簡單分析電動汽車振動噪音問題的電機(jī)“本體解”(二)
為什么要做集大成者

在處理電機(jī)振動噪音問題上,我們自然的分成兩個流派。工程派們喜歡從噪音振動的經(jīng)驗(yàn)感覺出發(fā)去解決問題,學(xué)院派喜歡從理論模型出發(fā)來分析問題。兩種方法各有優(yōu)劣。
工程派的缺點(diǎn)顯而易見:
其一:工程派的方法過于依賴經(jīng)驗(yàn),這種經(jīng)驗(yàn)只能通過自己體驗(yàn)或者老司機(jī)們的言傳身教才能獲得,不利于繼承發(fā)揚(yáng)。
其二:很多問題是同源異表,或者異源同表,病癥不同而病因相同,或者病因相同病癥卻不同,完全靠經(jīng)驗(yàn)很難區(qū)分。
學(xué)院派們的理論模型分析法也有很多缺點(diǎn):
其一,理論分析往往從穩(wěn)態(tài)理想狀態(tài)出發(fā),比如恒轉(zhuǎn)速,恒轉(zhuǎn)矩等,而現(xiàn)實(shí)中振動噪音很多是在加速、調(diào)速等瞬態(tài)過程中發(fā)生的,分析結(jié)果很難直接應(yīng)用。
其二,電機(jī)的理論振源有很多,有很多可能性會導(dǎo)致異常振動噪音,有可能是轉(zhuǎn)子偏心引起的,也有可能是槽極配合不當(dāng)。分析一個過程耗時耗力,很難把各種可能性全部遍歷。
問題倒逼思考,困難促進(jìn)成長。在現(xiàn)實(shí)需求面前,很多前輩驚才絕艷,修煉成了集兩家之長的武功, 成了能夠綜合運(yùn)用的集大成者。接下來介紹一位絕頂高手解決問題的招式和套路。
黑盒白盒法
在面對電動汽車振動噪音問題時,這位前輩創(chuàng)造了一套新穎的招法。雖然理論不是首創(chuàng),但在電動汽車上的應(yīng)用足以讓我輩望其項(xiàng)背。這套方法叫黑盒白盒法。

所謂“黑盒”就是“黑盒測試”的黑盒,將電機(jī)作為一個內(nèi)部不可知的對象,不考慮電機(jī)內(nèi)部是怎么構(gòu)成的,只關(guān)注電機(jī)的外特性。所謂“白盒”和“黑盒”相反,電機(jī)對我們是完全開放透明的,我們能夠明確知道電機(jī)的理論結(jié)構(gòu)和特性。 黑盒白盒法 由三大步構(gòu)成:
第一步白盒模型學(xué)習(xí)。獲得兩個東西:1電機(jī)的主要電磁力的理論頻譜;2這些頻譜背后的構(gòu)成成分,這些成分可以是第一階齒槽諧波或者第3次永磁諧波;

白盒學(xué)習(xí)關(guān)鍵在于分析清楚各階諧波構(gòu)成了哪些電磁力波,哪些電磁力波是主要,哪些電磁力波是次要的,一般空間次數(shù)小,幅值大的力波是主要矛盾。然后將這些力波的頻率隨轉(zhuǎn)速變化特性計算出來,畫在瀑布圖上(縱坐標(biāo)是轉(zhuǎn)速,橫坐標(biāo)是頻率),它是一條斜線,頻率隨速度變化而線性增長。
第二步黑盒實(shí)物測試。這位前輩構(gòu)建了一個電機(jī)測試平臺,能夠測試出恒速和加速過程中的電機(jī)振動和噪音數(shù)據(jù)。這個測試平臺是一個對拖測試平臺,一臺作為電動機(jī)運(yùn)行,一臺作為發(fā)動機(jī)運(yùn)行,可以模擬汽車運(yùn)行中各種工況。

黑盒測試主要獲得兩樣?xùn)|西:1 實(shí)際噪音頻譜(包括噪音瀑布圖);2 總體聲壓和聲功率隨速度變化曲線;

通過黑盒瀑布圖和白盒瀑布圖的對分析發(fā)現(xiàn):除了理論噪音頻譜外,還有更豐富的噪音頻譜特征。這些噪音頻譜大都是基波電流之外的電流諧波產(chǎn)生的。這位前輩將復(fù)雜的噪音頻譜分解成了若干獨(dú)立成分。

分解噪音的成分來源,需要依據(jù)工程師的實(shí)際經(jīng)驗(yàn),判斷出哪些是基波噪音,哪些是諧波噪音,哪些是機(jī)械噪音。通過測試還發(fā)現(xiàn)噪音最強(qiáng)的狀態(tài)是空載400rpm時,以此判斷出將400rpm空載作為主要的分析工況。
第三步 四步法模型分析。就是分析在400rpm空載狀態(tài)下電磁力以及振動響應(yīng)和噪音分布。以此來找出異常噪音的來源。

電機(jī)振動噪音評估的一般過程如上圖所示。下面結(jié)合實(shí)際案例具體說說每一步是如何實(shí)施的。
一:電磁力的計算,一般有兩種方法獲得電磁力,其中一種是集中電磁力法一種是節(jié)點(diǎn)電磁力法,各有優(yōu)劣。

