CN116148104B - 基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备 - Google Patents

基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备 Download PDF

Info

Publication number
CN116148104B
CN116148104B CN202310408840.0A CN202310408840A CN116148104B CN 116148104 B CN116148104 B CN 116148104B CN 202310408840 A CN202310408840 A CN 202310408840A CN 116148104 B CN116148104 B CN 116148104B
Authority
CN
China
Prior art keywords
wheel
working condition
biaxial
load
damage
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
Application number
CN202310408840.0A
Other languages
English (en)
Other versions
CN116148104A (zh
Inventor
李旭东
刘振国
梁荣亮
周明岳
张新峰
田程
杨光
王勇哲
赵志强
刘伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CATARC Automotive Test Center Tianjin Co Ltd
Original Assignee
CATARC Automotive Test Center Tianjin Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CATARC Automotive Test Center Tianjin Co Ltd filed Critical CATARC Automotive Test Center Tianjin Co Ltd
Priority to CN202310408840.0A priority Critical patent/CN116148104B/zh
Publication of CN116148104A publication Critical patent/CN116148104A/zh
Application granted granted Critical
Publication of CN116148104B publication Critical patent/CN116148104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/013—Wheels
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0001—Type of application of the stress
    • G01N2203/0005—Repeated or cyclic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
    • G01N2203/0073—Fatigue
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/026—Specifications of the specimen
    • G01N2203/0262—Shape of the specimen
    • G01N2203/0274—Tubular or ring-shaped specimens
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Biochemistry (AREA)
  • Mathematical Analysis (AREA)
  • Immunology (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Pathology (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及汽车疲劳试验领域，公开了一种基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备。该方法包括：首先，通过获取目标用户群体车辆实际运行大数据，或通过问卷调研，对于影响车轮轮毂载荷的工况进行定义、划分和统计；进而，通过高采样率的道路载荷数据采集补充完整、准确的载荷信息，最终实现车轮双轴疲劳试验载荷谱与特定目标用户群体实际使用工况的相关联。解决了车轮双轴疲劳试验中试验载荷谱与车轮在真实环境中承受的载荷谱相背离的问题，提高了车轮双轴疲劳试验的故障复现率和故障拦截率，对提升车轮轮毂结构的可靠性、质量和品质，具有重要的意义。

