CN107169223A - 基于汽车操纵稳定性试验评价系统的车辆参数调教方法 - Google Patents

基于汽车操纵稳定性试验评价系统的车辆参数调教方法 Download PDF

Info

Publication number
CN107169223A
CN107169223A CN201710411710.7A CN201710411710A CN107169223A CN 107169223 A CN107169223 A CN 107169223A CN 201710411710 A CN201710411710 A CN 201710411710A CN 107169223 A CN107169223 A CN 107169223A
Authority
CN
China
Prior art keywords
vehicle
test
experiment
handling stability
evaluation system
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
Application number
CN201710411710.7A
Other languages
English (en)
Inventor
管欣
金号
卢萍萍
孙坚
王莹
詹军
郭睿
贾鑫
梁帆
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.)
Jilin University
Original Assignee
Jilin University
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 Jilin University filed Critical Jilin University
Priority to CN201710411710.7A priority Critical patent/CN107169223A/zh
Publication of CN107169223A publication Critical patent/CN107169223A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,属于汽车领域。包括车辆参数调教、车辆动力学仿真模型、汽车操纵稳定性试验快速评价系统、车辆性能综合评分计算和目标值判断。本发明基于汽车操纵稳定性试验快速评价系统,对车辆参数调校提供理论依据,使得在汽车产品开发的早期阶段就能实现对汽车操纵稳定性进行优化,从而有效提高汽车产品的市场竞争力,提高汽车厂商的品牌效应。

