基于穩定性約束視角的汽車維修技術分析

楊麗君，陳 東

（湖北工業職業技術學院，湖北 十堰 442000）

0 引言

隨著我國經濟的發展，人們的生活方式發生明顯轉變，電動汽車作為綠色出行的交通工具之一，受居民的關注度逐漸提高。然而電動汽車在行駛過程中由于路面不平整、人為錯誤駕駛等問題，汽車底盤會出現不同程度的損壞。因此，針對電動汽車底盤故障制定有效的汽車維修技術方案，對于汽車的穩定運行具有重要意義。通過搜集和整理國內外對于汽車維修故障識別的研究成果發現，部分學者提出了基于診斷算法與數據信號的汽車故障診斷方法。王克勇對于汽車故障診斷的研究中以汽車燃料電池為研究對象，提出了基于自適應算法的智能診斷模型，結合仿真實驗發現該模型能夠提升車用燃料診斷的準確性[1]。孫強[2]以電動汽車中滾動軸承產生的數據信號為基礎，提出了基于小波分解改進算法的滾動軸承診斷方法，以此來解決車輛滾動軸承故障數據獲取的難點[2]。喬文山對汽車維修技術的研究中，提出了基于改進SVM算法的車輛變速箱故障診斷模型，并通過實驗應用的方式對該診斷模型的有效性進行驗證，結果表明該算法能夠提升汽車故障診斷的精準度[3]。汽車維修技術中，基于穩定性約束的研究相對較少，其中黃佃明將以汽車底盤故障作為研究方向，提出了基于穩定性約束條件的汽車底盤傳動異常處理模式，結合汽車維修實例后發現，該方法能夠增強汽車底盤的穩定性[4]。在此基礎之上以穩定性約束為視角提出了一種電動汽車底盤系統的動態穩定性預防維修方法。

1 基于穩定性約束視角的汽車工作模態分析

1.1 汽車工作模態分析原理

多模態識別技術獲取拼箱函數和模態參數的方法為兩種，即頻域識別和時域識別，其中前者指以頻響函數的峰值對模態頻率進行識別，該函數的運算公式如式（1） 所示。

對于系統模態參數識別，以響應信號形成的相關函數為基礎，將其轉化為響應數據，該識別過程能夠拓寬隨機子空間的適用范圍。在此條件下，系統在運行期間要獲取穩定性模態參數時，激勵信號存在的非白噪聲也不會對獲取結果造成影響。以電動汽車為例，其在行駛期間的響應信號受隨機噪聲以及非穩態成分的影響，容易降低模態參數識別的精準度。面對該項問題，需要將同等狀態下的樣本數據進行統計，通過綜合運算以后提升模態參數識別的精度，然而其操作難度較大，即便能夠在實驗中保持環境類似，但受隨機激勵條件影響，仍然難以保障數據平均去噪結果的準確性。

1.2 引入穩定性約束函數

傳統的穩定性分析方法中，雖然汽車底盤模型的目標函數中包含多個約束，但這類目標函數無法直接作為穩定性函數，另外，由于控制解析式不能直接通過模型預測控制獲取，導致在傳統穩定性分析方法對電動汽車故障診斷的難度較大。鑒于上述原因，文章對于電動汽車穩定性的研究中以汽車底盤的大信號作為研究方向，基于李雅普諾夫第二法推導系統的穩定性約束條件構造函數，構建的穩定性狀態方程如式（2）所示。

為優化響應信號的信噪比，采用平均去噪的方法構建基于穩定性約束函數的協方差驅動的隨機子空間法。通過該方法能夠獲取系統模態參數中的信息載體，在達到降低噪聲的同時，能夠增強信號成分的目的。基于上述內容，基于穩定性約束的汽車底盤維修工作模態流程如圖1所示。

圖1 基于穩定性約束的汽車底盤維修工作模態流程圖

對模態參數識別中通過穩定性約束的方式在獲取相關函數后，將其代替原始數據，由于改進后的識別方法能夠增強算法的抗噪性，能夠實現對系統中響應信號信噪比低的數據進行識別，但從整體上來，該算法仍然受環境激勵和模態驗證約束。文章以電動汽車作為研究對象，通過改進SVD算法的方式對汽車底盤工作模態進行識別，進而達到系統定階的目的。通過實際案例應用的方式，對基于穩定性約束視角的汽車維修技術有效性進行驗證，通過仿真實驗的方式電動汽車模態三要素（頻率、阻尼、振型）的相關數據進行分析。

2 基于穩定性約束的汽車底盤故障識別與預防性維修

基于穩定性約束視角的汽車工作模態分析結果，得出汽車底盤狀態識別方法。為提升基于穩定性約束視角的汽車底盤故障識別精準度，本章在構建汽車整車自由度模型的基礎上，確定典型故障源與整車模態參數之間的關系，在搜集系統模型參數數據的同時對電動汽車底盤故障進行識別。

2.1 汽車整車自由度模型的建立

為探究電動汽車的故障特征，選取某類型的電動汽車作為研究對象構建電動汽車整車自由度模型，該模型包括車身、整體式車軸垂向、側傾以及平衡懸架自由度。由于進行汽車整車自由度模型構建中的數據來源主要為車架支撐點的動態載荷，因此對電動汽車的汽車座位、車棚等車輛上部分進行簡化。一般情況下，電動汽車在行駛過程中出現側傾共振后，頻帶的頻率相對較低，在仿真實驗中通常對1/2半車模型進行分析，為提升研究的整體性和可行性，本研究中構建的汽車自由度模型以整車進行建模。