Description

基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备
技术领域
本发明涉及汽车疲劳试验领域，尤其涉及一种基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备。
背景技术
车轮轮毂是车辆重要零部件，其耐久性和可靠性直接关系到车辆驾乘人员的安全。为了提高和确保车辆轮毂的耐久性和可靠性，在车辆工程中需要实施和开展车轮双轴疲劳试验，在试验中复现车辆实际行驶过程中车轮轮毂累积形成的疲劳损伤，从而完成对于车轮轮毂结构耐久性和可靠性试验考核。
然而，由于车辆行驶过程中，车轮轮毂所承受的载荷形式复杂，轮毂疲劳损伤的累积和形成机制复杂，特别是针对某一个特定的使用目标用户群体，其对于车轮轮毂的实际使用环境、场景和工况复杂多变，使得车轮轮毂所承受的载荷历程呈现极大的统计变异性。因此，缺少一条具有工程可实现性的技术流程来准确、客观的描述和量化与特定目标用户群体实际使用工况相关联的车轮轮毂的疲劳损伤，对于车轮双轴疲劳试验载荷谱的合理编制以及试验加速都形成了制约和障碍。
有鉴于此，特提出本发明。
发明内容
为了解决上述技术问题，本发明提供了一种基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备，提供一种切实可行的技术路线，获取与特定目标用户群体实际使用工况相关联的车轮双轴疲劳试验载荷谱，解决车轮双轴疲劳试验中试验载荷谱与车轮在真实环境中承受的载荷谱相背离的问题，提高车轮双轴疲劳试验的故障复现率和故障拦截率，保障车轮轮毂结构的可靠性。
本发明实施例提供了一种基于实际工况的车轮双轴疲劳试验载荷谱确定方法，该方法包括如下步骤：
S1、获取目标用户群体的车辆的实际运行数据；
S2、对所述实际运行数据进行统计分析，获得与所述目标用户群体关联的各种工况占比的均值、方差以及第m种工况和第n种工况占比之间的相关系数；
S3、确定在所述各种工况下车轮轮毂结构所承受的径向力和轴向力；
S4、对所述各种工况下车轮轮毂结构所承受的径向力和轴向力进行统计分析，获得与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程；
S5、根据所述与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程计算与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数；
S6、重复步骤S4和S5，获得与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的多个所述损伤数，并基于多个所述损伤数确定损伤数的均值和方差；
S7、根据步骤S2中各种工况占比的均值、方差以及第m种工况和第n种工况占比之间的相关系数，以及步骤S6中所述损伤数的均值和方差确定与所述目标用户群体的实际使用工况相关联的车轮双轴载荷所累积形成的损伤数的统计数字特征，并基于所述统计数字特征确定目标损伤数；
S8、以复现所述目标损伤数为目的，确定车轮双轴疲劳试验载荷谱。
本发明实施例提供了一种电子设备，所述电子设备包括：
处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的基于实际工况的车轮双轴疲劳试验载荷谱确定方法的步骤。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的基于实际工况的车轮双轴疲劳试验载荷谱确定方法的步骤。
本发明实施例提供的基于实际工况的车轮双轴疲劳试验载荷谱确定方法，提供一种切实可行的技术路线，获取与特定目标用户群体实际使用工况相关联的车轮双轴疲劳试验载荷谱，解决车轮双轴疲劳试验中试验载荷谱与车轮在真实环境中承受的载荷谱相背离的问题，提高车轮双轴疲劳试验的故障复现率和故障拦截率，保障车轮轮毂结构的可靠性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于实际工况的车轮双轴疲劳试验载荷谱确定方法的流程示意图；
图2是本发明实施例提供的一种一所述工况下车轮轮毂结构所承受的径向力和轴向力的二元正态Copula密度函数拟合结果的示意图；
图3为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
参考图1，本发明实施例提供了的一种基于实际工况的车轮双轴疲劳试验载荷谱确定方法的流程示意图，该方法包括如下步骤：
S1、获取目标用户群体的车辆的实际运行数据。
示例性的，所述S1包括：
S11、在样本车辆上安装数据采集记录设备；
S12、将安装有数据采集记录设备的样本车辆投放给所述目标用户群体；
S13、在所述目标用户群体使用所述样本车辆的过程中，通过所述数据采集记录设备采集并记录实际运行数据，其中，所述实际运行数据至少包括全球定位***GPS数据、方向盘转角数据以及坐垫开闭传感器数据中的一种或多种。