Description

基于汽车操纵稳定性试验评价系统的车辆参数调教方法
技术领域
本发明涉及汽车领域,尤其涉及汽车操纵稳定性快速评价中的车辆参数优化方法。
背景技术
在操纵稳定性能开发中,在概念设计阶段就对整车性能进行快速预测和控制是具有工程意义的。
操纵稳定性作为影响汽车主动安全的重要因素之一,不仅影响汽车驾驶的操纵方便性,也是决定高速汽车安全行驶的主要性能之一。操作稳定性的好坏直接影响用户的直观感受。良好的操纵稳定性能够适应驾驶风格的消费者,有利于提高车辆的品牌效应。
目前国内外主要通过大量严格的整车性能试验来验证汽车产品的设计是否合理,然后对暴露的问题进行分析和修改,为其批量生产提供依据。整车性能试验目前主要依靠实车场地试验,当样车试制后,悬架硬点等车辆基本结构参数和总布置参数都已确定,留给工程师对车辆参数的改进空间有限,一旦出现问题,最终使得调校结果达不到产品定义阶段的性能要求,不具有足够的市场竞争力,甚至无法调校,最终造成产品开发失败。另外,工程师需要经过长期的经验积累来对车辆参数进行调校。综上所述,实车场地试验需要企业投入大量的人力、物力、财力等资源,会导致样车的评价和调校花费大量的时间,不利于企业降低开发成本和缩短开发周期。
目前存在的问题:1.汽车试验数据通常不在试验现场处理,由于驾驶员主观因素的影响,试验中必然存在无效试验数据,如果在后期数据处理中发现并踢除无效试验数据,使得现存的有效数据不足以支撑对车辆性能的综合分析和评价,需要进行新的场地试验。因此整个试验过程浪费了大量的人力、物力和财力,延长了汽车开发周期,降低了产品的市场竞争力。2.汽车试验的有效性通常由驾驶员评判,由于人为主观因素的影响,不同驾驶员评判标准不同;或者在相同评判标准下也会产生误判现象,导致试验评价结果可信度比较低,延长了汽车性能调教周期。因此需要形成一套统一的试验有效性评判标准,且由专用设备或者计算算法实行,最大程度降低人为误差,减少试验结果中主观因素的影响,增加试验结果的客观性和可信度。3.目前,市场上缺乏汽车操纵稳定性试验快速评价技术或相关硬件储备。4.车辆参数调校过程只能在汽车开发的后期调校阶段实施,对于在产品开发的早期阶段,通过计算机仿真环境下虚拟实现的研究起步较晚、经验少,如果没有理论方法作为指导,很难在短期内打破自主品牌在驾驶性评价技术落后于国外产品、竞争力不足的局面。
发明内容
本发明提供一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,以解决存在的上述技术问题。
本发明采取的技术方案是:包括车辆参数调教、车辆动力学仿真模型、汽车操纵稳定性试验快速评价系统、车辆性能综合评分计算和目标值判断。
本发明所述车辆参数调教用于车辆动力学模型参数读取以及参数更改。
本发明所述车辆动力学仿真模型用于仿真各种操纵稳定性试验工况,实时获得试验数据。
本发明所述汽车操纵稳定性试验快速评价系统是根据驾驶员输入和车辆响应信号可快速识别试验方案、试验工况,判断试验的有效性,并基于有效的试验数据进行试验评价指标的计算。
本发明所述车辆性能综合评分计算是根据汽车操纵稳定性评价指标,参考QC/T480-1999标准计算各个试验方案的综合评分。
本发明所述目标值判断是当汽车操纵稳定性试验综合评分达到目标值,或试验次数达到最大设定值时,目标值判断会停止底盘参数调教过程,否则会继续下一轮底盘参数调教过程。
进一步而言,汽车操纵稳定性试验快速评价系统包括特征物理量选择、试验数据预处理1、试验方案识别、试验数据预处理2、试验工况识别、试验有效性检验和试验评价;
所述特征物理量选择用于从驾驶员输入和车辆响应信号中选择能够充分表征试验方案主特征且能将该试验方案与其它试验方案区别开来的物理量;
试验数据预处理1和试验预处理2对试验数据进行剔除野值、低通滤波、坐标变换、数据插值和数据标准化;
试验方案识别用于快速识别试验方案;
试验工况识别用于快速识别试验工况;
试验有效性检验是根据标准规定的试验参数的偏差限值检验试验数据的有效性;
试验评价是根据有效的试验数据和试验工况快速计算出试验评价指标。
本发明方法能够在计算机仿真环境下对操纵稳定性试验方案和试验工况进行快速识别,并对其试验的有效性进行检验,并计算各试验方案对应的评价指标,基于评价指标来计算操纵稳定性综合评分,然后判断车辆性能综合评分是否达到预期,对车辆参数进行调校,实现在车辆参数在合理范围内,车辆性能的最优化。
本发明基于汽车操纵稳定性试验快速评价系统,对车辆参数调校提供理论依据,使得在汽车产品开发的早期阶段就能实现对汽车操纵稳定性进行优化,从而有效提高汽车产品的市场竞争力,提高汽车厂商的品牌效应。
