CN117367775B - 一种液压制动***模拟测试装置及方法 - Google Patents
一种液压制动***模拟测试装置及方法 Download PDFInfo
- Publication number
- CN117367775B CN117367775B CN202311401043.6A CN202311401043A CN117367775B CN 117367775 B CN117367775 B CN 117367775B CN 202311401043 A CN202311401043 A CN 202311401043A CN 117367775 B CN117367775 B CN 117367775B
- Authority
- CN
- China
- Prior art keywords
- piston
- displacement
- data
- module
- performance
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 59
- 238000004088 simulation Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims description 59
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000010998 test method Methods 0.000 claims abstract description 10
- 238000006073 displacement reaction Methods 0.000 claims description 136
- 238000011156 evaluation Methods 0.000 claims description 78
- 239000013598 vector Substances 0.000 claims description 23
- 238000013178 mathematical model Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000013210 evaluation model Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000035772 mutation Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013112 stability test Methods 0.000 claims description 7
- 230000004069 differentiation Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000011425 standardization method Methods 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000001744 unit root test Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000002759 z-score normalization Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种液压制动***模拟测试装置及方法，涉及交通技术领域，该液压制动***模拟测试装置包括：数据采集单元、中央处理单元、控制单元及模拟量输入输出单元。本发明能够在受控制的环境中模拟液压制动***的性能和行为，而无需依赖实际车辆或实际道路情况，能够提供了一个安全、成本效益高、可控性强的环境，能够评估和优化液压制动***的性能，从而有助于提高制动***的安全性和可靠性，它在汽车工程、制造和维护领域具有重要的应用前景。
Description
技术领域
本发明涉及交通技术领域，具体来说，特别涉及一种液压制动***模拟测试装置及方法。
背景技术
液压制动***是一种常见的制动***类型，广泛应用于各种车辆和机械设备中，用于控制车辆或机械设备的运动和停止。它通过液体的压力传递来产生制动力，实现制动效果。液压制动***通常由以下几个主要组件组成：制动器、主缸、液压管路、液压液体及助力装置等；液压制动***具有响应速度快、制动力大、制动稳定、结构简单等优点，响应速度快是因为液压传动的传递速度较快，在驾驶员踩下制动踏板后的几毫秒内就可以产生较大的制动力。
在车辆交通中，车辆的制动功能是车辆安全和运输能力的基本保证，因此，对车辆制动***进行测试和诊断是十分必要的，制动***按照制动力传输介质划分，主要分为液压制动***和气动制动***两大类，液压制动***通过液压力传递制动力，广泛应用于汽车、卡车等车辆中，为了确保液压制动***的正常运行和安全性，需要进行各种测试和诊断。目前，传统的液压制动***制动性能测试往往在静态环境中进行，无法完全模拟真实的驾驶场景，从而无法准确评估液压制动***在实际驾驶条件下的性能。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