优选的，数据采集记录设备的体积应尽量小，尽量做到隐匿化安装，即使得车辆的使用者感受不到该设备的存在而最大程度的还原真实的使用环境、工况和驾驶习惯；另一方面，该设备具有包括电源、自动触发等方面的自持能力，可以在样本车辆运行的过程中自动记录相关数据，相关数据可以通过4G远程传输，或者存于本地存储卡。记录的数据包括（但不限于）GPS信号、CAN总线信号（包括通过CAN总线传递的方向盘转角信号）、坐垫开闭传感器信号，等。除了对于GPS信号一般以不低于5Hz的采样率采集外，其它信号一般以不低于20Hz的采样率采集。
S2、对所述实际运行数据进行统计分析，获得与所述目标用户群体关联的各种工况占比的均值、方差以及第m种工况和第n种工况占比之间的相关系数。
其中，所述工况可以是空载工况（车上只有驾驶员一人）、半载工况（车上有驾驶员以及1或2名乘客）、满载工况（车上有驾驶员以及3或4名乘客）。车辆负载工况对于车轮轮毂结构径向力有重要和显著的影响。
进一步的，车辆转角工况对于车轮轮毂结构轴向力有重要和显著的影响，因此通过对CAN总线获得的方向盘转角信息以及车速信息进行分析，可以确定车辆的转角工况。
假设一共定义和划分了k个工况，用{w i}（i=1,……，k）来表示某一工况，该工况的占比为一随机变量，且服从Dirichlet分布，通过对获取的实际运行数据进行分析，对目标用户群体的实际使用工况进行合理的定义、划分和统计，最终输出各个工况{w i}占比的均值μ i、方差，以及为第m种工况和第n种工况占比之间的相关系数/>。
可选的，还可以通过问卷调研的方式确定目标用户群体的实际使用工况，进而基于实际使用工况获取各种工况占比的均值、方差以及第m种工况和第n种工况占比之间的相关系数。
S3、确定在所述各种工况下车轮轮毂结构所承受的径向力和轴向力。
示例性的，所述S3包括：
S31、通过六分力传感器对车轮轮毂结构在各所述工况下的径向力和轴向力进行采集，获得在所述各种工况下车轮轮毂结构所承受的径向力和轴向力，其中，采样频率大于或等于500Hz。采集过程中需要考虑车辆负载的变化和转角的变化，使得获得的数据涵盖各个工况。
S4、对所述各种工况下车轮轮毂结构所承受的径向力和轴向力进行统计分析，获得与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程。
示例性的，所述S4包括：
S41、基于Copula理论对一所述工况下车轮轮毂结构所承受的径向力和轴向力的统计分布特征进行拟合，获得一所述工况下车轮轮毂结构所承受的径向力和轴向力的二元正态Copula密度函数拟合结果。
其中，所述Copula理论包括但不限于正态Copula函数、t-Copula函数或者阿基米德Copula函数。
S42、基于所述二元正态Copula密度函数拟合结果获得与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程。
具体的，将预设里程标记为L Target，对应的行驶里程标记为L，这里，定义预设里程L Target为一辆车能够安全行驶的最大设计目标里程，例如所述预设里程可以是30万公里。示例性的，参考如图2所示的一种一所述工况下车轮轮毂结构所承受的径向力和轴向力的二元正态Copula密度函数拟合结果的示意图。假设基于所述二元正态Copula密度函数拟合结果获得一所述工况下车轮双轴载荷（F t_i，F a_i）出现的概率为γ i，则车轮双轴载荷（F t_i，F a_i）对应的行驶里程L i=γ i×L Target。
示例性的，如下表1所示的与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程表。
表1
表1中各数据项的含义为：在预设里程中，在一所述工况下车轮双轴的径向力为3800，轴向力为-607时对应的行驶里程为655。进而基于具体的行驶里程，具体的径向力和轴向力计算车轮双轴的疲劳损伤。
S5、根据所述与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程计算与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数。
具体的，基于如下算式确定与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数D：
其中，m表示一所述工况下所述行驶里程的个数，L i表示一所述工况下第i个所述行驶里程，F ti表示一所述工况下第i个径向力，F ai表示一所述工况下第i个轴向力，b为疲劳强度指数，c t和c a为满足的任意一组参数，可选的，取c t=cosθ，c a=sinθ，其中θ为投影方向，可选的，θ为0°，10°，……，170°，一般情况下可满足工程精度的要求。
