張 新,鄭燕萍,Antoine AUGEIX,鄭曉嬌

(1.南京林業(yè)大學(xué),南京210037;2.艾默林汽車(chē)活動(dòng)照明組件有限公司,無(wú)錫214000)

0 引 言

噪聲問(wèn)題是機(jī)械運(yùn)轉(zhuǎn)過(guò)程不可避免的,對(duì)于噪聲國(guó)內(nèi)外都規(guī)定了一定的聲功率級(jí)限值。然而某汽車(chē)車(chē)燈組件廠在實(shí)際生產(chǎn)中發(fā)現(xiàn),某型號(hào)車(chē)燈電機(jī)調(diào)光裝置在工作時(shí)其噪聲測(cè)量小于規(guī)定的限值60 dB(40 cm處),但人耳卻能聽(tīng)到一種不正常的敲打聲音如“卡啦卡啦”聲,影響該產(chǎn)品聲品質(zhì),稱(chēng)之“異音”。這些異音件會(huì)影響產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力,因此需要借助有經(jīng)驗(yàn)的工人憑借人耳進(jìn)行質(zhì)量檢查。但是僅靠人主觀判斷的結(jié)果,不具有規(guī)范性且生產(chǎn)效率低,同時(shí)分選工作的人員因重復(fù)工作會(huì)心生煩躁而產(chǎn)生判斷誤差。因此迫切需要一種更加科學(xué)、更加系統(tǒng)、更加直觀的異音故障檢測(cè)裝置,從而確保產(chǎn)品質(zhì)量,提高生產(chǎn)效率,滿(mǎn)足生產(chǎn)要求。

異音故障診斷一直以來(lái)是故障診斷領(lǐng)域備受關(guān)注的研究方向。研究一套異音檢測(cè)設(shè)備離不開(kāi)故障診斷的常用4個(gè)步驟:故障機(jī)理研究與狀態(tài)監(jiān)測(cè);信息處理與故障特征提取;智能故障診斷方法;故障預(yù)測(cè)與決策技術(shù)[1]。隨著計(jì)算機(jī)技術(shù)的發(fā)展,以人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)為代表的智能診斷技術(shù)廣泛應(yīng)用于齒輪箱的故障診斷中。然而人工智能方法一方面需要大量的統(tǒng)計(jì)數(shù)據(jù)作為支撐,還需要找出充分表征故障特征的參數(shù)才能更好地進(jìn)行分類(lèi),容易陷入局部最優(yōu)化的問(wèn)題;另一方面在產(chǎn)線上次品率出現(xiàn)機(jī)會(huì)較少,基于機(jī)器學(xué)習(xí)的診斷方法對(duì)計(jì)算機(jī)性能要求極高,不利于產(chǎn)線大批量操作。因此,傳統(tǒng)模式識(shí)別或人工神經(jīng)網(wǎng)絡(luò)算法在這一環(huán)境下應(yīng)用效果可能并不顯著,需要另辟蹊徑[2]。

本文所研究的車(chē)燈電機(jī)調(diào)節(jié)裝置,采用的是塑料材質(zhì)的小模數(shù)齒輪傳動(dòng),而非傳統(tǒng)的齒輪箱機(jī)構(gòu),因小模數(shù)塑料齒輪有著重量輕、噪聲低、自潤(rùn)滑良好、生產(chǎn)效率高和制造成本低等優(yōu)點(diǎn),現(xiàn)已廣泛應(yīng)用于汽車(chē)電器等各領(lǐng)域[3]。但是我國(guó)在塑料齒輪箱傳動(dòng)的電機(jī)異音故障診斷分析研究不夠深入,加上小模數(shù)塑料齒輪是注塑成型的,其精度等方面不如金屬齒輪,易出現(xiàn)制造誤差,導(dǎo)致裝配后其運(yùn)行過(guò)程中的不穩(wěn)定性,從而引起產(chǎn)品異音。這種異音產(chǎn)生原因復(fù)雜,產(chǎn)生位置多樣,但總體來(lái)說(shuō)并非大的故障,因而在實(shí)際生產(chǎn)中不需要做產(chǎn)線上故障定位,僅需要分選出正常件和異音件即可。而異音本身就是一個(gè)相對(duì)主觀的存在,是人耳對(duì)產(chǎn)品聲音品質(zhì)的感受。在選擇特征參數(shù)不夠準(zhǔn)確的情況下,利用機(jī)器學(xué)習(xí)方法有時(shí)候反倒分辨率不高?；谝陨戏治霾⑼ㄟ^(guò)實(shí)踐,本文在診斷方法上利用將主觀決策數(shù)學(xué)化的層次分析法(AHP)對(duì)調(diào)光電機(jī)進(jìn)行異音識(shí)別,在識(shí)別的有效性、可靠性、可行性、簡(jiǎn)明性和廣泛的適應(yīng)性方面具有良好的工程應(yīng)用價(jià)值。

