CN113392471B - 混合动力电动汽车减速器载荷谱编制方法、介质和设备 - Google Patents
混合动力电动汽车减速器载荷谱编制方法、介质和设备 Download PDFInfo
- Publication number
- CN113392471B CN113392471B CN202110735254.8A CN202110735254A CN113392471B CN 113392471 B CN113392471 B CN 113392471B CN 202110735254 A CN202110735254 A CN 202110735254A CN 113392471 B CN113392471 B CN 113392471B
- Authority
- CN
- China
- Prior art keywords
- load
- torque
- typical road
- electric vehicle
- hybrid electric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Aviation & Aerospace Engineering (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Hybrid Electric Vehicles (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种混合动力电动汽车减速器载荷谱编制方法、介质和设备,获取汽车载荷数据,进行预处理后,根据动力源模式和道路工况进行分类;根据分类结果进行载荷数据特征参数计算,确定出混合动力电动汽车各种工况下的最优样本数,进一步确定各道路工况下减速器扭矩载荷样本,叠加后获得发动机和驱动电机对减速器的最优样本载荷;通过雨流计数法对减速器的最优样本载荷进行雨流计数统计获得雨流矩阵,外推后得到外推雨流矩阵,即对应汽车减速器的全寿命二维载荷谱,最后将二维载荷谱转化为一维载荷谱后,通过载荷谱编制方法,生成混合动力电动汽车减速器的载荷谱。本发明能够针对多变复杂工况下的混合动力电动汽车进行减速器载荷谱编制。
Description
技术领域
本发明属于工程机械技术领域,特别涉及一种混合动力电动汽车减速器载荷谱编制方法、介质和设备。
背景技术
随着经济的快速发展,我国混合动力电动汽车作为新能源汽车发展的重要过渡产品的销量保持着快速增长,是目前阶段使用体验最佳的新能源汽车产品。在车辆研制过程中,需要对传动***进行强度和疲劳试验,而载荷谱是零部件可靠性设计的基础。
现针对混合动力电动汽车的研究,主要以提高发动机热效率或者减速器的设计优化,而对有关于混合动力电动汽车减速器疲劳寿命方面的研究较少。减速器作为混合动力汽车传动系中的关键零部件,其一旦失效,车辆将无法正常行驶,所以对混合动力电动汽车减速器的疲劳研究就显得十分必要,相对于传统燃油汽车减速器疲劳问题,由于动力源存在差异,其在减速器载荷谱编制、载荷特性以及疲劳寿命分析预测等方面均有所不同,因此不能完全照搬来解决混合动力电动汽车的减速器疲劳寿命问题。
编制载荷谱已成为混合动力电动汽车动力传动系疲劳寿命预测、强度校核的数据基础,目前载荷谱编制研究与应用在传统机械尤其是传统燃油汽车上已经有较大的发展。但对于近几年才开始大力发展的混合动力电动汽车,对于其传动***的疲劳耐久性研究相对较少,而其核心部件减速器的载荷谱的编制方法、应用研究甚少。因此,对混合动力电动汽车减速器进行基于载荷谱的疲劳寿命研究,具有相当重要的意义。
发明内容
本发明的第一目的在于克服现有技术的缺点与不足,提供一种混合动力电动汽车减速器载荷谱编制方法,该方法能够针对多变复杂工况下的混合动力电动汽车进行减速器载荷谱编制,基于该方法编制的载荷谱能够准确的对混合动力电动汽车的减速器齿轮进行疲劳寿命的预测。
本发明的第二目的在于提供一种存储介质。
本发明的第三目的在于提供一种计算设备。
本发明的第一目的通过下述技术方案实现:一种混合动力电动汽车减速器载荷谱编制方法,包括:
S1、获取混合动力电动汽车在各种典型道路工况下的载荷数据;
S2、对载荷数据进行预处理;
S3、根据动力源模式和各种典型道路工况,对载荷数据进行分类;
S4、根据载荷数据分类结果,进行载荷数据特征参数计算,然后确定出混合动力电动汽车各种典型道路工况下的最优样本数;
S5、根据混合动力电动汽车各种典型道路工况下的最优样本数确定各种典型道路工况下减速器扭矩载荷样本,并且叠加后获得混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷;
S6、通过雨流计数法,对混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷进行雨流计数统计,获得雨流矩阵,并且进行外推后得到外推雨流矩阵,即得到各种典型道路工况外推后的载荷谱;
S7、按照扭矩方式,将各种典型道路工况外推后的载荷数据的分类进行叠加,得到全工况下的发动机扭矩、驱动电机正扭矩、驱动电机负扭矩外推载荷谱;
S8、针对S7中获取到的外推载荷谱转化为一维载荷谱;
S9、选择载荷谱编制方法,生成混合动力电动汽车减速器的载荷谱。
优选的,步骤S1中,载荷数据包括发动机扭矩信号、驱动电机扭矩信号、档位信号和车速信号;
典型道路工况包括城市道路工况、省道道路工况、山路道路工况和高速道路工况;
步骤S2中,载荷数据的预处理包括载荷数据的奇异点去除处理、平稳性检验处理以及无效载荷数据去除;
奇异点去除处理指的是:将发动机扭矩载荷数据中的奇异点数据进行去除;
平稳性检验处理指的是:针对载荷数据进行平稳性检验,将未通过平稳性检验的载荷数据进行去除;
无效载荷数据去除处理指的是:将载荷数据对应扭矩值和无效载荷阈值进行比较,若小于无效载荷阈值,则将其定义为无效载荷,并且进行去除;
无效载荷阈值ΔSA为:
ΔSA=(Xmax+Xmin)Δ%;
其中,Xmax为随机载荷数据中的最大的发动机扭矩值或驱动电机扭矩值,Xmin为随机载荷数据中的最小的发动机扭矩值或驱动电机扭矩值,Δ为无效载荷的省略比例。
