CN118069536A - 一种车辆底盘性能测试方法及*** - Google Patents
一种车辆底盘性能测试方法及*** Download PDFInfo
- Publication number
- CN118069536A CN118069536A CN202410439049.0A CN202410439049A CN118069536A CN 118069536 A CN118069536 A CN 118069536A CN 202410439049 A CN202410439049 A CN 202410439049A CN 118069536 A CN118069536 A CN 118069536A
- Authority
- CN
- China
- Prior art keywords
- dbc
- real time
- vehicle chassis
- chassis
- code
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000011056 performance test Methods 0.000 title claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 89
- 238000013101 initial test Methods 0.000 claims abstract description 47
- 238000013515 script Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000013527 convolutional neural network Methods 0.000 claims description 39
- 230000001537 neural effect Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000003491 array Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 239000013307 optical fiber Substances 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种车辆底盘性能测试方法及***,涉及车辆测试技术领域,该方法包括:当实时检测到车辆底盘的接入信号时,在预设数据库中调出matlab程序,并实时检测出与车辆底盘对应的底盘代码;通过matlab程序对底盘代码进行解析处理,以实时输出与底盘代码对应的dbc文件,并根据dbc文件创建出对应的初始测试模型;实时检测出车辆底盘中包含的若干电子元件,并根据若干电子元件编写出对应的测试脚本;将测试脚本读写至初始测试模型中,以生成对应的目标测试模型,并通过目标测试模型完成对车辆底盘的性能测试。本发明能够省去多余的测试场地以及测试设备,提升了工作效率。
Description
技术领域
本发明涉及车辆测试领域,特别涉及一种车辆底盘性能测试方法及***。
背景技术
随着科技的进步以及生产力的快速发展,汽车已经在人们的日常生活中得到普及,并且已经成为了人们日常出行必不可少的交通工具之一,极大的方便了人们的生活。
其中,汽车底盘是车辆重要的组成部门之一,并且底盘性能的好坏直接影响了车辆性能的好坏。另外,由于现有的车型众多,并且每种车型所使用的转向器、驱动器以及制动器都不尽相同,从而在车辆的地盘组装完成后,需要对车辆底盘进行对应的性能测试,以满足对应的生产要求。
进一步的,随着汽车智能化的发展,现有的汽车厂家选择将车辆内部的各种电子器件都集成在底盘内,然而,由于每辆车的地盘内部所安装的电子元件各不相同,导致现有技术需要专门设计出对应的测试场地以及测试装置,并且需要在结合当前测试场地以及测试装置的前提下,才能够对应完成不同型号车辆底盘的测试,从而使得测试具有一定的局限性,同时测试的成本较高,对应降低了工作效率。
发明内容
基于此,本发明的目的是提供一种车辆底盘性能测试方法及***,以解决现有技术需要专门设计出测试场地以及测试装置才能够完成车辆底盘测试的问题。
本发明实施例第一方面提出了:
一种车辆底盘性能测试方法,其特征在于,所述方法包括:
当实时检测到车辆底盘的接入信号时,在预设数据库中调出matlab程序,并实时检测出与所述车辆底盘对应的底盘代码;
通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件,并根据所述dbc文件创建出对应的初始测试模型;