换言之，假设上述表1一共有m行，即共有m组数据对（F ti，F ai，L i），基于上面算式确定与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数D。b为疲劳强度指数，是使用Basquin关系式N·Sb=A来描述车轮轮毂材料S-N曲线中S（应力变化的幅值）和N（循环周次）的关系时，材料参数b的取值，该指数可根据车轮轮毂的材质通过查表得到。令，则任何一对满足归一化条件（/>）的组合（c t，c a）都对应一个投影方向θ（一般在0至180°的范围内每隔10°取一个投影方向即可满足精度要求），假设选取了j=1，……p个投影方向，则对应于每一个投影方向，都需要计算出与预设里程相对应的某工况{w i}下车轮双轴载荷所累积形成的损伤数D j（j=1，……p）。
S6、重复步骤S4和S5，获得与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的多个所述损伤数，并基于多个所述损伤数确定损伤数的均值和方差。
具体的，可以通过在步骤S3中获得的多个样本数据，计算出与某一预设里程相对应的某工况{w i}下，车轮双轴载荷所累积形成的损伤数D j的均值和方差。
S7、根据步骤S2中各种工况占比的均值、方差以及第m种工况和第n种工况占比之间的相关系数，以及步骤S6中所述损伤数的均值和方差确定与所述目标用户群体的实际使用工况相关联的车轮双轴载荷所累积形成的损伤数的统计数字特征，并基于所述统计数字特征确定目标损伤数。
示例性的，基于如下算式确定与所述目标用户群体的实际使用工况相关联的车轮双轴载荷所累积形成的损伤数的数学期望和方差：
Var（D j）=
其中，D j表示在第j个投影方向上与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数，E(D j)表示损伤数D j的数学期望，v ij表示在第j个投影方向上与预设里程相对应的第i种工况w i下车轮双轴载荷所累积形成的损伤数D j的均值，，k表示工况的种数，Var（D j）表示损伤数D j的方差，/>表示第i种工况占比的方差，/>表示第m种工况和第n种工况占比之间的相关系数，v mj表示在第j个投影方向上与预设里程相对应的第m种工况w m下车轮双轴载荷所累积形成的损伤数的均值，v nj表示在第j个投影方向上与预设里程相对应的第n种工况w n下车轮双轴载荷所累积形成的损伤数的均值，/>表示在第j个投影方向上与预设里程相对应的第i种工况w i下车轮双轴载荷所累积形成的损伤数D j的方差，/>，μ i表示第i种工况占比的均值；
可以基于E(D j)和Var（D j）来进行目标损伤数的设定，如：
其中，表示所述目标损伤数。
S8、以复现所述目标损伤数为目的，确定车轮双轴疲劳试验载荷谱。
具体的，预设载荷谱为q阶谱
，/>为预设载荷谱中第s阶谱施加的径向力，为预设载荷谱中第s阶谱施加的轴向力，/>为预设载荷谱中第s阶谱对应的试验距离，在以复现所述目标损伤数为目的，确定车轮双轴疲劳试验载荷谱的过程中，在满足车辆在行驶过程中车轮双轴受载的实际状态的前提下，并且在车轮双轴疲劳试验设备的能力范围内，基于加速原则将/>和/>的取值增大，和/或删除数值低于阈值的和/>；
所述加速原则为：
以此获得试验加速的效果，考虑到b带来的指数效应，在该车轮双轴疲劳试验加速方法和原则之下，将使得的取值急剧缩减，从而确保在车轮轮毂损伤等效的前提下实现试验加速。
本发明实施例提供的技术方案，首先，通过获取目标用户群体车辆实际运行大数据，或通过问卷调研，对于影响车轮轮毂载荷的工况进行定义、划分和统计；进而，通过高采样率的道路载荷数据采集补充完整、准确的载荷信息，最终实现车轮双轴疲劳试验载荷谱与特定目标用户群体实际使用工况的相关联。解决了车轮双轴疲劳试验中试验载荷谱与车轮在真实环境中承受的载荷谱相背离的问题，提高了车轮双轴疲劳试验的故障复现率和故障拦截率，对提升车轮轮毂结构的可靠性、质量和品质，具有重要的意义。
图3为本发明实施例提供的一种电子设备的结构示意图。如图3所示，电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器401可以运行所述程序指令，以实现上文所说明的本发明任意实施例的基于实际工况的车轮双轴疲劳试验载荷谱确定方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中，电子设备400还可以包括：输入装置403和输出装置404，这些组件通过总线***和/或其他形式的连接机构（未示出）互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息，包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图3中仅示出了该电子设备400中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的基于实际工况的车轮双轴疲劳试验载荷谱确定方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的基于实际工况的车轮双轴疲劳试验载荷谱确定方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。