1 異音檢測(cè)方案與數(shù)據(jù)采集

1.1 檢測(cè)方案制定

異音的檢測(cè)常用的是基于噪聲的檢測(cè)和基于振動(dòng)的檢測(cè)。設(shè)計(jì)出一套自動(dòng)化的異音檢測(cè)系統(tǒng)對(duì)此調(diào)光電機(jī)進(jìn)行在線的異音檢測(cè),來(lái)代替人工識(shí)別應(yīng)用于產(chǎn)品生產(chǎn)線中是廠家迫切需求的。然而產(chǎn)線上背景噪聲過(guò)大,采用對(duì)聲音的檢測(cè)不可取,因此采用測(cè)試振動(dòng)的方法更加合理。為了獲得更多信息,傳感器選擇壓電式加速度傳感器,其位置布置要合理考慮振動(dòng)傳播方向和易于檢測(cè)的方向,由于該調(diào)光電機(jī)需要通電工作,電機(jī)安裝在內(nèi)部,綜合考慮,將傳感器用螺栓固定在接口的夾具處,如圖1所示,接合時(shí)即貼緊機(jī)構(gòu),既能在檢測(cè)時(shí)保證傳感器位置固定不變,同時(shí)又不影響正常操作,并且與產(chǎn)線流水線上接口檢測(cè)步驟一致。

圖1 振動(dòng)檢測(cè)裝置布置圖

1.2 信號(hào)數(shù)據(jù)采集

電機(jī)的轉(zhuǎn)頻和最高嚙合頻率均在230 Hz左右,振動(dòng)檢測(cè)裝置的一階固有頻率約在2 000 Hz,因而采樣頻率選擇10 kHz。該調(diào)光電機(jī)裝置一個(gè)工作循環(huán)包含兩個(gè)行程,球頭桿的伸出與縮回運(yùn)動(dòng)。因此在這兩個(gè)行程結(jié)束后采集的時(shí)域信號(hào)波形為一組信號(hào)。原始的信號(hào)波形包含大量干擾噪聲信號(hào),經(jīng)過(guò)高通濾波、均值化等信號(hào)預(yù)處理后,得到最終測(cè)試信號(hào)如圖2所示。

圖2 振動(dòng)信號(hào)時(shí)域波形

2 特征參數(shù)的選取

異音診斷中的特征提取是要選擇合適的特征參數(shù)來(lái)描述和區(qū)分該調(diào)光電機(jī)的正常狀態(tài)和異音狀態(tài)。由于各特征參量的不確定性及其對(duì)不同故障類(lèi)型的敏感程度不一樣,為了增加檢測(cè)系統(tǒng)的可靠性,必須綜合考慮信號(hào)的各種特征。一般時(shí)域信號(hào)可以直觀評(píng)價(jià)振動(dòng)大小,頻域信號(hào)則能提供故障產(chǎn)生位置的信息。鑒于需要區(qū)分出異音與正常件,本文對(duì)采集的時(shí)域信號(hào)的幾個(gè)特征參數(shù)進(jìn)行提取。文獻(xiàn)[4]研究表明,在分類(lèi)準(zhǔn)確率得到保證的前提下,使用的特征參數(shù)越少越好,為尋求最佳的特征參數(shù)集,需要對(duì)特征參數(shù)進(jìn)行組合迭代。經(jīng)過(guò)不一致率的迭代表明:峰峰值xp-p,波峰因素Cf,峭度Ku這3個(gè)時(shí)域參數(shù)對(duì)于此款調(diào)光電機(jī)異音識(shí)別有著較好的一致率。

如圖3所示,簡(jiǎn)諧振動(dòng)x=Asin峰值xp=A;峰峰值xp-p=2A,單位為m/s2,峰值只對(duì)上下對(duì)稱(chēng)的信號(hào)才有意義,選取峰峰值則能較好地反映信號(hào)中突變成分和能量大小;波峰因素Cf=xp/xrms,其中xrms是有效值,Cf可以敏感捕捉信號(hào)中的沖擊成分;峭度其中μx是均值,Ku用來(lái)檢驗(yàn)信號(hào)偏離正態(tài)分布的程度,振動(dòng)信號(hào)的幅值分布接近正態(tài)分布,峭度指標(biāo)值Ku≈3?？紤]到該調(diào)光電機(jī)運(yùn)行的特殊性,有兩個(gè)行程,補(bǔ)充參數(shù)r=其中1表示球頭桿做伸出運(yùn)動(dòng),2表示球頭桿做縮回運(yùn)動(dòng),r為兩行程峰峰值的比值。此參數(shù)可以表明兩個(gè)行程之間運(yùn)行的穩(wěn)定程度。這4個(gè)特征參數(shù)除峰峰值是有量綱的參數(shù),其余3個(gè)皆無(wú)量綱。圖4是采集到50組正常樣本和50組異音樣本的特征參數(shù)值的折線圖。