实时检测出所述车辆底盘中包含的若干电子元件,并根据若干所述电子元件编写出对应的测试脚本;
将所述测试脚本读写至所述初始测试模型中,以生成对应的目标测试模型,并通过所述目标测试模型完成对所述车辆底盘的性能测试。
本发明的有益效果是:通过实时检测车辆底盘的接入信号,就能够对应知悉是否需要进行对应的测试,进一步的,调出需要的matlab程序,以实时检测出与当前车辆底盘对应的底盘代码,并进行对应的解析处理,以进一步获取到用于测试的dbc文件,并能够进一步构建出需要的初始测试模型,在此基础之上,将设置好的测试脚本输入至当前初始测试模型中,就能够最终得到需要的目标测试模型,基于此,能够进一步通过该目标测试模型准确的判断出当前车辆底盘的性能是否合格,从而省去了多余的测试场地以及设备,对应提升了测试效率。
进一步的,所述通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件的步骤包括:
当实时获取到所述底盘代码时,实时检测出所述底盘代码中包含的代码序列,所述代码序列具有唯一性;
对所述代码序列进行正向最大步长分词处理,以对应将所述代码序列拆分成若干数字以及字母;
根据若干所述数字以及若干所述字母对应生成所述dbc文件。
进一步的,所述根据若干所述数字以及若干所述字母对应生成所述dbc文件的步骤包括:
当实时获取到若干所述数字以及若干所述字母时,在所述预设数据库中调出dbc编码器,所述dbc编码器中预设有dbc编码脚本;
通过所述dbc编码器中的dbc编码脚本依次对每一所述数字以及每一所述字母进行编码处理,以生成若干对应的原始dbc代码,并根据若干所述原始dbc代码对应生成所述dbc文件。
进一步的,所述根据若干所述原始dbc代码对应生成所述dbc文件的步骤包括:
当实时获取到若干所述原始dbc代码时,对每一所述原始dbc代码分别添加对应的目标标识,每一所述目标标识均具有唯一性;
基于所述目标标识实时判断若干所述原始dbc代码中是否出现相同dbc代码;
若基于所述目标标识实时判断到若干所述原始dbc代码中出现相同dbc代码,则对应删除相同dbc代码,以生成对应的若干目标dbc代码,并对若干所述目标dbc代码进行整合处理,以对应生成所述dbc文件。
进一步的,所述根据所述dbc文件创建出对应的初始测试模型的步骤包括:
当实时获取到所述dbc文件时,在所述预设数据库中调出原始卷积神经网络,并对所述dbc文件进行全盘扫描,以实时提取出所述dbc文件中包含的若干dbc值;
将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型。
进一步的,所述将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型的步骤包括:
当实时获取到若干所述dbc值时,实时检测出所述原始卷积神经网络中包含的若干神经节点,每一所述神经节点均具有唯一性;
对每一所述神经节点添加对应的目标序号,并实时检测出每一所述神经节点中携带的原始网络参数;
根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型。
进一步的,所述根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型的步骤包括:
根据所述目标序号的先后顺序,将每一所述神经节点中的原始网络参数逐一替换成每一所述dbc值,以生成对应的目标卷积神经网络;
对所述目标卷积神经网络进行模型训练,以对应生成所述初始测试模型,所述目标卷积神经网络具有唯一性。
本发明实施例第二方面提出了:
一种车辆底盘性能测试***,其特征在于,所述***包括:
检测模块,用于当实时检测到车辆底盘的接入信号时,在预设数据库中调出matlab程序,并实时检测出与所述车辆底盘对应的底盘代码;
解析模块,用于通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件,并根据所述dbc文件创建出对应的初始测试模型;
处理模块,用于实时检测出所述车辆底盘中包含的若干电子元件,并根据若干所述电子元件编写出对应的测试脚本;
测试模块,用于将所述测试脚本读写至所述初始测试模型中,以生成对应的目标测试模型,并通过所述目标测试模型完成对所述车辆底盘的性能测试。
进一步的,所述解析模块具体用于:
当实时获取到所述底盘代码时,实时检测出所述底盘代码中包含的代码序列,所述代码序列具有唯一性;
对所述代码序列进行正向最大步长分词处理,以对应将所述代码序列拆分成若干数字以及字母;