附图说明
图1为本发明实施例模型计算流程图;
图2为蛇形试验有效性检验图;
图3为蛇形试验待检验的样本图;
图4为蛇形试验转向盘转角零点和峰值点示意图;
图5为蛇形试验转向盘转角有效峰值点示意图;
图6为基于汽车操稳快速评价系统的车辆参数调校流程图;
图7为Isight软件下车辆设计参数优化流程图;
图8为车辆参数优选过程中蛇形试验综合评分变化图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。本发明的实施例为示例性的,仅用于解释本发明,不能理解为对本发明的限制。
下面参考附图描述基于汽车操纵稳定性试验快速评价系统的车辆参数调校方法。
基于汽车操纵稳定性试验快速评价系统的车辆参数调教方法,包括车辆参数调教、车辆动力学仿真模型、汽车操纵稳定性试验快速评价系统、车辆性能综合评分计算和目标值判断,见图1所示;
其中,车辆参数调教用于车辆动力学模型参数读取以及参数更改;
车辆动力学仿真模型用于仿真各种操纵稳定性试验工况,实时获得试验数据;
汽车操纵稳定性试验快速评价系统是根据驾驶员输入和车辆响应信号可快速识别试验方案、试验工况,判断试验的有效性,并基于有效的试验数据进行试验评价指标的计算;
车辆性能综合评分计算是根据汽车操纵稳定性评价指标,参考QC/T480-1999标准计算各个试验方案的综合评分;
目标值判断是当汽车操纵稳定性试验综合评分达到目标值,或试验次数达到最大设定值时,目标值判断会停止底盘参数调教过程,否则会继续下一轮底盘参数调教过程;
进一步而言,汽车操纵稳定性试验快速评价系统包括特征物理量选择、试验数据预处理1、试验方案识别、试验数据预处理2、试验工况识别、试验有效性检验和试验评价;
特征物理量选择用于从驾驶员输入和车辆响应信号中选择能够充分表征试验方案主特征且能将该试验方案与其它试验方案区别开来的物理量;
试验数据预处理1和试验预处理2对试验数据进行剔除野值、低通滤波、坐标变换、数据插值和数据标准化;
试验方案识别用于快速识别试验方案;
试验工况识别用于快速识别试验工况;
试验有效性检验是根据标准规定的试验参数的偏差限值检验试验数据的有效性;
试验评价是根据有效的试验数据和试验工况快速计算出试验评价指标。
下边通过实验例进一步说明汽车操纵稳定性试验快速评价系统的建立方法
包括下列步骤:
(一)、汽车操纵稳定性试验数据库建立,试验数据来源:CarSim仿真环境下18款车型的仿真试验数据和8款车型的实车场地试验数据,车型覆盖A级车到E级车;
(二)、特征物理量选择方法;涉及的操纵稳定性试验方案包括GB/T6323-2014和ISO国际标准中的蛇形试验、转向盘转角阶跃试验、转向盘转角脉冲试验、双移线试验、稳态回转试验、转向轻便性试验、单正弦试验、扫频试验、转弯制动试验、转弯中断动力试验、中心区-穿行试验、中心区-斜坡试验、转向释放开环试验、转向脉冲回正试验、原地转向试验;
涉及的操纵稳定性试验方案特征物理量包括:蛇形试验的特征物理量是车辆侧向位置;转向盘转角脉冲试验的特征物理量是转向盘转角;转向盘转角阶跃试验的特征物理量是转向盘转角;双移线试验的特征物理量是车辆侧向位置;转向轻便性试验的特征物理量是车辆轨迹;稳态回转-定半径的特征物理量是纵向车速和侧向加速度;稳态回转-定转角的特征物理量是转向盘转角和纵向车速;稳态回转-定车速的特征物理量是转向盘转角和纵向车速;单正弦试验的特征物理量是转向盘转角;扫频试验的特征物理量是转向盘转角;中心区-穿行试验的特征物理量是转向盘转角;中心区-斜坡试验的特征物理量是转向盘转角;转向释放开环试验的特征物理量是转向盘力矩;转向脉冲回正试验的特征物理量是转向盘力矩;转弯制动试验的特征物理量是转向盘转角和纵向车速;转弯中断动力试验的特征物理量是转向盘转角和纵向车速;原地转向试验的特征物理量是转向盘转角;
(三)、试验数据预处理1方法,包括:
A1.采用中值滤波方法剔除野值;
A2.低通滤波;
A3.坐标变换,实车试验数据的车辆轨迹信号是通过GPS导航定位技术测量得到的,车辆的位置信号是在GPS坐标系下表示,实际使用过程需要对车辆位置信息进行坐标变换;为将车辆位置信息转换到位置表示坐标系下,其中GPS采集的车辆位置信息需要经过三次坐标变换,GPS采集的经度、维度和高程信息表示在WGS-84坐标系下,首先将GPS采集的经度、维度和高程信息转换到地心地固坐标系下;其次,将车辆位置在地心地固坐标系下的表示转换到当地水平坐标系下;最后,将车辆位置在当地水平坐标系下的表示转换到位置表示坐标系下;三个过程具体如下:
A31.WGS-84坐标系向地心地固坐标系变换
e2=(a2-b2)/a2=2f-f2
