时频分析法在汽车自动变速器故障诊断中的应用

李世云

摘 要：机械故障诊断技术在过去的几十年中取得了迅速的发展，本文介绍了时频域分析在汽车故障诊断技术的应用，阐述了故障诊断技术的发展趋势。

关键词：故障诊断;时频域分析;发展趋势

1 引言

机械故障诊断主要是研究机械设备在运行过程中动态性能的变化规律及其运行状态的识别方法，诊断是以机械学和信息论为依托，多学科融合的技术，其本质是模式识别（屈梁生）。通常是通过测取机械设备在运行时或在相对静态条件下的状态信息，对其进行分析，依据被诊断设备之前的历史记录，来判断被测设备的实际技术状况，进而来推断可能存在的故障和设备的技术状态，最终提供有效的维修维护策略。机械故障诊断技术先后经历了事后维修、定期维修（初步设备诊断技术）、状态维修（设备诊断技术形成）、风险管理（智能化设备诊断技术）等过程，逐步向不解体、高精度、集成化、智能化、网络化、可监控的诊断中心模式的虚拟仪器方向发展，其所使用的傅立叶分析、时域分析、频域分析、小波分析等被广泛的应用于各行各业，尤其是在数字化发展的今天，网络集成化及智能化的水平越来越高，通过诊断中心模式的故障诊断方法具有更高的精确度和优越性。

在如今的汽车领域，电子单元集成化成分越来越多，智能化、网络化水平不断提高，仅靠汽车专业知识是无法满足现代汽车故障诊断工作需求的。应该说，现代汽车故障诊断技术需要集现代故障诊断理论、先进诊断技术、先进的诊断设备为一体，以专业性、系统性、集成化、智能化的诊断设备和方法为发展趋势，从而促进汽车故障诊断技术的整体发展。将机械故障诊断技术充分应用与汽车维修领域，对提高汽车性能检测及故障监测和诊断都会起到很大的作用，本论文主要就机械故障诊断技术在汽车自动变速箱中的应用做简要分析，期望取得抛砖引玉的作用。

2 汽车自动变速器故障特点

对自动变速器进行故障诊断一直是汽车维修技术研究和发展的难点与重要组成。自动变速器因为造价高、种类多、结构复杂，且拆解与安装的技术要求与配合精度都很高，因此，对自动变速器进行故障诊断与维修对大多数汽车维修行业存在困难，除了经济成本较高外更多的是技术水平问题。从自动变速器初现到基本普及，其故障诊断与维修都是一个技术难点，除了使用专门的故障诊断仪器按一定程序进行故障诊断外，还要正确选择试验方法进运行状态故障状态验证，这样才能确保诊断质量，节约维修成本。目前配备自动变速器的轿车均带有故障自诊断系统，可以通过专门故障诊断仪检测出故障点，但对于电控系统以外的故障，比如爱信变速器中行星齿轮机构、液力变矩器的液压原件、传动轴系等出现故障后，通过故障诊断仪是不能检测故障点的。此外，还有一些故障在对自动变速器进行故障诊断时，除了使用故障诊断仪读取相关故障码外，还需配合一定的实验如失速试验、时滞试验、道路试验等结果综合判断自动变速器的技术状态。本文将结合自动变速器结构和运动特点从时域和频域的角度出发分析自动变速器中机械故障处理方法。

3 时频分析法在汽车自动变速器故障诊断中的应用

汽车正常行驶时，自动变速器在无故障存在的前提下其振动信号是近似平稳与线性的，可用傅立叶变换进行有效分析判断是否有异常。对于非平稳、非线性信号的分析，需要用能处理非平稳和非线性信号的时频分析方法进行处理。时频分析法即时域分析和频域分析，这两种分析方法是信号处理与分析中最基本的方法。

3.1 时域分析

時域分析，即以时间为变量，画出信号的波形图或者写出信号的数学表达式，就是信号的时域形式。从信号的时域描述，可分辨出信号的一些特征，如信号变化的快慢，信号幅值范围，信号的连续性和离散性等。

时域波形分析、时域参数指标是时域分析方法中应用比较多的方法。因为波形源于原始信号，比较直观，便于理解，通过对波形观察即可得到信号频率的具体分布情况、信号幅值大小变化，并对信号中有无明显冲击做出判断。对某些有明显特征的故障，可以通过波形分析便可初步做出判断。

在汽车机械类故障诊断中，对时域波形中常参考的的参数为：峰值，均值，均方根值，波形指标，脉冲指标，峭度指标和裕度指标等。这些参数对自动变速器中的机械故障的存在如缺陷等有较明显的表示，依赖于信号的幅值概率密度函数。这些参数随着时间的变化，能较直观的表征出元部件故障特征。比如当汽车变速箱的传动部件中的齿轮发生裂纹、过度磨损、断齿等故障时，在运行过程中均方根值和峰值的幅值指标等时域参数指标就会增大，这样就把正常和故障状态分开了。

