CN110348103A - 一种基于数字孪生的车辆抗毁伤评估方法 - Google Patents
一种基于数字孪生的车辆抗毁伤评估方法 Download PDFInfo
- Publication number
- CN110348103A CN110348103A CN201910597375.3A CN201910597375A CN110348103A CN 110348103 A CN110348103 A CN 110348103A CN 201910597375 A CN201910597375 A CN 201910597375A CN 110348103 A CN110348103 A CN 110348103A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- physical
- information
- virtual
- injure
- 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.)
- Granted
Links
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本发明公开了一种基于数字孪生的车辆抗毁伤评估方法,首先是对物理车辆进行数字化孪生,建立与之高仿真性的数字孪生模型,此模型包括四大系统即:虚拟车辆固件系统、动态实时交互系统、外部信息交互系统、车辆状态监测系统,在此基础上通过外部服务来构建车辆的毁伤子系统,对数字车辆进行模拟攻击,通过车辆状态监测系统并辅之以各种方法来对毁伤的效果进行评估,以此来得出车辆的抗毁伤评估数据,对车辆进行抗毁伤评估。
Description
技术领域
本发明涉及数字孪生以及车辆的包括基于贝叶斯网络、图像的车辆毁伤评估方法,特别是涉及一种基于数字孪生技术的车辆抗毁伤评估方法。
背景技术
数字孪生技术是一种通过数字化建模,将物理实体反应到数字化模型中,实现并保持物理实体与虚拟数字模型之间的高度一致性。通过将物理实体反映到数字模型,能够实现在数字领域对模型进行各种高仿真操作,避免了对物理实体操作时候的实施难度大、代价高的弊端,数字孪生技术同时结合了现代多种学科,是一种新生的充满活力的技术。
物理实体的数字化孪生体因为涉及物理学、信息学、材料学等多学科,其详尽的数字化复制品的建立具有相当大的难度,因此目前的数字孪生技术大多数还仅仅停留于产品设计的层次阶段,国内对于数字孪生的专利也都处在方法发明这一阶段,集中于产品的生命周期管理以及车间智能制造领域,国外对于数字孪生的专利则比较广泛,比如工业资产的分配与管理的优化控制、自动化系统中的使用控制器内的过程图像数据来访问现实世界对象的方法等等,对于数字孪生技术与抗毁伤评估结合使用的方法并没有,论文方面国内外也是集中于产品的生命健康周期管理以及车间制造等领域。
基于数字孪生技术的背景下,车辆的安全性一直是比较关注的问题,在车辆设计时需要充分考虑所设计车辆的各个部件甚至是车辆整体的抗毁伤性能如何,现有的方式是通过一定的建模仿真或者是实体实验得出抗毁伤数据,通过一定的建模仿真的方法因为只是对车辆的某些方面建模而具有一定的局限性,而后者的物理实体实验因为高昂的费用以及毁伤的误差性使得这一方法的使用受限制。
所以基于以上问题,本发明提出一种基于数字孪生技术的车辆抗毁伤评估方法。建立车辆的数字化孪生体,基于数字仿真的角度进行抗毁伤评估,解决了实体实验费用高、仿真技术局限性高的问题。
发明内容
本发明技术解决问题:克服现有抗毁伤评估方法的不足,提供一种低成本特点的基于数字孪生的车辆抗毁伤评估方法,通过建立物理车辆的数字孪生体,加上车辆服务系统、毁伤子系统来对物理车辆整体或其发动机、底盘、车身、电气设备中某一个或某几个进行毁伤仿真,能够对毁伤效果进行有效检测。
本发明提出的技术方案为:一种基于数字孪生的车辆抗毁伤评估方法,采用数字孪生技术,建立物理车辆的数字模型,模拟物理车辆的各种毁伤,并对虚拟车辆的毁伤效果进行评估。
实现步骤如下:
步骤1、构建虚拟车辆固件系统,所述虚拟车辆固件系统是真实反映物理车辆的数字模型,所述数字模型包括物理车辆的基本的几何模型以及车辆的发动机、底盘、车身、电气设备的软硬件信息,其中几何模型以物理车辆整体的用三维制作软件所构建的模型为基础,包含物理车辆的生产、制造、加工过程中所用的技术等信息,作为虚拟车辆固件系统的一部分。