式中,XE、YE、ZE为车辆位置在地心地固坐标系下的坐标表示;λ、h分别为车辆位置在WGS-84坐标系下的纬度、经度和高程;v为纬度处卯酉圈的曲率半径;e为WGS-84椭球第一偏心率;a为WGS-84椭球模型长半轴,其值为6378137.0m;f为WGS-84椭球模型扁率,其值为0.003352810664;
A32.地心地固坐标系向当地水平坐标系变换
式中,CNE为地心地固坐标系向当地水平坐标系变换的变换矩阵;X、Y、Z为车辆轨迹在当地水平坐标系的表示;△XE、△YE、△ZE为车辆位置在地心地固坐标系下的坐标与当地水平坐标系下坐标原点的地心地固坐标之差变换至当地水平坐标系下的坐标差值;
A33.当地水平坐标系向位置表示坐标系变换
位置表示坐标系与汽车试验起始点对应的车辆坐标系方向相同,而汽车操纵稳定性试验通常在水平路面上进行,车辆坐标系和当地水平坐标系的Z轴始终同向,因此只需在X,Y方向进行坐标变换:
式中,(XV,YV)为车辆位置在位置表示坐标系下表示;(xR,yR)为试验车试验起始点在当地水平坐标系中的位置;θ为当地水平坐标系和位置表示坐标系的方位差;
A4.数据插值,对有效数据段进行线性插值处理,考虑到数据精度和后续识别时间,选择200个插值点;
A5.数据标准化,方法如下:
x′ik=(xik-aver(xk))/(max(xk)-min(xk))
中,x′ik为标准化后的数据;xik为观察值;aver(xk)为观察值的平均值;min(xk)为观察值的最小值;max(xk)为观察值的最大值;
(四)、试验方案识别模型建立,经试验数据预处理1后,同一试验方案的不同试验工况的特征物理量具有相同的量级和趋势,不同试验方案的特征物理量具有不同的趋势,建立试验方案识别模型;采用动态时间规整方法(DTW)和神经网络方法对试验方案进行识别,考虑到同一试验方案向左转向和向右转向试验数据的趋势相反,将其视为两种试验方案;方法如下:
B1.基于动态时间规整方法的试验方案识别建立方法
动态时间规整方法是将时间调整和距离测量结合起来的一种非线性规整技术,能够对数据长度不一致、存在局部变形等情况的两个模式进行匹配,将测试序列A和模板序列B在时间轴上进行一定程度的局部拉伸或压缩,使A和B能够很好地匹配,从而找到A与B对应点的映射,计算对应点的距离;动态时间规整算法的重点是计算距离累加和矩阵R,其中R(i,j)表示A(1:i)和B(1:j)在当前长度下的最优匹配路径下的距离平方的累加和:
为了消除模板的特殊性,取试验方案对应的所有试验数据预处理后的均值作为模板,既弱化了不同车型带来的试验数据差异,又减少了不同驾驶员带来的试验数据差异;
使用过程中,将上述试验方案对应的所有试验数据预处理后的均值存储起来,作为模板,将未知类别的物理量经过预处理、特征物理量选择与模板中的特征物理量进行模式匹配,相似度最大、即距离累加和矩阵最小的即为待识别样本的类别;
B2.基于神经网络方法的试验方案识别建立方法
神经网络采用梯度搜索技术使网络的实际输出值与期望输出值之间的误差均方值达到最小,学习过程由信号正向传播与误差方向传播两个过程组成,信号正向传播时,输入样本从输入层传入,经隐含层处理后,传递至输出层,若输出层的实际输出值与期望的输出值相差较大,则转入误差反向传播阶段,信号正向传播和误差反向传播的各层连接权值和节点阈值修正过程是周而复始地进行,权值不断修正的过程,就是网络的学习过程,此过程一直进行,直到网络输出的误差减少到可接受的程度或者达到预先设定的学习次数为止;
基于神经网络方法的操纵稳定性试验方案识别模型:不同试验方案的特征物理量的个数和信号存在差异,因此为每个试验方案建立一个神经网络模型,神经网络的输入层为特征物理量;中间层为隐层,采用12个节点;输出层为试验方案类别,神经网络主要训练参数为:最大训练次数为1000次、训练目标最小误差为0.0001、学习速率为0.01,将上述操纵稳定性试验数据库经过神经网络训练后,将神经网络模型参数存储起来;使用时,将未知类别的物理量经过预处理,选择相应特征物理量遍历所有的神经网络模型,模型输出的类别与预设类别误差最小的即为该样本的类别;
(五)、试验数据预处理2方法,与步骤(三)试验数据预处理1中的方法相同;
(六)、试验工况识别方法,根据试验方案识别的结果和经过试验数据预处理2处理后的车辆响应和驾驶员输入计算试验工况参数,然后将其归类为与之最接近的试验工况;
(七)、试验有效性检验方法,首先根据试验工况识别结果和经过试验数据预处理1处理后的车辆响应和驾驶员输入计算GB或ISO标准中规定的试验参数,然后检验该参数是否在偏差范围内,如果在偏差范围内,则认为该试验有效;否则无效;
(八)、试验评价,对于有效的试验,应根据ISO和GB标准中规定的评价指标计算方法快速计算评价指标对车辆的操纵稳定性进行评价,根据试验工况识别结果和经过试验数据预处理1处理后的车辆响应和驾驶员输入计算试验评价指标。
下边以蛇形试验为实验例,对本发明具体实现过程进行阐述。
由于蛇形试验是轨迹跟踪闭环试验,驾驶员需持续不断地观察前方目标路径,基于观察到的路径信息,做出判断并进行适当的转向操纵。相同工况下,不同车型为了稳定地穿越蛇形桩所需施加的转向盘转角不同,车辆的侧向加速度、横摆角速度等响应也不同。作为一个闭环试验,车辆能稳定穿越蛇形桩视为试验成功,因此最能表征蛇形试验的特征物理量是车辆的轨迹信号:车辆的纵向位置和侧向位置。蛇形试验是定车速试验。因此,选择车辆侧向位置作为蛇形试验的特征物理量。
汽车操纵稳定性试验快速评价系统中,蛇形试验有效性检验判断依据见图2所示,其一,纵向车速基准值为60km/h,基于该值上下浮动±5km/h范围内;其二,车辆侧向位置轨迹(折线)在黑色点内。满足上述条件,该试验数据检验为有效。见表1所示,l为车宽长度,随着纵向位置的不断增加,侧向位置上、下偏差对应图2中的黑色点的侧向位置。
表1为蛇形试验轨迹偏差表
选择60km/h的蛇形试验,按照蛇形试验方法进行试验,获得5个蛇形试验样本。驾驶员输入和车辆响应。蛇形试验样本的采集是通过实车场地试验采集的样本数据,见图3所示。试验结束后,快速评价系统会依次进行预处理、逐层分类、试验方案识别、试验工况识别、试验有效性检验和试验评价。检验结果见表2所示,样本1、3为有效数据,样本2、4、5为无效数据。样本2、4、5由于车速超出容许范围而无效。因此只需对样本1、3进行客观评价。
表2蛇形试验有效性检验结果
以转向盘转角为例对蛇形试验客观评价指标的计算算法进行说明。首先判断转向盘转角零点:若angle(k)×angle(k+1)≤0,即认为k点是零点,见图4中星点。然后查找相邻零点之间的转向盘转角的峰值和峰值点,见图4中圆点。由于数据波动和干扰信号的扰动,对上述零点、峰值点的判断会出现很多无效点,因此需要增加几个判断条件剔除无效点。
判断条件1.查找转向盘转角最大值max(angle),设定阈值0.7×max(angle),若相邻零点间的转向盘转角峰值小于阈值0.7×max(angle),则断定该点不是峰值点,舍弃其中一个峰值点和零点。2.查找相邻两个零点之间的最大周期max(T),若相邻两个零点之间的周期偏离最大周期超过最大周期±10%,断定该点不是峰值点,舍弃其中一个峰值点和零点。3.相邻两个峰值的乘积应该是负数,如果为正数或者零,则舍弃其中一个峰值点和零点。
]经过以上判断后,得到蛇形试验有效峰值点,见图5所示。有效峰值点绝对值的均值即为平均转向盘转角。计算的评价指标见表3所示。
表3蛇形试验评价指标结果
本文明在进行车辆参数调校的前提条件是试验数据检验有效。车辆参数调校的流程见图6所示。首先,建立被分析车辆的动力学模型,设置相应的客观评价试验工况进行仿真,可以获得各种物理量响应信号,经过快速评价技术后,可得到试验方案、工况和试验有效性检验结果,如果试验有效则计算试验评价指标,以此为目标采用优化或者优选算法对设计变量进行改进,也可以联合基于评价指标的主观评价方法进行设计参数的优化改进。
本发明以提高蛇行试验性能为例,为了使评价结果更加直观,参考QC/T480-1999规定的评价分数处理方法,平均横摆角速度的评价分数和平均转向盘转角的评价分数分别为:
式中,r60、r100分别为平均横摆角速度的上限值和下限值;φ60、φ100分别为平均转向盘转角的上限值和下限值,具体取值详见表4。
表4蛇形试验评价指标限值
蛇形试验综合评价分数:
以蛇形试验综合评价分数为最终优化目标,在Isight环境下搭建底盘设计参数优化流程,见图7所示。Par_Change组件负责每次循环修改底盘设计参数;Vehicle_Model组件负责整车动力学模型的仿真;Index_Test用于试验有效性检验以及评价指标的计算;Sum_Index组件s用于计算蛇形试验综合性能评分。
汽车操纵稳定性与悬架、轮胎、转向系统息息相关,因此本文将悬架、转向、轮胎三个系统的参数作为设计参数。基于某款车型的设计参数值,本文给出设计参数的变化范围,见表5所示:
表5车辆设计参数变化范围
运用Isight软件中提供的正交试验设计方法进行底盘性能优化。优选过程使蛇形试验综合评价分数从90.49提高到95.45,见图8所示。图中的三角形为整个计算过程的最优性能,表明本文提出的方法能够在样车制造前对车辆的性能进行改进和控制。优选前后的设计参数见表6所示:
表6优选前后的设计参数

Claims (7)

1.一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,其特征在于:包括车辆参数调教、车辆动力学仿真模型、汽车操纵稳定性试验快速评价系统、车辆性能综合评分计算和目标值判断。
2.根据权利要求1所述的一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,其特征在于:所述车辆参数调教用于车辆动力学模型参数读取以及参数更改。
3.根据权利要求1所述的一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,其特征在于:所述车辆动力学仿真模型用于仿真各种操纵稳定性试验工况,实时获得试验数据。
4.根据权利要求1所述的一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,其特征在于:所述汽车操纵稳定性试验快速评价系统是根据驾驶员输入和车辆响应信号可快速识别试验方案、试验工况,判断试验的有效性,并基于有效的试验数据进行试验评价指标的计算。
5.根据权利要求4所述的一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,其特征在于:所述汽车操纵稳定性试验快速评价系统包括特征物理量选择、试验数据预处理1、试验方案识别、试验数据预处理2、试验工况识别、试验有效性检验和试验评价;
所述特征物理量选择用于从驾驶员输入和车辆响应信号中选择能够充分表征试验方案主特征且能将该试验方案与其它试验方案区别开来的物理量;
所述试验数据预处理1和试验预处理2对试验数据进行剔除野值、低通滤波、坐标变换、数据插值和数据标准化;
所述试验方案识别用于快速识别试验方案;
所述试验工况识别用于快速识别试验工况;
所述试验有效性检验是根据标准规定的试验参数的偏差限值检验试验数据的有效性;
所述试验评价是根据有效的试验数据和试验工况快速计算出试验评价指标。
6.根据权利要求1所述的一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,其特征在于:所述车辆性能综合评分计算是根据汽车操纵稳定性评价指标,参考QC/T480-1999标准计算各个试验方案的综合评分。
7.根据权利要求1所述的一种基于汽车操纵稳定性试验评价系统的车辆参数调教方法,其特征在于:所述目标值判断是当汽车操纵稳定性试验综合评分达到目标值,或试验次数达到最大设定值时,目标值判断会停止底盘参数调教过程,否则会继续下一轮底盘参数调教过程。
CN201710411710.7A 2017-06-02 2017-06-02 基于汽车操纵稳定性试验评价系统的车辆参数调教方法 Pending CN107169223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710411710.7A CN107169223A (zh) 2017-06-02 2017-06-02 基于汽车操纵稳定性试验评价系统的车辆参数调教方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710411710.7A CN107169223A (zh) 2017-06-02 2017-06-02 基于汽车操纵稳定性试验评价系统的车辆参数调教方法

Publications (1)

Publication Number Publication Date
CN107169223A true CN107169223A (zh) 2017-09-15

Family

ID=59825242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710411710.7A Pending CN107169223A (zh) 2017-06-02 2017-06-02 基于汽车操纵稳定性试验评价系统的车辆参数调教方法

Country Status (1)

Country Link
CN (1) CN107169223A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107908874A (zh) * 2017-11-15 2018-04-13 上海华兴数字科技有限公司 工况识别方法和装置及工程机械设备
CN108388730A (zh) * 2018-02-24 2018-08-10 北京车和家信息技术有限公司 车辆开发的方法
CN108595853A (zh) * 2018-04-28 2018-09-28 吉林大学 一种基于遗传算法的并联混合动力汽车参数优化设计方法
CN109033643A (zh) * 2018-07-31 2018-12-18 福建工程学院 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法
CN109657393A (zh) * 2018-12-28 2019-04-19 上汽通用五菱汽车股份有限公司 用于轮胎与底盘电控系统匹配的仿真平台及匹配仿真方法
CN112308454A (zh) * 2020-11-19 2021-02-02 安徽江淮汽车集团股份有限公司 汽车操纵稳定性评价方法、装置、设备及存储介质
CN114236272A (zh) * 2021-12-02 2022-03-25 深圳市环球众一科技有限公司 一种电子产品的智能检测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823929A (zh) * 2014-02-18 2014-05-28 北京理工大学 一种基于驾驶员模型的车辆转向系统性能测试方法
CN104077459A (zh) * 2014-07-17 2014-10-01 中国汽车工程研究院股份有限公司 一种基于悬架kc特性的汽车底盘操稳性能分析模型
CN104385873A (zh) * 2014-09-24 2015-03-04 湖南大学 一种汽车悬架系统的多目标优化方法
CN105785964A (zh) * 2014-12-25 2016-07-20 上海机动车检测中心 一种车辆闭环试验方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823929A (zh) * 2014-02-18 2014-05-28 北京理工大学 一种基于驾驶员模型的车辆转向系统性能测试方法
CN104077459A (zh) * 2014-07-17 2014-10-01 中国汽车工程研究院股份有限公司 一种基于悬架kc特性的汽车底盘操稳性能分析模型
CN104385873A (zh) * 2014-09-24 2015-03-04 湖南大学 一种汽车悬架系统的多目标优化方法
CN105785964A (zh) * 2014-12-25 2016-07-20 上海机动车检测中心 一种车辆闭环试验方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
时付伟: "基于ADAMS的客车操纵稳定性仿真及试验研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107908874A (zh) * 2017-11-15 2018-04-13 上海华兴数字科技有限公司 工况识别方法和装置及工程机械设备
CN107908874B (zh) * 2017-11-15 2021-10-29 上海华兴数字科技有限公司 工况识别方法和装置及工程机械设备
CN108388730A (zh) * 2018-02-24 2018-08-10 北京车和家信息技术有限公司 车辆开发的方法
CN108595853A (zh) * 2018-04-28 2018-09-28 吉林大学 一种基于遗传算法的并联混合动力汽车参数优化设计方法
CN108595853B (zh) * 2018-04-28 2021-06-04 吉林大学 一种基于遗传算法的并联混合动力汽车参数优化设计方法
CN109033643A (zh) * 2018-07-31 2018-12-18 福建工程学院 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法
CN109033643B (zh) * 2018-07-31 2022-07-15 福建工程学院 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法
CN109657393A (zh) * 2018-12-28 2019-04-19 上汽通用五菱汽车股份有限公司 用于轮胎与底盘电控系统匹配的仿真平台及匹配仿真方法
CN109657393B (zh) * 2018-12-28 2024-01-12 上汽通用五菱汽车股份有限公司 用于轮胎与底盘电控系统匹配的仿真平台及匹配仿真方法
CN112308454A (zh) * 2020-11-19 2021-02-02 安徽江淮汽车集团股份有限公司 汽车操纵稳定性评价方法、装置、设备及存储介质
CN114236272A (zh) * 2021-12-02 2022-03-25 深圳市环球众一科技有限公司 一种电子产品的智能检测系统
CN114236272B (zh) * 2021-12-02 2022-11-08 深圳市环球众一科技有限公司 一种电子产品的智能检测系统

Similar Documents

Publication Publication Date Title
CN107169223A (zh) 基于汽车操纵稳定性试验评价系统的车辆参数调教方法
CN109733390B (zh) 一种基于驾驶人特性的自适应换道预警方法
CN107238500A (zh) 汽车操纵稳定性试验快速评价系统建立方法
Netto et al. Lateral adaptive control for vehicle lane keeping
US9057781B2 (en) Position estimation device and position estimation method
CN113386781A (zh) 一种基于数据驱动车辆动力学模型的智能车辆轨迹跟踪控制方法
CN109033643B (zh) 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法
CN112356830A (zh) 一种基于模型强化学习的智能泊车方法
CN109991974A (zh) 自动驾驶路径跟随方法、装置及控制设备
CN108776722B (zh) 一种基于设计速度的城市离散交通网络设计方法
CN103823929A (zh) 一种基于驾驶员模型的车辆转向系统性能测试方法
CN113074959B (zh) 一种自动驾驶系统测试分析方法
Hyeon et al. Short-term speed forecasting using vehicle wireless communications
CN109387374B (zh) 一种车道保持水平评价方法
CN116331264A (zh) 一种未知障碍物分布的避障路径鲁棒规划方法及系统
Domina et al. Modelling the dynamic behavior of the steering system for low speed autonomous path tracking
Boggio et al. Trajectory planning and control for autonomous vehicles: a “fast” data-aided NMPC approach
CN110008577B (zh) 基于最差全局危险度搜索的车辆自动换道功能测评方法
Black et al. Creation of a driver preference objective metric to evaluate ground vehicle steering systems
Qin et al. Real-Time Road Profile Identification and Monitoring: Theory and Application
CN112937587A (zh) 基于K-Medoids和分类回归树的路感模拟方法
He et al. An automated design synthesis method for multi-trailer articulated heavy vehicles
CN112380724B (zh) 无人驾驶车横向自主变道辅助系统仿真测试方法和系统
Zheng et al. Research on steering performance of steer-by-wire vehicle
Wu et al. Lane-Changing Behavior Recognition in the Connected Vehicle Environment

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170915