有鉴于此，针对相关技术中的问题，本发明提供提出一种液压制动***模拟测试装置及方法，以解决上述提及的无法准确评估液压制动***在实际驾驶条件下的性能问题。
为了解决上述问题为此，本发明采用的具体技术方案如下：
根据本发明的一方面，提供了一种液压制动***模拟测试装置，该模拟测试装置包括：数据采集单元、中央处理单元、控制单元及模拟量输入输出单元；
所述数据采集单元，用于通过传感器设备采集液压制动***中的数据；
所述中央处理单元，用于获取传感器设备采集的数据并进行处理分析，得到模拟测试结果；
所述控制单元，用于管理和控制模拟测试的进程，包括设置测试参数、启动和停止测试；
所述模拟量输入输出单元，用于模拟输入和输出，与待测试的液压制动***进行交互。
作为本文的一个实施例，所述中央处理单元包括数据预处理模块、性能判断模块及性能评估模块；
所述数据预处理模块，用于对传感器设备采集的数据进行标准化处理和分类，得到标准化数据库；
所述性能判断模块，用于根据标准化数据对液压制动***的活塞位移状态进行判断；
所述性能评估模块，用于基于层次灰色评估模型对液压制动***的制动性能进行评估。
作为本文的一个实施例，所述数据预处理模块包括数据清洗模块、噪声处理模块、标准化处理模块及数据分类模块；
所述数据清洗模块，用于将传感器设备采集的数据中的异常值、缺失值及错误值进行清洗处理；
所述噪声处理模块，用于通过滤波法对清洗处理后的数据进行噪声处理；
所述标准化处理模块，用于通过Z-score标准化方法将噪声处理后的数据进行归一化处理，将数据转换为统一的尺度，得到标准化数据；
所述数据分类模块，用于根据数据的特征属性将标准化处理后的数据进行分类处理，得到标准化数据库。
作为本文的一个实施例，所述性能判断模块包括：活塞位移距离判断子模块及活塞位移平稳性判断子模块；
所述活塞位移距离判断子模块，用于根据活塞位移数学模型对活塞的位移进行预测，并与活塞实际位移数据进行比较判断；
所述活塞位移平稳性判断子模块，用于基于时间序列平稳性检验法对活塞的位移平稳性进行分析判断。
作为本文的一个实施例，所述根据活塞位移数学模型对活塞的位移进行预测，并与活塞实际位移数据进行比较判断包括：
根据牛顿第二定律和液压力学方程建立活塞位移数学模型；
收集在不同的制动时间和制动距离条件下活塞的历史位移距离；
根据收集的活塞历史位移距离并通过回归分析法对活塞位移数学模型进行拟合；
从标准数据库中获取液压***的制动时间、制动距离及活塞的实际位移距离，并将制动时间和制动距离输入至活塞位移数学模型中，得出活塞的预测位移距离；
将活塞的实际位移距离与活塞的预测位移距离进行比较，若活塞的实际位移距离与活塞的预测位移距离之间的差异小于预设的位移阈值，则表示液压***的制动力正常，否则，则表示液压***的制动力不足。
作为本文的一个实施例，所述基于时间序列平稳性检验法对活塞的位移平稳性进行分析判断包括：
从标准数据库中获取液压***中活塞位移的时间序列数据并进行对数差分处理，得到新的时间位移序列；
建立两状态一阶齐次隐马尔科夫模型，所述两状态的集合S＝{1，2}，状态1表示新的时间位移序列在时间点处于结构突变状态，状态2表示新的时间位移序列在时间点处于正常状态；
确定隐马尔科夫模型的参数向量，并利用期望最大化算法对隐马尔科夫模型的参数向量进行估算，再利用Viterbi算法计算新的时间位移序列处于结构突变状态1的概率；
若新的时间位移序列中的数据点处于结构突变的概率大于预设概率阈值，则表示结构突变状态1对应时间点的活塞位移序列处于非平稳状态；
根据非平稳状态计算结果构建虚拟变量，并确定活塞位移的时间序列数据的数据生成过程，进行ADF单位根检验，判断活塞位移的时间序列是否平稳。
作为本文的一个实施例，所述从标准数据库中获取液压***中活塞位移的时间序列数据并进行对数差分处理的计算公式为：
Rt＝log(yt)-log(yt-1)
式中，Rt表示在时间t时的活塞位移与时间t-1时的活塞位移之间的对数差分值；
log表示自然对数函数；
yt表示在时间t时的活塞位移值；
yt-1表示在时间t-1时的活塞位移值。
作为本文的一个实施例，所述性能评估模块包括性能指标确定子模块、评估模型建立子模块、多层次综合评价子模块及制动性能评分子模块；
所述性能指标确定子模块，用于确定液压制动***制动性能评价的性能指标；
所述评估模型建立子模块，用于通过模糊效应指数法为液压制动***的制动性能建立评估模型；
所述多层次综合评价子模块，用于利用指数分析理论，对液压制动***的各个组件和性能指标进行多层次的综合评价；
所述制动性能评分子模块，用于通过乘法法则将各个组件和性能指标的评价结果合并，得到制动性能综合评分。
作为本文的一个实施例，所述通过模糊效应指数法为液压制动***的制动性能建立评估模型包括：
基于确定的性能指标，利用隶属度函数建立模糊评价矩阵；
利用层次分析法对每个性能指标进行权重分配，得到权值向量；
将模糊评价矩阵与权重向量进行模糊运算，得到模糊综合评价向量。
根据本发明的另一方面，提供了一种液压制动***模拟测试方法，该模拟测试方法包括以下步骤：
将液压制动***模拟测试装置与待测的液压制动***连接，启动模拟测试装置的电源，开始进行模拟测试；
控制单元发出模拟测试信号，并通过模拟量输入输出单元进行信号输出；
通过传感器设备采集液压制动***中的数据；
获取传感器设备采集的数据并进行处理分析，得到模拟测试结果。
与现有技术相比，本发明提供了液压制动***模拟测试装置及方法，具备以下有益效果：
