[發明專利]一種基于磨損機理的車用傳動裝置的磨損隨機過程試驗預測方法

有效

• 申請號: 201510522232.8
• 申請日: 2015-08-24
• 公開（公告）號: CN105136449B
• 公開（公告）日: 2018-05-18
• 發明（設計）人: 安海;劉松宇;安偉光;尹行;何富凱;魏星
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G01M13/02
• 分類號: G01M13/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于磨損機理的車用傳動裝置的磨損隨機過程試驗預測方法，其特征在于：

第1步：結合滑塊磨損特點，選取三個主要磨損影響因素包括：換擋力、轉速、硬度，每個因素取4個水平，采用正交試驗設計，用L16(43)的正交表頭，即收集整理16組試驗數據，對滑塊磨損率與磨損影響因素之間的關系進行研究，按照設計好的正交試驗表進行磨損試驗，每200次進行一次測量記錄，每組共完成2000次換擋，即每組完成10次測量記錄工作，收集正交試驗數據結果；

第2步：處理正交試驗數據，將磨損量W換算成磨損率u，即單位時間內的車用傳動裝置滑塊的磨損量；

第3步：在建立磨損率靜態模型時要考慮換擋力P，轉速R，材料表面硬度H，依次使用變量x1，x2，x3表示，觀察指標滑塊磨損率用變量u表示；結合正交試驗結果，對變量的主效應、二次項效應、交互效應做相關性分析，計算其相關系數，將這三個磨損影響因素的主效應、二次效應及交互效應組成變量集合：

X T = [ X 1 , X 2 , X 3 , X 1 2 , X 2 2 , X 3 2 , X 1 X 2 , X 1 X 3 , X 2 X 3 ] ]]>

其中：Xi＝[xi1,xi2,...,xi16]T—因素的主效應；

—因素的二次項效應；

XiXj＝[xi1xj1,xi2xj2,...,xi16xj16]T—因素的交互效應；

第4步：以車用傳動裝置滑塊的磨損率作為因變量，以其三個磨損影響因素的主效應xi、二次效應及交互效應xixj作為自變量，建立磨損率預測的二次多項式模型：

u = b 0 + Σ i = 1 3 b i x i + Σ i = 1 3 b i i x i 2 + Σ i < j b i j x i x j ]]>

其中：xi—變量的主效應；

—變量的二次項效應；

xixj—變量間的交互效應；

u—因變量；

b0，bi，bii，bij—回歸系數，其中b0為常數項；

根據正交試驗數據，以其中的車用傳動裝置滑塊磨損率u為計算指標，結合偏最小二乘回歸分析法建模且進行模型驗證，得到各自變量對因變量主效應、二次效應和交互效應的標準化回歸系數，再將標準化變量轉化回原始變量，得到基于偏最小二乘回歸的磨損率預測二次多項式模型：

u = - 39.062 + 0.00209132 x 1 - 0.154078 x 2 + 5.23918 x 3 + 2.37763 × 10 - 6 x 1 2 ]]>

+ 6.07225 × 10 - 5 x 2 2 - 0.0605511 x 3 2 - 5.36521 × 10 - 6 x 1 x 2 - 9.29692 × 10 - 5 x 1 x 3 + 0.000788742 x 2 x 3 ]]>

然后，對模型用T2橢圓圖優化驗證，重新建模，得到優化后各自變量對因變量主效應、二次效應和交互效應的標準回歸系數，再將標準化變量轉化回原始變量，最終得到優化后的基于偏最小二乘回歸的磨損率預測二次多項式模型：

u = - 154.382 + 0.029303 x 1 - 0.0591854 x 2 + 5.86918 x 3 + 2.70683 × 10 - 6 x 1 2 + 3.35617 × 10 - 5 x 2 2 - 0.0555005 x 3 2 - 1.32991 × 10 - 5 x 1 x 2 - 0.000503326 x 1 x 3 + 0.000822749 x 2 x 3 ]]>

將正交試驗換擋力x1，轉速x2，硬度x3四水平的16組試驗數據代入磨損率預測二次多項式模型，進行模型檢驗；

第5步：選取一組樣本件，在換擋力x1＝3000N，轉速x2＝1600r/min，硬度x3＝49HRC的工況條件下完成一套全壽命磨損試驗，采集磨損數據，每換擋300次進行一次測量采集，直至滑塊磨損率急劇升高，進入劇烈磨損期，試驗停止，在600次換檔次數后磨損率趨于平穩，在6600次換擋次數后磨損率急劇升高，由此確定了磨損三個階段的具體劃分為磨合期：0～600次、穩定期：600～6600次、劇烈期：6600次以后；

第6步：通過滑塊全壽命磨損試驗來確定車用傳動裝置滑塊磨損隨機過程類型，針對磨損三個階段，劇烈磨損階段過程復雜，故僅針對0～6600次的磨合期和穩定期的磨損過程進行統計處理，對其磨損量W(t)和磨損量增量ΔW(t)進行K-S法正態檢驗，磨損量W(t)和磨損量增量ΔW(t)的漸近顯著性均大于0.05，即服從正態分布；

第7步：隨機選取6組樣本件，在換擋力x1＝3000N，轉速x2＝1600r/min，硬度x3＝49HRC的工況條件下完成一套隨機磨損試驗，采集磨損數據，這6組滑塊按照已確定的換擋次數進行換擋：每換擋300次停機拆解進行測量采集，記錄數據，共測10次，即共換檔3000次，以便磨損隨機過程模型中參數值的確定；

第8步：提出磨損隨機過程模型中兩個重要參數的確定方法，求取具體參數值，偏移系數在模型中表現為磨損率均值，通過第4步建立的磨損率偏最小二乘回歸預測模型計算，即把隨機磨損試驗的工況條件換擋力x1＝3000N，轉速x2＝1600r/min，硬度x3＝49HRC代入，得：

第9步：模型中的另一個重要參數過程強度σ需用通過試驗統計求得，針對磨損隨機試驗利用不同時刻的磨損量W(t)做方差估計，將W(t)代入下式，對求得的一系列方差值D(ti)進行線性檢驗，在坐標紙上劃出線性回歸線，其斜率即為過程的強度，建立線性回歸方程：D(t)＝0.3564t+144，線性效果良好，斜率作為過程的強度值，即σ2＝0.3564；

第10步：根據第6步磨損隨機過程具體類型的確定結果，建立車用傳動裝置滑塊的磨損隨機過程模型：

f ( W , t ) = 1 2 π t σ exp { - 1 2 ( W - u ‾ t ) 2 σ 2 t } ]]>

其中：W—磨損量，單位：mm

—維納過程的偏移系數；

σ—維納過程的過程強度；

將第8、9步求得的磨損隨機過程模型的偏移系數和過程強度σ代入此模型，得：

f ( W , t ) = 1 2 π t × 0.596992462 exp { - 1 2 ( W - 30.1218211 × t ) 2 0.596992462 2 × t } ]]>

至此，建立了車用傳動裝置滑塊的磨損隨機過程模型，通過此模型確定了車用傳動裝置滑塊的磨損過程。