王郡成
(1.北汽福田汽車股份有限公司時代事業部，山東 諸城 262233；
2.濰坊市經濟學校，山東 諸城 262234)
輕型卡車在平直瀝青路面或平整度較高的水泥路面上以特定車速行駛時，駕駛室可能出現上下方向大幅振動、左右方向傾斜與擺動不規律以及異常抖動等現象，降低駕駛員的主觀舒適度，嚴重可造成交通安全隱患[1]。車輛的抖動分為兩種類型：自激式抖動和受迫式抖動。自激式抖動是指車輛在受力或者運動過程中，所引起的多種抖動；
受迫式抖動是一個被其他振動源激發的對象所引起的抖動。輕型卡車駕駛室異常抖動的自激振主要有：在工作狀態下的引擎振動、變速器與驅動橋的內齒輪轂的碰撞、輪轂的轉動不均衡所產生的振動。這種抖動與由道路的不平整引起的車輛的無規則的震動共同組成了異常抖動。其他的車架振動、車體振動和車身振動都屬于受迫式抖動。在受迫振動體的抖動頻率與其自身的抖動頻率相近時，就會發生共振。
已有眾多研究者對駕駛室異常抖動故障診斷方法展開了研究。其中應用比較廣泛的診斷方法主要有兩種，一種是基于貝葉斯網絡的車輛駕駛室抖動故障診斷方法[2]，該方法利用貝葉斯網絡的非線性映射能力，來判斷車輛駕駛室有無故障，并對抖動故障實現分類，但其判別速度較慢，導致診斷效果不理想；
另一種是基于CAN總線的車輛駕駛室抖動故障診斷方法[3]，該方法通過對故障數據進行分析，獲取訓練樣本，并建立診斷模型，將訓練樣本作為模型的檢測與參數優化數據，以此實現故障診斷，該方法雖然診斷效率比常規層式網絡有所提升，但對于樣本分散且數據量大的問題，此方法不能進行反推，使得診斷準確率較低。
鑒于此，本文針對特定車速下輕型卡車駕駛室異常抖動故障問題提出一種診斷方法，通過數據采集與數據解析，計算引起駕駛室抖動故障的底部事件的概率主要度，進而完成故障診斷任務。并通過分析測試的方式，驗證了所提方法的診斷效果。研究表明，所提方法計算得出車輛汽缸故障的概率重要度為0.874，診斷準確性較高；
車輛居家室抖動故障得出的準確率最高值為97%。
1.1 駕駛室信息數據在線采集
對車輛駕駛室異常抖動故障進行診斷，駕駛室數據采集是本研究內容的基礎，本文通過數據采集器實時采集車輛駕駛室在線數據，提取駕駛室關鍵狀態信息，根據傳輸協議對車輛數據進行重新打包，利用總線遠程傳輸的方式將數據包傳送至本地數據庫中，并在終端設備上進行顯示，之后在終端對數據進行整合，最終傳輸到遠程服務器中[4-5]。對于車輛駕駛室的狀態信息數據主要利用可修改的定時幀存儲方式，則數據采集器A可表示為：
A={S，Ls，Le，E，C}
(1)
式中，S表示的是多向傳感器組；
Ls表示的是傳感器組可控制效率參量；
Le表示的是線束集的調整權值系數；
E表示的是系數的反向修正因子；
C表示的是采集器接口網關。
在數據采集器中，傳感器組中的第i個傳感器Si對勻速行駛中的車輛駕駛室的在線數據進行監測與采集，通過控制效率參量Ls將數據與修正因子Ei相比較，根據采集器的傳輸控制協議將與修正因子一致的數據傳輸到采集器總線中，并通過調整權值系數對其進行調整，之后在車輛駕駛室標準應用接口間實現傳輸與存儲[6]。
利用數據采集器采集的車輛駕駛室故障信息可采列表如表1所示。
表1 駕駛室故障信息可采列表
實時周期性地采集駕駛室的狀態信息，以篩選出駕駛室的實時狀態信息，這對于分析駕駛室抖動故障具有實際意義，并且可以被大多數車輛采集[7-8]。根據狀態信息的特征對這種類型的數據進行分類。故定義車輛駕駛室數據采集信息集P描述為：
