论文部分内容阅读
近年来,人们对汽车平顺性和安全性的要求越来越高。悬架系统作为直接影响车辆安全性、平顺性和操稳性的重要部件,如果其发生故障可能会造成严重的经济与人身安全损失。统计发现,不同故障原因类型中悬架部件损坏造成的故障比率非常高。因此,有必要对悬架的故障诊断及在线监测进行深入的研究,从而降低悬架故障导致的损失。本研究致力于研究对悬架系统的在线监测方法,从而及时发现悬架早期故障并加以排除来有效地降低事故发生的概率,最大限度地保证行车安全,并提高汽车的行驶平顺性。但是由于路面情况复杂,路面不平度对轮胎的激励一般为特定频段的随机激励,如何对悬架系统的运行状态进行在线监测一直是故障诊断领域的研究难点。随机子空间法作为一种将响应信号作为输入的模态识别算法,具有信号采集方便、适用于随机振动状态和高噪声工况下鲁棒性强等优点受到了越来越多学者的关注。但其识别准确性受阻尼比的影响较大,而悬架系统的阻尼比较高(在20%-30%之间),这限制了随机子空间法在车辆悬架系统监测中的应用。因此本文提出将改进后的平均相关子空间方法(ACS-SSI)应用于悬架在线监测中,采用多次平均后的相关函数信号取代原算法采用的响应信号作为算法输入,从而大大提升了算法在复杂工况下的识别精度。然后建立七自由度线性车辆振动模型,仿真识别了在不同阻尼比、路面激励及噪声条件下的模态参数,以此判断其对识别结果的影响,并验证在悬架状态监测上应用平均相关随机子空间算法的合理性。其次,判断各个模态参数对故障的灵敏度,并基于此判断建立了基于振型和模态能量差异法作为依据的在线监测方法。最后,设计传感器布置方案对车身姿态的相关参数进行采集,最终确定了利用9轴MEMS惯性传感器采集车身垂向振动,车身俯仰角速度以及车身侧倾角速度,并进行悬架系统不同的故障形式的监测试验,从而验证了在线监测算法的可信度。