(1)本发明能够在受控制的环境中模拟液压制动***的性能和行为，而无需依赖实际车辆或实际道路情况，能够提供了一个安全、成本效益高、可控性强的环境，能够评估和优化液压制动***的性能，从而有助于提高制动***的安全性和可靠性，它在汽车工程、制造和维护领域具有重要的应用前景。
(2)本发明通过数据清洗模块能够去除数据中的异常值、缺失值和错误值，从而提高了数据的质量和可靠性，确保后续分析和评估的准确性，通过滤波法减少了数据中的噪声，可以帮助提取出真正的信号和趋势，使数据更具可解释性，使用Z-score标准化方法将数据转换为统一的尺度，确保不同传感器采集的数据或不同时期的数据可以进行比较和分析，维护了数据的一致性，可以降低后续分析的复杂性和计算需求，进而提高了分析的效率和速度。
(3)本发明通过建立活塞位移数学模型，能够预测活塞的位移，有助于了解液压制动***中活塞的预期行为，以便及时检测是否有异常，通过将预测位移与实际位移进行比较，可以检测到位移是否与预期不符，从而识别液压制动***中的潜在问题，如制动力是否正常，通过时间序列平稳性检验法，可以分析活塞位移的平稳性，通过对时间序列数据进行分析，可以提高对液压制动***性能的评估精度，确保评估结果更可靠，进而为用户提供更好的制动性能。
(4)本发明通过明确液压制动***制动性能评价所需的性能指标，然后通过使用模糊效应指数法建立评估模型，可以将模糊理论应用于性能评估，更好地处理不确定性和模糊性，通过多层次综合评价，可以将不同组件和性能指标的评估结果整合到一个全局视角下，更好地了解***整体性能，将各个组件和性能指标的评价结果合并为一个综合评分，可以使制动性能的评估结果更加直观和易于理解，综合评分可以迅速反映出制动***的性能水平，有助于快速决策是否需要维修、改进或替换。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：
图1是根据本发明实施例的液压制动***模拟测试装置的原理框图。
图中：
1、数据采集单元；2、中央处理单元；201、数据预处理模块；202、性能判断模块；203、性能评估模块；3、控制单元；4、模拟量输入输出单元。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。
根据本发明的实施例，提供了一种液压制动***模拟测试装置及方法。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的液压制动***模拟测试装置及方法，该模拟测试装置包括：数据采集单元1、中央处理单元2、控制单元3及模拟量输入输出单元4；
所述数据采集单元1，用于通过传感器设备采集液压制动***中的数据；
需要说明的是，传感器设备压力传感器、位移传感器、流量传感器、温度传感器及速度传感器等，且压力传感器用于实时监测液压制动***中的液压压力，位移传感器用于检测制动距离，活塞位移等，流量传感器用于监测液压液体的流量，温度传感器用于监测***内部的温度，速度传感器用于测量车轮或制动器的旋转速度。
所述中央处理单元2，用于获取传感器设备采集的数据并进行处理分析，得到模拟测试结果；
作为优选实施方式，所述中央处理单元2包括数据预处理模块201、性能判断模块202及性能评估模块203；
所述数据预处理模块201，用于对传感器设备采集的数据进行标准化处理和分类，得到标准化数据库；
作为优选实施方式，所述数据预处理模块201包括数据清洗模块、噪声处理模块、标准化处理模块及数据分类模块；
所述数据清洗模块，用于将传感器设备采集的数据中的异常值、缺失值及错误值进行清洗处理；
需要说明的是，对于液压制动***模拟测试装置来说，由于液压制动***的性能和安全性至关重要，因此确保输入的数据质量是非常重要的。数据清洗的目标是确保数据的质量和准确性，从而确保模拟测试的结果是基于准确和可靠的数据的。
异常值是那些与其他数据点明显不同的数据点。例如，如果一个传感器突然读取到一个非常高的压力值，而这个值在短时间内又恢复到正常，那么这可能是一个异常值。处理异常值的方法有很多，包括删除它们、用其他数据点的平均值替换它们或使用统计方法进行修正。
在数据采集过程中，可能会遇到某些传感器在某些时间点没有提供数据的情况。处理缺失值的方法包括删除含有缺失值的数据点、使用前后数据点的平均值填充或使用更复杂的插值方法。
错误值是那些由于传感器故障或其他原因产生的不准确的数据点。例如，如果一个传感器始终读取到一个固定的压力值，即使其他传感器显示压力在变化，那么这可能是一个错误值。处理错误值的方法与处理异常值的方法类似。
所述噪声处理模块，用于通过滤波法对清洗处理后的数据进行噪声处理；
需要说明的是，滤波法是一种常用的噪声处理方法。它的基本思想是使用数学算法来去除信号中的噪声，从而恢复原始信号。对于液压制动***模拟测试装置来说，滤波有助于进一步提高数据的质量和准确性。通过小波变换对信号进行多尺度分解，然后选择性地去除某些频率分量中的噪声，最后使用逆变换重构信号。小波变换在去噪性能和保真性方面均较好，但计算最为复杂。
所述标准化处理模块，用于通过Z-score标准化方法将噪声处理后的数据进行归一化处理，将数据转换为统一的尺度，得到标准化数据；
需要说明的是，使用Z-score标准化方法对数据进行归一化，Z-score标准化的目标是将数据转换到统一的尺度上，以便各个特征之间可以进行比较，助于综合判断***性能。