根据若干所述数字以及若干所述字母对应生成所述dbc文件。
进一步的,所述解析模块具体用于:
当实时获取到若干所述数字以及若干所述字母时,在所述预设数据库中调出dbc编码器,所述dbc编码器中预设有dbc编码脚本;
通过所述dbc编码器中的dbc编码脚本依次对每一所述数字以及每一所述字母进行编码处理,以生成若干对应的原始dbc代码,并根据若干所述原始dbc代码对应生成所述dbc文件。
进一步的,所述解析模块具体用于:
当实时获取到若干所述原始dbc代码时,对每一所述原始dbc代码分别添加对应的目标标识,每一所述目标标识均具有唯一性;
基于所述目标标识实时判断若干所述原始dbc代码中是否出现相同dbc代码;
若基于所述目标标识实时判断到若干所述原始dbc代码中出现相同dbc代码,则对应删除相同dbc代码,以生成对应的若干目标dbc代码,并对若干所述目标dbc代码进行整合处理,以对应生成所述dbc文件。
进一步的,所述解析模块还具体用于:
当实时获取到所述dbc文件时,在所述预设数据库中调出原始卷积神经网络,并对所述dbc文件进行全盘扫描,以实时提取出所述dbc文件中包含的若干dbc值;
将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型。
进一步的,所述解析模块还具体用于:
当实时获取到若干所述dbc值时,实时检测出所述原始卷积神经网络中包含的若干神经节点,每一所述神经节点均具有唯一性;
对每一所述神经节点添加对应的目标序号,并实时检测出每一所述神经节点中携带的原始网络参数;
根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型。
进一步的,所述解析模块还具体用于:
根据所述目标序号的先后顺序,将每一所述神经节点中的原始网络参数逐一替换成每一所述dbc值,以生成对应的目标卷积神经网络;
对所述目标卷积神经网络进行模型训练,以对应生成所述初始测试模型,所述目标卷积神经网络具有唯一性。
本发明实施例第三方面提出了:
一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上面所述的车辆底盘性能测试方法。
本发明实施例第四方面提出了:
一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上面所述的车辆底盘性能测试方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提供的车辆底盘性能测试方法的流程图;
图2为本发明第六实施例提供的车辆底盘性能测试***的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,所示为本发明第一实施例提供的车辆底盘性能测试方法,本实施例提供的车辆底盘性能测试方法能够省去多余的测试场地以及设备,对应提升了测试效率。
具体的,本实施例提供了:
一种车辆底盘性能测试方法,具体包括以下步骤:
步骤S10,当实时检测到车辆底盘的接入信号时,在预设数据库中调出matlab程序,并实时检测出与所述车辆底盘对应的底盘代码;
步骤S20,通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件,并根据所述dbc文件创建出对应的初始测试模型;
步骤S30,实时检测出所述车辆底盘中包含的若干电子元件,并根据若干所述电子元件编写出对应的测试脚本;
步骤S40,将所述测试脚本读写至所述初始测试模型中,以生成对应的目标测试模型,并通过所述目标测试模型完成对所述车辆底盘的性能测试。
具体的,在本实施例中,首先需要说明的是,为了能够在不使用测试场地以及测试设备的前提下,完成各种车辆型号底盘的测试,就需要对应了解到每个车辆底盘的特性,基于此,在实时接收到车辆底盘的接入信号时,即表明需要对当前底盘的性能进行测试,进一步的,为了能够对应获取到当前车辆底盘的特性,此时需要同步在预先设置好的软件数据库中调出需要的matlab程序,具体的,需要说明的是,该matlab程序是一种矩阵实验室,在其内部预先设置有各种不同类型的算法以及脚本,以便于后续的处理。
