一种基于磨损机理的车用传动装置的磨损随机过程试验预测方法
【技术领域】
[0001] 本发明涉及一种基于磨损机理的车用传动装置的磨损随机过程试验预测方法。
【背景技术】
[0002] 工程应用上，对车用传动装置磨损有影响的因素均有一定随机性，且与时间有关， 故需通过随机过程精确地反映车用传动装置磨损的规律性和动态性，达到试验预测的目 的。
[0003] 本发明基于磨损机理，通过偏最小二乘回归方法（Partial Least-Squares，PLS)， 利用车用传动装置滑块的磨损正交试验数据建立滑块磨损率的预测模型，在此基础上，通 过全寿命试验确定磨损随机过程变量分布类型，建立了车用传动装置的磨损随机过程基本 模型，明确了模型参数的确定方法。
[0004] 相关技术背景：
[0005] 车用传动装置磨损机理：车用传动装置结构复杂，包括多种组件，如滑块、同步器 体、拔叉环、密封环等，但是其中最易发生磨损失效的，或者说在整个车用传动装置中磨损 最要发生部位就是滑块，而滑块的磨损失效往往也是导致车用传动装置发生故障的主要原 因，所以需特别针对车用传动装置滑块进行试验设计，包括分析磨损率与影响因素关系的 正交试验、明确滑块磨损三个阶段（磨合期、稳定期、剧烈期）的全寿命试验、研究其磨损统 计特性的随机试验等等。
[0006] 正交试验设计法：是研究多因素多水平的一种设计方法，其选取的样本点具有"均 匀分散，齐整可比"的正交性，据此进行试验。
[0007] 偏最小二乘回归分析法（PLS):是一种新型的多元统计数据分析方法，主要包括 数据标准化处理、提取成分、计算回归系数、实现回归、非标准化还原、优化建模等。它主要 研究的是多因变量对多自变量的回归建模，特别当各变量间存在多重相关性时，用偏最小 二乘回归法更为有效。
[0008] 有关车用传动装置的磨损随机过程试验预测方法中，最为关键的是其磨损率预测 与随机过程模型参数的确定方法，现有的近似实现方案中，仅做到了实现机械组件磨损率 的预测，对于车用传动装置，尚未针对其磨损特性建立有效可行的磨损随机过程模型，而其 磨损率的预测方法应用性不强，主要是利用传统多元线性回归方法（最小二乘回归法）对 磨损试验数据进行建模来计算磨损率，而且磨损试验通常采用的仅为单一样本件，没有充 分考虑多因素多水平间的相互作用。
[0009]目前比较常用的技术是利用传统多元线性回归方法（最小二乘回归分析法）对磨 损试验数据进行建模来计算磨损率。在普通多元线性回归的应用中，最典型的问题就是没 有充分考虑自变量之间的多重相关性。在传统多元回归分析中，变量的多重相关性就会严 重危害参数估计，使模型误差增大，稳定性降低，尤其在传动装置的机械磨损系统中，工况 环境复杂，对组件磨损有影响的因素众多，因素变量之间存在严重的多重相关性。
[0010] 磨损过程的确定缺乏理论支持，尤其是在其相关随机过程模型的建立方面，相关 研究少之又少，而且针对车用传动装置滑块的磨损问题，目前尚未有相关研究分析，现有的 试验方法没有充分考虑到多因素多水平间的相互作用，不足以支持模型的建立，不具备工 程应用价值。
【发明内容】
[0011] 本发明的目的在于提供一种基于磨损机理的车用传动装置的磨损随机过程试验 预测方法。
[0012] 本发明的目的是这样实现的：
[0013] (1)确定三个磨损影响因素换挡力、转速、硬度，每个因素取4个水平，根据L16(4 3) 的正交设计表头完成磨损试验，采集车用传动装置滑块磨损数据即磨损量，单位:mm ;
[0014] (2)处理试验数据，将磨损量W换算成磨损率u，单位：mm/200次，即单位时间内的 材料磨损量；
[0015] (3)将步骤（1)中确定的磨损影响因素的主效应、二次效应及交互效应组成变量 集合，对其进行相关性分析，计算各变量组之间的相关系数，验证变量间的多重相关性，相 关系数公式：
[0016]
[0017] 其中：rxy-任意两组变量X和y的相关系数；
[0018] 无一变量组X的均值；
[0019] F -变量组y的均值；
[0020] (4)利用偏最小二乘法，将步骤（3)的自变量集合标准化处理，提取对系统具有最 佳解释能力的新综合变量，即成分，进行模型分析，计算标准化回归系数，按照标准化的逆 过程还原模型，得到原始变量的回归系数值，即b。，by by b1];以磨损率u作为因变量，以磨 损影响因素的主效应X1、二次效应#及交互效应xlX]作为自变量，建立磨损率预测的二次 多项式模型：
[0021]
[0022] 其中=X1-变量的主效应；
[0023] 变量的二次项效应；
[0024] 变量间的交互效应；
[0025] u一因变量；
[0026] b。，bp by Id1厂回归系数，其中b。为常数项；