优选的,步骤S3中,根据动力源模式和各种典型道路工况,对获取的载荷数据即载荷-时间历程进行分类,分类得到以下各类数据:
城市工况纯电模式驱动电机扭矩、城市工况发动机模式发动机扭矩、城市工况混动模式驱动电机扭矩、城市工况混动模式发动机扭矩、城市工况动能回收模式驱动电机扭矩、省道工况纯电模式驱动电机扭矩、省道工况发动机模式发动机扭矩、省道工况混动模式驱动电机扭矩、省道工况混动模式发动机扭矩、省道工况动能回收模式驱动电机扭矩、山路工况纯电模式驱动电机扭矩、山路工况发动机模式发动机扭矩、山路工况混动模式驱动电机扭矩、山路工况混动模式发动机扭矩、山路工况动能回收模式驱动电机扭矩、高速工况纯电模式驱动电机扭矩、高速工况发动机模式发动机扭矩、高速工况混动模式驱动电机扭矩、高速工况混动模式发动机扭矩、高速工况动能回收模式驱动电机扭矩。
更进一步的,步骤S4中,针对步骤S3分类得到的各类载荷数据中的每组数据,分别计算载荷数据特征参数,包括载荷极值的均值和载荷极值的标准差;其中:
载荷极值的均值μx计算公式为:
其中,xi为载荷极值,n为载荷极值个数;
载荷极值的标准差σx计算公式为:
更进一步的,步骤S4中在计算得到载荷数据特征参数后,通过以下方式确定出混合动力电动汽车各种典型道路工况下的最优样本数:
步骤S41、首先确定出混合动力电动汽车各种典型道路工况下各动力源模式的最优样本数,如下:
确定基于载荷极值的均值的最优样本数Nμi为:
式中,S(x)表示样本b组载荷极值均值的标准差;εr 2表示样本的标准差;确定基于载荷极值的标准差的最优样本数Nσi为:
式中,S′(x)表示样本载荷极值标准差的标准差;
确定基于循环载荷循环疲劳损伤的最优样本数NDi为:
S42、根据多准则决策法,采用特征向量法方法确定主观权重,得到主观权重系数,采用熵法确定各种动力源模式数据的客观权重系数,采用线性组合赋值法对最优权重进行确定,表达式如下:
W=λ1WS+λ2Wo;
其中,W为最优权重;WS为主观权重,Wo为客观权重,λ1,λ2分别为主观权重和客观权重的线性综合系数;
基于最优权重系数,求得各种典型道路工况下各模式的最优样本数:
Ni=W1Nμi+W2Nσi+W3NDi;
其中,Ni为对应各种典型道路工况下动力源模式i下的最优样本数,即为需要在对应公开下行驶动力源模式i的最小循环数,W1、W2和W3分别为载荷极值均值的最优权重、载荷极值的标准差最优权重和载荷循环疲劳损伤的最优权重;
S43、针对于各种典型道路工况,比较其中各动力源模式下的最优样本数,将其中最大的最优样本数作为对应各种典型道路工况下的最优样本数。
更进一步的,步骤S5中,将混合动力电动汽车各种典型道路工况下的最优样本数乘以各种典型道路工况下的循环,得到各种典型道路工况下减速器扭矩载荷样本,然后将各种典型道路工况下减速器扭矩载荷样本叠加,得到混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷,即最优多典型道路工况载荷对应行驶里程。
更进一步的,步骤S6中,选用雨流矩阵非参数外推法实现雨流矩阵二维载荷谱的全寿命外推,得到外推雨流矩阵,具体如下:
其中,x为二维随机变量;Xi为各样本点;h为给定带宽;a为样本量;K(x)为Epanechnikov核函数,满足∫∫K(x)=1;
核函数K(x)选择Epanechnikov核函数,表达式为:
对于二维核密度函数,其给定带宽h的计算公式如下
h=σA(K)m-1/6;
式中,h为给定带宽;σ为样本的标准差;A(K)为常数,对于Epanechnikov核函数,m为各种典型道路工况对动力源模式下的循环次数;
S62、根据混合动力电动汽车实际使用各种典型道路工况的比例,计算出外推后各种典型道路工况的循环次数:
N′i=Nlimitai;
其中,N′i为外推后第i个典型道路工况的循环次数,Nlimit为载荷循环的极限次数,ai为第i个典型道路工况所占比例;
根据外推后各种典型道路工况的循环次数和单个典型道路工况下各种动力源模式下的载荷累积频次之和,计算出对应各种典型道路工况下的雨流矩阵外推系数,具体为:
其中,Ki为第i个典型道路工况的雨流矩阵外推系数;nij为第i个典型道路工况中第j个工作段的载荷累积频次;
S63、按照各种典型道路工况下的雨流矩阵外推系数,应用非参数核密度估计的外推方法,对雨流矩阵进行外推,得到各种典型道路工况下各驱动源扭矩外推雨流矩阵。
优选的,步骤S7中,对各种典型道路工况外推后的载荷数据的分类进行叠加的过程如下:
S71、先将相同扭矩加载方式的二维载荷谱转化到相同尺度下;
S72、然后对各种典型道路工况下相同扭矩加载方式的二维载荷谱进行叠加,合成后的二维载荷谱需为“幅值-均值”型;
步骤S8中,采用波动中心法对步骤S7获取到的二维载荷谱进行非零平均应力等效转换,将其转化为一维载荷谱,具体为:将二维载荷谱中的各级载荷均值与其对应的累积频次乘积之和除以此雨流矩阵包含的载荷总频次取得平均载荷,其表达式如下:
其中,Xm为经过波动中心法处理后的平均载荷;Xmi为各级载荷均值;Pi为各级载荷均值对应的频次;∑Pi为雨流矩阵包含的载荷总频次;
步骤S9中,根据整个载荷段的最大值的1、0.95、0.85、0.725、0.575,0.425、0.275、0.125将整段一维载荷谱进行划分为8个幅值等级;然后利用等损伤转换原则,将雨流矩阵外推连续累积频次曲线转换为8级程序载荷谱。
本发明的第二目的通过下述技术方案实现:一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现本发明第一目所述的混合动力电动汽车减速器载荷谱编制方法。
本发明的第三目的通过下述技术方案实现:一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现本发明第一目的所述的混合动力电动汽车减速器载荷谱编制方法。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明混合动力电动汽车减速器载荷谱编制方法,针对混合动力电动汽车多动力源的驱动方式,考虑到驱动电机扭矩释放特性与发动机扭矩释放特性之间的差异可能会导致减速器齿轮的疲劳寿命产生差异,因此将采集到的载荷数据按照混合动力各动力源模式进行分类,分别获取其在发动机单独作用下、驱动电机单独作用下以及发动机和驱动电机联合作用下的单个工况的最优样本数,最后按照动力源作用方式的编制适用于混合动力电动汽车的减速器齿轮载荷谱。本发明方法能够针对多变复杂工况下的混合动力电动汽车进行减速器载荷谱编制,基于该方法编制的载荷谱能够准确的对混合动力电动汽车的减速器齿轮进行疲劳寿命的预测。