进一步的,可以实时根据接收到的接入信号对应检测出当前车辆底盘所对应的底盘代码,具体的,该底盘代码由一系列数字以及字母组成,基于此,可以进一步通过上述matlab程序对当前底盘代码进行对应的解析处理,并进一步实时输出与当前底盘代码对应的dbc文件,与此同时,能够基于当前dbc文件中包含的内容进一步实时创建出需要的初始测试模型。其中,需要说明的是,该dbc文件是一种CAN数据库文件,该dbc文件能够把车辆内部的CAN通讯的信息定义的完整清楚,从而可以进一步通过该dbc文件完成车辆的测试。更进一步的,此时为了能够使上述初始测试模型能够满足当前型号的车辆底盘的测试条件,还需要进一步实时检测出当前车辆底盘中所包含的若干电子元件,与此同时,根据当前若干电子元件编写出对应的测试脚本,在此基础之上,最后将该测试脚本实时读写至上述初始测试模型中,就能够对应生成最终需要的目标测试模型,并能够最终通过该目标测试模型准确、客观的完成当前车辆底盘的性能测试,提升了测试效率,同时提升了用户的使用体验。
第二实施例
进一步的,所述通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件的步骤包括:
当实时获取到所述底盘代码时,实时检测出所述底盘代码中包含的代码序列,所述代码序列具有唯一性;
对所述代码序列进行正向最大步长分词处理,以对应将所述代码序列拆分成若干数字以及字母;
根据若干所述数字以及若干所述字母对应生成所述dbc文件。
具体的,在本实施例中,需要说明的是,在通过上述步骤实时调出matlab程序之后,此时为了能够准确、有效的完成上述底盘代码的解析处理,需要首先实时检测出当前底盘代码中所包含的代码序列,其中,每一个车辆底盘只会有一个底盘代码,从而该代码序列也是唯一的。
进一步的,对应识别出当前代码序列的起始点以及终止点,并在当前起始点以及终止点的范围内对当前代码序列进行正向最大步长分词处理,从而能够对应拆分成若干数字以及字母,并能够进一步在当前若干数字以及字母的基础上对应生成上述dbc文件,以便于后续的处理。
进一步的,所述根据若干所述数字以及若干所述字母对应生成所述dbc文件的步骤包括:
当实时获取到若干所述数字以及若干所述字母时,在所述预设数据库中调出dbc编码器,所述dbc编码器中预设有dbc编码脚本;
通过所述dbc编码器中的dbc编码脚本依次对每一所述数字以及每一所述字母进行编码处理,以生成若干对应的原始dbc代码,并根据若干所述原始dbc代码对应生成所述dbc文件。
具体的,在本实施例中,还需要说明的是,在通过上述步骤实时获取到若干需要的数字以及字母时,为了能够有效的对当前若干数字以及字母进行处理,会进一步在上述预设数据库中调出需要的dbc编码器,并进一步通过该dbc编码器中的dbc编码脚本依次对当前每个数字以及字母进行编码处理,即实时将每个数字以及字母转换成对应的原始dbc代码,并进一步实时根据当前原始dbc代码生成上述dbc文件,以便于后续的处理。
第三实施例
进一步的,所述根据若干所述原始dbc代码对应生成所述dbc文件的步骤包括:
当实时获取到若干所述原始dbc代码时,对每一所述原始dbc代码分别添加对应的目标标识,每一所述目标标识均具有唯一性;
基于所述目标标识实时判断若干所述原始dbc代码中是否出现相同dbc代码;
若基于所述目标标识实时判断到若干所述原始dbc代码中出现相同dbc代码,则对应删除相同dbc代码,以生成对应的若干目标dbc代码,并对若干所述目标dbc代码进行整合处理,以对应生成所述dbc文件。
另外,在本实施例中,需要说明的是,在通过上述步骤实时获取到需要的dbc代码之后,由于dbc代码的数量较多,基于此,可以对每个原始dbc代码分别添加对应的目标标识,进一步的,可以实时根据当前每个目标标识的先后顺序依次判断当前若干原始dbc代码中是否出现相同dbc代码,具体的,若是,则说明出现了冗余dbc代码,需要对应删除相同dbc代码,以最终挑选出需要的若干目标dbc代码,在此基础之上,只需要对当前若干目标dbc代码进行整合处理,就能够对应生成上述dbc文件。
进一步的,在实时获取到上述dbc文件之后,只需要以当前dbc文件中包含的内容为基础,就能够进一步训练出上述初始测试模型,以便于后续的处理。
进一步的,所述根据所述dbc文件创建出对应的初始测试模型的步骤包括:
当实时获取到所述dbc文件时,在所述预设数据库中调出原始卷积神经网络,并对所述dbc文件进行全盘扫描,以实时提取出所述dbc文件中包含的若干dbc值;
将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型。
另外,在本实施例中,还需要说明的是,在通过上述步骤实时获取到需要的dbc文件之后,此时可以同步在上述预设数据库中对应调出与之适配的原始卷积神经网络,进一步的,再对当前dbc文件进行全盘扫描,并能够进一步实时提取出当前dbc文件中所包含的若干dbc值,具体的,该若干dbc值均为具体的数值。进一步的,只需要对应将当前若干dbc值融合至上述原始卷积神经网络中,就能够生成上述初始测试模型,以便于后续的处理。