P={Pf，Ps，Po}
(2)
式中，Pf表示的是車輛的車速信息；
Ps表示的是車輛駕駛室的振動主頻信息；
Po表示的是駕駛室振動峰值信息。三者可描述為式(3)所示：
(3)
式中，Pfi表示的是車輛駕駛室振動幅值信息，包含N個數據對象；
Psj表示的是駕駛室振動頻響信息，包含M個數據對象；
Pok表示的是駕駛室振動頻率信息，包含Q個數據對象。
根據采集器的采集規律可知，在特定的采集周期內，采集器中存儲的數據幀格式一致，但由于采集的速率有所差異，因此，終端接收到的數據應答幀也不同。基于此原理，定義駕駛室狀態數據采集機制為隨機性數據幀應答機制[9-10]。故駕駛室振動幅值信息Pfi、駕駛室振動頻響信息Psj、駕駛室振動頻率信息Pok分別可描述為式(4)所示：
(4)
式中，mf1、ms1、mo1均表示的是駕駛室狀態信息數據的響應數據定時幀；
TC表示的是采集數據器采集周期；
TK表示的是將周期劃分為K個。則對于車輛駕駛室采集到的信息數據可表示為B=(Pfi，Psj，Pok)。
利用以上方法確定了車輛駕駛室數據采集列表，以及相應車輛數據采集周期[11]。并采用采用問答式總線通訊，以定周期發送車輛駕駛室數據采集信息集中的數據詢問數據幀，獲取駕駛室數據應答數據幀，以此實現車輛駕駛室狀態信息的采集，為后續研究提供數據基礎。
1.2 駕駛室信息數據解析
將上述利用數據采集器采集到的駕駛室在線狀態數據根據采集事件進行排序，并創建動態數據流文件，將其上傳到計算機上，對駕駛室抖動故障數據進行解析，以此找出引起駕駛室異常抖動故障的具體因素[12]。在對數據進行解析之前，為保證故障來源的反推精準度，需要預處理采集到的狀態數據，對數據中的重復、損壞數據予以剔除，并將整理后的數據進行標準化處理，整合為統一格式，簡化數據解析流程。數據的標準化公式如下所示：
(5)
式中，ct表示的是采集數據的歸一化結果；
n表示的是數據的計算維度，本研究中的數據維度選為2；
r表示的是歸一化系數，該系數的取值范圍為0.01～0.05[13]；
B表示的是初始數據。
在正常情況下，駕駛室中測量點的振動頻率在車輛運行期間是穩定的。雖然不能保持不變，但其波動幅度相對較小，通常沒有0.5 Hz的差異。如果在一段時間內駕駛室測點振動頻率多次超過0.5 Hz，且波動頻率出現異常，就可以判定駕駛室存在抖動故障。根據以上分析，首先根據讀取的數據流計算出駕駛室測點的波動頻率，其計算公式如下：
(6)
式中，p表示的是駕駛室測點異常波動頻率；
t表示的是測點的監測時間；
u表示的是在特定車速下駕駛室測點的異常振動頻率次數。車輛在運行中，在不同車速下車輛的抖動是無法避免的，但車輛的劇烈抖動會給駕駛者帶來不適，甚至引起駛室結構的諧振，進而導致車輛的損傷。輕型卡車按照40 km/h行駛時，會產生很大的抖動，給司機帶來較大的不適。這種抖動的出現，使車輛行駛的舒適度和行駛的安全得到極大的降低；
甚至還會導致發動機，變速器等的部件過早受損，使整個輕型卡車抖動更加嚴重。
在實際應用中，駕駛室測點的頻率出現波動不是判斷駕駛室出現異常抖動故障的直接指標，有些情況下，其他外界因素也會引起駕駛室異常抖動故障[14-15]。因此可設定一個閾值，根據該閾值診斷駕駛室是否存在抖動故障，其用公式表示如下：