(2)本发明混合动力电动汽车减速器载荷谱编制方法,对载荷数据按照动力源模式、各种典型道路工况进行分类,并将分类的载荷数据利用多准则决策法提取出城市工况、省道工况、山路工况、高速工况的最优样本数,为后续载荷谱编制提供可靠的数据基础。
(3)本发明混合动力电动汽车减速器载荷谱编制方法中,根据混合动力电动汽车各种典型道路工况下的最优样本数确定出混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷,其中样本载荷分为发动机扭矩、驱动电机正扭矩以及驱动电机负扭矩,本发明利用雨流计数法对三种驱动扭矩进行统计计数,获得了可以用于雨流矩阵外推的雨流矩阵二维载荷谱,将各种典型道路工况的三种驱动扭矩载荷进行合成,通过非参数雨流矩阵外推法实现雨流矩阵二维载荷谱的全寿命外推,并采用波动中心法将二维载荷谱转化为一维载荷谱,为后续编制程序载荷谱做好准备。
(4)本发明混合动力电动汽车减速器载荷谱编制方法中,在获取到各种典型道路工况下的载荷数据,采用奇异点去除处理、平稳性检验处理以及无效载荷数据去除实现载荷数据的预处理,然后对预处理后的载荷数据进行分类,并且对处理后的数据进行特征参数计算,利用主观权重法确定主观权重系数,利用客观权重法确定客观权重系数,再利用线性赋权法得到最优权重系数,对已采集的各类数据进行加权计算从而得到最优样本数即最小典型道路工况循环数,从而能够示样本数据在具备足够精度的情况下足够的短,节约了试验时间。
附图说明
图1是本发明方法流程图。
图2a至2c是本发明方法中获取到的发动机正扭矩雨流直方图、驱动电机正扭矩雨流直方图、驱动电机负扭矩雨流直方图。
图3a至3c是本发明方法中获取到的发动机正扭矩外推雨流矩阵、驱动电机正扭矩外推雨流矩阵、驱动电机负扭矩外推雨流矩阵图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
本实施例公开了一种混合动力电动汽车减速器载荷谱编制方法,如图1中所示,该方法包括:
S1、获取混合动力电动汽车在各种典型道路工况下的载荷数据。
在本实施例中,可以通过连接CAN总线采集混合动力电动汽车实际各种典型工况道路的载荷数据;载荷数据包括发动机扭矩载荷、驱动电机扭矩载荷、档位信号和车速信号,具体表现为载荷-时间历程数据。本实施例中通过CAN总线采集汽车在不同档位和不同车速下的发动机扭矩信号和驱动电机扭矩信号。
本实施两种,典型道路工况包括:城市道路工况、省道道路工况、山路道路工况和高速道路工况。
S2、对载荷数据进行预处理。
在本实施例中,载荷数据的预处理包括载荷数据的奇异点去除处理、平稳性检验处理以及无效载荷数据去除;其中:
1)奇异点去除处理指的是:将发动机扭矩载荷数据中的奇异点数据进行去除;
2)平稳性检验处理指的是:针对载荷数据进行平稳性检验,将未通过平稳性检验的载荷数据进行去除;
3)无效载荷数据去除处理指的是:将载荷数据对应扭矩值和无效载荷阈值进行比较,若小于无效载荷阈值,则将其定义为无效载荷,并且进行去除;
无效载荷阈值ΔSA为:
ΔSA=(Xmax+Xmin)Δ%;
其中,Xmax为随机载荷数据中的最大的扭矩值,Xmin为随机载荷数据中的最小的扭矩值,Δ为无效载荷的省略比例,在本实施例中Δ一般取1~10,例如可以取5。
S3、根据动力源模式和各种典型道路工况,对载荷数据即对应载荷时间历程进行分类。
在本实施例中,混合动力电动汽车的动力源模式包括:纯电模式驱动电机扭矩、发动机模式发动机扭矩、混动模式驱动电机扭矩、混动模式发动机扭矩和动能回收模式驱动电机扭矩。
在本实施例中,根据动力源模式和各种典型道路工况,分类得到以下20类载荷数据:
城市工况纯电模式驱动电机扭矩、城市工况发动机模式发动机扭矩、城市工况混动模式驱动电机扭矩、城市工况混动模式发动机扭矩、城市工况动能回收模式驱动电机扭矩;
省道工况纯电模式驱动电机扭矩、省道工况发动机模式发动机扭矩、省道工况混动模式驱动电机扭矩、省道工况混动模式发动机扭矩、省道工况动能回收模式驱动电机扭矩;
山路工况纯电模式驱动电机扭矩、山路工况发动机模式发动机扭矩、山路工况混动模式驱动电机扭矩、山路工况混动模式发动机扭矩、山路工况动能回收模式驱动电机扭矩;
高速工况纯电模式驱动电机扭矩、高速工况发动机模式发动机扭矩、高速工况混动模式驱动电机扭矩、高速工况混动模式发动机扭矩、高速工况动能回收模式驱动电机扭矩。
S4、根据载荷数据分类结果,进行载荷数据特征参数计算,然后确定出混合动力电动汽车各种典型道路工况下的最优样本数。
本步骤中,针对步骤S3分类得到的各类载荷数据中的每组数据,分别计算载荷数据特征参数,包括载荷极值的均值和载荷极值的标准差;其中,载荷极值的均值能大致反映载荷幅值的总体水平,在一定程度上能体现出各种典型道路工况下载荷对零部件的影响;载荷极值的标准差能大致反映载荷幅值的波动程度,在一定程度上能体现出各种典型道路工况的随机性和变化强度。其中:
1)载荷极值的均值μx计算公式为:
其中,xi为载荷极值,n为载荷极值个数。
2)载荷极值的标准差σx计算公式为:
如下表1所示为本实施例中计算出的城市道路工况6组纯电模式驱动电机扭转特征参数:
表1
如下表2所示为本实施例中计算出的城市道路工况6组发动机模式发动机扭转特征参数:
表2
如下表3所示为本实施例中计算出的城市道路工况6组混动模式发动机扭转特征参数:
表3
如下表4所示为本实施例中计算出的城市道路工况6组混动模式驱动电机扭转特征参数:
表4
如下表5所示为本实施例中计算出的城市道路工况6组动能回收模式驱动电机扭转特征参数:
表5
另外,在本步骤中,计算得到载荷数据特征参数后,通过以下方式确定出混合动力电动汽车各种典型道路工况下的最优样本数:
步骤S41、首先确定出混合动力电动汽车各种典型道路工况下各动力源模式的最优样本数,如下:
1)确定基于载荷极值均值的最优样本数Nμi为:
式中,S(x)表示样本b组载荷极值均值的标准差;εr 2表示样本的误差。设1组样本数据为一个子样本,如城市道路工况非高峰期纯电动电机扭矩即为一个子样本,该种数据共计6组,此处S(x)即表示6组子样本载荷极值均值的标准差,μx表示6组子样本载荷极值均值的均值,为了提高样本精度,此处的误差设定为5%。
2)确定基于载荷极值的标准差的最优样本数Nσi为:
式中,S′(x)表示b组样本载荷极值标准差的标准差;设1组样本数据为一个子样本,如城市工况非高峰期纯电动电机扭矩即为一个子样本,该种数据共计6组,此处S’(x)即表示6组子样本载荷极值标准差的标准差,σx表示6组子样本载荷极值标准差的均值,为了提高样本精度,此处的误差设定为5%。
3)确定基于循环载荷循环疲劳损伤的最优样本数NDi为:
式中,s表示n组载荷极值样本的方差,表示n组载荷极值样本的均值;设1组样本数据为一个子样本,如城市工况非高峰期纯电动电机扭矩即为一个子样本,该种数据共计6组,此处s表示6组载荷极值样本的方差,表示6组载荷极值样本的均值,tγ表示t分布在置信度为γ时的百分位数,ε为样本误差;
如下表6所示为本步骤中,确定的城市道路工况下各动力源模式的最优样本数:
表6
S42、根据多准则决策法,采用特征向量法方法确定主观权重,得到主观权重系数,采用熵法确定各种动力源模式数据的客观权重系数,采用线性组合赋值法对最优权重进行确定,表达式如下:
W=λ1WS+λ2Wo;
其中,W为最优权重;WS为主观权重,Wo为客观权重,λ1,λ2分别为主观权重和客观权重的线性综合系数,需满足λ1,λ2≥0,λ1+λ2=1。在本实施例中,得到主观权重系数WS为:Ws=[0.3333,0.1667,0.5000];
在本实施例中,以优化理论法和Jaynes最大熵法为依据,建立确定权重系数的数学模型,得到线性综合系数,表达式如下:
λ=(λ1,λ2);
其中,计算得λ1,λ2分别为0.526,0.474。
基于最优权重系数,求得各典型道路工况下各模式的最优样本数:
Ni=W1Nμi+W2Nσi+W3NDi;
其中,Ni为对应各种典型道路工况下动力源模式i下的最优样本数,即为需要在对应公开下行驶动力源模式i的最小循环数,W1、W2和W3分别为载荷极值均值的最优权重、载荷极值的标准差最优权重和载荷循环疲劳损伤的最优权重,分别基于上述W的公式求取得到。
S43、针对于各种典型道路工况,比较其中各动力源模式下的最优样本数,将其中最大的最优样本数作为对应各种典型道路工况下的最优样本数。
在本实施例中,如下表7所示为,基于步骤S4计算得到的城市道路工况下各模式的最优样本数:
表7
本实施例中选取5种动力源模式中最大的最优样本数作为城市道路工况的最优样本数,如上表7所示,发动机模式发动机扭矩的最优样本数最大,为4个工况循环,因此能表征城市到了工况下各驱动模式的载荷特征的最小样本为4个城市工况循环。
在本实施例中如下表8所示为四种道路工况下的最优样本数:
表8
S5、根据混合动力电动汽车各种典型道路工况下的最优样本数确定各典型道路工况下减速器扭矩载荷样本,并且叠加后获得混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷。
本实施例中,将混合动力电动汽车各种典型道路工况下的最优样本数乘以各种典型道路工况下的循环,得到各种典型道路工况下减速器扭矩载荷样本,然后将各种典型道路工况下减速器扭矩载荷样本叠加,得到混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷,即最优多典型道路工况载荷对应行驶里程。
例如,得到的四种典型道路工况下的最优样本数如上表8所示,其中城市道路工况一个循环为27.5km,省道道路工况一个循环为18km,山路道路工况一个循环为12km,高速道路工况一个循环为50km,分别乘以各道路工况的最小循环数,得到叠加后的最优多典型道路工况载荷对应行驶里程572km。
S6、通过雨流计数法,对混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷进行雨流计数统计,获得雨流矩阵,并且进行外推后得到外推雨流矩阵,即得到各种典型道路工况外推后的载荷谱,对应为二维载荷谱。
本实施例中,混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷包括驱动电机正扭矩、驱动电机负扭矩以及发动机正扭矩三组,对每组数据进行雨流计数统计后,得到如图2a至2c所示为混合动力电动汽车在城市道路工况下的发动机正扭矩雨流直方图、驱动电机正扭矩雨流直方图、驱动电机负扭矩雨流直方图。
本实施例中,步骤S6中选用雨流矩阵非参数外推法实现雨流矩阵二维载荷谱的全寿命外推,得到外推雨流矩阵,具体如下:
其中,x为二维随机变量;Xi为各样本点;h为给定带宽;a为样本量;K(x)为Epanechnikov核函数,满足∫∫K(x)=1;
核函数K(x)选择Epanechnikov核函数,表达式为:
对于二维核密度函数,其给定带宽h的计算公式如下
h=σA(K)m-1/6;
式中,h为给定带宽;σ为样本的标准差;A(K)为常数,对于Epanechnikov核函数,m为各种典型道路工况对动力源模式下的循环次数,表示某种典型道路工况下载荷循环,对应发动机扭矩、电机正扭矩、电机负扭矩出现的次数。
S62、根据混合动力电动汽车实际使用各种典型道路工况的比例,计算出外推后各种典型道路工况的循环次数:
N′i=Nlimitai;
其中,N′i为外推后第i个典型道路工况的循环次数;Nlimit为载荷循环的极限次数,工程上Nlimit通常取106;ai为第i个典型道路工况所占比例;其中一般用户实际使用汽车道路工控比例如下:
N1(高速):N2(城市):N3(省道):N4(山路)=50:30:15:5。
接着,根据外推后各种典型道路工况的循环次数和单个典型道路工况下5种动力源模式下的载荷累积频次之和,计算出对应典型道路工况下的雨流矩阵外推系数,具体为:
其中,Ki为第i个典型道路工况的雨流矩阵外推系数;nij为第i个典型道路工况中第j个工作段的载荷累积频次,其中j=1是发动机扭矩工作段,j=2是电机正扭矩工作段,j=3是电机负扭矩工作段。
例如,实际道路载荷采集到的四种典型道路工况的有效载荷的总频次即循环次数为:城市692次、省道工况2089次、山路工况601次、高速工况592次。由式(3.7)和式(3.8)求出四种典型道路工况的雨流矩阵外推系数为K1=434,K2=72,K3=84,K4=846。其中,四种典型道路工况发动机扭矩的样本量分别为n11=96、n21=997、n31=221、n41=375,对应的标准差为399.79;四种典型道路工况驱动电机正扭矩的样本量分别为n12=356、n22=496、n32=101、n42=57,对应的标准差为209.11;四种典型道路工况驱动电机负扭矩的样本量分别为n13=241、n23=596、n33=279、n43=160,对应的标准差为191.22。
S63、按照各种典型道路工况下的雨流矩阵外推系数Ki,应用非参数核密度估计的外推方法,对雨流矩阵进行外推,得到各种典型道路工况下各扭矩段的外推雨流矩阵,包括发动机正扭矩外推雨流矩阵、驱动电机正扭矩外推雨流矩阵、驱动电机负扭矩外推雨流矩阵,分别如图3a至3c所示。
S7、按照扭矩方式,将各种典型道路工况外推后的载荷数据的分类进行叠加,得到全工况下的发动机扭矩、驱动电机正扭矩、驱动电机负扭矩外推载荷谱。
本步骤中,对各种典型道路工况外推后的载荷数据的分类进行叠加的过程如下:
S71、先将相同扭矩加载方式的二维载荷谱转化到相同尺度下;
S72、然后对各种典型道路工况下相同扭矩加载方式的二维载荷谱进行叠加,合成后的二维载荷谱需为“幅值-均值”型。
S8、针对S7中获取到的外推载荷谱转化为一维载荷谱。
本实施例中,在步骤S8中,采用波动中心法对步骤S7获取到的二维载荷谱进行非零平均应力等效转换,将其转化为一维载荷谱,具体为:将二维载荷谱中的各级载荷均值与其对应的累积频次乘积之和除以此雨流矩阵包含的载荷总频次取得平均载荷,其表达式如下:
其中,Xm为经过波动中心法处理后的平均载荷;Xmi为各级载荷均值;Pi为各级载荷均值对应的频次;∑Pi为雨流矩阵包含的载荷总频次。
如下表9所示为驱动电机正扭矩一维载荷谱(部分),其中包含载荷幅值以及对应的累积频次。
表9
S9、选择载荷谱编制方法,生成混合动力电动汽车减速器的载荷谱。
步骤S9中,根据整个载荷段的最大值的1、0.95、0.85、0.725、0.575,0.425、0.275、0.125将整段一维载荷谱进行划分为8个幅值等级;然后利用等损伤转换原则,将雨流矩阵外推连续累积频次曲线转换为8级程序载荷谱,包括发动机扭矩8级程序载荷谱、驱动电机正扭矩8级程序载荷谱、驱动电机负扭矩8级程序载荷谱。可以采用“低-高-低”的加载方式来解决在编制台架加载谱时幅值加载顺序对疲劳耐久试验的影响。如表10所示为驱动电机正扭矩8级程序载荷谱:
表10
本领域技术人员可以理解,实现本实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读存储介质中。应当注意,尽管在附图中以特定顺序描述了本实施例1的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序,有些步骤也可以同时执行,附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例2
本实施例公开了一种存储介质,存储有程序,所述程序被处理器执行时,实现实施例1所述的混合动力电动汽车减速器载荷谱编制方法,如下:
S1、获取混合动力电动汽车在各种典型道路工况下的载荷数据;
S2、对载荷数据进行预处理;
S3、根据动力源模式和各种典型道路工况,对载荷数据进行分类;
S4、根据载荷数据分类结果,进行载荷数据特征参数计算,然后确定出混合动力电动汽车各种典型道路工况下的最优样本数;
S5、根据混合动力电动汽车各种典型道路工况下的最优样本数确定各种典型道路工况下减速器扭矩载荷样本,并且叠加后获得混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷;
S6、通过雨流计数法,对混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷进行雨流计数统计,获得雨流矩阵,并且进行外推后得到外推雨流矩阵,即得到各种典型道路工况外推后的载荷谱;
S7、按照扭矩方式,将各种典型道路工况外推后的载荷数据的分类进行叠加,得到全工况下的发动机扭矩、驱动电机正扭矩、驱动电机负扭矩外推载荷谱;
S8、针对S7中获取到的外推载荷谱转化为一维载荷谱;
S9、选择载荷谱编制方法,生成混合动力电动汽车减速器的载荷谱。
上述各步骤的具体执行过程可以如实施例1所述,此处不再赘述。
在本实施例中,存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、U盘、移动硬盘等介质。
实施例3
本实施例公开了一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现实施例1所述的混合动力电动汽车减速器载荷谱编制方法,如下:
S1、获取混合动力电动汽车在各种典型道路工况下的载荷数据;
S2、对载荷数据进行预处理;
S3、根据动力源模式和各种典型道路工况,对载荷数据进行分类;
S4、根据载荷数据分类结果,进行载荷数据特征参数计算,然后确定出混合动力电动汽车各种典型道路工况下的最优样本数;
S5、根据混合动力电动汽车各种典型道路工况下的最优样本数确定各种典型道路工况下减速器扭矩载荷样本,并且叠加后获得混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷;
S6、通过雨流计数法,对混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷进行雨流计数统计,获得雨流矩阵,并且进行外推后得到外推雨流矩阵,即得到各种典型道路工况外推后的载荷谱;