第四实施例
进一步的,所述将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型的步骤包括:
当实时获取到若干所述dbc值时,实时检测出所述原始卷积神经网络中包含的若干神经节点,每一所述神经节点均具有唯一性;
对每一所述神经节点添加对应的目标序号,并实时检测出每一所述神经节点中携带的原始网络参数;
根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型。
其中,在本实施例中,需要指出的是,在通过上述步骤实时获取到若干dbc值之后,此时可以进一步对应实时检测出当前原始卷积神经网络中分别包含的若干神经节点,其中,需要指出的是,每个神经节点相互之间具有一定的先后顺序,并且每个神经节点均是唯一的。基于此,可以对应给每个神经节点分别添加不同的目标序号,与此同时,同步检测出当前每个神经节点中所携带的原始网络参数,并最终根据当前每个dbc值以及每个神经节点生成上述初始测试模型,以便于后续的处理。
第五实施例
进一步的,所述根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型的步骤包括:
根据所述目标序号的先后顺序,将每一所述神经节点中的原始网络参数逐一替换成每一所述dbc值,以生成对应的目标卷积神经网络;
对所述目标卷积神经网络进行模型训练,以对应生成所述初始测试模型,所述目标卷积神经网络具有唯一性。
其中,在本实施例中,需要指出的是,在通过上述步骤实时获取到每个目标序号以及每个神经节点之后,此时可以直接根据上述每个目标序号之间的先后顺序逐一将上述每个神经节点中的原始网络参数逐一替换成上述每个dbc值,并最终生成需要的目标卷积神经网络。
进一步的,以当前目标卷积神经网络为模型框架,并进一步根据上述dbc文件分别制作出对应的训练集以及验证集,基于此,通过该训练集以及验证集对当前目标卷积神经网络进行对应的模型训练,以对应生成上述初始测试模型,从而能够省去专门的测试场地以及测试设备,对应降低了测试成本,同时提升了用户的使用体验。
请参阅图2,本发明第六实施例提供了:
一种车辆底盘性能测试***,其特征在于,所述***包括:
检测模块,用于当实时检测到车辆底盘的接入信号时,在预设数据库中调出matlab程序,并实时检测出与所述车辆底盘对应的底盘代码;
解析模块,用于通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件,并根据所述dbc文件创建出对应的初始测试模型;
处理模块,用于实时检测出所述车辆底盘中包含的若干电子元件,并根据若干所述电子元件编写出对应的测试脚本;
测试模块,用于将所述测试脚本读写至所述初始测试模型中,以生成对应的目标测试模型,并通过所述目标测试模型完成对所述车辆底盘的性能测试。
进一步的,所述解析模块具体用于:
当实时获取到所述底盘代码时,实时检测出所述底盘代码中包含的代码序列,所述代码序列具有唯一性;
对所述代码序列进行正向最大步长分词处理,以对应将所述代码序列拆分成若干数字以及字母;
根据若干所述数字以及若干所述字母对应生成所述dbc文件。
进一步的,所述解析模块具体用于:
当实时获取到若干所述数字以及若干所述字母时,在所述预设数据库中调出dbc编码器,所述dbc编码器中预设有dbc编码脚本;
通过所述dbc编码器中的dbc编码脚本依次对每一所述数字以及每一所述字母进行编码处理,以生成若干对应的原始dbc代码,并根据若干所述原始dbc代码对应生成所述dbc文件。
进一步的,所述解析模块具体用于:
当实时获取到若干所述原始dbc代码时,对每一所述原始dbc代码分别添加对应的目标标识,每一所述目标标识均具有唯一性;
基于所述目标标识实时判断若干所述原始dbc代码中是否出现相同dbc代码;
若基于所述目标标识实时判断到若干所述原始dbc代码中出现相同dbc代码,则对应删除相同dbc代码,以生成对应的若干目标dbc代码,并对若干所述目标dbc代码进行整合处理,以对应生成所述dbc文件。
进一步的,所述解析模块还具体用于:
当实时获取到所述dbc文件时,在所述预设数据库中调出原始卷积神经网络,并对所述dbc文件进行全盘扫描,以实时提取出所述dbc文件中包含的若干dbc值;
将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型。
进一步的,所述解析模块还具体用于:
当实时获取到若干所述dbc值时,实时检测出所述原始卷积神经网络中包含的若干神经节点,每一所述神经节点均具有唯一性;
