基于聲信號汽車座椅水平驅動器產品的質量分析

唐艾君，張釗，劉立君

（1.昌河飛機工業公司，江西 景德鎮 333002；2.浙江大學 寧波理工學院，浙江 寧波 315100）

0 引 言

國際市場的汽車座椅驅動器的需求與日俱增，早先的汽車座椅大多數采用人工的方式來調節座椅的位置，調節時需起身，較不便。如果采用電動驅動方式來調節，由乘客操縱按鈕來驅動座椅的前后位置，可隨時通過電機按鈕開關進行無級調整座椅的位置，安全可靠［1-2］。汽車座椅水平驅動器是實現汽車座椅自動化控制的關鍵部件。汽車座椅水平驅動器零件的加工和裝配誤差，會導致產品在運行過程中產生異常噪聲信號。

目前，汽車座椅水平驅動器的噪聲主要通過人工判別［3-5］，勞動強度大、生產率低、判別誤差大且不穩定。因此，本文提出基于聲信號的汽車座椅水平驅動器產品質量分析方法，并對幾種利用新模具生產的水平驅動器產品質量進行定量分析，研究成果為小型封閉式蝸輪蝸桿減速器快速質量檢測提供一種新方法。

1 水平驅動器聲信號采集

根據產品優化升級需要，對HDM 的塑料蝸桿模具進行優化，用蝸桿5#、6#、7#、8#新模具和老模具各生產HDM 產品30 件，對其進行噪聲測試和分析，確認產品的設計是否存在問題，查找潛在的風險。實驗設備采用丹麥BK 噪聲采集系統B&K PULSE，如圖1（a）所示。

首先將HDM 安裝在工裝夾具上，麥克風安放在HDM 中心位置上面200 mm，如圖1（b）所示。測試平臺采用12 V 的輸入電壓，驅動水平電機橫向運動，所有的聲音信號用 B&K PULSE -Automotive Sound Quality 3.8.1軟件（軟件界面如圖2 所示）記錄，分析采用 NI Sound and Vibration Assistant 和Joint Time Frequency Analysis（JTFA）軟件包，分析結果如圖3至圖7 所示。

圖1 測試設備

2 水平驅動器聲信號均方根

圖2 B&K PULSE-Automotive Sound Quality 3.8.1軟件界面

圖3 老模具生產水平驅動器正反轉聲信號

HDM 聲音的主要能量集中在低頻段（0～1 200 Hz）。新型塑料蝸桿HDM 減小了正轉低頻段的噪聲，如圖8 所示，低頻：1～1 200 Hz，中頻：1 200～9 000 Hz，高頻：9 000～24 000 Hz。

新型塑料蝸桿在正反轉均方根比例（1.147）小于舊型塑料蝸桿（1.297），正反轉聲音大小差異性變小，如圖9所示。

圖8 和圖9 顯示了5#、6#、7#、8#模具腔生產的水平驅動器正轉和反轉噪聲測試數據的處理結果。聲音大小：6#模具＞7#模具＞5#模具＞8#模具，正反轉的聲音差異性：7#模具＞6#模具＞5#模具＞8#模具。

3 水平驅動器聲信號A 計權聲級分析

計權（又叫加權）參數是對頻響曲線進行了加權處理后所測得的參數。由于人耳對各頻段噪聲的感知能力不一樣，對3 kHz 左右的中頻最靈敏。在加權處理時，對低頻和高頻進行適度衰減，對聽感影響最大的中頻噪聲賦予更高的權重，處理后的結果可以更加真實地反映人的主觀聽感［6］。為此，采用目前國際上噪聲測量中應用最為廣泛的A 計權聲級，其特性曲線接近于人耳的聽感特性。

圖4 5#模具腔生產水平驅動器正反轉聲信號

圖5 6#模具腔生產水平驅動器聲音正反轉聲信號

新型塑料蝸桿HDM 正轉的計權A 聲級比舊型塑料蝸桿HDM 低1 dB，新模具和老模具反轉的聲壓級差異很小，如圖10 所示。

圖6 7#模具腔生產水平驅動器聲音正反轉聲信號

圖7 8#腔模具生產水平驅動器聲音正反轉聲信號

4 結 論

1）新模具生產的的水平驅動器聲音大小：6#模具＞7#模具＞5#模具＞8#模具，正反轉聲音差異性：7#模具＞6#模具＞5#模具＞8#模具。上述分析過程為水平驅動器產品的升級提供了一種定量測試方法。

圖8 均方根值圖

圖9 正反轉均方根值比例

圖10 水平驅動器聲信號計權A 聲級

2）對水平驅動器聲信號采用計權A 聲級分析，對聽感影響最大的中頻噪聲被賦予了更高的權重，更真實地反映人的主觀聽感，與產品實際生產測試要求更加貼切，對產品噪聲判斷更加準確。

［1］ 許平均.汽車座椅水平驅動器：中國，ZL03256322.1［P］.2004-08-11.

［2］ 徐平均，歐陽志喜，李偉，等.一種緊湊型汽車座椅水平驅動器：中國，ZL200620106505.7［P］.2007-09-05.

［3］ Keong T C，David M.Limitation of acoustic emission for identifying seeded defects in gearboxes［J］.Journal of Nondestructive Evaluation，2005，24（1）：11-28.

［4］ Erkki J.How to diagnose the wear of rolling element bearings based on indirect condition monitoring methods.International Journal of COMADEM，2006，9（3）：24-38.

［5］ Lahdelma S，Juuso E.Advanced signal processing and fault diagnosis in condition monitoring［J］.Insight：Non-Destructive Testing and Condition Monitoring，2007，49（12）：719-725.

［6］ 李園園.無線傳感器網絡的聲音識別技術研究［D］.南京：南京理工大學，2006.