步骤2、基于步骤1所构建的虚拟车辆固件系统的基础上添加外部信息交互系统,在此系统中信息为双向流通,所述外部信息交互系统为物理车辆和虚拟车辆与将要添加的车辆服务系统之间的信息交互窗口,对于车辆服务系统中需要传输的数据进行初步处理、整合反映给物理车辆以及虚拟车辆,同时又将物理车辆和虚拟车辆的基本信息反映给车辆服务系统,供其分析计算;
步骤3、基于步骤1中构建的虚拟车辆固件系统,添加动态实时交互系统,所述动态实时交互系统为虚拟车辆固件系统与车辆服务系统、物理车辆之间提供信息交互通道,实现虚拟车辆固件系统与车辆服务系统、物理车辆之间的及时高效地信息交互。在动态实时交互系统中,数据不经过实质上的处理,而是由于数据的庞大性将其进行压缩整合,转化为易于分析的数据,加快其他系统的处理过程;
步骤4、基于虚拟车辆固件系统、动态实时交互系统和外部信息交互系统添加车辆状态监测系统。车辆状态监测系统为物理车辆、虚拟车辆固件系统和车辆服务系统的统一监管平台,不但对虚拟车辆固件系统、动态实时交互系统和外部信息交互系统计算的数据进行审核,也对物理车辆、虚拟车辆固件系统各部分的实时数据进行分析、监测,并将监测结果反映给车辆服务系统;
步骤5、基于步骤4所建立的四大系统的基础上,添加车辆服务系统,在车辆的整个生命周期中,此系统将在每个时间阶段都对物理车辆以及虚拟车辆固件系统进行仿真、调试、检测等环节的数据收集与处理,将得到的数据用于物理车辆所采取维护措施的制定中去。抗毁伤评估中,车辆服务系统中有毁伤子系统,模仿现实环境下的物理车辆可能遭受到的毁伤,产生毁伤源,同时也对步骤1所构建的虚拟车辆和虚拟车辆包括的发动机、底盘、车身、电气系统进行毁伤仿真,检测抗毁伤程度;
步骤6、利用车辆状态监测系统以及目前现有的基本的毁伤评估方法对虚拟车辆受到的毁伤进行评估,虚拟车辆经过毁伤子系统施加某一毁伤后,通过车辆状态监测系统对虚拟车辆固件系统进行数据采集,进行毁伤程度的计算,得出一个抗毁伤结果;然后利用基于贝叶斯网络的车辆毁伤评估方法,在毁伤前先对施加的毁伤源进行初步概率计算,得出概率上的毁伤效果,最后通过基于图像的车辆毁伤评估方法,对虚拟车辆毁伤前后进行模型对比分析利用基于图像的车辆抗毁伤评估方法得出车辆的抗毁伤情况,对于发动机、底盘、车身、电气系统不同部位的毁伤利用加权评估法进行加权合成,最终得出物理车辆软硬件的抗毁伤能力;
所述步骤1中,构建物理车辆的虚拟车辆固件系统,真实反映物理车辆的数字模型,实现方法如下:
(1)虚拟车辆的虚拟车辆固件系统Vs由几何模型、物理模型、规则模型、行为模型组成。对于几何模型Gm,包括物理车辆的三维模型信息,即发动机、底盘、车身、电气设备,在车辆的初始设计阶段设计的物理车辆的信息均被包含进去,根据一般划分习惯,通常Gm=(ENf,CHf,BOf,EAf),其中ENf、CHf、BOf、EAf分别代表发动机模型、底盘模型、车身模型、电气设备模型。
(2)虚拟车辆的虚拟车辆固件系统Vs所包含的物理模型Pm,Pm为刻画物理车辆的物理学特性所用的模型,物理车辆发动机温度、变速器齿轮应力、以及车轴的形变量均用物理模型Pm进行量化描述,在此可以用FEM方法即有限元分析法进行计算。
(3)对于虚拟车辆的虚拟车辆固件系统Vs所包含的规则模型Rm,在车辆正常使用运行过程中,规则模型Rm提供虚拟车辆各部件运行机制,使虚拟车辆按照物理车辆的运行规则进行参数仿真。在虚拟车辆的毁伤过程中,Rm作为施加毁伤后的毁伤规则约束,使其按照实际物理规律变化。
(4)对于车辆的虚拟车辆固件系统Vs所包含的行为模型Bm,行为模型Bm为虚拟车辆的控制端输入函数,由物理车辆所处的环境通过传感器信息采集作为数据来源,包括正常人为驾驶信息的输入及车辆所处的温度、湿度、光照、酸碱度、风沙、灰尘所给的信息。
(5)由几何模型、物理模型、规则模型、行为模型组成的虚拟车辆固件系统的整体函数为:Vs=(Gm,Pm,Rm,Bm),每个子函数都作为虚拟车辆固件系统的一部分,使虚拟车辆成为物理车辆的数字化映射。
所述步骤2中,实现方法如下:
外部信息交互系统Es实现外界(人工、物理环境)与物理车辆、虚拟车辆的信息交互,物理车辆所经过的检修、保养以及各种售后服务信息都经过外部信息交互系统的处理反映到虚拟车辆中,实现物理车辆和虚拟车辆的实时信息交互,以保证任何时候虚拟车辆都将具有物理车辆现实状态下的任何必要信息。
