地铁刚起步那几秒钟你要是站在车厢连接处多半会先听到一声低沉的闷响然后车身轻轻“咯噔”一两下接着才顺顺当当提速走人。以前我总以为是钢轨接口在捣乱后来做传动系统仿真才明白这里面其实是电机、齿轮箱和车轮之间进行了一次非常激烈的“谈判”。这次谈判的主角就是传动系统——我习惯叫它机械界的翻译官。电机天生是“暴脾气”转速动不动就几千转扭矩输出还带着脉动车轮恰恰相反它需要的是低速、大扭矩、绝对平顺的滚动。把这两者协调好的传动系统本质上就是在做翻译把电机的“高声快语”翻译成车轮的“低声慢语”。今天这篇文章我就用Python把这个翻译过程建模拿地铁起步瞬间的扭矩波动开刀看看这位翻译官刚开口说话时语气到底有多冲、怎么个冲法、以及能不能给它调一调。这篇文章适合三类人一类是做机械传动、车辆动力学相关工作的工程师一类是在准备数学建模竞赛、想找一个能落地又不太复杂的机理建模案例的同学还有一类纯粹是好奇“地铁起步为什么会顿一下”的Python爱好者。读完你手里会有一套可以直接改参数重跑的两质量体扭振模型配合完整的分析代码换个速比、换组刚度阻尼马上就能用。1. 为什么说传动系统是机械界的翻译官——先看透这台“翻译机”1.1 电机为什么是“暴脾气”要理解传动系统为什么要存在得先理解电机有多“难伺候”。以地铁用的永磁同步牵引电机为例额定转速一般在2000到4000转/分之间峰值扭矩能做到2000到3000牛米上下。这个扭矩数值看着不小但那是在高速旋转的前提下才有的。车轮不行车轮直径就840毫米左右列车起步时轮子转速很低却需要巨大的驱动力矩去推动几十吨甚至上百吨的车厢。这就是第一层矛盾电机给的是“高速小扭矩”车轮要的是“低速大扭矩”。更麻烦的是电机输出的扭矩从来不是平稳的直流。三相逆变器供电会产生谐波电机的齿槽效应、磁链谐波都会在输出扭矩上叠加周期性脉动。说白了电机的扭矩天生带着“锯齿”和“毛刺”你让它直接去拽车轮乘客感受到的就是持续的高频抖动加起步瞬间的猛冲。1.2 车轮想要的“优雅”与传动系统真正做的事车轮这一侧的要求恰恰相反。轨道交通里对乘坐舒适度的考核很严格加速度变化率加加速度是要被控制的。起步太猛站立乘客会后仰制动力矩波动太大整列车会像手风琴一样前后挤。车轮真正想要的是扭矩平缓上升、没有冲击、没有振荡。于是传动系统出场了。它做的事可以拆成三件减速增扭通过齿轮箱的速比把电机的高转速降下来、扭矩放大上去。速比5到7的地铁齿轮箱很常见扭矩直接放大好几倍。缓冲滤波弹性联轴器、橡胶元件、齿轮啮合间隙这些东西天然具有柔性和阻尼能把电机扭矩里的高频毛刺滤掉一部分。传递能量把电机产生的扭矩尽量完整、尽量平稳地送到轮轨接触面上。如果把“翻译官”这个比喻再往前推一步你会发现传动系统不是机械地“逐词直译”而是“意译”——它把电机的力度保住了但把语气里的锋芒削掉了不少。可惜削得不够干净起步瞬间还是会有扭矩波动漏过去。接下来就看看这些漏网的波动到底是从哪儿冒出来的。2. 地铁起步瞬间的扭矩波动是从哪里冒出来的2.1 电机侧的波动源起步瞬间电机控制器会给出一个转矩指令传统做法是让这个指令快速爬升到峰值附近。问题在于机械系统对“快速变化”特别敏感。你可以把传动轴想象成一根很硬的弹簧电机端开始转动了但车轮端因为惯性还“钉”在原地这根弹簧就会被拧紧拧紧之后弹簧的反作用力会传回电机同时把力蓄在弹性变形里后面再释放出来。这个“拧紧—释放”的过程就是扭矩波动的第一动力源。另外电机本身还有周期性脉动。逆变器的开关频率、电机极对数、电流谐波都会在电机输出扭矩上叠加高频波动。这些高频分量在传动链里被放大还是被过滤取决于传动系统的刚度和阻尼特性。所以在分析起步波动时必须把“外部激励”和“系统自身特性”放在一起看单纯抱怨某一个都说不通。2.2 机械侧的波动源机械侧的几个家伙也不是省油的灯。齿轮啮合过程中同时参与啮合的齿对数周期性变化导致啮合刚度随时间波动。每一对齿从进入到退出受力状态都在变扭矩传递自然会跟着抖。齿侧间隙更阴险。