C=p≥H
(7)
式中，C表示的是駕駛室抖動故障狀態；
H表示的是故障診斷閾值。若駕駛室監測點的頻率波動值超過設定閾值，則可判定此時駕駛室存在異常抖動故障。
通過以上方法可以明確當前車輛運行狀態及駕駛室是否存在抖動故障，便于接下來診斷故障類型，實現故障診斷輸出。
1.3 實現駕駛室抖動故障診斷
本文采用故障樹分析法，對可能引起駕駛室抖動故障的原因進行分析，建立相應的故障樹模型，從整個駕駛室發生故障的底部事件中分析判斷故障因素，實現抖動故障類型的輸出。
首先需要對整個系統的故障原因逐步進行分析與推導，找出能夠引起抖動故障的所有底部事件，接著將這些所有的事件通過相對應的邏輯關系按照特定的符號進行連接，最后畫出一種可以顯示導致駕駛室抖動故障的各個事件邏輯關系的樹狀圖[16]。然后對樹狀邏輯圖從定性與定量分析，計算出各個底部事件的故障概率及相關的重要度，從而獲取故障類型。
故障樹作為一種完整性較強的邏輯因果關系圖，能夠詳細了解輕型卡車駕駛室各個環節的運行情況，對各個作業環節的風險因素作出合理分析，在此基礎上，進行異常抖動故障診斷，邏輯性與實時性較強，能夠改善傳統診斷方法的不足，安全防護實際上是駕駛室抖動故障診斷模型的主要功能，在合理的范圍內降低風險或者完全避免風險的發生，以此來維護駕駛室的安全[17]?？梢圆捎民{駛室抖動故障診斷模型作為引導，設計整體的感知結構，在故障樹的輔助下，形成駕駛室抖動故障診斷模型，如圖1所示。各符號代表的含義如表2所示。
圖1 駕駛室抖動故障診斷模型
表2 駕駛室抖動故障診斷故障樹符號含義
從結構上來看，所有底部事件構成整個故障樹。這些底部事件將不可避免地影響頂部事件，從而導致整個系統發生故障[18]。因此，可通過計算求出每一個底部事件的關鍵重要度，來判斷故障類型。底部事件Xj的結構重要度Ij的算法為：
(8)
式中，mj表示的是事件Xj故障狀態，1表示的是事件Xj處于故障狀態，0表示的是事件Xj不發生；
m表示的是事件Xj的狀態數。
在基本事件的結構重要度基礎上，進一步計算出底部事件的重要度系數，可直觀表征出在所有基本事件中，若剔除某個基本事件，其余基本事件引起頂部事件發生的概率情況[19]。Xj基本事件的概率重要度系數計算公式為：
(9)
式中，P(T)表示的是由于底部事件的影響導致頂部事件發生的分布概率；
qj表示的是第j個底部事件被剔除的概率。則基本事件的關鍵重要度的計算公式為：
(10)
式中，Ie(j)表示的是基本事件的關鍵重要度系數；
P(T)表示的是由于底部事件的影響導致頂部事件發生的分布概率；
qj表示的是第j個底部事件被剔除的概率。
經過上述的計算所得，駕駛室抖動故障診斷的故障樹模型中任意一個底部事件Xj到頂部事件T的關鍵重要度均相同[20-21]。通過對駕駛室抖動故障診斷構建的故障樹進行定性分析，可以有效地分析出當發生故障時，可以根據故障樹模型以及基本事件的關鍵主要度系數值大小，分析判斷出導致駕駛室抖動故障發生的具體因素。
在上述設計的駕駛室抖動故障診斷內容的基礎上，通過對故障診斷結果與基本事件的匹配，實現對輕型卡車異常抖動故障診斷方法的設計。在此過程中，基于輕型卡車駕駛室中設備失效層面分析，由于每個底部事件都是最能測量和控制的最小分析單位，也是設備在運行中失效的根本原因，因此可以認為最小割集是引起輕型卡車駕駛室設備失效的最小因素。基于輕型卡車駕駛室設備失效概率方面分析，可以根據各個功能部件的關鍵性程度，對其進行排序，從而快速地判斷出輕型卡車駕駛室設備的失效概率。此過程如下計算公式所示。
