基于动力学分析的汽车减震器示功图故障检测算法

doi:10.13229/j.cnki.jdxbgxb.20221578

摘要/Abstract

摘要：

为解决汽车减震器因流动惯量导致径向动力发生偏差的问题，提出基于动力学分析的汽车减震器示功图故障检测算法。计算减震液在左、右2个封闭区域的流动惯量，将压缩行程中的径向动力和回弹行程中的径向动力代入能量与动量方程中，建立汽车减震器动力学方程，再绘制实测示功图，并将其作为样本输入支持向量机中进行分类，再设定判定阈值进行阈值判定，完成示功图故障检测。试验结果表明：本文方法在供液不足、双凡尔漏失、活塞被卡、砂阻时获取的汽车减震器示功图与实测示功图基本吻合，说明本文方法的故障检测准确性高。

关键词: 动力学分析, 汽车减震器, 连杆, 示功图, 支持向量机

Abstract:

To alleviate the radial power deviation caused by flow inertia in automotive shock absorbers， a fault detection algorithm based on dynamic analysis of automotive shock absorber indicator diagram is proposed. Calculate the flow inertia of the shock absorber fluid in the left and right enclosed areas， substitute the radial force in the compression stroke and the radial force in the rebound stroke into the energy and momentum equations， establish the dynamic equation of the car shock absorber， draw the measured indicator diagram， and input it as a sample into the support vector machine for classification. Set the judgment threshold for threshold judgment， and complete the fault detection of the indicator diagram. The experimental results show that the proposed method's fault detection accuracy is good， as the indicator diagram of the automotive shock absorber obtained during insufficient liquid supply， double valve leakage， piston jamming， and sand resistance is basically consistent with the measured indicator diagram.

Key words: dynamic analysis, automobile shock absorber, connecting rod, indicator diagram, support vector machine

中图分类号:

TH165

关亮亮,田国红. 基于动力学分析的汽车减震器示功图故障检测算法[J]. 吉林大学学报(工学版), 2024, 54(5): 1221-1226.

Liang-liang GUAN,Guo-hong TIAN. Fault detection algorithm for indicator diagram of automobile shock absorber based on dynamic analysis[J]. Journal of Jilin University(Engineering and Technology Edition), 2024, 54(5): 1221-1226.

图/表 8

图1

图2

图3

表1

图4

图5

图6

图7

参考文献 10

1	沈国栋, 何芝仙, 时培成. 地震荷载作用下新型耗能减震器减震性能分析[J]. 振动与冲击, 2021, 40(21): 251-257.
	Shen Guo-dong, He Zhi-xian, Shi Pei-cheng. Performance analysis of new energy-dissipation shock absorber under earthquake load[J]. Journal of Vibration and Shock, 2021, 40 (21): 251-257.
2	吕孝孝, 王旱祥, 刘延鑫, 等. 故障工况下有杆泵采油系统运行特性及示功图研究[J]. 中国石油大学学报: 自然科学版, 2020, 44(2): 117-126.
	Xiao-xiao Lyu, Wang Han-xiang, Liu Yan-xin, et al. Study on operating performance and indicator diagram of rod pump production system under fault conditions [J]. Journal of China University of Petroleum(Edition of Natural Science), 2020, 44 (2): 117-126.
3	刘志远, 徐腾养, 杜召彬, 等. 高速动车组动力学性能与一系垂向减振器故障关系研究[J]. 中国工程机械学报, 2021, 19(5): 466-470.
	Liu Zhi-yuan, Xu Teng-yang, Du Zhao-bin, et al. Study on relationship between dynamic performance of high-speed vehicle and performance of yaw damper [J]. Chinese Journal of Construction Machinery, 2021, 19(5): 466-470.
4	毕宇. 海上风电单桩施工液压锤减震环故障分析及改进措施[J]. 船舶工程, 2021, 43(): 87-89.
	Bi Yu. Fault analysis and improvement measures of hydraulic hammer damping ring of offshore wind power single pile construction[J]. Ship Engineering, 2021, 43 (Sup.1): 87-89.
5	邓飞跃, 吕浩洋, 顾晓辉, 等. 基于轻量化神经网络Shuffle-SENet的高速动车组轴箱轴承故障诊断方法[J]. 吉林大学学报: 工学版, 2022, 52(2): 474-482.
	Deng Fei-yue, Hao-yang Lyu, Gu Xiao-hui, et al. Fault diagnosis of high-speed train axle bearing based on a lightweight neural network Shuffle-SENet[J]. Journal of Jilin University(Engineering and Technology Edition), 2022, 52(2): 474-482.
6	李炜, 周丙相, 蒋栋年, 等. 基于多状态时间序列预测学习的电源车故障预测方法[J]. 吉林大学学报: 工学版, 2020, 50(4): 1532-1544.
	Li Wei, Zhou Bing-xiang, Jiang Dong-nian, et al. Fault prediction of power supply vehicle based on multi-state time series prediction learning[J]. Journal of Jilin University (Engineering and Technology Edition), 2020, 50(4): 1532-1544.
7	陈侃, 郭逸, 刘伟, 等. 基于相态图像在线检测的RCP轴封内流场试验研究[J]. 排灌机械工程学报, 2022, 40(1): 68-73.
	Chen Kan, Guo Yi, Liu Wei, et al. Experimental study on inner flow field of RCP shaft seal based on phase image edge online detection[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(1): 68-73.
8	张敏, 邵海浪. 巨震作用下摩擦阻尼耗能框架结构抗倒塌分析[J]. 应用力学学报, 2021, 38(3): 1245-1251.
	Zhang Min, Shao Hai-lang. Analysis of collapse-resistance capacity of frame structure with frictional dampers dissipating energy subjected to mega earthquake[J]. Chinese Journal of Applied Mechanics, 2021, 38 (3): 1245-1251.
9	田增国, 田东哲, 姜宝柱, 等. 基于主成分分析方法的示功图故障诊断系统[J]. 内燃机与配件, 2019(24): 149-151.
	Tian Zeng-guo, Tian Dong-zhe, Jiang Bao-zhu, et al. Indicator diagram fault diagnosis system based on principal component analysis[J]. Internal Combustion Engine & Parts, 2019(24): 149-151.
10	季文超, 郭士茹, 赵晶, 等. 汽车底盘减震器衬套件质量检测方法仿真[J]. 计算机仿真, 2021, 38(8): 167-171.
	Ji Wen-chao, Guo Shi-ru, Zhao Jing, et al. Simulation of quality inspection method for automobile chassis shock absorber liner[J]. Computer Simulation, 2021, 38(8): 167-171.

