張瑞軍
(江西工業(yè)工程職業(yè)技術(shù)學(xué)院 機(jī)械工程學(xué)院,江西 萍鄉(xiāng) 333700)
隨著新能源汽車技術(shù)的發(fā)展,新能源汽車對驅(qū)動電機(jī)性能的要求也越來越高[1],驅(qū)動電機(jī)是新能源汽車主要的驅(qū)動部件,驅(qū)動電機(jī)的振動直接影響著汽車的動力性能,目前驅(qū)動電機(jī)不能充分發(fā)揮電機(jī)效率,增加了投資費(fèi)用和運(yùn)行費(fèi)用,并且驅(qū)動電機(jī)的振動會使電機(jī)發(fā)熱量增大,接收的信號不穩(wěn)定,縮短電機(jī)的使用壽命。
本文通過對驅(qū)動電機(jī)進(jìn)行模態(tài)分析,獲取了噪聲對驅(qū)動電機(jī)的影響,模態(tài)分析的結(jié)果可以為驅(qū)動電機(jī)的進(jìn)一步優(yōu)化設(shè)計及動力學(xué)分析提供理論依據(jù)。通過合理的優(yōu)化能夠提高驅(qū)動電機(jī)性能,有利于提高驅(qū)動電機(jī)的可靠性和壽命。
驅(qū)動電機(jī)是由電機(jī)控制器控制的,電機(jī)控制器接收的信號復(fù)雜,將該信號通過EMD(經(jīng)驗?zāi)B(tài)分析)分解為一系列穩(wěn)態(tài)和線性的數(shù)據(jù)序列集,該序列集稱之為固有模態(tài)分量(Intrinsic Mode Function,IMF)[2,3]。EMD分解所得的數(shù)據(jù)來自于電機(jī)控制器采集的數(shù)據(jù),對電機(jī)控制器采集的數(shù)據(jù)分解是一個自適應(yīng)過程,分解得到的IMF滿足下面兩個條件:①驅(qū)動電機(jī)的固有模態(tài)分量中,過零點(diǎn)與極值點(diǎn)的個數(shù)最多相差一個;②在驅(qū)動電機(jī)轉(zhuǎn)動的任意時刻,信號的上包絡(luò)線和下包絡(luò)線的平均值為零。
電機(jī)控制器采集的信號經(jīng)過EMD分解之后,再次篩選得到最終的IMF,其具體分解過程如下:
(1)對電機(jī)控制器信號進(jìn)行讀取,找出信號y(x)上的所有局部極值點(diǎn),通過三次樣條插值法得到局部極大值點(diǎn)的包絡(luò)線,而驅(qū)動電機(jī)采集的所有信號數(shù)據(jù)均在上、下包絡(luò)線之間。
(2)通過計算得到上、下包絡(luò)線的平均值,記為c1,求出:
h1=y(x)-c1.
若h1能夠滿足IMF條件,那么h1將作為驅(qū)動電機(jī)信號y(x)的第一個IMF。若h1不滿足IMF條件,則將h1作為初始信號數(shù)據(jù),重復(fù)步驟(1)和步驟(2),直到得到新的上、下包絡(luò)線平均值,記為c11,計算h11=h1-c11,并判斷h11是否滿足IMF的條件,若仍不滿足,則繼續(xù)重復(fù)循環(huán),計算h1k=h1(k-1)-c1k(k≥1),直到h1k滿足IMF條件。記b1=h1k,則b1為信號y(x)的第一個IMF,計為IMFb1。
(3)從y(x)將b1分離出來,得到:
r1=y(x)-b1.
將r1重新作為初始數(shù)據(jù),重復(fù)過程步驟(1)和步驟(2),直到得到第二個IMF,計為IMFb2。然后重復(fù)循環(huán)p次,由驅(qū)動電機(jī)的信號y(x)最終得到p個IMF,此時可以得到驅(qū)動電機(jī)的振動信號方程:
rp=rp-1-bpp≥1.