(11)
式中，a(x)表示的是輕型卡車駕駛室設備的失效概率；
b(x)表示的是頂部事件的失效概率；
Ni(x)、Mi(x)均表示的是單元構件的失效概率。針對輕型卡車駕駛室設備在使用過程中發生的抖動故障，可以將故障樹的相關信息導入到故障樹模型上，從而更直觀地判斷出每個設備的關鍵部位信息，并按照順序進行排序，從而生成失效順序。對其進行故障的分析，要從主要的儀器開始，一旦發現有問題，要立即進行修理或更換。若沒有出現問題，則根據其在故障判斷順序中所占的重要位置，查找出問題根源。由于輕型卡車駕駛室各設備的失效機理各有差別，可以根據下面所列的公式，進行失效概率的匹配，從而迅速識別出故障的種類。
(12)
式中，Scfm表示故障診斷結果與基本事件的匹配；
Di表示關鍵重要度單元。按照上述方式，實現對故障診斷結果與基本事件的匹配，完成特定車速下輕型卡車駕駛室異常抖動故障診斷方法的研究。
本研究通過實車試驗獲取并分析駕駛室實時的在線狀態信息數據，以驗證設計的駕駛室抖動故障診斷方法的合理性。
3.1 實驗準備
實驗中選取2021年生產的國產輕型卡車作為實車的實驗平臺，將數據采集器接入車輛的32針標準應用接口，采集器后端連接搭載車輛在線監測的PND設備，實驗平臺如圖2所示。
圖2 實驗平臺
實驗中其他設備還包括三向加速度傳感器2個、單向傳感器12個、24通道的振動濾波運算放大器3套、聲振測試儀一套。測試路面為B級瀝青路面，控制車速為50 km/h，駕駛室測點布置如表3所示。
表3 加速度傳感器安裝位置分布表
設置單向傳感器的采樣頻率為100 Hz，多向傳感器的采樣頻率為150 Hz，采樣間隔均為10s。整個實驗過程中，車輛的以50 km/h速度勻速行駛，并且每行駛100 m采集一次20 s的駕駛室關鍵測試點的振動在線數據。
3.2 實驗說明
對駕駛室的測點區域進行標記并安裝量測設備，在采集系統中設置采集參數，包括信號源頻率和傳輸信道類型等。由于駕駛室內的測點分布較廣，數量較多，因此，為方便后續對采集的在線數據進行識別與在線解析，將10個測點劃分為一組，共計50組測點，對每組測點依次測試。同時，在測試過程中，實時觀察數據狀態，以保證測試數據的有效性。
根據工程實際經驗可知，在特定車速下，引起車輛駕駛室抖動故障的激勵源可能為發動機、燃油系統、供電系統、變速箱、傳動軸、底盤傳動、行駛路面等因素。經過對采集到的數據進行解析，發現試驗車輛在6.0 Hz處的振動峰值最為明顯，存在抖動故障，通過振源分析與預先排查，引起駕駛室導軌處振動的主要原因為后橋輸入，與汽缸故障有直接關系。將此結論作為測試設計的抖動故障診斷方法應用性能的評判標準，驗證所提方法的有效性。
3.3 抖動故障診斷結果分析
通常在特定車速下，輕型卡車駕駛室內的各項數值與信息是十分龐大的，且變化性較強，可以在控制平臺中安裝相對適配的數據采集數據源，搭配相應的執行指令與協議，實現各類數據及信息的等效采集。但是需要注意的是，部分輕型卡車駕駛室的作業態勢包括但不限于運行狀態、安全事件、評估檢測等問題的處理，所以對應的感知程序也需要較為靈敏一些，此時可以構建故障樹，具體步驟如下。
步驟一：通過所采集的特定車速下輕型卡車駕駛室內的各項數據，計算出等效感知比率，具體如公式(13)所示：