[0027] 将求得的回归系数值代入磨损率预测二次多项式模型，得到基于偏最小二乘回归 的车用传动装置滑块磨损率预测模型，同时利用T 2椭圆图来分析样本点分布，检测是否存 CN 105136449 A ^ 3/lb 贝
在取值远离样本点集合平均水平的奇异点，T2椭圆图中的 〖成分 th在点i处的取值，&是成分th在点i处的样本方差，当 ，即在 95%的检验水平上，样本点为奇异点，在&八2平面上的T2椭圆图中表现为超出椭圆区域之 外便为奇异点，若发现奇异点，进行模型优化，刨去奇异点，利用剩余样本点重新建模，完成 优化；
[0028] (5)选取一组样本件，在换挡力为X1，转速为x2,硬度为X 3这一工况条件下完成一 套全寿命磨损试验，采集磨损数据，找到磨损率趋于平稳和磨损率骤增的时间点，以确定磨 损三个阶段的具体划分，即磨合期、稳定期、剧烈期；
[0029] (6)利用全寿命试验数据中的磨合期和稳定期的数据进行统计分析，对磨损量 W(t)和磨损量增量AW(t)进行K-S法正态检验，验证确定车用传动装置滑块磨损随机过程 的具体类型；
[0030] 当渐近显著性（双侧）大于0.05时，结果不拒绝原假设，即服从正态分布；否则不 服从；
[0031] (7)选取6组样本件，在换挡力为X1，转速为x2,硬度为X 3这一工况条件下完成一 套随机磨损试验，采集磨损数据；
[0032] (8)求取具体参数值偏移系数和过程强度〇 ;其中，偏移系数E在模型中为磨损 率均值，通过步骤（4)建立的磨损率回归预测模型计算；
[0033] (9)通过试验统计求得过程强度〇，利用步骤（7)随机磨损试验数据中的不同时 刻的磨损量W (t)做方差估计：
[0034]
[0035] 其中：D (t)-磨损量的方差；
[0036] W U1) -第i时刻的磨损量；
[0037] 斤(/) 一磨损量均值；
[0038] 对求得的方差值D (t)进行线性检验，建立线性回归方程D (t) = 〇t+b，即在坐标 纸上划出线性回归线，其斜率即为过程的强度σ ;
[0039] (10)根据步骤（6)磨损随机过程具体类型的确定结果，建立车用传动装置滑块的 磨损随机过程模型：
[0040]
[0041] 其中：W-磨损量，单位：mm
[0042] 汉一维纳过程的偏移系数；
[0043] σ -维纳过程的过程强度；
[0044] 将步骤（8)、步骤（9)求得的磨损随机过程模型的偏移系数f和过程强度代入此 模型，通过此模型确定了车用传动装置的磨损过程，完成基于磨损机理的车用传动装置磨 损试随机过程验预测。
[0045] 本发明的有益效果在于：本发明的目的是解决普通多元回归分析中自变量之间的 多重相关性问题，充分考虑传动装置组件磨损影响因素之间的多重相关性，达到符合工程 实际的目的。运用正交试验设计方法，减少工作量，而且充分考虑到多因素多水平间的相互 作用，真正达到高效率、快速、经济的目的。明确车用传动装置滑块的磨损随机过程，并建立 磨损随机过程模型，明确模型参数的确定方法，提出较为完善的磨损试验预测方法。本发明 方法针对车用传动装置滑块的特性，采用正交试验设计方法采集磨损数据，充分考虑到多 因素多水平间的相互作用，真正做到了通过少量代表性点来反映全面性，减少了工作量。本 发明方法建立了基于偏最小二乘法的车用传动装置滑块磨损率回归预测模型，可以对车用 传动装置滑块在不同工况条件下的磨损率做出准确地预测。本发明方法确定了车用传动装 置滑块的磨损随机过程类型，最终在磨损率回归预测模型的基础上建立了磨损随机过程模 型，且提出了模型参数的确定方法，可以对车用传动装置滑块在不同工况条件下的随机过 程进行准确地预测建模，真正达到了通过随机过程预测车用传动装置磨损规律性和动态性 的目的。
【附图说明】
[0046] 图1未优化模型的T2椭圆图。
[0047] 图2优化后模型的T2椭圆图。
[0048] 图3模型检验结果。
[0049] 图4滑块磨损量K-S正态检验结果输出图。
[0050] 图5滑块磨损量增量K-S正态检验结果输出图。
[0051] 图6磨损量方差线性回归图。
[0052] 图7为本发明总流程图。
【具体实施方式】
[0053] 下面结合附图对本发明做进一步描述：
[0054] 第1步：确定三个磨损影响因素（换挡力、转速、硬度），每个因素取4个水平，在 不同工况条件下，根据L 16 (43)的正交设计表头完成磨损试验，采集车用传动装置滑块磨损 数据（磨损量，单位:mm)。
[0055] 第2步：处理试验数据，将磨损量W(单位:mm)换算成磨损率u(单位:mm/200次）， 即单位时间内的材料磨损量，为后续建模提供量化依据。
[0056] 第3步：将第1步中确