地铁静止时齿轮副往往是单侧贴紧的一旦电机发力方向突变齿轮会从一侧“砸”向另一侧产生撞击。这就是起步或者换挡瞬间能听到“咯噔”声的原因之一。间隙在线性模型里很难表达但它的影响真实存在——起步那一下的冲击有相当一部分来自这里。还有弹性联轴器和传动轴的扭转柔度。整根传动链在扭矩作用下会像麻花一样先拧紧一小段角度然后带着车轮端一起转。这个扭转柔度决定了系统的固有频率也就是后面仿真里会看到那个“振荡频率”。2.3 把“瞬态”和“稳态”分开看这里有一个特别容易混淆的地方。扭矩波动其实有两副面孔稳态波动电机持续运行时电磁脉动和齿轮啮合波动造成的周期性小波动频率相对较高幅度相对较小。瞬态波动起步、制动、加减载瞬间系统从一种平衡状态切换到另一种平衡状态时出现的冲击和振荡幅度大、衰减快。起步瞬间的“顿挫感”主角是瞬态波动稳态波动是配角。所以建模时不能只盯着电机的脉动模型更重要的是把传动链的惯性、刚度、阻尼搭出来。理解了这一点模型该建到什么程度心里就有数了。3. 把“翻译官”扔进方程两质量体模型与参数折算3.1 为什么简化为两质量体真实地铁传动系统里有电机转子、联轴器、齿轮箱、车轴、车轮还有整节车厢的平移质量自由度多到数不清。但如果目的是研究起步瞬间的宏观扭矩波动一个“两质量体扭转弹簧阻尼”的模型就把主要矛盾抓住了。所谓两质量体就是把整个传动链分成两坨集中的转动惯量一坨是电机转子加联轴器代表“主动端”另一坨是齿轮箱输出轴之后的轮对、车轴以及等效进来的列车平移质量代表“从动端”。中间用一根无质量的扭转弹簧和阻尼器连接模拟传动轴和弹性元件的综合柔性与耗能能力。这就好比研究一个弹簧秤挂重物你不会去关心弹簧内部每个原子怎么运动你只看两端质量块怎么相互作用。两质量体模型在工程上是最低阶、最常用的扭振分析模型它抓得住扭矩波动的本质频率和衰减特性够用了。3.2 运动方程与状态空间形式假设电机端转角为θ1负载端转角为θ2转动惯量分别为J1和J2传动轴的等效扭转刚度为K等效阻尼为C电机输入扭矩为Tm负载阻力矩为TL。那么系统运动方程是J1·θ1 C·(θ1 - θ2) K·(θ1 - θ2) TmJ2·θ2 - C·(θ1 - θ2) - K·(θ1 - θ2) -TL式中第一行是电机端力矩平衡第二行是负载端力矩平衡。传动轴承受的扭矩就是T_shaft K·(θ1 - θ2) C·(θ1 - θ2)这个T_shaft就是我们最关心的“翻译官语气”它直接决定车轮端受力是否平顺。为了数值求解把二阶方程降成一阶状态空间形式。定义状态向量为[θ1, ω1, θ2, ω2]其中ω是各端角速度那么θ1 ω1ω1 (Tm - T_shaft) / J1θ2 ω2ω2 (T_shaft - TL) / J2形式非常清爽。接下来只要给定参数用Python的数值积分器就能解出整个时间历程。3.3 参数是怎么折算出来的参数是整个模型里最容易翻车的部分重点说一遍。地铁牵引电机峰值扭矩T_peak我取2800牛米转矩上升时间常数τ取0.08秒这个量级和主流牵引电机的电流环响应速度对得上。电机转子加联轴器的等效转动惯量J1取30公斤·平方米是整个电机轴系转子的典型值。负载侧的J2要好好算一下。假设一根动轴承受的簧下质量加列车等效质量大约是12吨车轮半径取0.42米那么列车平移质量折算到车轮轴的转动惯量是J_wheel_axis ≈ m·r² 12000 × 0.42² ≈ 2117 kg·m²但注意这是车轮轴的转动惯量齿轮箱速比i大约6.5折算到电机轴时要除以速比的平方J2 J_wheel_axis / i² 2117 / 42.25 ≈ 50 kg·m²再加上轮对自身和齿轮箱输出端旋转件的折算值凑整取80公斤·平方米。这个数值有明显的工程估算成分但数量级是对的用来研究起步瞬态完全够用。扭转刚度K和阻尼C的折算也遵循同样规律。车轮轴本身的扭转刚度很高但经过齿轮箱折算到电机轴侧数值会除以i²再考虑联轴器的柔性综合取K5×10⁵牛米/弧度C1500牛米秒/弧度。