(13)
式中，J(n)表示的是等效感知比率，nm表示的是感知態勢差值，α1表示的是異常點距離，λ2表示的是感知頻率，gc表示的是風險最大值，cg表示的是風險最小值。將得出的數值設定在車輛駕駛室抖動故障樹模型之中，結合故障樹理論，設定量化層級設計，對輕型卡車駕駛室作業每一個環節均作出態勢的多目標感知，實現故障風險態勢判別。
步驟二：在完成對等效感知比率的計算后，接下來，采用自適應處理法，實現對輕型卡車駕駛室異常抖動故障風險態勢的感知設計。結合模型的感知情況，設計自適應感知范圍，具體如下公式(14)所示：
(14)
式中，U表示的是自適應感知范圍，θ表示的是等效覆蓋距離，HJK表示的是最優感知常數，BHJ表示的是單向態勢變動差。
步驟三：結合得出的感知范圍，設定自適應覆蓋區域，并實現均勻劃定，并計算出標準感知適應度，具體如下公式(15)所示：
(15)
式中，TZ表示感知適應度，d表示覆蓋區域，p表示定向感應區域，x表示單向輸出感知范圍，β表示變動感知向量。依據感知適應度，劃定具體的感知區域，結合感知模型，對電力作業位置進行定位，最終實現感知分析，完成故障樹的構建。
根據上述流程，得到所構建車輛駕駛室抖動故障樹結構，如圖3所示。
圖3 車輛駕駛室抖動故障樹
根據圖3，在本文設計的車輛駕駛室異常抖動故障樹中，駕駛室抖動故障屬于故障樹的頂部事件，其對應的子事件包括進氣、氣缸壓力故障，各個子事件對應的故障因素存在一定的差異，還包含子事件第二層。另一個子事件為點火、發動機、燃油故障，同樣對應子事件第二層為點火系統故障、發動機故障和燃油故障；
在故障樹子事件中，建立故障底部事件各項風險狀態參數之間對應的關系，全方位反映駕駛室各個運行狀態的隸屬度。通過車輛駕駛室抖動故障樹的結構，實時映射各個環節的運行狀況。將數據采集器采集到的車輛駕駛室在線狀態數據進行故障樹的故障診斷，計算底部事件的概率重要度，從而診斷引起駕駛室抖動故障的具體故障點，根據該故障點種類，劃分駕駛室抖動不同故障種類，通過建立相應的故障樹模型，將底部事件的數據輸入到車輛駕駛室抖動故障樹中，可以較為直接地確定各個單元關鍵性，并按次序排列，分析產生故障的次序。在進行故障診斷時，從最重要的方面入手，如果診斷出現故障，應及時進行維修或替換。如果未發生存在故障，可按照故障診斷次序中的重要性排列，定位并找到故障源。在此過程中，考慮到發生不同故障的原因存在差異，因此，可通過故障診斷結果與故障事件的匹配，通過此種方式，快速辨識故障類型。診斷結果如圖4所示。
圖4 駕駛室抖動故障診斷結果
從圖4可以看出，采用本文方法通過采集到的數據進行故障診斷，計算得出車輛汽缸故障的概率重要度為0.874，可知引起駕駛室抖動故障的根本原因為汽缸存在故障，與預先排查結果一致，證明本文方法能夠根據采集到的相關數據分析判斷出是否發生抖動故障，并通過計算底部事件的概率重要度，從而診斷出駕駛室抖動故障的具體因素，表明所提方法的實際應用性能良好，診斷準確性較高。其原因是所提方法逐步分析與推導整個系統的故障原因，找出能夠引起抖動故障的所有底部事件，將這些所有的事件通過相對應的邏輯關系按照特定的符號進行連接，最后畫出一種可以顯示導致駕駛室抖動故障的各個事件邏輯關系的樹狀圖。對樹狀邏輯圖從定性與定量分析，計算出各個底部事件的故障概率及相關的重要度，從而獲取故障類型，一定程度上有利于提高診斷準確性。