Claims (9)

1.一种基于实际工况的车轮双轴疲劳试验载荷谱确定方法，其特征在于，所述方法包括如下步骤：
S1、获取目标用户群体的车辆的实际运行数据；
S2、对所述实际运行数据进行统计分析，获得与所述目标用户群体关联的各种工况占比的均值、方差以及第m种工况和第n种工况占比之间的相关系数；
S3、确定在所述各种工况下车轮轮毂结构所承受的径向力和轴向力；
S4、对所述各种工况下车轮轮毂结构所承受的径向力和轴向力进行统计分析，获得与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程；
S5、根据所述与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程计算与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数；
S6、重复步骤S4和S5，获得与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的多个所述损伤数，并基于多个所述损伤数确定损伤数的均值和方差；
S7、根据步骤S2中各种工况占比的均值、方差以及第m种工况和第n种工况占比之间的相关系数，以及步骤S6中所述损伤数的均值和方差确定与所述目标用户群体的实际使用工况相关联的车轮双轴载荷所累积形成的损伤数的统计数字特征，并基于所述统计数字特征确定目标损伤数；
S8、以复现所述目标损伤数为目的，确定车轮双轴疲劳试验载荷谱。
2.根据权利要求1所述的方法，其特征在于，所述S1包括：
S11、在样本车辆上安装数据采集记录设备；
S12、将安装有数据采集记录设备的样本车辆投放给所述目标用户群体；
S13、在所述目标用户群体使用所述样本车辆的过程中，通过所述数据采集记录设备采集并记录实际运行数据，其中，所述实际运行数据至少包括全球定位***GPS数据、方向盘转角数据以及坐垫开闭传感器数据中的一种或多种。
3.根据权利要求1所述的方法，其特征在于，所述S3包括：
S31、通过六分力传感器对车轮轮毂结构在各所述工况下的径向力和轴向力进行采集，获得在所述各种工况下车轮轮毂结构所承受的径向力和轴向力，其中，采样频率大于或等于500Hz。
4.根据权利要求1所述的方法，其特征在于，所述S4包括：
S41、基于Copula理论对一所述工况下车轮轮毂结构所承受的径向力和轴向力的统计分布特征进行拟合，获得一所述工况下车轮轮毂结构所承受的径向力和轴向力的二元正态Copula密度函数拟合结果；
S42、基于所述二元正态Copula密度函数拟合结果获得与预设里程相对应的一所述工况下车轮双轴载荷对应的行驶里程。
5.根据权利要求4所述的方法，其特征在于，所述Copula理论为正态Copula函数、t-Copula函数或者阿基米德Copula函数。
6.根据权利要求1所述的方法，其特征在于，所述S5包括：
基于如下算式确定与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数D：
其中，m表示一所述工况下所述行驶里程的个数，L i表示一所述工况下第i个所述行驶里程，F ti表示一所述工况下第i个径向力，F ai表示一所述工况下第i个轴向力，b为疲劳强度指数，c t和c a为满足的任意一组参数。
7.根据权利要求1所述的方法，其特征在于，所述统计数字特征包括与所述目标用户群体的实际使用工况相关联的车轮双轴载荷所累积形成的损伤数的数学期望和方差，所述S7包括：
基于如下算式确定与所述目标用户群体的实际使用工况相关联的车轮双轴载荷所累积形成的损伤数的数学期望和方差：
Var（D j）=
其中，D j表示在第j个投影方向上与预设里程相对应的一所述工况下车轮双轴载荷所累积形成的损伤数，E(D j)表示损伤数D j的数学期望，v ij表示在第j个投影方向上与预设里程相对应的第i种工况w i下车轮双轴载荷所累积形成的损伤数D j的均值，，k表示工况的种数，Var（D j）表示损伤数D j的方差，/>表示第i种工况占比的方差，/>表示第m种工况和第n种工况占比之间的相关系数，v mj表示在第j个投影方向上与预设里程相对应的第m种工况w m下车轮双轴载荷所累积形成的损伤数的均值，v nj表示在第j个投影方向上与预设里程相对应的第n种工况w n下车轮双轴载荷所累积形成的损伤数的均值，/>表示在第j个投影方向上与预设里程相对应的第i种工况w i下车轮双轴载荷所累积形成的损伤数D j的方差，/>，μ i表示第i种工况占比的均值；
基于E(D j)和Var（D j）来进行目标损伤数的设定：
其中，表示所述目标损伤数。
8. 根据权利要求7所述的方法，其特征在于，所述S8包括：
预设载荷谱为q阶谱
，/>为预设载荷谱中第s阶谱施加的径向力，为预设载荷谱中第s阶谱施加的轴向力，/>为预设载荷谱中第s阶谱对应的试验距离，在以复现所述目标损伤数为目的，确定车轮双轴疲劳试验载荷谱的过程中，在满足车辆在行驶过程中车轮双轴受载的实际状态的前提下，并且在车轮双轴疲劳试验设备的能力范围内，基于加速原则将/>和/>的取值增大，和/或删除数值低于阈值的和/>；
所述加速原则为：
；
其中，b为疲劳强度指数。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述的基于实际工况的车轮双轴疲劳试验载荷谱确定方法的步骤。
CN202310408840.0A 2023-04-18 2023-04-18 基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备 Active CN116148104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310408840.0A CN116148104B (zh) 2023-04-18 2023-04-18 基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310408840.0A CN116148104B (zh) 2023-04-18 2023-04-18 基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备