圖3 簡(jiǎn)諧振動(dòng)示意圖

圖4 50組正常樣本與50組異音樣本的各特征參數(shù)值折線圖

1號(hào)～50號(hào)是10組正常樣本,51號(hào)～100號(hào)則是10組異音樣本。從折線圖上可以直觀看出,正常樣本的各參數(shù)范圍均比異音樣本范圍小,據(jù)統(tǒng)計(jì)正常件Xp-p范圍大致不超過(guò)60,r在0.8～1.25之間,Cf不超過(guò)4,Ku不超過(guò)3.2。但這個(gè)限度范圍并不完全能夠劃分正常件與異音件,正如前文所述每種特征參量對(duì)不同振動(dòng)情況的敏感程度不同。異音本身是一個(gè)主觀性評(píng)價(jià)的產(chǎn)物,不同人耳對(duì)異音的敏感程度不一樣,同一個(gè)人也會(huì)因時(shí)間地點(diǎn)環(huán)境甚至主觀情緒對(duì)異音感知產(chǎn)生差異。采用目前主流的支持向量機(jī)分類(lèi),一方面信息冗余造成過(guò)度學(xué)習(xí),另一方面難以找到合適的核函數(shù)等參數(shù),需要大量實(shí)驗(yàn)數(shù)據(jù)反復(fù)測(cè)試,對(duì)硬件要求高,也不能完全表達(dá)主觀感受,這是廠家不愿意去使用的原因。因而本文創(chuàng)新性使用統(tǒng)計(jì)學(xué)AHP法來(lái)對(duì)以上各參數(shù)進(jìn)行權(quán)重分配達(dá)到綜合測(cè)定的目的。

3 基于AHP法的異音識(shí)別

層次分析法(Analytic Hierarchy Process,以下簡(jiǎn)稱(chēng)AHP)是一種可以計(jì)算某件復(fù)雜問(wèn)題的各影響因素權(quán)重的實(shí)用方法。它是由美國(guó)運(yùn)籌學(xué)家、匹茲堡大學(xué)T.L.Saaty教授在20世紀(jì)70年代初期提出的,沿用至今,能將復(fù)雜的主觀決策問(wèn)題客觀化,將各因素之間內(nèi)在聯(lián)系數(shù)學(xué)化,具有高度的有效性、簡(jiǎn)明性、可行性、可靠性和廣泛的適應(yīng)性[5]。

AHP步驟[6]:1)模型的建立。分析待解決問(wèn)題,建立層次指標(biāo)體系;2)因子分析,對(duì)各層次之間,結(jié)合統(tǒng)計(jì)根據(jù)所學(xué)知識(shí)與經(jīng)驗(yàn),對(duì)影響因子的差異性重要性進(jìn)行判斷。在這里層次分析法引入1～9標(biāo)度法,將判斷定量化,具體可參見(jiàn)文獻(xiàn)[7];3)寫(xiě)出判斷矩陣。通過(guò)計(jì)算判斷矩陣,得出最大特征值及其對(duì)應(yīng)的特征向量,完成一致性檢驗(yàn),得出該層各影響因素對(duì)上層的相對(duì)重要性權(quán)值。4)綜合加權(quán)。從最底層開(kāi)始依次對(duì)上一層因素本身的權(quán)值進(jìn)行加權(quán)綜合,最終可以得到最底層影響因子對(duì)整體的相對(duì)重要性權(quán)值。

在異音識(shí)別問(wèn)題決策上,利用層次分析法對(duì)已提取出的4種特征參數(shù)進(jìn)行權(quán)重分配。依照上述步驟首先要將問(wèn)題層次化:最頂層是異音件識(shí);第一層把樣件分為伸出和縮回兩個(gè)行程,在產(chǎn)線上不論哪個(gè)行程有異音都判斷該樣件為異音件,所以第一層B1,B2權(quán)重相同,如此可以簡(jiǎn)化省去第一層;第二層C層即是判斷異音對(duì)應(yīng)的4種屬性即xp-p,r,Cf,Ku,也是最底層。再對(duì)各影響因子分析:本文研究的異音問(wèn)題,測(cè)試統(tǒng)計(jì)200組異音件的特征參數(shù)數(shù)值,可以發(fā)現(xiàn)xp-p＞60約占62.5%,r超出0.8～1.25的約占50%,Cf＞4.1的約占 67.2%,Ku＞3.2約占50.1%。由此得出,xp-p與Cf同等重要,r與Ku同等重要。寫(xiě)出判斷矩陣如表1。

