張飛兵，秦振振，朱麗丹

摘? 要：針對某DCT車型整車NVH測評工況中出現(xiàn)的變速箱齒輪敲擊與路面顛簸程度相關性問題，本文基于MATLAB 軟件平臺和工程師對齒輪敲擊的主客觀評價結果數(shù)據(jù)，應用決策樹算法分析了左右驅(qū)動輪轉(zhuǎn)速信號，并訓練出分類器，用于該車型產(chǎn)生齒輪敲擊顛簸路面的判斷。同時基于MATLAB GUI研發(fā)了顛簸路面辨識的軟件平臺，用于指導雙離合器變速箱TCU換擋策略，以改善顛簸路面下DCT齒輪敲擊噪聲品質(zhì)。

關鍵詞：顛簸路面;齒輪敲擊;決策樹MATLAB;雙離合器變速箱

中圖分類號：U461.4? ? ?文獻標識碼：A? ? ?文章編號：1005-2550（2021）05-0011-06

The Impact Research of Bumpy Road on Gear Rattle Noise of Dual-Clutch Transmission

ZHANG Fei-bing， QIN Zhen-zhen， ZHU Li-dan

（ Dongfeng Dinsin Powertrain Technology Co.， Ltd. Wuhan 430058， China ）

Abstract： Aiming at studying the correlation between transmission gear rattle noise and bumpy road excitation， in this paper， based on MATLAB software platform and subjective & objective evaluation results of gear rattle noise from dual clutch transmission used in passenger vehicle application， the speed signals of left and right driving wheels are analyzed by using decision tree algorithm， and the classifier is trained to identify the bumpy road which causes gear rattle noise. Meanwhile， a software platform for Bumpy Road Identification was developed based on MATLAB GUI， which was used to guide the dual-clutch transmission TCU shift strategy to improve the gear rattle noise quality on bumpy road.

汽車變速器的齒輪敲擊（Rattle）噪聲是傳動系統(tǒng)的主要噪聲之一，對駕乘人員的舒適性影響極大，其根本原因是變速箱內(nèi)非負載齒輪由于齒輪轉(zhuǎn)速波動在嚙合間隙內(nèi)產(chǎn)生了一系列振動沖擊運動[1]，這種沖擊運動即產(chǎn)生了噪聲。通常此噪聲是由發(fā)動機扭矩波動導致的，但是特定工況下，路面的載荷激勵也能導致齒輪敲擊。路面的顛簸程度和路面載荷激勵直接相關，車輛正常行駛狀態(tài)下，路面顛簸程度越大發(fā)生齒輪敲擊的可能性越大[2]。

本文基于大量顛簸程度不同路面下的客觀測試數(shù)據(jù)和工程師對齒輪敲擊噪聲的經(jīng)驗積累，借助MATLAB軟件應用了決策樹分析方法，訓練出辨別能產(chǎn)生齒輪敲擊的顛簸路面的分類器。基于此研發(fā)了產(chǎn)生齒輪振動敲擊顛簸路面辨識的軟件平臺，并通過了相關仿真和試驗測試驗證。該軟件平臺操作方便、快捷，能較好地實現(xiàn)對顛簸路面的辨識，辨識結果對雙離合器變速箱TCU策略的優(yōu)化意義重大。

1? ? 變速器齒輪敲擊噪聲機理

顛簸路面下產(chǎn)生變速器齒輪敲擊噪聲的機理如圖1所示，即特殊路面的NVH測試工況中，當汽車正常行駛在鵝卵石路等顛簸路上時，路面載荷激勵通過車輪和驅(qū)動半軸傳遞到變速器軸齒上，成為了影響齒輪副敲擊載荷的主要因素。由于路面載荷激勵和路面顛簸程度強相關，路面的顛簸程度越大，即路面的凹凸不平程度越大，此時路面載荷激勵越復雜，前左右車輪轉(zhuǎn)速的波動越明顯，客觀數(shù)據(jù)上可用左右輪轉(zhuǎn)速差的波動信號統(tǒng)計特征值來表征。一般是波動的幅值越大，產(chǎn)生齒輪敲擊噪聲的風險大。

根據(jù)某DCT變速箱零部件公司的NVH測試規(guī)范，某DCT試驗車處于二擋擋位，小油門即10%-15%的油門，車速在10-50kpm時，顛簸路面下會出現(xiàn)預選擋齒輪敲擊噪聲。針對該問題，本文借助有監(jiān)督的機器學習對產(chǎn)生變速器齒輪敲擊噪聲的顛簸路面進行辨識。