3.4 診斷準確率對比試驗分析
在上述實驗準備基礎上，選取6臺使用時間不同、行駛速度均為30 km/h、駕駛室抖動故障特征明顯的車輛，且引起每臺車輛駕駛室抖動故障的原因均不相同。利用本文方法與基于貝葉斯網絡的駕駛室抖動故障診斷方法(方法1)、基于CAN總線的駕駛室抖動故障診斷方法(方法2)對以上6臺車輛駕駛室抖動故障進行診斷。對每種方法應用于每臺車輛進行診斷10次，統計3種方法的診斷準確率，對比結果如圖5所示。
圖5 不同方法診斷準確率對比結果
分析圖5可知，應用本文方法診斷車輛居家室抖動故障得出的準確率較高，最高的準確率值為97%，而方法1與方法2診斷準確率要遠低于本文方法，均未達到90%，方法1的準確率最高值為89%，方法2的準確率最高值為88%。本文發方法準確率較高的原因是：本文方法根據采集的車輛動態數據流可直接分析出抖動故障特征，從而能以較高準確率完成抖動故障診斷任務。實驗結果表明，本文在實際應用效果上優于對比方法。
輕型卡車駕駛室異常抖動故障不僅影響乘坐舒適性，還易引發安全事故。本文以特定車速下輕型卡車為研究對象，利用數據采集器以周期性的形式對車輛駕駛室在線狀態信息數據進行采集，并對采集的數據進行解析，以明確輕型卡車駕駛室是否存在抖動故障，基于此，采樣建立故障樹模型實現故障診斷。并經試驗對所提方法的有效性進行測試，結果證明，文中方法能夠準確地診斷出引起駕駛室抖動故障的具體因素。該方法為輕型卡車駕駛室異常抖動問題的處理，提供了依據與參考。通過研究得到如下結論：
1)采用所提方法進行故障診斷，計算得出車輛汽缸故障的概率重要度為0.874，能夠診斷出駕駛室抖動故障的具體因素，表明所提方法的實際應用性能良好，診斷準確性較高。
2)應用所提方法診斷車輛居家室抖動故障得出的準確率較高，最高的準確率值為97%。
雖然特定車速下輕型卡車駕駛室異常抖動故障診斷方法取得一定進展，但是未來的研究可以在如下方面進行深入研究：
1)下一步的工作可以從共振和摩擦力矩不穩定的兩個方面深入分析；
2)針對環境溫度、工作載荷和相對滑移速率等對摩阻性能的影響，在以后的實驗中，可以充分地考慮各種因素的相互耦合效應，從而診斷輕型卡車駕駛室異常抖動故障。
3)以解決實際問題為出發點，在實驗分析的前提下，對平衡過載造成的引擎抖動進行對比分析，未來工作可以深入研究。
猜你喜歡駕駛室采集器卡車淺析8D方法在解決H7車型駕駛室振動的應用汽車實用技術(2022年5期)2022-04-02COVID-19大便標本采集器的設計及應用現代儀器與醫療(2021年1期)2021-06-09基于PID控制的載貨汽車駕駛室半主動懸置控制裝備制造技術(2020年11期)2021-01-26卡車賽收官對決汽車觀察(2018年12期)2018-12-26忙碌的卡車小學生必讀(低年級版)(2018年9期)2018-12-13IIHS強調:卡車側防鉆撞保護很有必要產品可靠性報告(2017年6期)2017-09-05基于ZigBee的大型公共建筑能耗采集器設計計算機測量與控制(2017年6期)2017-07-01基于LabVIEW的多數據采集器自動監控軟件設計與開發計算機測量與控制(2017年6期)2017-07-01忙碌的卡車兒童故事畫報(2017年4期)2017-05-26輕型卡車駕駛室內飾平臺化設計機械工程師(2015年10期)2015-02-02