唐艾君，张钊，刘立君

（1.昌河飞机工业公司，江西 景德镇 333002；2.浙江大学 宁波理工学院，浙江 宁波 315100）

0 引 言

国际市场的汽车座椅驱动器的需求与日俱增，早先的汽车座椅大多数采用人工的方式来调节座椅的位置，调节时需起身，较不便。如果采用电动驱动方式来调节，由乘客操纵按钮来驱动座椅的前后位置，可随时通过电机按钮开关进行无级调整座椅的位置，安全可靠［1-2］。汽车座椅水平驱动器是实现汽车座椅自动化控制的关键部件。汽车座椅水平驱动器零件的加工和装配误差，会导致产品在运行过程中产生异常噪声信号。

目前，汽车座椅水平驱动器的噪声主要通过人工判别［3-5］，劳动强度大、生产率低、判别误差大且不稳定。因此，本文提出基于声信号的汽车座椅水平驱动器产品质量分析方法，并对几种利用新模具生产的水平驱动器产品质量进行定量分析，研究成果为小型封闭式蜗轮蜗杆减速器快速质量检测提供一种新方法。

1 水平驱动器声信号采集

根据产品优化升级需要，对HDM 的塑料蜗杆模具进行优化，用蜗杆5#、6#、7#、8#新模具和老模具各生产HDM 产品30 件，对其进行噪声测试和分析，确认产品的设计是否存在问题，查找潜在的风险。实验设备采用丹麦BK 噪声采集系统B&K PULSE，如图1（a）所示。

首先将HDM 安装在工装夹具上，麦克风安放在HDM 中心位置上面200 mm，如图1（b）所示。测试平台采用12 V 的输入电压，驱动水平电机横向运动，所有的声音信号用 B&K PULSE -Automotive Sound Quality 3.8.1软件（软件界面如图2 所示）记录，分析采用 NI Sound and Vibration Assistant 和Joint Time Frequency Analysis（JTFA）软件包，分析结果如图3至图7 所示。

图1 测试设备

2 水平驱动器声信号均方根

图2 B&K PULSE-Automotive Sound Quality 3.8.1软件界面

图3 老模具生产水平驱动器正反转声信号

HDM 声音的主要能量集中在低频段（0～1 200 Hz）。新型塑料蜗杆HDM 减小了正转低频段的噪声，如图8 所示，低频：1～1 200 Hz，中频：1 200～9 000 Hz，高频：9 000～24 000 Hz。

新型塑料蜗杆在正反转均方根比例（1.147）小于旧型塑料蜗杆（1.297），正反转声音大小差异性变小，如图9所示。

图8 和图9 显示了5#、6#、7#、8#模具腔生产的水平驱动器正转和反转噪声测试数据的处理结果。声音大小：6#模具＞7#模具＞5#模具＞8#模具，正反转的声音差异性：7#模具＞6#模具＞5#模具＞8#模具。

3 水平驱动器声信号A 计权声级分析

计权（又叫加权）参数是对频响曲线进行了加权处理后所测得的参数。由于人耳对各频段噪声的感知能力不一样，对3 kHz 左右的中频最灵敏。在加权处理时，对低频和高频进行适度衰减，对听感影响最大的中频噪声赋予更高的权重，处理后的结果可以更加真实地反映人的主观听感［6］。为此，采用目前国际上噪声测量中应用最为广泛的A 计权声级，其特性曲线接近于人耳的听感特性。

图4 5#模具腔生产水平驱动器正反转声信号

图5 6#模具腔生产水平驱动器声音正反转声信号

新型塑料蜗杆HDM 正转的计权A 声级比旧型塑料蜗杆HDM 低1 dB，新模具和老模具反转的声压级差异很小，如图10 所示。

图6 7#模具腔生产水平驱动器声音正反转声信号

图7 8#腔模具生产水平驱动器声音正反转声信号

4 结 论

1）新模具生产的的水平驱动器声音大小：6#模具＞7#模具＞5#模具＞8#模具，正反转声音差异性：7#模具＞6#模具＞5#模具＞8#模具。上述分析过程为水平驱动器产品的升级提供了一种定量测试方法。

图8 均方根值图

图9 正反转均方根值比例

图10 水平驱动器声信号计权A 声级

2）对水平驱动器声信号采用计权A 声级分析，对听感影响最大的中频噪声被赋予了更高的权重，更真实地反映人的主观听感，与产品实际生产测试要求更加贴切，对产品噪声判断更加准确。

［1］ 许平均.汽车座椅水平驱动器：中国，ZL03256322.1［P］.2004-08-11.

［2］ 徐平均，欧阳志喜，李伟，等.一种紧凑型汽车座椅水平驱动器：中国，ZL200620106505.7［P］.2007-09-05.

［3］ Keong T C，David M.Limitation of acoustic emission for identifying seeded defects in gearboxes［J］.Journal of Nondestructive Evaluation，2005，24（1）：11-28.

［4］ Erkki J.How to diagnose the wear of rolling element bearings based on indirect condition monitoring methods.International Journal of COMADEM，2006，9（3）：24-38.

［5］ Lahdelma S，Juuso E.Advanced signal processing and fault diagnosis in condition monitoring［J］.Insight：Non-Destructive Testing and Condition Monitoring，2007，49（12）：719-725.

［6］ 李园园.无线传感器网络的声音识别技术研究［D］.南京：南京理工大学，2006.