所述数据分类模块，用于根据数据的特征属性将标准化处理后的数据进行分类处理，得到标准化数据库。
所述性能判断模块202，用于根据标准化数据对液压制动***的活塞位移状态进行判断；
作为优选实施方式，所述性能判断模块202包括：活塞位移距离判断子模块及活塞位移平稳性判断子模块；
所述活塞位移距离判断子模块，用于根据活塞位移数学模型对活塞的位移进行预测，并与活塞实际位移数据进行比较判断；
具体的，所述根据活塞位移数学模型对活塞的位移进行预测，并与活塞实际位移数据进行比较判断包括：
根据牛顿第二定律和液压力学方程建立活塞位移数学模型；
需要说明的是，牛顿第二定律表明，外加力等于质量乘以加速度，即F＝m×a。对于液压活塞来说，作用在活塞上的液压力产生的力可以看作外加力F，活塞的加速度可以由位移速度的变化率表示，因此可以得到F＝P×A＝m×a，其中P表示液压压力，A表示活塞的面积，m表示活塞的质量，a表示加速度。液压力学方程为P＝F/A，表示压力等于力除以面积。因此将液压力学方程中的液压力代入牛顿的第二定律得到位移方程，然后便可以解出位移方程以获得关于活塞位移的方程。
收集在不同的制动时间和制动距离条件下活塞的历史位移距离；
需要说明的是，对于每个制动时间和制动距离的组合，进行多次重复试验。每次试验记录活塞的实际位移距离。重复试验可以获得更加可靠的位移数据，并可以分析试验间的变异性，
根据收集的活塞历史位移距离并通过回归分析法对活塞位移数学模型进行拟合；
需要说明的是，利用最小二乘法等回归分析方法，通过迭代计算，确定活塞位移方程中各参数的值，使活塞位移方程的总残差平方和最小化。这些参数值即为数学模型的最佳拟合参数。
从标准数据库中获取液压***的制动时间、制动距离及活塞的实际位移距离，并将制动时间和制动距离输入至活塞位移数学模型中，得出活塞的预测位移距离；
将活塞的实际位移距离与活塞的预测位移距离进行比较，若活塞的实际位移距离与活塞的预测位移距离之间的差异小于预设的位移阈值，则表示液压***的制动力正常，否则，则表示液压***的制动力不足。
所述活塞位移平稳性判断子模块，用于基于时间序列平稳性检验法对活塞的位移平稳性进行分析判断。
具体的，所述基于时间序列平稳性检验法对活塞的位移平稳性进行分析判断包括：
从标准数据库中获取液压***中活塞位移的时间序列数据并进行对数差分处理，得到新的时间位移序列；
具体的，所述从标准数据库中获取液压***中活塞位移的时间序列数据并进行对数差分处理的计算公式为：
Rt＝log(yt)-log(yt-1)
式中，Rt表示在时间t时的活塞位移与时间t-1时的活塞位移之间的对数差分值；
log表示自然对数函数；
yt表示在时间t时的活塞位移值；
yt-1表示在时间t-1时的活塞位移值。
建立两状态一阶齐次隐马尔科夫模型，所述两状态的集合S＝{1，2}，状态1表示新的时间位移序列在时间点处于结构突变状态，状态2表示新的时间位移序列在时间点处于正常状态；
确定隐马尔科夫模型的参数向量，并利用期望最大化算法对隐马尔科夫模型的参数向量进行估算，再利用Viterbi算法计算新的时间位移序列处于结构突变状态1的概率；
需要说明的是，在隐马尔科夫模型包含以下参数：
π1：初始状态为状态1的概率。
p11：从状态1转移到状态1的概率。
p12：从状态1转移到状态2的概率。
p22：从状态2转移到状态2的概率。
利用期望最大化算法对隐马尔科夫模型的参数向量进行估算具体包括以下步骤：
步骤一、采用均匀分布的方式初始化模型参数；
步骤二、计算隐状态序列对模型参数的期望。即计算序列在各时间点处于状态1和状态2的概率，得到状态序列的后验概率；
步骤三、对模型参数进行最大化估计。通过最大化状态序列的后验概率在模型参数上的期望，得到模型参数的更新估计；
重复步骤二至步骤三，直到模型参数估计收敛。通常需要多次迭代逼近最佳解，得到最佳的参数估计，这些参数反映了时间序列在两种状态之间转移的概率。
Viterbi算法是用于在观测序列的条件下找到最佳隐状态序列的算法，主要思想是通过递归计算及回溯，给出最大后验概率对应的隐状态序列，作为最佳序列估计。
若新的时间位移序列中的数据点处于结构突变的概率大于预设概率阈值，则表示结构突变状态1对应时间点的活塞位移序列处于非平稳状态；
根据非平稳状态计算结果构建虚拟变量，并确定活塞位移的时间序列数据的数据生成过程，进行ADF单位根检验，判断活塞位移的时间序列是否平稳。
需要说明的是，根据非平稳状态计算结果构建虚拟变量，并确定活塞位移的时间序列数据的数据生成过程具体包括以下步骤：
根据状态1的概率结果，设置一个阈值，当概率大于阈值时，虚拟变量取1，否则取0。
依次为序列的每个时间点设置虚拟变量。这反映了序列在每个点是否为非平稳状态；
根据虚拟变量的设置结果，可以将序列划分为平稳段和非平稳段。平稳段内虚拟变量均取0，非平稳段内至少有1个时间点的虚拟变量取1；
对不同段设置不同的时间序列模型进行拟合。平稳段可以设置简单的AR、MA模型；非平稳段需要设置更复杂的模型如ST模型等进行拟合；
拟合后的模型反映了序列在不同阶段的数据生成过程。根据模型结果可以检验序列在各段是否为平稳，并预测序列的变化趋势；
对时间序列进行ADF单位根检验，判断序列是否为平稳过程。具体包括以下步骤：
对时间序列进行差分，得到时间序列的差分项；
归一化差分项，得到标准化差分项；
