一种汽车座椅水平驱动器异响诊断探究*

2018-11-01卢炽华赵荣森杜松泽赵玉晓

武汉理工大学学报（交通科学与工程版） 2018年5期

卢炽华赵荣森杜松泽赵玉晓

(武汉理工大学现代汽车零部件技术湖北省重点实验室1) 武汉 430070) (汽车零部件技术湖北省协同创新中心2) 武汉 430070)

0 引言

汽车座椅水平驱动器能够实现座椅位置根据实际需要自动调节功能[1].虽然其再运转的过程中产生的车内噪声声压级较小，但移动过程中产生的异响噪声会破坏驾驶和乘坐体验，所以豪华汽车座椅水平驱动器( horizontal driving machine， HDM)声品质的好坏将会对汽车舒适性及NVH性能产生比较显著的影响[2].而目前，对HDM的质量检测大多依赖于人工的主观听音来判别，这种完全依靠个人主观感觉和经验的判定方法效率低，准确性不高，劳动强度大，直接损害一线诊断工人的身心健康.

近年来，国内很多研究者就针对HDM产品异响的问题做了大量的研究.其中，刘立君等[3]对采集到的HDM的声音信号进行了Gabor时频分析，然后再对其进行1/3倍频程带通滤波对比分析，发现这种方法能够有效识别出频率高于12 kHz的高频打点噪声.王奇等[4-5]通过对信号进行调制，从调制角度分析了HDM产生异响原因，并提出把傅里叶变换和希尔伯特包络解调结合起来的方法来获得问题特征频率.胡佩佩等[6]则是从声品质这一角度提出了针对HDM的声品质客观参量与异响相关性的分析方法，得出在常用声品质客观参量中，尖锐度和有调度对HDM声品质影响较大，并将其作为评价HDM好坏的指标.然而，这些方法所定量分析的声音指标都是在半消或全消音室测得的，对测试环境要求较高，而HDM是在生产线上生产的，即使在生产线上能提供密封性好的隔音室，必不可少的仍存在背景噪声，再加上HDM的异响并非只是一种打点声，存在的异响特征不尽相同，如果利用上述的方法进行测试及单一指标对HDM评价必然产生较大误差，而本文采用小波分析能直接对在隔音室的HDM样件进行测试，利用小波降噪去除大部分的低频环境噪声，而后用db4小波对降噪后的HDM信号进行三层分解，得到各频段上的能量，利用频率能量法区分由多种原因引起的HDM的低频异响，使HDM产品的声品质判别更加的高效.

1 HDM噪声客观参量的测量

1.1 噪声样本的采集

实验跟踪对象为生产线上生产出来经过人工判断有异响的HDM和正常的HDM，实验设备主要涉及HDM测试台架、德国某公司的LMS SCADAS XS数据采集系统，PCB阵列麦克风，双耳人工头及供给电压设备等. 采用美国某公司生产的麦克风进行 HDM近声场处的噪声信号采集，德国某公司的双耳人工头模拟测试驾驶员处听到的噪声信号，实验时依次更换不同的 HDM，本次实验共测试了17个样件，分别测试了 HDM上升和下降行程，上升行程与下降行程各采集12 s. 在生产工厂里的专门的隔音室内，将麦克风放置于 HDM平台上，正对 HDM，距离约为100 mm，实验员佩戴双耳人工头正坐在 HDM台架前方，距离约为500 mm.

1.2 噪声样本的主观判断结果

本次噪声样本主观判断结果:通过声音样本多次回放试听，组织多名有NVH经验人员进行主观判断和评价，认为所采集的17个样件中，编号3，22，41，48样本同时在“UP”和“DOWN”工况中存在主观描述为具有节奏性的敲打声.编号4，5，9，29，38，49，50样本被判断为无异常，编号7，36，37，39，42，46样本在下降行程中具有异响噪声，且异响特征不尽相同，另一工况下噪声被判段为正常.

2 小波工具包的应用

HDM作为一种旋转式机械结构，其产生的振动噪声信号分布在不同的频带范围内，而且有故障的零部件振动信号往往被其他振动信号及大量的随机背景噪声淹盖，鉴于此情况，高通、低通、带通、带阻的传统经典信号滤波方法很大程度上不适用于解决本问题. 以小波降噪为代表的现代降噪滤波方法有助于异常噪声频率的鉴别和判断.与此同时，在旋转机械的故障诊断中，传统的谱分析方法不适于解决此问题，因为谱分析方法是在信号的平稳性基础上建立的，而旋转机械发生故障时产生的振动信号是有异于其他机械运转产生的非稳定信号，小波分析由小波自身特点决定其适合对非平稳信号的旋转故障进行特征提取.

