顶齿.驾驶员重新进行操作后挂挡成功、故障消失,证明故障原因判断准确.

图3 AMT系统故障实例

5 结论

在对AMT故障节点进行耦合性分析的基础上,提出了具有两层结构的故障诊断解耦合设计方法,采用不同的算法进行电气监测层和故障推理层的故障判断.故障率较高的传感器和电磁阀在电气监测层中进行检测,采用分布式计算方法,每个节点独立运行,可有效减少输入信息的数量、降低算法的复杂度,提高诊断的实时性和准确性;在故障推理层中根据观测点的相关性对关系网络进行动态划分,单独计算观测点状态,使用故障先验概率密度动态计算的方法对故障进行解耦合推理,解决了AMT系统机械故障特征难以获取的问题.该方法在实际应用中获得了较好的效果,表明该方法正确可行.

[1]李海军,马登武,刘 宵,等.贝叶斯网络理论在装备故障诊断中的应用[M].北京:国防工业出版社,2009.

[2]王双成.贝叶斯网络学习、推理与应用 [M].上海:立信会计出版社,2010.

猜你喜欢

机械故障观测点部件
基于HSMM的船舶机械故障演化预测模型
扎龙湿地芦苇空气负离子浓度观测研究
加工中心若干典型失效部件缺陷的改进
奥迪e-tron纯电动汽车的高电压部件(下)
洛阳市老城区西大街空间形态与热环境耦合关系实测研究
基于Siemens NX和Sinumerik的铣头部件再制造
部件拆分与对外汉字部件教学
沉降观测在信阳市中乐百花酒店B座沉降观测中的应用
汽车机械故障原因及诊断探究
汽车机械故障原因分析及其诊断探讨