计算ADF统计量，并与预设临界值进行比较，如果ADF统计量大于临界值，则时间序列为平稳过程，如果ADF统计量小于临界值，则时间序列为非平稳过程。
所述性能评估模块203，用于基于层次灰色评估模型对液压制动***的制动性能进行评估。
作为优选实施方式，所述性能评估模块203包括性能指标确定子模块、评估模型建立子模块、多层次综合评价子模块及制动性能评分子模块；
所述性能指标确定子模块，用于确定液压制动***制动性能评价的性能指标；
需要说明的是，确定液压制动***制动性能的评估指标，包括制动力、制动响应时间、液压回路失效概率、使用寿命等。这些指标反映了液压制动***的不同性能。
所述评估模型建立子模块，用于通过模糊效应指数法为液压制动***的制动性能建立评估模型；
具体的，所述通过模糊效应指数法为液压制动***的制动性能建立评估模型包括：
基于确定的性能指标，利用隶属度函数建立模糊评价矩阵；
需要说明的是，针对每个指标，根据专家经验，利用隶属度函数对其不同水平进行模糊划分。例如，对制动力指标，可划分为较差、一般、较好、很好四个模糊等级。并确定每个等级的隶属度函数。
然后确定评价对象。评价对象可以是具体的液压制动***或其主要组件。根据评价的目的确定评价对象；
对每个评价对象的每个指标赋予相应的隶属度。隶属度反映了评价对象对每个模糊等级的属于度。一般根据评价对象的实际状况和专家判断给出。
构建每个指标的模糊评价矩阵。矩阵中，行表示指标的不同模糊等级，列表示评价对象。矩阵中每个元素为相应等级对相应评价对象的隶属度。
利用层次分析法对每个性能指标进行权重分配，得到权值向量；
需要说明的是，首先需要构建指标权重评估的层次结构模型，对各层次之间的元素两两进行比较，建立判断矩阵，对各判断矩阵进行一致性检验，计算各层次的权向量。对各判断矩阵进行归一化特征向量法计算权向量，对层次模型进行整体一致性检验。利用各层的权向量计算模型的总一致性。
将模糊评价矩阵与权重向量进行模糊运算，得到模糊综合评价向量。
需要说明的是，对模糊评价矩阵的每一行与权重向量进行模糊运算，能够得到对应指标的模糊综合值，综合各指标的模糊综合值，得到评价对象的模糊综合评价向量。向量中包含了评价对象对各模糊等级的综合隶属度。
所述多层次综合评价子模块，用于利用指数分析理论，对液压制动***的各个组件和性能指标进行多层次的综合评价；
计算各层次指标的指数。由下至上逐层计算：
在最底层，每个性能指标的指数为其综合得分。
在组件层次，每个组件的指数为其包含的下一层次指标指数的加权平均值。
在最高层次，液压制动***的总体指数为组件层次中各组件指数的加权平均值。
所述制动性能评分子模块，用于通过乘法法则将各个组件和性能指标的评价结果合并，得到制动性能综合评分。
需要说明的是，将各个组件的模糊评价矩阵合并，得到液压制动***的模糊评价矩阵。合并方法是将各个组件矩阵对应位置的元素相乘，将各个性能指标的模糊评价矩阵合并，得到液压制动***的模糊评价矩阵。合并方法也是对应位置的元素相乘，得到的两个模糊评价矩阵对应位置的元素再次相乘，得到液压制动***制动性能综合评价矩阵。计算矩阵中各行元素的几何平均值，得到各模糊等级的综合评分，然后计算得到综合评分的加权平均值，得到液压制动***制动性能的最终综合评分。
所述控制单元3，用于管理和控制模拟测试的进程，包括设置测试参数、启动和停止测试；
需要说明的是，设置模拟测试的参数，包括载荷参数、动力学参数、环境参数等。这些参数的设置会影响测试的过程和结果。
控制单元3负责协调控制单元各模块之间的工作，完成测试的整体控制和管理。包括各模块工作的触发、顺序控制以及异常情况的处理等。
所述模拟量输入输出单元4，用于模拟输入和输出，与待测试的液压制动***进行交互。
需要说明的是，模拟量输入输出单元4用于向液压制动***提供模拟的输入量，包括液压油流量、制动踏板位置等，模拟量输入输出单元4需要包括流量控制器、位置传感器等，可以生成对应于实际输入的模拟信号。
根据本发明的另一个实施例，提供了一种液压制动***模拟测试方法，该模拟测试方法包括以下步骤：
将液压制动***模拟测试装置与待测的液压制动***连接，启动模拟测试装置的电源，开始进行模拟测试；
控制单元3发出模拟测试信号，并通过模拟量输入输出单元4进行信号输出；
通过传感器设备采集液压制动***中的数据；
获取传感器设备采集的数据并进行处理分析，得到模拟测试结果。
综上所述，借助于本发明的上述技术方案，本发明能够在受控制的环境中模拟液压制动***的性能和行为，而无需依赖实际车辆或实际道路情况，能够提供了一个安全、成本效益高、可控性强的环境，能够评估和优化液压制动***的性能，从而有助于提高制动***的安全性和可靠性。它在汽车工程、制造和维护领域具有重要的应用前景；本发明通过数据清洗模块能够去除数据中的异常值、缺失值和错误值，从而提高了数据的质量和可靠性，确保后续分析和评估的准确性，通过滤波法减少了数据中的噪声，可以帮助提取出真正的信号和趋势，使数据更具可解释性，使用Z-score标准化方法将数据转换为统一的尺度，确保不同传感器采集的数据或不同时期的数据可以进行比较和分析，维护了数据的一致性，可以降低后续分析的复杂性和计算需求，进而提高了分析的效率和速度；本发明通过建立活塞位移数学模型，能够预测活塞的位移，有助于了解液压制动***中活塞的预期行为，以便及时检测是否有异常，通过将预测位移与实际位移进行比较，可以检测到位移是否与预期不符，从而识别液压制动***中的潜在问题，如制动力是否正常，通过时间序列平稳性检验法，可以分析活塞位移的平稳性，通过对时间序列数据进行分析，可以提高对液压制动***性能的评估精度，确保评估结果更可靠，进而为用户提供更好的制动性能；本发明通过明确液压制动***制动性能评价所需的性能指标，然后通过使用模糊效应指数法建立评估模型，可以将模糊理论应用于性能评估，更好地处理不确定性和模糊性，通过多层次综合评价，可以将不同组件和性能指标的评估结果整合到一个全局视角下，更好地了解***整体性能，将各个组件和性能指标的评价结果合并为一个综合评分，可以使制动性能的评估结果更加直观和易于理解，综合评分可以迅速反映出制动***的性能水平，有助于快速决策是否需要维修、改进或替换。