S7、按照扭矩方式,将各种典型道路工况外推后的载荷数据的分类进行叠加,得到全工况下的发动机扭矩、驱动电机正扭矩、驱动电机负扭矩外推载荷谱;
S8、针对S7中获取到的外推载荷谱转化为一维载荷谱;
S9、选择载荷谱编制方法,生成混合动力电动汽车减速器的载荷谱。
上述各步骤的具体执行过程可以如实施例1所述,此处不再赘述。
本实施例中,计算设备可以是台式电脑、笔记本电脑、PDA手持终端、平板电脑等终端设备。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种混合动力电动汽车减速器载荷谱编制方法,其特征在于,包括:
S1、获取混合动力电动汽车在各种典型道路工况下的载荷数据;
S2、对载荷数据进行预处理;
S3、根据动力源模式和各种典型道路工况,对载荷数据进行分类;
S4、根据载荷数据分类结果,进行载荷数据特征参数计算,包括载荷极值的均值和载荷极值的标准差,然后确定出混合动力电动汽车各种典型道路工况下的最优样本数;
S5、根据混合动力电动汽车各种典型道路工况下的最优样本数确定各种典型道路工况下减速器扭矩载荷样本,并且叠加后获得混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷;
S6、通过雨流计数法,对混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷进行雨流计数统计,获得雨流矩阵,并且进行外推后得到外推雨流矩阵,即得到各种典型道路工况外推后的载荷谱;
S7、按照扭矩方式,将各种典型道路工况外推后的载荷数据的分类进行叠加,得到全工况下的发动机扭矩、驱动电机正扭矩、驱动电机负扭矩外推载荷谱;
S8、针对S7中获取到的外推载荷谱转化为一维载荷谱;
S9、选择载荷谱编制方法,生成混合动力电动汽车减速器的载荷谱;
步骤S1中,载荷数据包括发动机扭矩信号、驱动电机扭矩信号、档位信号和车速信号;
典型道路工况包括城市道路工况、省道道路工况、山路道路工况和高速道路工况;
步骤S4中在计算得到载荷数据特征参数后,通过以下方式确定出混合动力电动汽车各种典型道路工况下的最优样本数:
步骤S41、首先确定出混合动力电动汽车各种典型道路工况下各动力源模式的最优样本数,如下:
确定基于载荷极值的均值的最优样本数Nμi为:
式中,S(x)表示样本b组载荷极值均值的标准差;εr 2表示样本的标准差;μx表示载荷极值的均值;
确定基于载荷极值的标准差的最优样本数Nσi为:
式中,S′(x)表示样本载荷极值标准差的标准差;σx表示载荷极值的标准差;
确定基于循环载荷循环疲劳损伤的最优样本数NDi为:
S42、根据多准则决策法,采用特征向量法方法确定主观权重,得到主观权重系数,采用熵法确定各种动力源模式数据的客观权重系数,采用线性组合赋值法对最优权重进行确定,表达式如下:
W=λ1WS+λ2Wo;
其中,W为最优权重;WS为主观权重,Wo为客观权重,λ1,λ2分别为主观权重和客观权重的线性综合系数;
基于最优权重系数,求得各种典型道路工况下各动力源模式的最优样本数:
Ni=W1Nμi+W2Nσi+W3NDi;
其中,Ni为对应工况下动力源模式i下的最优样本数,即为需要在对应公开下行驶动力源模式i的最小循环数,W1、W2和W3分别为载荷极值均值的最优权重、载荷极值的标准差最优权重和载荷循环疲劳损伤的最优权重;
S43、针对于各种典型道路工况,比较其中各动力源模式下的最优样本数,将其中最大的最优样本数作为对应各种典型道路工况下的最优样本数;
步骤S7中,对各种典型道路工况外推后的载荷数据的分类进行叠加的过程如下:
S71、先将相同扭矩加载方式的二维载荷谱转化到相同尺度下;
S72、然后对各种典型道路工况下相同扭矩加载方式的二维载荷谱进行叠加,合成后的二维载荷谱需为“幅值-均值”型;
步骤S8中,采用波动中心法对步骤S7获取到的二维载荷谱进行非零平均应力等效转换,将其转化为一维载荷谱,具体为:将二维载荷谱中的各级载荷均值与其对应的累积频次乘积之和除以此雨流矩阵包含的载荷总频次取得平均载荷,其表达式如下:
其中,Xm为经过波动中心法处理后的平均载荷;Xmi为各级载荷均值;Pi为各级载荷均值对应的频次;∑Pi为雨流矩阵包含的载荷总频次;
步骤S9中,根据整个载荷段的最大值的1、0.95、0.85、0.725、0.575,0.425、0.275、0.125将整段一维载荷谱进行划分为8个幅值等级;然后利用等损伤转换原则,将雨流矩阵外推连续累积频次曲线转换为8级程序载荷谱。
2.根据权利要求1所述的混合动力电动汽车减速器载荷谱编制方法,其特征在于,步骤S2中,载荷数据的预处理包括载荷数据的奇异点去除处理、平稳性检验处理以及无效载荷数据去除;
奇异点去除处理指的是:将发动机扭矩载荷数据中的奇异点数据进行去除;
平稳性检验处理指的是:针对载荷数据进行平稳性检验,将未通过平稳性检验的载荷数据进行去除;
无效载荷数据去除处理指的是:将载荷数据对应扭矩值和无效载荷阈值进行比较,若小于无效载荷阈值,则将其定义为无效载荷,并且进行去除;
无效载荷阈值ΔSA为:
ΔSA=(Xmax+Xmin)Δ%;
其中,Xmax为随机载荷数据中的最大的发动机扭矩值或驱动电机扭矩值,Xmin为随机载荷数据中的最小的发动机扭矩值或驱动电机扭矩值,Δ为无效载荷的省略比例。
3.根据权利要求1所述的混合动力电动汽车减速器载荷谱编制方法,其特征在于,步骤S3中,根据动力源模式和典型道路工况,对获取的载荷数据即载荷-时间历程进行分类,分类得到以下各类数据:
城市工况纯电模式驱动电机扭矩、城市工况发动机模式发动机扭矩、城市工况混动模式驱动电机扭矩、城市工况混动模式发动机扭矩、城市工况动能回收模式驱动电机扭矩、省道工况纯电模式驱动电机扭矩、省道工况发动机模式发动机扭矩、省道工况混动模式驱动电机扭矩、省道工况混动模式发动机扭矩、省道工况动能回收模式驱动电机扭矩、山路工况纯电模式驱动电机扭矩、山路工况发动机模式发动机扭矩、山路工况混动模式驱动电机扭矩、山路工况混动模式发动机扭矩、山路工况动能回收模式驱动电机扭矩、高速工况纯电模式驱动电机扭矩、高速工况发动机模式发动机扭矩、高速工况混动模式驱动电机扭矩、高速工况混动模式发动机扭矩、高速工况动能回收模式驱动电机扭矩。