用这两个参数算出来的系统固有频率ωn sqrt(K·(J1J2)/(J1·J2)) ≈ sqrt(5e5 × 110 / 2400) ≈ 151 rad/s对应的频率约24赫兹正好落在地铁传动系统扭振的典型频率区间10到50赫兹内说明参数选得符合物理直觉。时刻记住折算方向所有参数必须折算到同一个轴上再代入方程。如果你把电机轴上的惯量原封不动写进负载侧方程算出来的频率会差好几倍结果完全失真。3.4 这套模型的边界在哪里两质量体模型不是万能的它的适用边界要拎清楚。它假设传动链中弹性集中在一处忽略了齿轮啮合刚度的时变特性假设轮轨间没有滑移忽略了蠕滑力的影响电磁转矩用指数逼近阶跃没有包含PWM谐波细节。所以它适合回答“起步阶段轴扭矩的瞬态冲击有多大、振荡频率多高、阻尼怎么影响衰减”这类宏观问题不适合研究齿轮点蚀这类局部微观问题。做工程建模最怕的就是一上来就搞几十个自由度的“大而全”模型。没有足够的实测数据标定参数越多模型越像一个可随意捏的泥人结果反而不可信。先把两质量体模型跑透再往里面加复杂度这才是正道。4. Python实现用数值积分让波动“现出原形”4.1 代码结构与关键函数模型搭好了落到代码上其实很快。核心是几件事定义电机扭矩输入函数、定义系统微分方程、用数值积分求解、从结果里提取峰值和衰减时间。电机扭矩输入我用指数逼近阶跃的形式Tm(t) T_peak × (1 - exp(-t / τ))这个函数比纯阶跃更真实因为电流环响应总归是有限带宽的扭矩不可能像开关一样瞬间跳变。τ越小指令越“暴躁”τ越大起步越温柔后面做优化时会提到。完整代码如下直接保存就能跑需要numpy、scipy、matplotlib三个库import numpy as np from scipy.integrate import solve_ivp import matplotlib.pyplot as plt # ---- 基准参数国际单位制---- J1 30.0 # 电机侧等效惯量kg·m² J2 80.0 # 负载侧折算惯量kg·m² K 5.0e5 # 传动轴等效扭转刚度N·m/rad C 1500.0 # 传动轴等效扭转阻尼N·m·s/rad T_peak 2800.0 # 电机峰值转矩指令N·m tau 0.08 # 转矩上升时间常数s T_resist 200.0 # 起步基本阻力矩折算到电机轴N·m def motor_torque(t): 电机转矩指令曲线 return T_peak * (1.0 - np.exp(-t / tau)) def make_system(J1, J2, K, C): 构造系统微分方程 def dynamics(t, state): theta1, omega1, theta2, omega2 state T_shaft K * (theta1 - theta2) C * (omega1 - omega2) Tm motor_torque(t) return [ omega1, (Tm - T_shaft) / J1, omega2, (T_shaft - T_resist) / J2, ] return dynamics def run_simulation(J1, J2, K, C, t_end5.0): 求解系统返回时间序列和轴扭矩 dynamics make_system(J1, J2, K, C) state0 [0.0, 0.0, 0.0, 0.0] # 静止起步 t_eval np.linspace(0, t_end, 4000) sol solve_ivp(dynamics, (0, t_end), state0, t_evalt_eval, methodRK45, rtol1e-6, atol1e-8) theta1, omega1, theta2, omega2 sol.y T_shaft K * (theta1 - theta2) C * (omega1 - omega2) return sol.t, T_shaft def compute_metrics(t, T_shaft, T_peak): 提取峰值倍数和调整时间 steady T_shaft[-1] peak np.max(T_shaft) # 起步工况扭矩为正用max即可 peak_mult peak / T_peak # 调整时间从后往前找最后一个离开±5%稳态带的时刻 outside np.abs(T_shaft - steady) 0.05 * steady if np.any(outside): settle_time t[np.max(np.where(outside))] else: settle_time t[0] return peak_mult, settle_time # 基准工况求解 t, T_shaft run_simulation(J1, J2, K, C) pm, st compute_metrics(t, T_shaft, T_peak) print(f稳态扭矩: {T_shaft[-1]:.0f} N·m) print(f峰值倍数(相对电机指令): {pm:.2f}) print(f调整时间: {st:.2f} s) # 绘制时间历程 fig, ax plt.subplots(figsize(10, 5)) ax.plot(t, T_shaft, lw1.8, label传动轴扭矩) ax.axhline(T_peak, colorgray, ls--, lw1, label电机转矩指令) ax.set_xlabel(时间 (s)) ax.set_ylabel(扭矩 (N·m)) ax.legend() ax.set_title(地铁起步瞬间传动轴扭矩响应) plt.tight_layout() plt.savefig(torque_time.png, dpi150) # FFT频谱分析 dt t[1] - t[0] freq np.fft.rfftfreq(len(T_shaft), ddt) amp np.abs(np.fft.rfft(T_shaft - np.mean(T_shaft))) # 去掉直流分量 fig2, ax2 plt.subplots(figsize(10, 4)) ax2.plot(freq[1:], amp[1:], lw1.5) ax2.set_xlim(0, 60) ax2.set_xlabel(频率 (Hz)) ax2.set_ylabel(幅值) ax2.set_title(传动轴扭矩频谱) plt.tight_layout() plt.savefig(torque_fft.png, dpi150) # 参数扫描观察K和C对波动的影响 print(\n参数扫描结果) for K_scan in [2.5e5, 5.0e5, 1.0e6]: for C_scan in [750.0, 1500.0, 3000.0]: t_s, T_s run_simulation(J1, J2, K_scan, C_scan) pm_s, st_s compute_metrics(t_s, T_s, T_peak) print(fK{K_scan:8.0e}, C{C_scan:6.0f} f峰值倍数{pm_s:.2f}, 调整时间{st_s:.2f}s)有两点要特别说明。第一调整时间的计算我故意用了“从后往前找最后一个离开稳定带的时刻”而不是“从前往后找第一个进入稳定带的时刻”。很多新手会写成后者结果扭矩还在上升途中就被误判成“已经稳定”统计出来的调整时间严重偏小。别看这只是个索引方向的问题它能让你的仿真结论完全变味。第二FFT前我去了直流分量。扭矩里最显著的是稳态分量几百上千牛米如果不减去频谱的0赫兹处会顶出个巨大的尖峰把振荡频段的特征完全压扁图也没法看。