2? ? 機器學習簡介

機器學習是讓計算機模仿人類學習行為，以獲取新知識，并重新組織知識結構[3]。針對暫無相關理論公式，數(shù)據(jù)量較大、變量較多的問題，機器學習利用計算機挖掘大量數(shù)據(jù)中的規(guī)律和潛在信息，廣泛用于解決分類、回歸、聚類等問題。機器學習主要包括監(jiān)督式和無監(jiān)督學習問題。其中，監(jiān)督式學習是根據(jù)已知的輸入和輸出數(shù)據(jù)，訓練出對應的模型，然后利用模型進行分析預測，主要用于解決分類和回歸問題。無監(jiān)督式學習是從大量的沒有標簽判斷的輸入數(shù)據(jù)中，找出數(shù)據(jù)的隱藏模式或內(nèi)在結構。

由于對產(chǎn)生變速器齒輪敲擊噪聲的顛簸路面的辨識問題屬于監(jiān)督式學習，下面對監(jiān)督式學習的經(jīng)典算法進行介紹。

2.1? ?決策樹

決策樹模型是根據(jù)實例特征自上而下地進行分類的樹形模型。該模型由結點和有向邊組成。其中，內(nèi)部節(jié)點代表模型特征，葉結點代表一個類。

建立決策樹模型的核心步驟是特征選擇。確定的損失函數(shù)下，決策樹的分類算法一般是啟發(fā)式，每次迭代都會進行特征選擇，并分割數(shù)據(jù)，構建子樹，特征選擇的方法通常是比較信息增益的大小。信息增益是指信息熵的差或信息熵之比，信息熵是一個描述系統(tǒng)混亂程度的量，其計算公式為：

（1）

式中，G（X）為樣本X的信息熵，Ai為特征屬性A中第i個取值的先驗概率。基于相應理論，對樣本集合的每個屬性劃分集合，把信息增益最大的屬性作為下一級葉節(jié)點。每個集合中迭代計算，直至子集合的熵到達某一限值。多樣本情況下，決策樹分類算法對離散屬性值的處理效果較好，當屬性分類較多時，需要結合剪枝算法來優(yōu)化模型[4]。

2.2? ?樸素貝葉斯分類算法

樸素貝葉斯算法是基于貝葉斯定理和特征條件獨立假設的一種計算方法，即在先驗概率與類條件概率已知條件下，預測類成員后驗概率的分類算法。訓練出模型的主要目的是計算出定義在輸入和輸出數(shù)據(jù)的聯(lián)合概率分布，最終獲取極大化的后驗概率。貝葉斯模型的數(shù)學表達式如下：

式中，P（Xi ）是Xi的先驗概率，P（A│Xj ）是條件概率，P（Xi│A）為A條件下的后驗概率。樸素貝葉斯分類算法要假設在確定條件下分類特征是互相獨立的。

針對訓練數(shù)據(jù)集，貝葉斯分類計算過程為，首先根據(jù)一定條件下輸入和輸出數(shù)據(jù)計算聯(lián)合概率分布，然后依據(jù)該概率分布計算測試數(shù)據(jù)，并利用Byes定理求出后驗概率最大的輸出。從理論上講，樸素貝葉斯算法的優(yōu)點是精確度高，運算速度快，錯誤率小，但是需要大量數(shù)據(jù)樣本的支撐[5]。

2.3? ?神經(jīng)網(wǎng)絡算法

神經(jīng)網(wǎng)絡算法以神經(jīng)元理論為基礎，神經(jīng)網(wǎng)絡模型包含輸入層、隱藏層和輸出層。該模型把神經(jīng)元作為網(wǎng)絡節(jié)點，不同神經(jīng)元對輸入層數(shù)據(jù)有不同的權值，通過改變不同的權值量，可以挖掘出輸入數(shù)據(jù)中包含的模式信息，并在輸出層顯示。按信息正向傳播的數(shù)學模型為：

（3）

式中，Wi和b分別為權重值和初始值，映射關系為一些變體形式，hW，b（x）為輸出層結果。

另外，模型的驗證是誤差的反向計算，數(shù)學模型為：

（4）

式中，e為代價函數(shù)，y和λ分別為期望值和參數(shù)。結合相關優(yōu)化理論算法，改模型可以確定合適的權值量Wi和初始偏置值b，用于修正模型。

本文基于汽車左右前輪轉(zhuǎn)速差、油溫、擋位、車速等信號，在MATLAB中通過上述不同的分類算法，來訓練分類器，并結合數(shù)據(jù)驗證最終選擇決策樹模型訓練出的分類器，來辨識發(fā)生變速器敲擊噪聲的顛簸路面。