相关文章 15

[1]	高海龙,徐一博,刘坤,李春阳,卢晓煜. 基于多源数据融合的高速公路路网短时交通流参数实时预测[J]. 吉林大学学报(工学版), 2024, 54(1): 155-161.
[2]	龙恩深,班光泽. 基于小波包信包提取的空调制冷压缩机怠速噪声诊断算法[J]. 吉林大学学报(工学版), 2023, 53(7): 1929-1934.
[3]	田野,李楠楠,刘君巍,姜生元,王储,张伟伟. 基于支持向量机的模拟月壤临界尺度颗粒切削负载识别[J]. 吉林大学学报(工学版), 2023, 53(7): 2143-2151.
[4]	李岩,张久鹏,陈子璇,黄果敬,王培. 基于PCA-PSO-SVM的沥青路面使用性能评价[J]. 吉林大学学报(工学版), 2023, 53(6): 1729-1735.
[5]	吴剑,许斌. 基于CEEMDAN理论的堆积层滑坡位移区间预测模型及仿真[J]. 吉林大学学报(工学版), 2023, 53(2): 562-568.
[6]	谢守勇,张小亮,刘凡一,刘军,苑晓亮,刘伟,王鹏. 基于钵苗力学特性取投苗装置动力学分析与试验[J]. 吉林大学学报(工学版), 2023, 53(11): 3293-3304.
[7]	宋世军,樊敏. 基于谱聚类的多维数据集异常数据检测方法[J]. 吉林大学学报(工学版), 2023, 53(10): 2917-2922.
[8]	郭世杰,张学炜,张楠,乔冠,唐术锋. 机床主轴热关键点选择与典型转速热误差预测[J]. 吉林大学学报(工学版), 2023, 53(1): 72-81.
[9]	王奎洋,何仁. 基于支持向量机的制动意图识别方法[J]. 吉林大学学报(工学版), 2022, 52(8): 1770-1776.
[10]	李昂,杨泓渊,雷小萌,宋凯文,千承辉. 基于等效连杆模型的六足机器人行进姿态闭环控制[J]. 吉林大学学报(工学版), 2022, 52(7): 1696-1708.
[11]	程亚兵,陈璐翔,葛平玉,杨泽宇,曹鹏宇. 双相正时套筒链的动力学仿真分析及磨损失效[J]. 吉林大学学报(工学版), 2022, 52(4): 781-788.
[12]	罗巍,卢博,陈菲,马腾. 基于PSO-SVM及时序环节的数控刀架故障诊断方法[J]. 吉林大学学报(工学版), 2022, 52(2): 392-399.
[13]	陈传海,姚国祥,金桐彤,申桂香,于立娟,田海龙. 基于响应面与遗传算法的主轴系统动力学建模及参数修正[J]. 吉林大学学报(工学版), 2022, 52(10): 2278-2286.
[14]	侯春萍,赵春月,王致芃,田海瑞. 基于有效异常样本构造的视频异常检测算法[J]. 吉林大学学报(工学版), 2021, 51(5): 1823-1829.
[15]	院老虎,连冬杉,张亮,刘义. 基于密集连接卷积网络和支持向量机的飞行器机械部件故障诊断[J]. 吉林大学学报(工学版), 2021, 51(5): 1635-1641.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

技术参数	参数值
前交叉管外径d_fo/m	0.070
前交叉管内径d_fi/m	0.054
活塞杆外径d_so/m	0.062
活塞杆内径d_si/m	0.067
活塞杆长度I_fy/m	0.147
阻尼孔直径d_f/m	0.0083
导流孔直径d_y/m	0.002
空气柱初高h_air/m	0.600
空气柱预压高度h_pre/m	0.038
减震液密度ρ/（m³·s^-1）	1100
动力黏度μ/（N·s·m^-2）	0.5
油膜长度h_r/m	0.319
油膜厚度δ/m	3×10^-5
流量系数ε	0.84
多变指数n	2.34
大气压力P₀/（N·m^-2）	1.702×10⁶
径向压流p_n/（N·m^-2）	2100
加振频率f/Hz	4.088