3.2 频域分析

频域分析，指在频谱分析中对频域的原信号分布情况进行分析。通常能够提供比时域波形更加直观的特征信息。频谱主要指功率谱和幅值谱等，可作为重要依据对机械设备进行故障诊断。在对频谱进行分析时，首先要标识幅值偏高的谱峰，它们在振动过程中标志着相对较大的的振动能量，应对其产生的原因进行分析，考虑可能出现的故障原因。同时，需要注意的是，在机器振动频谱中，有个别振动分量虽然较大，但不随时间而变化，不会影响机器的正常运行。相反，有一些幅值较小但增长很快的频率分量如果存在，则很有可能说明故障的存在和快速发展，应该特别注意。此外，当一些在原信号的频谱图上不存在或分布非常微弱的频率分量突然出现并急剧增大时，很有可能意味着故障的存在，并且在短时间内将影响机器的正常工作。所以，在频谱分析中不仅要注意各分量的绝对大小，更应当注意各谱峰的发展变化趋势。

为了提高故障诊断的准确率，往往将时域分析与频域分析结合起来使用。

4 时频域分析在汽车自动变速器故障诊断中的应用

在汽车自动变速器故障诊断中，对于传动的齿轮系和轴系如行星齿轮机构、轴承、齿轮、油泵、箱体等，其本身常见的故障如：齿轮破损或断齿、轴失效、轴承破损或点蚀、箱体破损或发生共振等。在这些常见故障中，齿轮和滚动轴承的故障占自动变速箱机械故障的80%左右。下面重点将对齿轮和滚动轴承的故障进行分析。

在实际故障诊断过程中，将因轴承在加工和装配过程中存在误差而引起的振动视为正常振动，当有运动故障发生时发生的振动视为非正常振动。滚动轴承在实际工作过程中出现故障按其振动信号的特征不同可以分为表面损伤和表面磨损。据有关研究表明，由轴承磨损类故障引起的振动信号幅值明显高于未磨损轴承正常工作时引起的振动信号幅值。当轴承工作表面出现损伤时，损伤点受力会产生突变的冲击脉冲力，该脉冲力以宽带信号覆盖轴承系统的高频固有振动频率而引起谐振，这就是损伤类故障引起的振动信号的基本特点。轴承的工作表面损伤点在工作过程中同与其相接触的工作元件表面发生反复撞击从而引起低频振动，该振动与轴承的转速和轴承的几何尺寸有关，这一频率成为故障的特征频率。

根据相关研究表明，带故障轴承的时域波形指标与无故障轴承的时域波形指标相比，有明显变化。在其频谱图中，带故障轴承的能量集中在一个区域，而无故障轴承的能量较为分散。轴承内圈点蚀时，在轴承旋转过程中，缺陷会对轴承产生冲击，在振动信号频谱上表现为轴承内圈旋转频率即故障频率对应的幅值明显比无故障轴承的幅值大。通过这些现象可对齿轮系故障原因进行排查和确定。用同样的方法，我们可以对不同类型的自动变速中的齿轮和轴承进行故障诊断。

时频域分析作为一种新型的故障诊断方法，已经逐步进入汽车故障诊断的各个系统之中，对未来汽车智能化故障诊断系统起着积极推进作用。

5 展望

在汽车故障分析中，时频域分析是有效的方法，但也存在一些缺陷。如频率分辨率受到采样长度的限制和加窗处理产生的能量泄漏。虽然可以选择合适的窗函数减少泄漏，但这又会导致频率分辨率和幅值精度的下降。而基于人工神经网络理论的诊断系统和基于人工智能的故障诊断专家系统将成为故障诊断技术进一步发展的方向。其对于延长机器设备的使用寿命，降低寿命周期维修费用都起着积极作用，专家诊断系统能够克服基于模型的故障诊断方法对模型的过分依赖性，人工神经网络对于故障的模式识别具有独特的优点。

只有准确把握故障诊断技术的发展方向，将诊断设备研发技术人员与维修技术人员的有机结合才可能创造出优秀的故障诊断设备和卓越的诊断思想，才可能将我国的故障诊断技术推进到当代世界故障诊断技术的前沿中去。随着大数据时代的来临，未来的汽车故障将进入“大数据”也将是必然趋势，在发展故障诊断技术的同时，对大量反馈、更新信息的搜集和处理，也将成为未来汽车故障诊断技术的一项重要内容。

参考文献：

[1]崔治.小波分析在超声检测信号处理中的应用研究[D].湖南大学，2012.

[2]崔红超.小波分析在GPS数据处理中的应用研究[D].东华理工大学，2013.

[3]张朝解.小波分析在旋转机械故障诊断中的应用[D].大连理工大学，2006.

[4]周亮.基于小波分析的齿轮箱故障诊断技术的分析与研究[D].武汉科技大学，2009.

[5]顾晏春.我国汽车故障诊断方法的发展现状与趋势[J].科技风，2014，09：218+221.

[6]鲍健.汽车故障诊断技术的现状与发展趋势[J].科技资讯，2012，05：110-111.

[7]时建峰.基于时、频域—小波分析和神經网络方法的齿轮箱故障诊断研究[D].太原理工大学，2008.

[8]王金福，机械故障诊断的信号处理方法：频域分析[J].噪声与振动控制，2013，01：173-180.