5.根据权利要求4所述的混合动力电动汽车减速器载荷谱编制方法,其特征在于,步骤S5中,将混合动力电动汽车各种典型道路工况下的最优样本数乘以各种典型道路工况下的循环,得到各种典型道路工况下减速器扭矩载荷样本,然后将各种典型道路工况下减速器扭矩载荷样本叠加,得到混合动力电动汽车中发动机和驱动电机对减速器的最优样本载荷,即最优多各种典型道路工况载荷对应行驶里程。
6.根据权利要求4所述的混合动力电动汽车减速器载荷谱编制方法,其特征在于,步骤S6中,选用雨流矩阵非参数外推法实现雨流矩阵二维载荷谱的全寿命外推,得到外推雨流矩阵,具体如下:
其中,x为二维随机变量;Xi为各样本点;h为给定带宽;a为样本量;K(x)为Epanechnikov核函数,满足∫∫K(x)=1;
核函数K(x)选择Epanechnikov核函数,表达式为:
对于二维核密度函数,其给定带宽h的计算公式如下
h=σA(K)m-1/6;
式中,h为给定带宽;σ为样本的标准差;A(K)为常数,对于Epanechnikov核函数,m为各种典型道路工况对动力源模式下的循环次数;
S62、根据混合动力电动汽车实际使用各种典型道路工况的比例,计算出外推后各种典型道路工况的循环次数:
N′i=Nlimitai;
其中,N′i为外推后第i个典型道路工况的循环次数,Nlimit为载荷循环的极限次数,ai为第i个典型道路工况所占比例;
根据外推后各种典型道路工况的循环次数和单个典型道路工况下各种动力源模式下的载荷累积频次之和,计算出对应典型道路工况下的雨流矩阵外推系数,具体为:
其中,Ki为第i个典型道路工况的雨流矩阵外推系数;nij为第i个典型道路工况中第j个工作段的载荷累积频次;
S63、按照各种典型道路工况下的雨流矩阵外推系数,应用非参数核密度估计的外推方法,对雨流矩阵进行外推,得到各种典型道路工况下各驱动源扭矩外推雨流矩阵。
7.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1~6中任一项所述的混合动力电动汽车减速器载荷谱编制方法。
8.一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1~6中任一项所述的混合动力电动汽车减速器载荷谱编制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110735254.8A CN113392471B (zh) | 2021-06-30 | 2021-06-30 | 混合动力电动汽车减速器载荷谱编制方法、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110735254.8A CN113392471B (zh) | 2021-06-30 | 2021-06-30 | 混合动力电动汽车减速器载荷谱编制方法、介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113392471A CN113392471A (zh) | 2021-09-14 |
CN113392471B true CN113392471B (zh) | 2022-11-29 |
Family
ID=77624789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110735254.8A Active CN113392471B (zh) | 2021-06-30 | 2021-06-30 | 混合动力电动汽车减速器载荷谱编制方法、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392471B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330042A (zh) * | 2021-11-04 | 2022-04-12 | 上海合科科技有限公司 | 基于sn曲线的程序载荷谱编制方法、***和存储介质 |
CN114154237B (zh) * | 2021-11-09 | 2024-04-05 | 智新科技股份有限公司 | 一种纯电动汽车减速箱耐久载荷谱生成方法及电子设备 |
CN113963462B (zh) * | 2021-12-16 | 2022-02-25 | 中汽研汽车检验中心(天津)有限公司 | 基于远传数据的电驱总成可靠性工况构建方法及构建装置 |
CN114840920B (zh) * | 2022-04-20 | 2023-03-14 | 华南农业大学 | 一种混合动力乘用车机电耦合装置载荷谱编制方法 |
CN114936607B (zh) * | 2022-06-14 | 2023-04-07 | 山东大学 | 基于混合粒子群和灰狼算法的载荷谱合成方法及*** |
CN115935523B (zh) * | 2023-02-20 | 2023-05-16 | 中国航发沈阳发动机研究所 | 航空涡扇发动机轴类零组件循环疲劳寿命载荷谱编制方法 |
CN116183220B (zh) * | 2023-04-17 | 2023-06-30 | 北京航空航天大学 | 一种基于能量管理的混动汽车传动***载荷谱编制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102056212B1 (ko) * | 2018-12-19 | 2020-01-23 | 한양대학교 산학협력단 | 전장 부하를 고려한 하이브리드 차량의 등가 인자 산출 방법 |
CN112948975A (zh) * | 2021-03-11 | 2021-06-11 | 北京理工大学 | 一种仿真与试验载荷融合的载荷谱分析方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4248135B2 (ja) * | 2000-10-30 | 2009-04-02 | トヨタ自動車株式会社 | 内燃機関の回転速度制御装置 |
