针对汽车电动燃油泵手工检测操作不便,数据精度差、效率低等问题,以某款汽车燃油泵为研究对象,研制一种基于LabVIEW环境和数据采集卡的汽车电动燃油泵性能测试系统。该系统通过NI—USB6210数据采集卡采集燃油压力、燃油流量、油泵工作电压和工作电流等参数,以LabVIEW编制的上位机界面实现控制参数的设定、油泵性能评价、数据显示、存储、历史记录查询等功能。实验结果表明,该系统的测试时问较传统检测方法缩短了90%,燃油泵性能的测试精度和检测效率均有大幅提高。电动燃油泵是汽车发动机燃油供给系统中的关键部件,其作用是提供足够的燃油压力和流量,满足发动机各种工况对燃油的要求。燃油泵性能的好坏直接影响发动机的工作性能,因而必须对燃油泵的输油性能进行检测。目前,国内电动燃油泵的种类较多,但性能检测技术却相对落后,主要采用人工读表检测和真空度法。人工手动检测法的测量精度差、效率低、稳定性不高,不适合电动燃油泵大批量生产检测。而真空度法缺点是燃油泵容易过热损.西门子 Anovis 可以集成到生产线(EOL)测试台或生产线中,以确保产品和过程的制造质量。苏州智能测试设备
在产品的品质管控中,研发是关键,EOL检测只是执行手段。对实验室阶段性能不达标的产品而言,单纯的增加EOL检测手段,只会使不合格品明显增多。”在生产线环节增加NVH下线检测手段,几乎无一例外要增加投资或成本(后文会不断涉及成本所扮演的重要角色)。所以,在计划实施NVH下线检测之前,需要回答“真实的需求是否存在?是什么?”这个问题。换句话说,不同类型的刚性需求抑或伪需求决定了NVH下线检测项目实施的初始动机、投资规模、推进效率、方案选择和结果。总体而言,实施NVH下线检测的动机/需求类型无非以下几点,国标或法规要求、甲方要求、市场不良反馈、主动的质控策略,以及“特色需求”等。苏州智能测试设备Anovis基于振动故障检测算法,结合自动极限自适应、经典NVH测量特征,在几秒钟内自动识别产品或工艺异常。
用于工厂EOL测试的测试台架,通过在测试平台上设置测试工位和负载工位,测试工位上设置外部被测电驱动系统,负载工位上设置负载电机,并且设置一连接轴,该连接轴的端直接插入外部被测电驱动系统内与差速器行星齿轮销连接,连接轴的第二端则与负载电机的输出轴连接,由连接轴直接将外部被测电驱动系统的输出扭矩通过差速器行星齿轮销传递至负载电机,从而实现电机与齿轮箱测试的单负载电机策略,相比于现有的EOL台架测试减少了一个负载电机,有效节约了空间布局•也降低了设备维护的经济和时效成本,解决了现有,测试台架占据空间较大的问题。
汽车传动系统NVH试验的目的是测试其振动和噪声特性,包括振动/噪声的实际声压级、噪声场及其与机械参数和电参数的关系等,用于分析和研究振动/噪声源、频谱与能量分布、声品质(响度、尖锐度等)、激励响应与传播、相关参数的相互影响和内在规律,结合传递误差测试机相关数据处理软件,对传动系统振动/噪声产生的根源进行诊断,为降低产品振动/噪声水平或出现概率、优化系统设计及提高动力总成的舒适性提供基础数据和研究手段。NVH测试时,被试件应置于消声室内的抗振地基上,试验台驱动、加载设备原则上应处于消声室之外,通过穿墙长轴实现驱动和加载,驱动、加载设备的噪声及振动需做到有效隔离。为了测试各种工况下传动系统的振动噪声情况,试验系统加载、运转能力需要能够覆盖被试件整个转矩、转速范围,因此为满功率试验测试系统,功率水平与整箱综合耐久性试验台相同。由于需要穿墙长轴系设计,研制难度相比耐久性试验台难度高。特别是对于新能源汽车减/变速器NVH测试所需高转速测试系统,其技术难度更高。因此该领域目前以国外进口设备为主。国内企业已成功研制出了6000r/min以下普通转速NVH试验系统,并开始研制16000~20000r/min的新能源汽车传动系统NVH试验台。电机异响测试:通过10个声音及振动信号,帮你提前发现电机故障!
Simcenter Anovis,为客户提供具有市场竞争力的产品下线检测完美解决方案。该系统应用于汽车行业中的电机、内燃机、变速器等零部件产线终端的NVH质量检测与故障诊断,车身部件裂缝检查;线束插头和部件连接等装配过程监测。整个系统的硬件及数据采集分析软件均由西门子工业软件开发,充分保证系统的完整性,测试分析数据的无缝兼容性,整个系统的硬件及数据采集分析软件均由西门子工业软件开发,充分保证系统的完整性,测试分析数据的无缝兼容性。盈蓓德科技提供的定制/非标测试系统,可以解决新产品以及特殊行业生产和研发过程中所需要的测试需求。动力设备测试设备
产品噪音异音智能检测系统,有效解决人工检测无法准确、可靠识别异音的痛点。苏州智能测试设备
手机微电机在线自动分拣系统。该系统解决了在电机生产线上进行高效检测的难题。精细高效的采集微型马达工作时的声音信号,然后通过声音分析算法进行质量特征值的提取,能够与现有的人工检测进行比对和分析,将以往人工检测形成的数据集标签,结合深度学习算法进行良品与次品的分类。并且由于微电机每天的生产数量都在几千万台,很适合使用深度学习等机器学习方法,因此通过机器学习方法,对大量电机特征数据(特别是故障电机)进行分析处理,对测试电机进行良品检测和分类,准确率达到95%以上。 苏州智能测试设备