Publications (2)

Publication Number Publication Date
CN116148104A CN116148104A (zh) 2023-05-23
CN116148104B true CN116148104B (zh) 2023-08-01

Family

ID=86360342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310408840.0A Active CN116148104B (zh) 2023-04-18 2023-04-18 基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备

Country Status (1)

Country Link
CN (1) CN116148104B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117268800A (zh) * 2023-08-07 2023-12-22 中信戴卡股份有限公司 车轮双轴疲劳试验载荷谱开发***
CN117390519B (zh) * 2023-12-06 2024-04-09 中汽研汽车检验中心（天津）有限公司 一种轮毂电机故障情况预测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103575531A (zh) * 2012-07-20 2014-02-12 长春工程学院 一种商用汽车动力传动系加速强化试验方法
CN110502816A (zh) * 2019-08-13 2019-11-26 上海应用技术大学 汽车轮毂轴承的载荷谱编制方法、寿命分析方法及装置
CN112434367B (zh) * 2019-08-22 2024-06-18 广州汽车集团股份有限公司 汽车悬架疲劳载荷谱的获取方法及装置
CN113569332B (zh) * 2021-06-17 2024-03-19 中国北方车辆研究所 托带轮疲劳可靠度计算***、方法、履带车辆
CN113790906B (zh) * 2021-09-08 2024-03-19 中国汽车技术研究中心有限公司 车轮双轴疲劳试验载荷谱的编制方法、电子设备及介质
CN115391916A (zh) * 2022-08-16 2022-11-25 首钢集团有限公司 一种车轮双轴疲劳仿真分析方法、装置、设备及介质

Also Published As

Publication number Publication date
CN116148104A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN116148104B (zh) 基于实际工况的车轮双轴疲劳试验载荷谱确定方法及设备
US10929928B2 (en) Detection system for analyzing crash events and methods of the same
WO2020107894A1 (zh) 一种驾驶行为评分方法、装置及计算机可读存储介质
Ni et al. A Bayesian machine learning approach for online detection of railway wheel defects using track-side monitoring
Tsoi et al. Evaluation of vehicle-based crash severity metrics
CN110462670A (zh) 信息处理装置、信息处理***、信息处理方法以及程序
CN111506048B (zh) 车辆故障预警方法及相关设备
US12038294B2 (en) Machine learning platform for dynamic device and sensor quality evaluation
CN116223066B (zh) 汽车碰撞假人胸部生物逼真度评估方法、设备及介质
Johnson et al. Accuracy of a damage-based reconstruction method in NHTSA side crash tests
Khodadadi et al. A Natural Language Processing and deep learning based model for automated vehicle diagnostics using free-text customer service reports
JP2020129233A (ja) 異常検知装置
Goodall Normalizing crash risk of partially automated vehicles under sparse data
CN116238519A (zh) 驾驶诊断装置、驾驶诊断方法及存储介质
Raveendran et al. Learning-based fault diagnosis of air brake system using wheel speed data
CN115630572A (zh) 车辆维保定价方法、设备和存储介质
US11562762B2 (en) Systems and methods of assessing driver safety based on vehicle noise levels
Hsieh et al. Adaptive Driving Assistant Model (ADAM) for advising drivers of autonomous vehicles
JP7448350B2 (ja) エージェント装置、エージェントシステム、及びエージェントプログラム
Abdul Hamid et al. New definitions of deformation index for the measurement of bus survival space in crash
Horberry et al. Fatigue detection technologies for drivers: a review of existing operator-centred systems
CN114624015B (zh) 一种车辆零部件强度试验方法、装置、设备及存储介质
CN112466004A (zh) 车辆使用信息获取方法、装置、设备及存储介质
JP7276165B2 (ja) エージェント装置、エージェントシステム、及びエージェントプログラム
CN116506252B (zh) 基于实车测试的事件数据记录***数据的解析方法及介质

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