基于振动模态识别的自卸车底盘故障诊断与维修优化

发布时间：2020-11-02 00:19

　　 随着国民经济的快速发展,运输需求呈持续快速增长趋势,我国物流产业承担了更加举足轻重的作用。市政建设、城乡发展、道桥工程以及重点工程建设节奏的持续加快,促使自卸车的产销与营运迎来了爆发式发展。由于作业环境恶劣,运行工况复杂多变,自卸车底盘系统在运营过程中经常会发生各类故障,往往影响到物流车队运行的可用性和可靠性,甚至危及财产与人身安全。及时地诊断发现自卸车的早期故障并加以维修排除,可以有效地降低故障与事故发生的概率,保障车辆行车安全与可用性。如果能够根据故障诊断结果,合理地制定车辆的预防性维修策略,对于提高自卸车的运行效率和降低维修成本都将有着重要的实践指导意义。为了精确地诊断识别车辆底盘系统的早期故障,一种以系统响应信号作为特征识别输入的模态识别算法——随机子空间法,因其具有测试硬件要求低、识别精度高、适用于随机振动工况等优点受到了越来越多的关注。但其识别准确性受阻尼比的影响较大,这限制了随机子空间法在自卸车系统监测中的应用,因为自卸车底盘系统阻尼较高,达20%-30%。因此本文提出将改进后的平均相关子空间方法应用于底盘在线故障诊断中,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,从而大幅提升了随机子空间诊断算法在复杂工况下的识别精度。为了验证平均相关随机子空间算法在自卸车底盘系统状态监测与故障诊断中的有效性,分别建立了七自由度与十一自由度整车振动模型,仿真识别了在不同阻尼比、路面激励及噪声条件下的车辆模态参数。判断各个模态参数对故障的灵敏度,基于振型和模态能量差异法建立了故障诊断方法,并通过实车试验对所开发故障诊断方法的可行性进行了验证。基于随机子空间算法开发的故障识别方法可有效诊断出自卸车底盘早期故障的发生,但是对于具体故障形式和多种故障的耦合情况较难给出准确判断,难以进行精确的故障源识别。为此,提出了基于统计维修数据的底事件时变权重系数概念,构建了针对随机子空间诊断方法的改进故障树分析模型。由于自卸车运行工况非稳态特征显著,车队运营季候性规律明显,自卸车底盘系统的零件失效概率在传统“浴盆曲线”的基础上还包含有以年度为周期的变化规律。因而,在制定预防性维修策略的过程中,除了考虑零部件本身的失效演变进程,还需要考虑车辆运行规律对底盘部件可靠性衰减造成的影响。将运营过程造成的零件失效率非线性变化趋势纳入预防性维修策略制定过程中,可进一步提高自卸车的运行可靠性与维护效率。因此,结合在线诊断的故障信息和作者从工作单位统计获取的周期性维修数据,提出了一种自卸车底盘系统的动态预防性维修方法。仿真研究表明考虑车辆动态运营规律的预防性维修策略能够有效提高车辆可用度并节约维护支出。
【学位单位】：太原理工大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TH22
【部分图文】：

太原理工大学博士研究生学位论文车辆模态参数变化，以此判断输入状态对识别结果的影响子空间算法应用在底盘状态监测上的有效性。适用于自卸车的十一自由度整车振动模型，仿真研究自的影响，进而开展底盘典型故障的识别仿真研究。同时基kSim 建立同型自卸车的整车非线性振动模型，进一步验作者工作单位统计的多年实际维修数据，对自卸车底盘取故障树模型中底事件的时变权重系数，进而提出基于进故障树模型。结合在线诊断结果和统计获取的周期性维系统的动态预防性维修方法，进而提高车辆运行效率并降

图 2-1 随机信号的样本平均Fig.2-1 Sample average of a random signal2 自然激励技术激励技术（NExT）的基本方法是用响应信号间的互相关函数来代替模态识别。因测量点与固定参考点之间的互相关函数和系统的脉冲响式表示。统输入 f( t)(r1,2,,M)r 的个数为 M，响应测量点数为 P，那么系统(t)j的表示为：()()sin()111etRxthtditnrdiMrMjrirjjrii