3? ? 顛簸路面辨識工具開發(fā)

根據(jù)上文中指定的標準NVH測試工況，本文通過大量采集不同凹凸程度路面下的車輛變速箱TCU信號。主要以車輛左右前輪轉(zhuǎn)速差信號來表征發(fā)生齒輪敲擊的風險大小。把左右前輪轉(zhuǎn)速差信號的多個特征量作為輸入，進行訓練分類器?；谠摲诸惼餮邪l(fā)出發(fā)生變速器齒輪敲擊噪聲的顛簸路面。

使用數(shù)采設備HEAD SQuadriga II采集相關噪聲信號，并作為變速器齒輪敲擊噪聲的客觀判斷標準。其中，麥克風傳感器固定在變速器位置如圖2所示。同時通過整車協(xié)議讀取TCU內(nèi)的信號。

3.1? ?信號數(shù)據(jù)預處理

對車輛左右前輪轉(zhuǎn)速信號采用移動平均值的方法作平滑處理，以便對路面顛簸程度做出預判。指定測試工況中，發(fā)生變速器齒輪敲擊噪聲的顛簸路面下，車輛左前輪的轉(zhuǎn)速信號如圖3所示：

其中，藍色曲線是原始信號，紅色曲線是平滑處理以后的信號。由圖3可知相對于預處理的信號，原始信號波動較大。

本文對齒輪敲擊噪聲的辨識，即客觀評價方法是利用ArtemiS SUITE 8.3×64軟件對噪聲信號進行時頻分析。對于顛簸路面測試工況，NVH工程師主觀評價為存在變速器齒輪敲擊噪聲，此時對應的圖譜為圖5所示：

圖5顯示，測點存在間歇性寬頻響應，這是齒輪敲擊的時頻響應特性。由此可知，在該測試工況下存在齒輪敲擊噪聲。此時DCT的擋位信息為二擋在擋，預選三擋，發(fā)生敲擊的齒輪為預選擋位的非負載齒輪。

結合路面激勵主導下發(fā)生齒輪敲擊噪聲的相關理論，本文定義分析的目標信號為左右輪轉(zhuǎn)速差的信號，顛簸路面和正常路面上對應的目標信號如圖6所示：

根據(jù)統(tǒng)計知識可知，一般用于表示信號波動的統(tǒng)計特征為極值、標準差、平均差和方差，對每一段目標信號的統(tǒng)計特征進行計算統(tǒng)計。

3.2? ?分類器模型的訓練

利用MATLAB編程軟件進行訓練分類器，分類器的類型選擇決策樹分類器。由于K-CV（K-fold Cross Validation）交叉驗證方法可以有效避免訓練過程中過度學習和欠學習的發(fā)生，本文訓練分類器時選用該方法，說服力較強，取K=5。把不同凹凸程度路面上目標信號的統(tǒng)計特征作為分類特征，NVH測評中主、客觀一致的結果作為響應輸出，即指定測試工況中是否存在變速器齒輪敲擊噪聲。應用訓練出的分類器對測試集數(shù)據(jù)進行分類，分類結果如圖7所示：

圖7中，“0”表示沒有發(fā)生齒輪敲擊噪聲的正常路面，“1”表示發(fā)生齒輪敲擊噪聲的顛簸路面;“x”表示無效樣本，“o”表示有效樣本。

圖8反映了是預測結果和實際結果的一致性，即分類器的精度，由圖8顯示結果可知該訓練器仿真的準確率極高。

4? ? 顛簸路面軟件辨識工具

基于MATLAB GUI和上文訓練出來的分類器，利用MATLAB編程開發(fā)出了簡單版本的顛簸路面辨識軟件平臺，該工具界面如圖9所示：

顛簸路面辨識軟件工具的操作流程如圖10所示，具體的使用步驟為：

A、雙擊打開軟件腳本Bumpy Road Detection;

B、單擊按鈕-1.Add Classified Model，加載訓練合格的分類器，分類器的格式為mat格式;

C、單擊按鈕-2.Load Excel data，添加左右輪轉(zhuǎn)速信號，數(shù)據(jù)格式是Excel格式;

D、設置工況和分析參數(shù)，如檔位，油門開度，車速等;

E、單擊按鈕-3.Data_Analysis，對輸入數(shù)據(jù)進行預處理，同步將顯示驅(qū)動輪速對應處理信號;