此時,經(jīng)過p次循環(huán),得到的rp是一個單調(diào)函數(shù),若驅(qū)動電機(jī)的信號不滿足此方程,則此類信號數(shù)據(jù)不再從中提取,循環(huán)到此結(jié)束。此時驅(qū)動電機(jī)的EMD分解信號方程可以表示為:
在EMD(經(jīng)驗?zāi)B(tài)分析)分解過程中,對驅(qū)動電機(jī)信號包絡(luò)值的邊界求取至關(guān)重要[4]。通過三次樣條插值法可以得到上、下包絡(luò)線的近似值,由于驅(qū)動電機(jī)的信號都是有限的電壓信號,信號存在不穩(wěn)定性,所以信號的端點(diǎn)極值無法確定,導(dǎo)致在樣條插值后邊界就會產(chǎn)生誤差。具體表現(xiàn)為:①出現(xiàn)端點(diǎn)邊界效應(yīng),驅(qū)動電機(jī)信號的兩端附近發(fā)生信號失真;②影響EMD的分解質(zhì)量,驅(qū)動電機(jī)端點(diǎn)邊界效應(yīng)會導(dǎo)致EMD分解篩選出的IMF不能真實反映信號的特征。
對于EMD分解算法產(chǎn)生的端點(diǎn)效應(yīng)應(yīng)盡量減小它的影響。而實際信號中必定含有干擾噪聲,干擾噪聲會增大插值的次數(shù)和分解的層數(shù),從而使EMD分解時產(chǎn)生較大的累積誤差。采用三次樣條插值法就是為了避免進(jìn)行多次樣條插值,降低產(chǎn)生的誤差,從而提高驅(qū)動電機(jī)的可靠性。
奇異值分解(SVD)是一種非線性濾波,應(yīng)用SVD可以使驅(qū)動電機(jī)的信號消噪,并且可以提取振動信號中的周期[5]。利用奇異值分解振動信號的過程如下:
若矩陣A∈R(m×n),設(shè)m≥n,其秩rank(A)=u,則存在正交矩陣U(m×n)、V(m×n)和一個對角陣S(m×n),使得公式I=UUT成立,則稱該公式為矩陣A的奇異值分解。其中,U=[u1,u2,…,um]∈R(m×n),UUT=I(I為單位矩陣),V=[v1,v2,…,vj]∈R(m×n),VVT=IS,S=diag[λ1,λ2,…,λr,0,…,0]∈R(m×n)(λ1>λ2>λr≥0)。
若驅(qū)動電機(jī)振動信號的矩陣為Cm,利用SVD理論的矩陣最佳逼近原理可以得到驅(qū)動電機(jī)原矩陣Cm的最佳逼近矩陣Cm′:
(1)將Cm的奇異值保留前K個,其他均置零。
(2)通過SVD分解的逆過程得到一個矩陣,記為Cm′,則矩陣Cm′為Cm的最佳逼近矩陣。
利用SVD降噪可以得到驅(qū)動電機(jī)原矩陣的最佳逼近矩陣。其中K值被稱為降噪階次,K的選取對信號的降噪效果有一定的影響。當(dāng)K取值過小時,信號削弱過多,部分有用信號也被濾除,引起信號缺失;當(dāng)K取值過大時,噪聲信號沒有完全去除,降噪結(jié)果不理想。由于奇異值曲線下降第一個轉(zhuǎn)折點(diǎn)以后其基本都是由噪聲所產(chǎn)生的,所以選取奇異值曲線第一個轉(zhuǎn)折點(diǎn)的K值作為信號降噪階次,能夠在噪聲去除和信號完整兩方面均達(dá)到良好的效果。
若將驅(qū)動電機(jī)的信號劃分為零均值、正態(tài)、光滑的時間序列{xt}(t=1,2,…,f),xt的取值不但與其前f個不同取值xt-1,xt-2,…,xt-f有關(guān),而且還與前g步的不同干擾信號at-1,at-2,…,at-g有關(guān),根據(jù)多元線性回歸的原理,可建立驅(qū)動電機(jī)信號的ARMA(f,g)模型:
xt=Φ1xt-1+Φ2xt-2+…+Φfxt-f+
θ1at-1+θ2at-2+…+θgat-g+at.
(1)
其中:g為模型的移動平均項數(shù);f為模型的自回歸階次;Φi(i=1,2,…,f)為自回歸系數(shù);θj(j=1,2,…,g)為滑動平均系數(shù);at為干擾信號。
令滑動平均系數(shù)θj=0,將ARMA模型中的滑動平均成份去除,式(1)變?yōu)椋?/p>
xt=Φ1xt-1+Φ2xt-2+…+Φfxt-f+at.
(2)
此時(1)式變?yōu)閚階自回歸模型,記為AR(f)。通過式(2)可知:在t時刻,xt的值可以通過t時刻前的f個連續(xù)取值xt-1,xt-2,…,xt-f與t時刻噪聲的線性組合得到。
令自回歸系數(shù)Φi=0,相當(dāng)于去除自回歸部分,式(1)變?yōu)椋?/p>
xt=θ1at-1+θ2at-2+…+θgat-g+at.
(3)
此時式(3)為g階滑動平均模型,記為MA(g)。
通過對三種模型的比較可知:①M(fèi)A和ARMA模型通過求解一組高階非線性方程來對參數(shù)進(jìn)行精確估計,計算量較大;②AR模型參數(shù)的值只需要解一組線性方程即可得到,并且任何平穩(wěn)的ARMA模型和MA模型均可以用AR模型去代替。因此通過AR模型能夠快速建立驅(qū)動電機(jī)信號的數(shù)學(xué)模型。
本文通過對驅(qū)動電機(jī)振動數(shù)據(jù)的處理可以對驅(qū)動電機(jī)的信號重構(gòu),建立了信號的經(jīng)驗?zāi)B(tài)方程,并且得到了噪聲信號對經(jīng)驗?zāi)B(tài)方程的影響,從而提高接收信號的穩(wěn)定性以及電機(jī)的使用壽命,并充分發(fā)揮驅(qū)動電機(jī)效率,減少投資費(fèi)用和運(yùn)行費(fèi)用,同時也為驅(qū)動電機(jī)的進(jìn)一步優(yōu)化設(shè)計及動力學(xué)分析提供了理論依據(jù)。