2.1 小波降噪

在生产现场采集的声音信号里掺杂着大量机械设备工作的噪声，为了进一步提高信号的信噪比，获得有用信息，由于小波分解对非平稳信号的降噪效果明显，所以先对采集到的原始信号进行小波降噪.小波降噪方法目前主要分为三大类：阈值法、相关法、模极大值法.其中阈值法又包涵四种量化方法，固定阈值(satwolog)、启发式阈值(heursure)、无偏估风险估计阈值(rigrsure)、极大极小阈值(minimaxi)，选择适宜的阈值方法进行小波降噪将会对最终的降噪效果及信号的有效性产生影响.连续数据信号f(t)的小波变换定义为[7]

(1)

式中：a为尺度参数；b为时移参数.

在实际的工程应用中通常利用数值分析方法来求解上述方程.利用Mallat算法对特定小波进行分解、降噪和重构.分解式可表示为

(2)

式中：fk为时域信号；k为采样数据点数；g*(n)和h*(n)分别为共轭镜像滤波器发出的脉冲响应；j为小波分解的层数.在分解过程中，a和b的值是可以相应变化以使得小波变换满足要求：在低频段时间内具有分辨率低、频率分辨率高的特点，在高频段内具有频率分辨率低，时间分辨率高的特点.这与人耳的听觉特性相一致.具体重构计算方法为[8]

(3)

总的说来，信号降噪可分3个步骤进行.

步骤1对信号进行小波分解.

步骤2对选取的小波分解各层系数对应的阈值具体量化.

步骤3对信号进行重构.

阈值量化即是对信号分解后的各层小波系数设置对应的具体阈值，在众多不同的小波系数中，把绝对值较小的系数归置为零，把绝对值较大的系数进行适当收缩和保留，再根据各阈值处理后的系数利用小波逆变换方法进行信号的重构最终达到降噪除噪目的.根据采集到的HDM原始信号自身特点，采用Matlab小波工具箱里的db4小波对HDM原信号进行 3层分解，选取 heursure 软阈值实施阈值处理，然后再重构，这样所得到的信号即为我们所需要的降噪后的信号.图1为编号22的水平驱动器下降行程采集到原始数据和降噪数据.

图1 水平驱动器下降行程采集到原始数据和降噪数据

由图1可知，在+0.7的幅值水平线下，原信号多出超过该线，而经过小波降噪后的信号只有三处超过0.7，不仅从信号的各较大幅值处，从降噪后的整体信号而言能够看出，利用小波降噪方法降噪后的信号与采集的原始信号相比，毛刺有相应程度的降低，信号变得相对比较光滑，同时保留了原始信号的有用成分，因此，小波分析降噪方法在为汽车座椅水平驱动器的异响故障诊断中信号进行预处理是行之有效的.

2.2 小波包能量法

小波包技术是将信号无遗漏、无冗余、正交地分解到各个独立的频带内的一种方法，被分解的频带信号都具有一定的能量，不同频带里信号所具有的能量能够为机械的状态监测以及故障诊断提供有用的信息.监测频带蕴涵的能量涉及各个频带信号里的能量，包括非线性振动、非平稳能量，如摩擦、松动、碰撞、爬行，等等，上述的故障特征波形通常是非线性、非平稳的[9].小波包能量法的主要计算步骤如下所示.

步骤1将采集到的信号利用小波包进行分解，分解层数依据信号的具体复杂程度而确定,然后再把小波包分解系数用Mallat算法重构,提取各频带范围的特征信号.Sij代表第i层、第j个节点的重构信号.

步骤2求各频带信号的总能量.设信号Sij对应的能量为Eij，则有

(4)

式中：dijk为第i层j个节点的重构完成后的信号Sij的具体序列值.

步骤3构造特征向量.当机械系统出现故障时,特征故障会对各个频带信号的能量产生不同程度的影响,所以可以根据这一特征就可以利用能量法，以能量为元素构造能量特征向量.即是把信号各频带能量作为元素构造特征向量为

(5)

式(5)特征向量经过了归一化处理.

针对采回的17个样本，先利用小波降噪方法对样本噪声进行滤波处理，然后利用db4小波进行三层分解去提取故障的特征信号，再将其分解到各个频带上，各个频带上的能量存在差异，图2为对主观判断无异常的水平驱动器的频带能量分析.

图2 无异常的水平驱动器的频带能量分析

由图2可知，样件4#，5#，49#这三个水平驱动器的噪声能量主要集中在2 000 Hz左右，且峰值较高，而1 600 Hz以下的能量分布较少.然后对人工主观判断有异响的水平驱动器的频带能量进行计算分析，见图3.

图3 有异响的水平驱动器的频带能量分析(频率×104)

由图3可知，7#，22#，41#这三个水平驱动器的噪声能量主要集中在1 600 Hz以下，2 000 Hz左右的能量分布较少，能量峰值较低.在通过人工听取声音主观评价认为7，22，41这三个样件是异常的样件，而4，5，49这三个样件是合格的样件，在听取7，22，41这三个样件时，人耳听到其主噪音后存在的金属摩擦的低频噪声和节奏性的敲打异响，这与经小波变换后的频率-能量图这三个低频存在较大的低频能量是吻合的，所以经过小波降噪分析后从各个频带上的能量分布能够用来判断汽车座椅水平驱动器是否存在异响.