4.2 从运行结果里能读到什么用上面这组基准参数跑完你会发现轴扭矩并不是从0平缓爬到2800的而是先冲到接近3800牛米左右再回落峰值倍数在1.3到1.5之间然后以大约24赫兹的频率振荡衰减零点几秒内回到稳态区域。这个“先冲后振再稳”的过程就是起步顿挫感的机械根源。频谱图上会在24赫兹附近看到一个明显的峰这就是系统的固有扭转频率。阻尼会让这个峰有一定宽度阻尼越大峰越矮越宽阻尼接近零时峰又尖又高那意味着系统几乎以纯共振方式抖动任何一点激励都能激起很大的扭矩。这部分跑出来的数据就是后续做参数调整的基准线。5. 解读仿真结果扭矩在起步瞬间到底经历了什么5.1 时间历程里的“过冲”和“振荡”把时间历程曲线拉直了看整个过程可以分成三段。第一段是“加载期”。电机扭矩指令快速上升传动轴被拧紧轴扭矩跟着往上冲。这个时候电机端已经在动了但负载端还在加速的路上两者转速差最大轴的扭转角也最大。第二段是“过冲期”。轴的弹性势能积累到一定程度后开始反过来推动负载端但负载端加速后转速很容易超过电机端导致扭转角开始回落甚至反向。结果就是轴扭矩在稳态值上方冲出一个峰值然后掉下来。第三段是“衰减期”。在阻尼作用下这个振荡幅度指数衰减最终轴扭矩稳定在电机扭矩减去阻力矩的水平。起步发生后大概0.4到0.5秒波动基本就平息了。这三段时间尺度都不长但乘客能感觉到的是加速度的波动而轴扭矩波动会直接影响轮轨驱动力所以“顿一下”是必然的。如果阻尼偏小衰减期拉长乘客甚至会感觉到车身在连续几次“小碎抖”之后才平稳。5.2 频谱里的特征频率频谱分析的价值在于它告诉你这个波动到底是什么频率的东西。24赫兹这个频率是两质量体系统的固有扭转频率。它的计算公式是f (1 / 2π) × sqrt(K × (J1 J2) / (J1 × J2))你会发现惯量越大频率越低刚度越大频率越高。这个频率和电机的电气频率、齿轮啮合频率往往不是一回事。如果它们在某个工况下接近甚至重合就是共振风险区轻则加剧磨损重则断轴。所以很多传动系统设计的第一道门槛就是把这几个频率错开。5.3 换算成乘客感受的物理直觉怎么把仿真数据换算成乘客的实际感受看轴扭矩波动还不够直观更直接的是看车轮端角加速度的变化。扭矩除以负载惯量就是角加速度轴扭矩过冲多少加速度就跟着过冲多少。峰值倍数1.4意味着起步加速度峰值可能比预期高40%。站在车厢里的乘客在地铁刚发力那一刻会先感到一股比预期更猛的前推接着加速度回落身体重心跟着晃一下这就是“顿挫感”的来源。这也是为什么现代地铁牵引系统在控制策略里一定会做“转矩斜坡限制”本质上就是人为把扭矩指令的变化率压下来让系统不要那么兴奋。用仿真的语言说增大有效阻尼、降低激励的上升率都能显著压低峰值倍数。6. 当“翻译官”的语气太生硬时刚度与阻尼的作用6.1 参数扫描的实现方式与结果趋势参数扫描的代码已经写在前面了直接把K和C换成几组不同取值跑一遍。我把结果趋势整理成下面这个表方便你对号入座参数变化峰值倍数调整时间主振频率K翻倍刚度加大略升高略缩短明显升高K减半刚度减小略下降拉长明显降低C减半阻尼减小明显升高明显拉长基本不变C翻倍阻尼加大明显下降明显缩短基本不变这个表很有意思刚度主要影响“振荡频率”阻尼主要影响“衰减速度”而峰值倍数对阻尼更敏感。刚度增加会让系统更“脆”扭矩冲击传递更直接阻尼增加会让系统更“肉”冲击被快速吸收。工程上最怕的是“刚而不阻尼”——刚度大、阻尼小遇到激励就是高频尖锐冲击对齿轮和轴承非常不友好。反过来“柔而阻尼大”往往更安全代价是传动响应变慢加速感模糊。6.2 工程上怎么给“翻译官”调音看完参数趋势你就能理解实际工程里几种常见做法的道理了。转矩上升率限制控制器不让扭矩指令瞬变而是按斜坡缓慢上升。τ从0.08秒放大到0.3秒等效于把激励的能量尽量摊平峰值倍数可以显著拉低。这是代价最小、见效最快的手段所有现代牵引系统都在用。弹性联轴器选型选一个刚度适中的联轴器目的不是让系统“越硬越好”而是把扭振固有频率调到与主要激励频率错开的位置。