图 2-2 Cov-SSI 的算法流程Fig.2-2 Algorithm flow of Cov-SSI MKQMCMP00,0,()()()qtqtxt 入到式（2-8）中，使得系统的微分方程由二阶x (t ) x (t ) u (t ) BP Q0 -1-1-1 -1 -10 MP =M -M CM乘式（2-11）后，获得振动系统的连续时间状x(t )Ax(t)Bu(t)cc
【相似文献】

相关期刊论文 前10条

1 张龙飞;;空管设备预防性维修的相关思想研究[J];科技创新导报;2019年09期

2 张晓磊;苏春;;考虑预防性维修的柔性二维延长质保定价策略研究[J];西北工业大学学报;2019年02期

3 杨丹;;重型汽车预防性维修的探讨[J];时代汽车;2018年07期

4 王建国;李婷婷;黄晓亮;孙森;;预防性维修在呼吸机中的应用效果[J];医疗装备;2018年20期

5 王欣;;核电厂预防性维修管理[J];设备管理与维修;2018年22期

6 徐方兴;;预防性维修[J];民航管理;2016年07期

7 于海鹏;;露天矿重型汽车预防性维修的探讨[J];民营科技;2016年12期

8 李春发;李豫姣;高华;;不完美检测下的控制图与预防性维修联合设计[J];工业工程与管理;2017年04期

9 盖京波;孔耀;;有限使用时间内预防性维修策略优化[J];兵工学报;2015年11期

10 鹿奉华;;医学装备的预防性维修管理[J];医疗装备;2015年17期

相关博士学位论文 前10条

1 刘炳文;基于振动模态识别的自卸车底盘故障诊断与维修优化[D];太原理工大学;2018年

2 马晓洋;基于延迟时间理论的设备预防性维修联合决策模型[D];北京科技大学;2018年

3 苍安裕;基于可靠性预测的淀粉生产系统维修决策理论与实证研究[D];吉林大学;2012年

4 王晓迪;高等学校教育装备管理决策支持研究[D];哈尔滨工程大学;2012年

5 杨铎;二维质保策略下的产品索赔预测与维修策略设计研究[D];天津大学;2016年

6 邵延君;基于故障预测的武器装备预防性维修策略研究[D];中北大学;2013年

7 王远航;基于多故障关联和精度退化的数控装备预防性维修决策研究[D];华中科技大学;2014年

8 高萍;基于可靠性分析的复杂设备预防性维修决策研究[D];清华大学;2008年

9 金玉兰;生产系统有限时间区间弹性周期预防性维修策略研究[D];上海交通大学;2009年

10 石慧;机械系统的剩余寿命预测及预防性维修决策研究[D];太原科技大学;2015年

相关硕士学位论文 前10条

1 柳炽伟;插电式混合动力城市客车的预防性维修决策研究[D];华南理工大学;2018年

2 陈进;基于模拟退火算法的生产计划与预防性维修联合优化研究[D];重庆理工大学;2018年

3 高嵩;冲击模型下几类可靠性系统的预防性维修策略[D];东南大学;2017年

4 毛春苗;周期性不完全预防性维修策略研究[D];杭州电子科技大学;2011年

5 任家君;可修复系统预防性维修策略的仿真与优化研究[D];吉林大学;2009年

6 李辉;基于粒子群算法的天然气管道预防性维修周期优化研究[D];西安建筑科技大学;2016年

7 杨志秀;可修复系统不完全预防性维修策略研究[D];燕山大学;2013年

8 李同玲;基于遗传算法的预防性维修的生产调度问题研究[D];天津大学;2012年

9 张秋玲;考虑消费者效用的产品预防性维修定价研究[D];东北大学;2012年

10 蒋冉;基于预防性维修的二维延伸产品保证策略研究[D];天津大学;2016年

本文编号：2866308