CN103678256B (zh) * | 2012-09-20 | 2016-12-21 | 中国人民解放军装甲兵工程学院 | 车用发动机载荷谱编制方法 |
CN104029675B (zh) * | 2013-03-04 | 2017-07-11 | 上海汽车集团股份有限公司 | 混合动力汽车及其动力***转矩控制方法 |
CN106055830B (zh) * | 2016-06-20 | 2019-01-25 | 吉林大学 | 基于动态规划的phev控制门限参数优化方法 |
CN106886638B (zh) * | 2017-01-22 | 2019-07-09 | 北京理工大学 | 一种基于核密度估计的履带车辆传动轴载荷谱编制方法 |
CN110147624B (zh) * | 2019-05-24 | 2023-05-09 | 重庆大学 | 一种基于载荷谱的齿轮接触疲劳寿命预测方法 |
CN110555270B (zh) * | 2019-09-03 | 2021-05-14 | 清华大学 | 基于台架试验的phev部件工况数据统计方法与工况构建方法 |
CN110696816B (zh) * | 2019-10-22 | 2021-01-12 | 河南科技大学 | 基于工况分类的动态协调混合动力汽车能量管理方法 |
CN110775043B (zh) * | 2019-11-11 | 2020-09-29 | 吉林大学 | 一种基于电池寿命衰减模式识别的混动汽车能量优化方法 |
CN112729865B (zh) * | 2020-12-23 | 2022-06-14 | 合肥工业大学 | 一种叉车车架疲劳寿命台架试验的程序载荷谱编制方法 |
-
2021
- 2021-06-30 CN CN202110735254.8A patent/CN113392471B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102056212B1 (ko) * | 2018-12-19 | 2020-01-23 | 한양대학교 산학협력단 | 전장 부하를 고려한 하이브리드 차량의 등가 인자 산출 방법 |
CN112948975A (zh) * | 2021-03-11 | 2021-06-11 | 北京理工大学 | 一种仿真与试验载荷融合的载荷谱分析方法 |
Non-Patent Citations (1)
Title |
---|
基于道路载荷谱的轮边电驱动减速***齿轮轻量化优化设计;沈健等;《机械强度》;20170815(第04期);第835-841页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113392471A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113392471B (zh) | 混合动力电动汽车减速器载荷谱编制方法、介质和设备 | |
CN114323644B (zh) | 一种齿轮箱故障诊断、信号采集方法、装置和电子设备 | |
CN112540317B (zh) | 基于实车数据的电池健康状态估计与剩余寿命预测方法 | |
CN108181591B (zh) | 一种基于改进型bp神经网络的电池soc值的预测方法 | |
CN112816895B (zh) | 电化学阻抗谱的分析方法、***、设备及计算机存储介质 | |
CN114818831B (zh) | 基于多源感知的双向锂离子电池故障检测方法及*** | |
CN113688558B (zh) | 一种基于大数据库样本的汽车行驶工况构建方法及*** | |
CN112345956A (zh) | 一种电池组荷电状态检测方法和装置 | |
CN116338454A (zh) | 一种新能源汽车的电性能检测方法及装置 | |
CN112287752A (zh) | 一种水力发电机转轴早期故障特征的提取方法 | |
CN114840920B (zh) | 一种混合动力乘用车机电耦合装置载荷谱编制方法 | |
CN114778141B (zh) | 汽车电驱动总成台架耐久试验制定方法、装置及设备 | |
CN115984606A (zh) | 一种基于ceemdan去噪的行星齿轮故障诊断方法及*** | |
CN112285541B (zh) | 一种电流频率转换电路的故障诊断方法 | |
CN112862160B (zh) | 一种基于深度学习的电单车剩余里程估计方法及*** | |
Morrill et al. | An application for fatigue damage analysis using power spectral density from road durability events | |
CN114741963A (zh) | 基于多尺度注意力机制的锂电池荷电状态预测方法 | |
CN118228555A (zh) | 车辆的电池框架的疲劳计算方法及装置 | |
CN116338501B (zh) | 基于神经网络预测弛豫电压的锂离子电池健康检测方法 | |
CN117930055A (zh) | 镍镉蓄电池健康状态预测方法、装置、设备及存储介质 | |
CN118261061A (zh) | 一种纯电动汽车减速器载荷谱构建及疲劳寿命预测方法 | |
Cudney et al. | Predicting vehicle cost using the T-method | |
Xu et al. | Evaluation of Electromechanical Transmission System at Vehicle Level | |
CN112035942A (zh) | 一种基于驾驶行为的能耗仿真方法和装置 | |
CN117933032A (zh) | 一种基于gpr的离心泵叶轮应力预测及相似设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |