近年來，新能源汽車快速發展，市占率也大幅上升至30%左右，相較于傳統燃油汽車，其車內環境更加安靜，人們更易察覺到各種異常聲響。減速器作為新能源汽車的主要噪聲源之一，對其NVH(Noise、Vibration、Harshness，噪聲、振動與聲振粗糙度)性能的控制就顯得非常重要。
本文通過收集齒輪在珩齒加工過程中的主軸振動數據，相應的齒輪檢測報告及對應的在EOL(下線檢測)上的NVH表現，研究主軸振動對齒輪加工質量以及相應的EOL NVH性能表現的影響，嘗試建立在加工過程中的預警機制，從而提高減速器的下線合格率，降低生產成本。
一、實際案例分析
本文以某款新能源汽車減速器出現的EOL NVH實際問題為例展開探討。該型減速器主嚙合階次的1倍頻在階次追蹤上表現為高轉速超限。且由于齒輪的加工批次性原因，在6月和7月該問題呈現為集中發生的趨勢(圖1)，該問題造成了1.24%的不良報廢率。
本文將基于該問題，描述如何建立數據關聯性及數據預測系統，以解決實際問題。
二、數學預測模型的建立與驗證
研究路徑
本文主要通過采集齒輪珩齒加工過程中的主軸振動數據，收集齒輪的齒形齒向等檢測數據，以及對應的EOL NVH測試數據，分析齒輪檢測參數與產品在EOL NVH測試過程中的主嚙合階次的1倍頻高轉速區間數值的關聯性，分析齒輪珩齒過程中的主軸振動對齒形齒向等的影響，明確主要的齒輪參數影響因子，確立珩齒過程中需要監控的主軸振動量，最終建立預測模型。通過監測珩齒主軸振動實現提前預警，及時調整優化齒輪加工工藝，最終提升減速器的NVH合格率。
珩齒過程主軸振動數據收集
在珩齒加工設備的主軸底座上安裝一個三向振動傳感器，并連接LMS數據采集前端，采集一個珩齒修砂循環(50件)加工過程中的珩齒機主軸振動數據。根據齒輪加工工藝，加工過程分為2 800r/min、2 500r/min 和2 000r/min3個加工階段，采集每個齒輪這3個加工階段的主軸振動數據，將對應齒輪編號與測試數據做好線下關聯記錄，對每組數據中轉速平穩的數據進行轉換(快速傅里葉變換)，得到頻譜數據。
齒輪參數數據收集
完成齒輪驗證件珩齒加工后，安排上述齒輪使用格里森350GMS設備進行齒輪檢測。得到齒輪的Fp、fp、Fα、fHα、ffα、Fβ、fHβ、ffβ、Rs、Fr、M、INVOLUTE ANGLE ERROR VARIATION、HELIX ANGLE ERROR VARIATION、TEMP、fu、Fpz等主要參數。
Fp-齒距累積總偏差;
fp-單個齒距偏差;
Fα-齒廓總偏差;
fHα-齒廓傾斜偏差;
ffα-齒廓形狀偏差;
Fβ-螺旋線總偏差;
fHβ-螺旋線傾斜偏差;
ffβ-螺旋線形狀偏差;
Rs-齒厚變動量;
Fr-齒輪徑向跳動;
M-跨球距;
TEMP-溫度;
fu-相鄰齒距偏差;
Fpz-跨周節;
INVOLUTE ANGLE ERROR VARIATION-漸開線齒廓角度偏差變動量;
HELIX ANGLE ERROR VARIATION-齒向角度偏差變動量。
齒輪裝配EOL測試數據收集
跟蹤上述齒輪到產品總成裝配，并在產品總成裝配完成后使用RHF測試系統進行EOL NVH檢測，獲取主嚙合階次1倍頻的高轉速段振動數據。
基礎數據關聯匯總
根據數據記錄，對齒輪編號、齒輪珩齒機加工過程中的主軸振動數據、齒輪檢測數據、EOL NVH數據進行配對，過程中需確保齒輪加工振動數據、齒輪檢測報告、EOL NVH測試結果一一對應。
數據模型建立
(1)齒輪參數與總成EOL NVH數據表現的關系研究
根據“齒輪參數-總成EOL NVH數據表現”模型得到貢獻度分布因子，其中ffβ RIGHT與INVOLUTE ANGLE ERROR VARIATION RIGHT兩個參數對減速器的EOL NVH性能表現存在著較為明顯的貢獻。對貢獻度較高的因子進行相關性計算，得到減速器主嚙合階次的1倍頻高轉速區間NVH測試值與ffβ RIGHT和 INVOLUTE ANGLE ERROR VARIATION RIGHT兩個參數間存在著一定的相關性的結論，且主要趨勢均為負相關。
在完成模型訓練后，我們使用未參與模型訓練的9組數據對模型預測的準確性進行校驗。預測準確率為77.78%，其中兩個偏差值也為臨近類別(B-C)，未有明顯的偏差出現，校驗結果證明模型可信度較高。
(2)珩齒主軸振動與齒輪參數的關系研究
根據“齒輪參數-總成EOL NVH數據表現”模型得到的貢獻度因子，我們發現對該型減速器EOL NVH性能影響最大的兩個齒輪參數為ffβ RIGHT和INVOLUTE ANGLE ERROR VARIATION RIGHT，而ffβ RIGHT本身的分布范圍較窄，在實際加工過程中優化的空間相對較小，因此，本文優先對 INVOLUTE ANGLE ERROR VARIATION RIGHT參數進行探討，此外，同樣采用隨機森林模型對相關數據進行建模，獲得貢獻度分布因子，發現主軸2 000r/min時的X向振動對齒輪的 INVOLUTE ANGLE ERROR VARIATION RIGHT參數質量影響較為顯著。
同樣地，我們使用未參與模型訓練的7組數據對模型預測的準確性進行校驗。歸類預測準確率為71.43%，存在偏差的預測值與實際值相比，均為臨近區間的值(A-C，B-C)，沒有發生大的偏差行為。
三、案例改善情況回顧
根據數據預測模型指導，對研究對象進行多種中間軸齒加工參數調整，使其在珩齒加工過程中主軸X向振動能量降低，同時送檢驗證齒輪跟蹤齒輪參數檢測結果，使INVOLUTE ANGLE ERROR VARIATION RIGHT處于合理范圍，最終選定符合預期的齒輪珩齒加工參數。
研究對象按照新的中間軸齒輪加工進行珩齒加工，跟蹤研究對象優化后的減速器NVH測試結果，總計6 000臺，研究對象減速器主嚙合階次的1倍頻高轉速區間的NVH不良率由改善前的 1.24%降低到0.15%，改善效果明顯。
四、結束語
本文從建立產品的EOL測試值與齒輪參數間的關系，尋找影響某型減速器某一類問題的關鍵點，并以此為紐帶，研究珩齒主軸振動與齒輪加工質量的關系，嘗試建立一種對齒輪加工過程的實時監測系統。后續可以依據具體的產品特性與現場問題，建立相關的模型數據庫和控制關鍵點，為后續齒輪加工質量的提前預判奠定基礎，最終達到降低減速器NVH不合格率的目的。
參考文獻略.