2.2 基于穩定性約束振動關系的電動汽車典型故障識別

懸架剛度變化對模態參數的影響：電動汽車在行駛過程不僅會受到環境因素影響，當溫度變化幅度較大時同樣會出現車輛載荷過大，造成懸架彈簧性能發生變化，進而使汽車出現懸架板簧裂紋、斷裂的情況。如果電動汽車出現的懸架故障是由于彈簧剛度減弱造成，對汽車故障進行檢測則以系統模態參數的變化情況為依據。

減振器阻尼變化對模態參數的影響：當電動汽車的減震器發生故障時，阻尼會發生變化，探究在阻尼逐漸降低時，其對電動汽車模態參數造成的影響。當阻尼減少至正常值的50%左右，實驗車輛前側的模態參數明顯增加，這也表明阻尼達到該數值時模態參數為一個臨界點；當電動汽車左前輪側減震器出現故障時，跳動模態的前側和后測值變動幅度不同，以側傾值為指標，其中前者表現為該指標逐漸下降，而后測的指標呈現出先提高后降低的趨勢。基于上述內容得出，電動汽車在不同情況下阻尼會出現變動，且通過故障信號的數據結果能夠識別汽車出現的故障類型。

輪胎剛度變化對模態參數的影響：通過降低輪胎胎壓的方式分析輪胎剛度對模態參數的影響中，將彈壓分別降至正常值的90%、80%、70%、60%，隨后通過仿真實驗的方式發現在輪胎不同胎壓時模態三要素的變化情況。

結合上述內容中懸架剛度、減震器阻尼、輪胎剛度對模態參數的影響可見，基于穩定性約束視角的三種因素發生不同程度的變化時，模態能量同樣會出現轉變。因此，結合電動汽車模態能量的值能夠了解車輛存在故障的位置及程度，進而制定有效的維修方案。

2.3 基于故障數據的動態預防性維修策略

現階段，預防性維修的周期并不是根據車輛的故障情況進行設定，而是按照車輛類型確定維修時間。以電動汽車為例，當汽車行駛至一定公里數，即達到運轉時間T時，則需要對車輛進行預防性維修，且在完成維修過程后默認車輛能夠達到初始狀態。但根據電動汽車實際的預防性維修情況可見，其只能夠在理論上恢復初始狀態，即當車輛行駛里程數逐漸提升時，電動汽車發生故障的概率也會有所增加，這也是由于設備在運轉過后會形成不同程度隱性問題導致。因此，想得到優化模型的解，需要對電動汽車進行預防性維修活動的故障率進行綜合分析，得出的動態預防性維修策略模型函數如式（3）所示。

基于上述函數的運算結果能夠得到基于故障數據的電動汽車動態預防性維修模型。

3 實際案例應用

通過搜集與汽車底盤系統故障診斷的相關文獻資料發現，基于隨機子空間算法的故障診斷模型的有效性較高，但由于汽車在形式過程中底盤容易受非線性動力學特征的影響，診斷算法的分析結果容易出現誤差，因此，結合電動汽車實際行駛過程探究車輛底盤系統故障模型具有重要的研究意義。

3.1 車輛系統設計及參數

試驗用車：本次基于穩定性約束視角的汽車維修技術分析實驗選取某汽車公司生產的XX型電動車。車輛的各項參數見表1。

表1 實驗車輛參數

3.2 試驗場地

本次針對汽車維修技術的實驗選擇的場地在某公司的試車場，檢測對象為電動汽車的彈簧故障（剛度弱化）、減振器故障（阻尼下降）及輪胎故障（胎壓不足）。車輛實驗的路面狀況為相對平坦的路面，并且在行駛中保持電動汽車的速度為30 km/h，對上述三種故障的檢測分別重復進行3次，并記錄車輛的行駛和故障數據。

3.3 試驗結果

3.3.1 試驗工況設定

為準確地對基于穩定性約束視角的汽車維修技術進行檢測，通過電動汽車實際行駛的方式進行測驗，以隨機輸入的方式對車輛在行駛中的震動情況檢測，在獲取行駛數據后對電動汽車底盤系統的變化狀態進行識別。因此，實驗中需要結合彈簧、減振器、輪胎三種故障檢測對象進行重復的檢測實驗，并根據實驗結果進行數據統計。

3.3.2 動態預防維修結果分析

通過整理汽車預防性維修方法，將其與本方法進行對比，其中包括維修費用以及故障率兩個指標，基于動態預防性維修優化模型，集合對電動汽車彈簧、減振器、輪胎故障的檢測結果如圖2所示。

圖2 傳統方法與本文方法維修費用及故障率

通過對比傳統方法和本方法的維修費用和故障率統計結果可見，提出的電動汽車維修技術不僅能夠降低車輛整體的維修費用，還可以大幅降低車輛的故障率。

4 結論

隨著環境惡化，電動汽車在近些年的發展速度較快，有效汽車維修技術是保障汽車正常行駛的重要方式，對于電動汽車同樣如此。文章基于穩定性約束視角對電動汽車的工作模態進行分析后，構建了基于故障數據的動態預防性維修策略，并通過路面的隨機輸入對車身振動進行激勵，實驗的結果表明，本文提出的方式能夠在減少電動汽車維修費用的同時，降低其故障發生概率。