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种液压制动***模拟测试装置，其特征在于，该模拟测试装置包括：数据采集单元、中央处理单元、控制单元及模拟量输入输出单元；
所述数据采集单元，用于通过传感器设备采集液压制动***中的数据；
所述中央处理单元，用于获取传感器设备采集的数据并进行处理分析，得到模拟测试结果；
所述控制单元，用于管理和控制模拟测试的进程，包括设置测试参数、启动和停止测试；
所述模拟量输入输出单元，用于模拟输入和输出，与待测试的液压制动***进行交互；
所述中央处理单元包括数据预处理模块、性能判断模块及性能评估模块；
所述数据预处理模块，用于对传感器设备采集的数据进行标准化处理和分类，得到标准化数据库；
所述性能判断模块，用于根据标准化数据对液压制动***的活塞位移状态进行判断；
所述性能评估模块，用于基于层次灰色评估模型对液压制动***的制动性能进行评估；
所述性能判断模块包括：活塞位移距离判断子模块及活塞位移平稳性判断子模块；
所述活塞位移距离判断子模块，用于根据活塞位移数学模型对活塞的位移进行预测，并与活塞实际位移数据进行比较判断；
所述活塞位移平稳性判断子模块，用于基于时间序列平稳性检验法对活塞的位移平稳性进行分析判断；
所述根据活塞位移数学模型对活塞的位移进行预测，并与活塞实际位移数据进行比较判断包括：
根据牛顿第二定律和液压力学方程建立活塞位移数学模型；
收集在不同的制动时间和制动距离条件下活塞的历史位移距离；
根据收集的活塞历史位移距离并通过回归分析法对活塞位移数学模型进行拟合；
从标准数据库中获取液压***的制动时间、制动距离及活塞的实际位移距离，并将制动时间和制动距离输入至活塞位移数学模型中，得出活塞的预测位移距离；
将活塞的实际位移距离与活塞的预测位移距离进行比较，若活塞的实际位移距离与活塞的预测位移距离之间的差异小于预设的位移阈值，则表示液压***的制动力正常，否则，则表示液压***的制动力不足；
所述基于时间序列平稳性检验法对活塞的位移平稳性进行分析判断包括：
从标准数据库中获取液压***中活塞位移的时间序列数据并进行对数差分处理，得到新的时间位移序列；
建立两状态一阶齐次隐马尔科夫模型，所述两状态的集合S={1，2}，状态1表示新的时间位移序列在时间点处于结构突变状态，状态2表示新的时间位移序列在时间点处于正常状态；
确定隐马尔科夫模型的参数向量，并利用期望最大化算法对隐马尔科夫模型的参数向量进行估算，再利用Viterbi算法计算新的时间位移序列处于结构突变状态1的概率；
若新的时间位移序列中的数据点处于结构突变的概率大于预设概率阈值，则表示结构突变状态1对应时间点的活塞位移序列处于非平稳状态；
根据非平稳状态计算结果构建虚拟变量，并确定活塞位移的时间序列数据的数据生成过程，进行ADF单位根检验，判断活塞位移的时间序列是否平稳。
2.根据权利要求1所述的一种液压制动***模拟测试装置，其特征在于，所述数据预处理模块包括数据清洗模块、噪声处理模块、标准化处理模块及数据分类模块；
所述数据清洗模块，用于将传感器设备采集的数据中的异常值、缺失值及错误值进行清洗处理；
所述噪声处理模块，用于通过滤波法对清洗处理后的数据进行噪声处理；
所述标准化处理模块，用于通过Z-score标准化方法将噪声处理后的数据进行归一化处理，将数据转换为统一的尺度，得到标准化数据；
所述数据分类模块，用于根据数据的特征属性将标准化处理后的数据进行分类处理，得到标准化数据库。
3.根据权利要求2所述的一种液压制动***模拟测试装置，其特征在于，所述从标准数据库中获取液压***中活塞位移的时间序列数据并进行对数差分处理的计算公式为：
Rt=log(yt)-log(yt-1)
式中，Rt表示在时间t时的活塞位移与时间t-1时的活塞位移之间的对数差分值；
log表示自然对数函数；
yt表示在时间t时的活塞位移值；
yt-1表示在时间t-1时的活塞位移值。
4.根据权利要求2所述的一种液压制动***模拟测试装置，其特征在于，所述性能评估模块包括性能指标确定子模块、评估模型建立子模块、多层次综合评价子模块及制动性能评分子模块；
所述性能指标确定子模块，用于确定液压制动***制动性能评价的性能指标；
所述评估模型建立子模块，用于通过模糊效应指数法为液压制动***的制动性能建立评估模型；
所述多层次综合评价子模块，用于利用指数分析理论，对液压制动***的各个组件和性能指标进行多层次的综合评价；
所述制动性能评分子模块，用于通过乘法法则将各个组件和性能指标的评价结果合并，得到制动性能综合评分。