集中電磁力計算的過程如下:先計算氣隙磁密,然后通過公式計算氣隙中的電磁力,累積計算多個時間,即可獲得完整的電磁力時空分布。然后將電磁力映射到我們需要研究的結(jié)構(gòu)體上,可以是定子齒,也可以是轉(zhuǎn)子磁鋼,轉(zhuǎn)子每極的表面。集中電磁力計算一般是手動進(jìn)行,所以選擇的對象一般較粗大。(比如一個齒為一個對象。)


這個例子中研究對象選擇了每一極的轉(zhuǎn)子表面,計算出了每個極表面的電磁力時間分布。然后針對每一極上可以作電磁力頻譜分析,獲得電磁力的頻率分布特點(diǎn)。也可以分析某一個時刻下,所以極電磁力的大小,我們看到每個極的電磁力大小是不一樣的,將所有極的電磁力作統(tǒng)一整體分析,可以獲得電磁力波的空間分布。 有了某個對象電磁力時間分布和空間分布,也就把這個電磁力完整的描述出來了,在后續(xù)的分析中就可以準(zhǔn)確的施加。這也是集中分布力計算的優(yōu)點(diǎn)。缺點(diǎn)就是需要較多的手動操作量。
分布電磁力的計算,是有有限元軟件計算而成的,軟件能夠直接計算出每個網(wǎng)格內(nèi)的電磁力,并且儲存了所有步長下電磁力數(shù)據(jù)。如此可以方便的獲得每個節(jié)點(diǎn)的電磁力時間分布??梢灾苯幼鳛楹罄m(xù)振動分析軟件的激勵源。優(yōu)點(diǎn)是不需要手動計算,非常方便。但這要求 結(jié)構(gòu)分析軟件和電磁分析軟件的強(qiáng)耦合。另外一方面,不方便確定電磁力波的空間分布,不利于工程師判斷電磁力的性質(zhì)和來源。
二:模態(tài)計算和校正

模態(tài)計算時需要注意定子鐵芯軸向的彈性模量和泊松系數(shù)是不確定量,需要通過實(shí)驗(yàn)來求得,有位前輩給出了他的一組測試結(jié)論,在上圖的右上角。如果發(fā)現(xiàn)模態(tài)的頻率和振型(空間次數(shù))和第一步中集中電磁力計算的頻率和空間分布高度接近,那這種電磁力就非常危險。

模態(tài)測試能夠獲得的階次多少,取決于傳感器的點(diǎn)的布置,點(diǎn)數(shù)越多階次越多。通過模態(tài)測試不但能夠獲得固有頻率還能夠獲得阻尼系數(shù)。
三:振動分析

施加電磁力后,這位前輩通過振動分析,獲取了機(jī)殼、薄端蓋、厚端蓋的振動數(shù)據(jù),發(fā)現(xiàn)薄、厚端蓋的一階固有頻率附近都有較大的振幅。判斷出這是400rpm工況下異常噪音的主要振體。
四:噪音預(yù)測分析

通過噪音仿真計算和黑盒測試的噪音頻譜分析作對比,發(fā)現(xiàn)兩者有一個共同特征就是580HZ和1440HZ附件都有較強(qiáng)的振動頻譜,這兩個剛好是端蓋的共振頻率,以此進(jìn)一步驗(yàn)證了前后端蓋共振是異常噪音的故障原因。

最后根據(jù)白盒和黑盒測試階段畫出的瀑布圖,發(fā)現(xiàn)第3和第8階力波在400rpm時分別和兩個端蓋的固有頻率是重合的。而第3階力波可以判斷出是3階齒諧波引起的,這就給出了問題的根源所在。
最后的改良方案

優(yōu)化噪音,必先優(yōu)化振動,根據(jù)振動幅值的計算公式,可以通過減小激振力、增大端蓋質(zhì)量、增大阻尼的方法來抑制振動幅值。最后這位前輩選擇了增大阻尼的方法來優(yōu)化,將整體噪音降低了9.72dB
總結(jié)
總結(jié)一下,白盒黑盒法實(shí)際上是一種理論分析--工況測試--模型仿真綜合應(yīng)用的一套組合拳。
通過白盒分析,我們了解了電機(jī)設(shè)計水平和特點(diǎn),對電機(jī)可能的引起噪音的諧波有一個定性的把握。
通過黑盒測試,對電機(jī)在不同工況下的噪音特征有了完整的把握,能夠鎖定那些特別異常的工況。
通過模型仿真,我們能夠精準(zhǔn)的預(yù)測電機(jī)各部分的振動響應(yīng)和噪音特征,并判斷出哪些電磁力導(dǎo)致了這些異常振動。從而能夠鎖定優(yōu)化對象,給出最佳的優(yōu)化策略。
招式好學(xué),內(nèi)功難練。理論不精熟,基礎(chǔ)不扎實(shí),只不過是花拳繡腿。因此在開了眼界之后,還需要我們靜下心來,在工作中應(yīng)用琢磨,成為自己的東西。
廣告 編輯推薦
最新資訊
-
“汽車爬坡試驗(yàn)方法”將有國家標(biāo)準(zhǔn)
2026-03-03 12:44
-
十年耐久監(jiān)管時代:電池系統(tǒng)開發(fā)策略將如何
2026-03-03 12:44
-
聯(lián)合國法規(guī)R59對機(jī)動車備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯(lián)合國法規(guī)R58對后下部防護(hù)裝置的工程化約
2026-03-03 12:07
-
聯(lián)合國法規(guī)R57對摩托車前照燈配光性能的工
2026-03-03 12:07





廣告


























