对每一所述神经节点添加对应的目标序号,并实时检测出每一所述神经节点中携带的原始网络参数;
根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型。
进一步的,所述解析模块还具体用于:
根据所述目标序号的先后顺序,将每一所述神经节点中的原始网络参数逐一替换成每一所述dbc值,以生成对应的目标卷积神经网络;
对所述目标卷积神经网络进行模型训练,以对应生成所述初始测试模型,所述目标卷积神经网络具有唯一性。
本发明第七实施例提供了一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上面所述的车辆底盘性能测试方法。
本发明第八实施例提供了一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上面所述的车辆底盘性能测试方法。
综上所述,本发明上述实施例提供的车辆底盘性能测试方法及***能够省去多余的测试场地以及设备,对应提升了测试效率。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆底盘性能测试方法,其特征在于,所述方法包括:
当实时检测到车辆底盘的接入信号时,在预设数据库中调出matlab程序,并实时检测出与所述车辆底盘对应的底盘代码;
通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件,并根据所述dbc文件创建出对应的初始测试模型;
实时检测出所述车辆底盘中包含的若干电子元件,并根据若干所述电子元件编写出对应的测试脚本;
将所述测试脚本读写至所述初始测试模型中,以生成对应的目标测试模型,并通过所述目标测试模型完成对所述车辆底盘的性能测试。
2.根据权利要求1所述的车辆底盘性能测试方法,其特征在于:所述通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件的步骤包括:
当实时获取到所述底盘代码时,实时检测出所述底盘代码中包含的代码序列,所述代码序列具有唯一性;
对所述代码序列进行正向最大步长分词处理,以对应将所述代码序列拆分成若干数字以及字母;
根据若干所述数字以及若干所述字母对应生成所述dbc文件。
3.根据权利要求2所述的车辆底盘性能测试方法,其特征在于:所述根据若干所述数字以及若干所述字母对应生成所述dbc文件的步骤包括:
当实时获取到若干所述数字以及若干所述字母时,在所述预设数据库中调出dbc编码器,所述dbc编码器中预设有dbc编码脚本;
通过所述dbc编码器中的dbc编码脚本依次对每一所述数字以及每一所述字母进行编码处理,以生成若干对应的原始dbc代码,并根据若干所述原始dbc代码对应生成所述dbc文件。
4.根据权利要求3所述的车辆底盘性能测试方法,其特征在于:所述根据若干所述原始dbc代码对应生成所述dbc文件的步骤包括:
当实时获取到若干所述原始dbc代码时,对每一所述原始dbc代码分别添加对应的目标标识,每一所述目标标识均具有唯一性;
基于所述目标标识实时判断若干所述原始dbc代码中是否出现相同dbc代码;
若基于所述目标标识实时判断到若干所述原始dbc代码中出现相同dbc代码,则对应删除相同dbc代码,以生成对应的若干目标dbc代码,并对若干所述目标dbc代码进行整合处理,以对应生成所述dbc文件。
5.根据权利要求1所述的车辆底盘性能测试方法,其特征在于:所述根据所述dbc文件创建出对应的初始测试模型的步骤包括:
当实时获取到所述dbc文件时,在所述预设数据库中调出原始卷积神经网络,并对所述dbc文件进行全盘扫描,以实时提取出所述dbc文件中包含的若干dbc值;
将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型。
6.根据权利要求5所述的车辆底盘性能测试方法,其特征在于:所述将若干所述dbc值对应融合至所述原始卷积神经网络中,以对应生成所述初始测试模型的步骤包括:
当实时获取到若干所述dbc值时,实时检测出所述原始卷积神经网络中包含的若干神经节点,每一所述神经节点均具有唯一性;
对每一所述神经节点添加对应的目标序号,并实时检测出每一所述神经节点中携带的原始网络参数;
根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型。
7.根据权利要求6所述的车辆底盘性能测试方法,其特征在于:所述根据每一所述dbc值以及每一所述神经节点对应生成所述初始测试模型的步骤包括:
根据所述目标序号的先后顺序,将每一所述神经节点中的原始网络参数逐一替换成每一所述dbc值,以生成对应的目标卷积神经网络;
对所述目标卷积神经网络进行模型训练,以对应生成所述初始测试模型,所述目标卷积神经网络具有唯一性。
8.一种车辆底盘性能测试***,其特征在于,所述***包括:
检测模块,用于当实时检测到车辆底盘的接入信号时,在预设数据库中调出matlab程序,并实时检测出与所述车辆底盘对应的底盘代码;
解析模块,用于通过所述matlab程序对所述底盘代码进行解析处理,以实时输出与所述底盘代码对应的dbc文件,并根据所述dbc文件创建出对应的初始测试模型;
处理模块,用于实时检测出所述车辆底盘中包含的若干电子元件,并根据若干所述电子元件编写出对应的测试脚本;
测试模块,用于将所述测试脚本读写至所述初始测试模型中,以生成对应的目标测试模型,并通过所述目标测试模型完成对所述车辆底盘的性能测试。
9.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的车辆底盘性能测试方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任意一项所述的车辆底盘性能测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410439049.0A CN118069536A (zh) | 2024-04-12 | 2024-04-12 | 一种车辆底盘性能测试方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410439049.0A CN118069536A (zh) | 2024-04-12 | 2024-04-12 | 一种车辆底盘性能测试方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118069536A true CN118069536A (zh) | 2024-05-24 |
Family
ID=91099373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410439049.0A Pending CN118069536A (zh) | 2024-04-12 | 2024-04-12 | 一种车辆底盘性能测试方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118069536A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101797005B1 (ko) * | 2017-03-09 | 2017-12-13 | 슈어소프트테크주식회사 | 차종 별 테스트 케이스 생성 방법 |
CN113740077A (zh) * | 2021-09-13 | 2021-12-03 | 广州文远知行科技有限公司 | 车辆底盘测试方法、装置、设备及存储介质 |
CN115616936A (zh) * | 2022-11-09 | 2023-01-17 | 国汽智控(北京)科技有限公司 | 针对车辆的仿真测试方法、装置和设备 |
CN115629553A (zh) * | 2022-08-18 | 2023-01-20 | 西安交通大学 | 一种高时空分辨率igbt模块电热应力计算方法 |
CN116125830A (zh) * | 2023-01-20 | 2023-05-16 | 天津主线科技有限公司 | 车辆仿真测试方法及装置 |
CN116793706A (zh) * | 2023-06-21 | 2023-09-22 | 梅赛德斯-奔驰集团股份公司 | 一种车辆底盘测试方法、装置和*** |
CN116882125A (zh) * | 2023-05-26 | 2023-10-13 | 广州文远知行科技有限公司 | 车辆底盘性能的测试方法、装置、设备和存储介质 |
CN117651012A (zh) * | 2024-01-25 | 2024-03-05 | 江铃汽车股份有限公司 | 一种车辆中央网关测试方法及*** |
CN117742288A (zh) * | 2023-12-18 | 2024-03-22 | 北京易控智驾科技有限公司 | 线控底盘域控制器的性能测试方法及装置、电子设备 |
-
2024