5.根据权利要求4所述的一种液压制动***模拟测试装置，其特征在于，所述通过模糊效应指数法为液压制动***的制动性能建立评估模型包括：
基于确定的性能指标，利用隶属度函数建立模糊评价矩阵；
利用层次分析法对每个性能指标进行权重分配，得到权值向量；
将模糊评价矩阵与权重向量进行模糊运算，得到模糊综合评价向量。
6.一种液压制动***模拟测试方法，用于实现权利要求1-5中任一项所述的液压制动***模拟测试装置的测试，其特征在于，该模拟测试方法包括以下步骤：
将液压制动***模拟测试装置与待测的液压制动***连接，启动模拟测试装置的电源，开始进行模拟测试；
控制单元发出模拟测试信号，并通过模拟量输入输出单元进行信号输出；
通过传感器设备采集液压制动***中的数据；
获取传感器设备采集的数据并进行处理分析，得到模拟测试结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311401043.6A CN117367775B (zh) | 2023-10-26 | 2023-10-26 | 一种液压制动***模拟测试装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311401043.6A CN117367775B (zh) | 2023-10-26 | 2023-10-26 | 一种液压制动***模拟测试装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117367775A CN117367775A (zh) | 2024-01-09 |
| CN117367775B true CN117367775B (zh) | 2024-05-14 |
Family
ID=89403720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311401043.6A Active CN117367775B (zh) | 2023-10-26 | 2023-10-26 | 一种液压制动***模拟测试装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117367775B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103454092A (zh) * | 2013-07-23 | 2013-12-18 | 中国计量学院 | 一种制动模拟加载装置 |
| CN107560984A (zh) * | 2017-07-28 | 2018-01-09 | 西北工业大学 | 一种液压***的油液污染在线监测装置及监测方法 |
| CN112014065A (zh) * | 2020-08-14 | 2020-12-01 | 合肥工业大学 | 一种波浪能转换半物理仿真试验台 |
| CN112326263A (zh) * | 2020-10-28 | 2021-02-05 | 江苏徐工工程机械研究院有限公司 | 湿式制动器寿命预估***及方法 |
| CN217211372U (zh) * | 2021-11-18 | 2022-08-16 | 武汉元丰汽车电控***股份有限公司 | 一种电子液压制动***性能测试装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016112971A1 (de) * | 2016-07-14 | 2018-01-18 | Ipgate Ag | Diagnoseverfahren für mindestens eine Komponente eines Kraftfahrzeugs |
| JP2020533599A (ja) * | 2017-09-15 | 2020-11-19 | エドワーズ, ケネスEDWARDS, Kenneth | 車両ブレーキ性能管理方法、車両ブレーキ性能管理システム、データキャリアまたはコンピュータ記憶媒体、および車両ローラーブレーキ試験機 |
| KR102042608B1 (ko) * | 2018-09-06 | 2019-11-27 | 주식회사 만도 | 전자식 브레이크 시스템 |
-
2023
- 2023-10-26 CN CN202311401043.6A patent/CN117367775B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103454092A (zh) * | 2013-07-23 | 2013-12-18 | 中国计量学院 | 一种制动模拟加载装置 |
| CN107560984A (zh) * | 2017-07-28 | 2018-01-09 | 西北工业大学 | 一种液压***的油液污染在线监测装置及监测方法 |
| CN112014065A (zh) * | 2020-08-14 | 2020-12-01 | 合肥工业大学 | 一种波浪能转换半物理仿真试验台 |
| CN112326263A (zh) * | 2020-10-28 | 2021-02-05 | 江苏徐工工程机械研究院有限公司 | 湿式制动器寿命预估***及方法 |
| CN217211372U (zh) * | 2021-11-18 | 2022-08-16 | 武汉元丰汽车电控***股份有限公司 | 一种电子液压制动***性能测试装置 |