表1 判斷矩陣

經(jīng)計(jì)算得出CI=0,說(shuō)明該矩陣具有完全一致性,通過(guò)一致性檢驗(yàn)。最后求得各特征參數(shù)權(quán)重如表1所示:xp-p與Cf各占比重0.333 33,r與Ku各占比重0.166 67。為了更加清楚表達(dá)每個(gè)參數(shù)值在不同范圍段的重要程度,結(jié)合統(tǒng)計(jì)和專(zhuān)家意見(jiàn),又對(duì)各參數(shù)的不同范圍進(jìn)行了打分,如表2所示。

表2 各參數(shù)值范圍段打分

一個(gè)參數(shù)的Si滿(mǎn)分是4分,兩個(gè)行程各占50%。最終判別方法為相應(yīng)階段分?jǐn)?shù)乘以相應(yīng)權(quán)重后求和,即:

Δmax=4,Δ＜2.0可判斷為異音件。該界限劃分標(biāo)準(zhǔn)是在正常件不被誤判基礎(chǔ)上,盡可能多地判別出異音件,并盡量與人耳所聽(tīng)保持同步。

對(duì)上述100個(gè)樣本的正常件和異音件做檢驗(yàn)分析,計(jì)算結(jié)果表明:上述50組正常件Δ全部大于2,表示正常件沒(méi)有誤判。50組異音件中,除7,8兩號(hào)樣件沒(méi)有被識(shí)別出,剩余全部識(shí)別,異音識(shí)別率尚可。又反復(fù)測(cè)試過(guò)200組調(diào)光電機(jī),該判別法共判別出19組異音件,人耳聽(tīng)音篩選出20組異音件,好件無(wú)誤判,壞件判別率與人耳分選同步率達(dá)95%。將該決策方法通過(guò)C++語(yǔ)言寫(xiě)入檢測(cè)軟件,能夠保證在采集到一組樣件的時(shí)域波形后得到各時(shí)域特征參數(shù)值,給出判別結(jié)果。檢測(cè)軟件識(shí)別界面如圖5所示。

圖5 異音判別界面(截圖)

圖5 (a)、圖5(b)分別為測(cè)得正常件和異音件的兩個(gè)完整行程后的時(shí)域波形;中間波形則是軟件自動(dòng)捕捉兩個(gè)行程,將兩行程分開(kāi),并且考慮到電機(jī)起動(dòng)與結(jié)束的瞬間會(huì)產(chǎn)生較大的振動(dòng),影響特征參數(shù)值,因而將每段行程的時(shí)域信號(hào)波形前0.2 s和后0.2 s自動(dòng)切掉后再顯示并取值,得到的各參數(shù)數(shù)值會(huì)顯示在界面的右上端,而判別結(jié)果則顯示在最左側(cè),不合格會(huì)顯示紅色“NOK”,合格會(huì)顯示綠色“OK”,通過(guò)計(jì)算驗(yàn)證可知上述機(jī)器判斷結(jié)果都是正確的;最下面的圖形提供的是兩個(gè)行程的FFT信號(hào),這對(duì)于今后的故障位置找尋提供便捷信息,還可以人為設(shè)定警戒線,能輔助異音檢測(cè)人員更好地識(shí)別異音。應(yīng)用至產(chǎn)線上,在隔振措施良好情況下,能夠完全實(shí)現(xiàn)異音檢測(cè)功能,與理論研究相符合。

4 結(jié) 語(yǔ)

異音檢測(cè)是電機(jī)企業(yè)在生產(chǎn)和投入市場(chǎng)都非常關(guān)注的領(lǐng)域,這一領(lǐng)域的研究也是方法各異。本文通過(guò)AHP法,將人的聽(tīng)覺(jué)主觀反映到各特征參數(shù)的權(quán)重上,結(jié)合專(zhuān)家打分制度,使車(chē)用調(diào)光電機(jī)異音判別更加可靠。并將此決策方法通過(guò)C++語(yǔ)言編寫(xiě)入檢測(cè)軟件中,能夠?qū)崿F(xiàn)產(chǎn)品在線檢測(cè)完立即給出判別結(jié)果。對(duì)后期測(cè)試驗(yàn)證結(jié)果表明,異音件的判斷準(zhǔn)確率達(dá)90%,正常件也無(wú)誤判情況,符合廠家要求。