基于分位算法的汽车变速器故障诊断

潘 晖， 刘 泽

（长春工业大学基础科学学院，吉林长春 130012）

0 引 言

近年来，在汽车变速器的故障诊断方法研究中，“极限参数法”理论［1－2］得到了广泛应用。由德国迪斯卡姆公司与美国戴姆勒－克莱斯勒公司合作开发的ROTAS－GP振动噪声检测系统［2］就是以“极限参数法”理论为基础，建立了基于标准差算法的故障诊断模型。该模型要求训练样本数据必须具有一定规模且满足正态分布，因此，这种约束条件仅适用于大子样水平的样本。但是汽车变速器在生产实践中，受生产条件和成本的限制，一般很难在初始阶段提供大量样本进行系统的学习和训练，只能通过不满足正态分布的小子样水平的样本进行基本训练，使系统具备初步的判别能力，所以，该模型在汽车变速器生产实践初期会存在很大的误差，导致错误的学习结论。

文中基于分位算法提出了一种汽车变速器的故障诊断方法。由于分位数在计算过程中不受样本规模、样本数据统计分布与极端异常值的影响，使得该方法能够在汽车变速器整个生产实践过程中，对存在故障的汽车变速器作出迅速、准确的故障判别。

1 极限参数

由于汽车变速器的振动信号［3］成分比较复杂，为了防止对故障作出漏判或误判的情况，应对振动信号进行时域和频域的综合分析［4］。

1.1 时域极限参数

汽车变速器存在故障的一个重要表现形式是产生较大的噪声。噪声的幅度决定于产生非正常振动的能量，由此在检测过程中，可以通过分析时域信号中反映振动加速度幅值变化的峰值、平均值和极差值，刻画噪声能量的变化规律，达到分析噪声幅度的目的。……