Non-Patent Citations (6)
| Title |
|---|
| Huang, WN (Huang, Weinan.Research on Response Characteristics and Energy Efficiency of Power Unit Used for Electric Driving Mobile Machine.IEEE ACCESS.2019,第7卷125747-125753. * |
| Zhang, XG (Zhang, Xiaogang) * |
| 基于ANFIS的电子液压制动***主缸液压力估计;卫玮;舒强;潘光亮;于洋;余卓平;熊璐;;机电一体化;20171115(第11期);9-15 * |
| 客车气制动***输出压力模型的研究;朱蔷;陆艺;郭斌;罗哉;;液压与气动;20150215(第02期);39-42+77 * |
| 某型车辆液压换挡缓冲***故障仿真分析;董家辉， 李焕良， 陈威;机床与液压;20230630;第51卷(第11期);199-205 * |
| 车库过放取车变节流液压制动 ***制动性能研究;杨坤;机电工程;20220331;第39卷(第3期);368-374 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117367775A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cui et al. | A novel switching unscented Kalman filter method for remaining useful life prediction of rolling bearing | |
| CN111274737A (zh) | 一种机械设备剩余使用寿命预测方法及*** | |
| CN112131212A (zh) | 基于集成学习技术面向混合云场景的时序数据异常预测方法 | |
| CN112414694B (zh) | 基于多元状态估计技术的设备多级异常状态识别方法及装置 | |
| CN112347571B (zh) | 考虑模型和数据不确定性的滚动轴承剩余寿命预测方法 | |
| CN112785091A (zh) | 一种对油田电潜泵进行故障预测与健康管理的方法 | |
| Soltanali et al. | An improved fuzzy inference system-based risk analysis approach with application to automotive production line | |
| Mosallam et al. | Component based data-driven prognostics for complex systems: Methodology and applications | |
| Mathew et al. | Regression kernel for prognostics with support vector machines | |
| US20220004163A1 (en) | Apparatus for predicting equipment damage | |
| CN112683535A (zh) | 基于多阶段维纳过程的轴承寿命预测方法 | |
| CN115964907A (zh) | 复杂***健康趋势预测方法、***、电子设备及存储介质 | |
| CN117290726A (zh) | 一种基于CAE-BiLSTM的动设备故障预警方法 | |
| CN113962253B (zh) | 基于深度小波极限学习机的轴承剩余寿命预测方法及*** | |
| Amin et al. | Fuzzy inference and fusion for health state diagnosis of hydraulic pumps and motors | |
| CN114861349A (zh) | 一种基于模型迁移和维纳过程的滚动轴承rul预测方法 | |
| CN117367775B (zh) | 一种液压制动***模拟测试装置及方法 | |
| CN117371321A (zh) | 一种基于贝叶斯优化的内在可塑性深度回声状态网络软测量建模方法 | |
| CN112418460A (zh) | 工程车辆的故障诊断方法和故障诊断装置 | |
| CN112016800A (zh) | 一种基于有效性指标的特征选择方法与*** | |
| CN115563020B (zh) | 危险测试场景的生成方法及***、电子设备、存储介质 | |
| CN116702597A (zh) | 一种机械设备运行寿命预测与健康管理方法、***及介质 | |
| CN114201825A (zh) | 基于组合特征的设备性能退化状态的评估方法及*** | |
| CN114676384B (zh) | 一种基于粒子滤波的性能状态百分位值估计方法 | |
| CN111598220B (zh) | 一种基于相关性分析的燃气轮机故障预测方法 |
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 |