F、單擊按鈕-4.Output_Result，輸出分析結果是“Bumpy Road”或“Normal Road”。

第五步流程的輸出結果中，前兩個子圖的藍色線為車輛左右前輪轉(zhuǎn)速實測信號，紅色曲線為平滑處理后的曲線，該曲線可以反映車輪轉(zhuǎn)速的變化趨勢。第三個子圖為目標信號，可以直觀地看出兩個車輪轉(zhuǎn)速差信號的波動。參考預處理和可視化的數(shù)據(jù)，工程師對齒輪敲擊噪聲可以有一個初期的判斷。

該應用工具基于機器學習算法研發(fā)出來，操作簡單，界面友好，分析結果具有較高的準確性，可以直觀地幫助工程師對顛簸路面對變速器齒輪敲擊噪聲影響判斷;同時，軟件平臺會對數(shù)據(jù)進行預處理并以圖形的形式可視化，讓用戶對分析對象有一個預判;另外，可以加載不同的分類器，以便于分類器的更新應用。

5? ? 先進算法在變速箱TCU中應用

基于訓練出來的分類器中先進算法及閾值，將其集成至當前雙離合器變速箱TCU軟件中，其主要標定參數(shù)設置如下：

vbi_c_FL_Filt_const： =0.05 FL濾波器系數(shù)

vbi_c_FR_Filt_const： =0.05 FR濾波器系數(shù)

vbi_c_WhlSpd_MeanFilt_const： =0.015均值濾

波器系數(shù)

vbi_c_bump_whlSpd_dif_hyst： =5轉(zhuǎn)速差異滯

環(huán)限值

vbi_c_bump_whlSpd_dif_thresh： =15轉(zhuǎn)速差

異門限

vbi_c_bump_trig_delay： =15 延時15tike （150ms）

其主要評估參數(shù)定義如下：

vbi_FL_filt_dbg FL 濾波后輪速

vbi_FR_filt_dbg FR 濾波后輪速

vbi_whl_spd_diff_filt_dbg 均值濾波后輪速

差異

vbi_bump_trigger_flg_dbg 檢測到顛簸路面

標志

vbi_bump_trigflg_delay_dbg 檢測到顛簸路

面標志延時處理標志

vbi_pre_select_N_flg_dbg 預選空擋標志

當顛簸路面識別功能激活時，車輛經(jīng)過輪速信號差異超過標定預設值（該項目訓練出分類器中閾值約為15）的路面，將觸發(fā)顛簸路面標志，并指導雙離合器變速箱預選空擋。顛簸路面識別功能激活和未激活對比結果如圖11和12所示：

6? ? 結論

結合工程實踐經(jīng)驗和相關理論，本文把車輛左右驅(qū)動輪轉(zhuǎn)速差信號作為分析的目標信號，分析了顛簸路面對變速器齒輪敲擊噪聲的影響研究，把目標信號的波動特性作為顛簸路面下發(fā)生變速器齒輪敲擊噪聲的判斷依據(jù)，即把表征目標信號波動的統(tǒng)計特征參數(shù)作為顛簸路面對變速器齒輪敲擊噪聲的影響因子。

基于決策樹算法，利用MATLAB編程軟件對大量實測數(shù)據(jù)和主、客觀測評一致的結果訓練出合理的分類器模型?；谠摲诸惼骱蚆ATLAB GUI平臺研發(fā)出顛簸路面辨識工具，該應用操作簡單，適應分類器模型的更新，能為工程師對路面激勵對變速器齒輪敲擊噪聲的判斷做出參考。而且后續(xù)在整車上驗證時起到了非常好的效果：將該先進算法集成在變速箱TCU中，用以指導雙離合變速箱對顛簸路面的識別并實時取消或恢復預選擋，在保證換檔性能的前提下，極大提升齒輪敲擊噪聲品質(zhì)。

參考文獻：

[1]M.Y.Wang， R.Manoj， W，Zhao. "Gear Rattle Modeling and Analysis for Automotive Manual Transmissions" [J]. Drive System Technique， 2002.

[2]梁明軒，王曉林等.變速器傳動系統(tǒng)齒輪敲擊噪聲參數(shù)優(yōu)化[J].噪聲與振動控制，2016，36（2）：97-100.

[3]Etherm A.機器學習導論[M]. 范明，昝紅英，牛常勇譯.北京：機械工業(yè)出版社，2009.

[4]王泓正.機器學習在數(shù)據(jù)挖掘中的應用[J].中國新技術新產(chǎn)品，2018，380（22）：103-104.

[5]李玲俐.數(shù)據(jù)挖掘中分類算法綜述[J].重慶師范大學學報（自然科學版），2011，28（4）.