- 2024-04-12 CN CN202410439049.0A patent/CN118069536A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101797005B1 (ko) * | 2017-03-09 | 2017-12-13 | 슈어소프트테크주식회사 | 차종 별 테스트 케이스 생성 방법 |
CN113740077A (zh) * | 2021-09-13 | 2021-12-03 | 广州文远知行科技有限公司 | 车辆底盘测试方法、装置、设备及存储介质 |
CN115629553A (zh) * | 2022-08-18 | 2023-01-20 | 西安交通大学 | 一种高时空分辨率igbt模块电热应力计算方法 |
CN115616936A (zh) * | 2022-11-09 | 2023-01-17 | 国汽智控(北京)科技有限公司 | 针对车辆的仿真测试方法、装置和设备 |
CN116125830A (zh) * | 2023-01-20 | 2023-05-16 | 天津主线科技有限公司 | 车辆仿真测试方法及装置 |
CN116882125A (zh) * | 2023-05-26 | 2023-10-13 | 广州文远知行科技有限公司 | 车辆底盘性能的测试方法、装置、设备和存储介质 |
CN116793706A (zh) * | 2023-06-21 | 2023-09-22 | 梅赛德斯-奔驰集团股份公司 | 一种车辆底盘测试方法、装置和*** |
CN117742288A (zh) * | 2023-12-18 | 2024-03-22 | 北京易控智驾科技有限公司 | 线控底盘域控制器的性能测试方法及装置、电子设备 |
CN117651012A (zh) * | 2024-01-25 | 2024-03-05 | 江铃汽车股份有限公司 | 一种车辆中央网关测试方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112967272B (zh) | 基于改进U-net的焊接缺陷检测方法、装置及终端设备 | |
CN103235759A (zh) | 测试用例生成方法和装置 | |
CN112147983B (zh) | 一种车辆诊断方法、装置、电子设备及存储介质 | |
CN117651012B (zh) | 一种车辆中央网关测试方法及*** | |
CN115100739B (zh) | 人机行为检测方法、***、终端设备及存储介质 | |
CN111258905A (zh) | 缺陷定位方法、装置和电子设备及计算机可读存储介质 | |
CN118069536A (zh) | 一种车辆底盘性能测试方法及*** | |
CN115826991B (zh) | 软件脚本生成方法、***、计算机及可读存储介质 | |
CN116455784A (zh) | 网关测试方法、***、计算机及可读存储介质 | |
CN116449092A (zh) | 汽车功率检测方法、***、计算机及可读存储介质 | |
CN114153447B (zh) | 一种自动化生成ai训练代码的方法 | |
CN114625106B (zh) | 车辆诊断的方法、装置、电子设备及存储介质 | |
CN114879630A (zh) | 车辆故障诊断方法、装置、设备及可读存储介质 | |
CN103399816A (zh) | 一种数据检查方法及装置 | |
CN117875267B (zh) | 一种汉字转拼音的方法及*** | |
CN112215229A (zh) | 基于轻量网络端到端的车牌识别方法及装置 | |
CN118278882A (zh) | 一种项目问题管理方法及*** | |
CN112329124A (zh) | Cae模型查错方法、装置、计算机设备和存储介质 | |
CN111290938A (zh) | 一种基于人工辅助的Android半自动化测试方法 | |
CN116991706B (zh) | 车辆自动化测试方法、装置、设备及存储介质 | |
CN118132605A (zh) | 一种车辆编码生成方法及*** | |
CN116629663A (zh) | 模块类零件装配检测方法、***、计算机及可读存储介质 | |
CN115718680B (zh) | 数据读取方法、***、计算机及可读存储介质 | |
CN117896410A (zh) | 一种用户使用数据上传方法及*** | |
CN112949214B (zh) | 机器学***台及电子设备 |
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 |