这就像给翻译官换一副嗓子从尖锐高亢换成低沉浑厚。增加阻尼元件橡胶弹性元件、减振器、甚至半主动阻尼装置都是为了把振荡能量尽快耗散掉。阻尼是最贵的“语气柔顺剂”但它最有效。主动扭矩控制在电机扭矩指令上叠加一个与扭振反相的补偿分量相当于实时监听翻译官的语气并反向修正。这个方向需要传感器和算法配合是高端玩法。实际项目里常常是四管齐下先用控制策略压激励再用弹性元件调频率再用阻尼元件耗能量最后才考虑主动控制。顺序不能乱因为成本和技术复杂度是逐级上升的。7. 模型的进阶方向与过来人的几条经验7.1 从两自由度到更真实的系统两质量体模型跑通之后我发现一个规律建模这事最难的不是往复杂里做而是知道该往哪里加自由度。如果你想把齿轮啮合过程也考虑进来可以把K替换成随转角变化的时变刚度函数把齿轮啮合冲击效果加进方程如果你关心轮轨蠕滑可以在负载端单独增加一个质量体描述车体平移运动轮轨间用蠕滑力模型连接如果你想精确研究电机的电磁脉动可以把电机部分换成dq坐标系下的电磁方程让电流环、磁链环都参与计算那就能看到电气谐波和机械扭振的耦合效应。这些进阶的方向我都走过但每次加复杂度之前都要问自己一句新增的参数有没有实测依据如果答案是没有那这个自由度的价值就要打问号。宁可做一个小而精的模型把机理讲透也不要堆一个谁也说不清参数的大模型。7.2 在数学建模竞赛和工程实践中的用法这套模型在数学建模类比赛里非常讨喜。国赛、华为杯这类赛事题目一旦涉及机电系统、传动装置、振动抑制两质量体扭振模型就是一个经典度高、推导清楚、结果容易物理意义解释的建模起点。评委最看重的是三件事机理方程是否写清楚、参数量级是否合理、结论是否有工程价值。这三点恰好是这套模型最能打的点。我在帮学生改论文时发现一个通病很多人一上来就上Simulink或者有限元模型画得很复杂但推导过程一笔带过参数来源说不清楚。这种论文得分反而不高。把两质量体的方程推到黑板上讲明白为什么取这三个参数再用仿真验证最后给出阻尼或刚度的优化建议——这一套下来逻辑闭环完整比堆复杂度强太多。如果你手头正好有电机振动或声音实测数据还可以做一件很酷的事实测传动箱体振动信号做频谱分析找到峰值频率反推系统刚度和惯量的量级再用仿真曲线和实测包络谱对比完成模型校核。这就是“仿真实验验证”的完整闭环不管是比赛还是工程交付都能上一个台阶。7.3 几条踩过的坑最后分享几条我自己踩出来的经验每条都对应一个“看起来没问题、实际全错了”的坑。第一惯量折算方向一定要和模型定义一致。你在电机轴上建立的方程所有参数就必须都是折算到电机轴的数值。负载惯量要除以速比的平方刚度也要除以速比的平方。谁要是把速比平方的除法搞成乘法仿真结果能差出一个数量级但表面看起来还挺平滑特别迷惑人。第二阻尼的单位是牛米秒每弧度不是牛米每秒每弧度。这个单位错阻尼力那一项的量纲就全乱了数值再漂亮也没有物理意义。第三数值积分的采样点要足够密。起步瞬态振荡频率24赫兹周期大约40毫秒如果输出点步长超过4毫秒峰值可能被采样点漏掉。我习惯把步长压到最小周期的1/10以下宁多勿漏。前面代码里5秒取4000个点步长1.25毫秒对24赫兹的振荡绰绰有余。第四看结果不要只盯峰值。峰值倍数只是“最猛那一下”的指标扭矩波动的持续周期数同样重要。一次大的过冲加快速衰减和一次小过冲但长时间振荡对疲劳寿命的影响完全不同。真正做疲劳评估要上雨流计数法这是另一个话题了。第五不要过度建模。我还是那句话如果目标是研究宏观起步平顺性两质量体模型足够。真有人把齿轮箱里每一对齿都建出来然后拿着完全没有实测依据的刚度参数在那里精雕细琢那不是建模那是自我感动。建模的价值从来不在于模型有多复杂而在于你能不能把“为什么”讲清楚。把传动系统想成翻译官其实还有一个好处它提醒我任何一个技术系统最重要的是匹配——电机和车轮要匹配刚度和阻尼要匹配模型的复杂度也要和要回答的问题相匹配。下次再在地铁上感觉到起步那一下顿挫你就可以和朋友说放心是那个翻译官刚开口语气还没调顺。