(1)在Es中,物理车辆的信息输入函数If=(Rf,Us),其中,Rf为车辆的驾驶操作信息输入,物理车辆驾驶会给物理车辆造成一定的疲劳损坏、腐蚀、磨损,经过传感器数据采集、物理函数推理方法再经由Rf函数的处理可以反映到Vs,为评估作信息源。Us是物理车辆经过维修、保养物理处理后的输入函数,物理车辆经过处理后通过人工信息录入、传感器检测将采集到的信息经Us反映到Vs中,保证物理车辆与虚拟车辆之间的高保真度与实时映射,使物理车辆在任何时候均能够通过虚拟车辆进行生命健康周期管理以及功能性评估。
(2)在Es中,对车辆的运行状态进行的仿真、寿命预测、功能评估、信息查看操作须经过校验函数Mf作用于虚拟车辆指定位置,使得在对虚拟车辆进行及时的有效的访问成为可能。
(3)外部信息交互系统经过物理车辆和虚拟车辆固件系统的信息采集、整合后,其函数为Es=(If,Mf)=((Rf,Us),Mf),进行相关信息输入输出,同时作为数据可视化窗口。
所述步骤3中,具体实现方法如下:
动态实时交互系统Cs是在现代信息传输技术的驱动下,通过高效快捷的检测技术,实现物理车辆与车辆服务系统、物理车辆与虚拟车辆的实时信息交互,将物理车辆在任何时刻和发动机、底盘、车身、电气设备的物理处理信息经过数字化整合后实时的反映给虚拟车辆供其利用这些数据进行进一步的分析与处理。基于数字孪生技术的车辆的抗毁伤评估需要对毁伤车辆进行数据检测、采集,将毁伤车辆的毁伤部位、程度以及剩余功能的完整性进行评测,而动态实时交互系统则实现数字毁伤情况、车辆实时监测系统之间的信息交互。
动态实时交互系统Cs作为各个信息流通渠道,Cs为Cs=(Vs_Pv,Es_Vs,Pv_Es,Ms_Ss,Ms_Es,Ms_Pv),其中Vs_Pv、Es_Vs、Pv_Es、Ms_Ss、Ms_Es、Ms_Pv分别表示虚拟车辆固件系统与物理车辆、外部信息交互系统与虚拟车辆固件系统、物理车辆与外部信息交互系统、车辆状态监测系统与车辆服务系统、车辆状态监测系统与外部信息交互系统、车辆状态监测系统与物理车辆之间的信息流通子函数,所有流通子函数中的数据均为双向流通。由于数字孪生体的运行会产生大量的数据,因此在各系统之间进行数据流通时先进行一定的整合与处理,使大量的数据更具兼容性,然后进行数据传递。
所述步骤4中,具体实现方法如下:
车辆状态监测系统通过对虚拟车辆进行智能监测,从而对物理车辆做出评估预判。车辆状态监测系统收集车辆所有的安全数据,并对这些数据进行整合、分析、处理、评估,将得到的结果用于虚拟车辆在车辆服务系统以及物理车辆的具体管理方式。在物理车辆使用时能够对物理车辆状态实时监测并且提出合理化建议,在物理车辆的售后维修、保养时候以它提供的信息为依据进行物理操作。
在基于数字孪生技术的车辆抗毁伤评估中,车辆状态监测系统需要对毁伤后的虚拟车辆进行毁伤状态的信息采集工作,并从底层上初步得到毁伤后的完整性评测。
车辆状态监测系统Ms在物理车辆正常运行时候须处理来自Vs、Es、Pv的综合信息,因此,Ms为:Ms=(Vs,Es,Pv)。
所述步骤5中,具体实现方法如下:
车辆服务系统Ss基于以上叙述,其函数:
Ss=(IN,Op,OUT)=((Vs,Pv,Ms,Cs_If),Op,OUT),其中Cs_If为外部信息交互系统中人为输入的物理车辆操作信息,Op为人为输入的服务操作信息,这里指输入的毁伤信息,Ss经过各系统的信息收集后进行统一整理处理,然后将计算结果通过OUT函数输出,之后用于物理车辆的管理。
车辆服务系统的毁伤子系统在虚拟车辆中产生毁伤,能够给予虚拟车辆不同种类、不同程度、不同方位的毁伤,通过毁伤后效果来评估车辆的抗毁伤能力,按照毁伤来源可以分为外毁伤源和内毁伤源。
要点i)外毁伤源主要是由于外部环境引起的各种毁伤,按照攻击源类型,可分为物理磨损、撞击损伤、电磁损伤、高温损伤、爆破损伤、化学损伤。内毁伤源主要是车辆在使用时由于其具体使用而造成的内部构件的自我损伤,包括内部的摩擦损伤、碰撞损伤、高温损伤。
要点ii)毁伤源是毁伤造成的方式,需配之以相应的数字化毁伤特征来对毁伤源进行完全定义,另外可以同时定义多种、多方位、多强度的作用于虚拟车辆的各个部件的攻击,实现全方位车辆的抗毁伤性能评估。
因此毁伤函数定义为Damage(categorg,degree,orientation)。其中category为毁伤类别,degree为毁伤程度,orientation为毁伤方位。
所述步骤6中,具体实现过程如下:
首先通过Ms,收集物理车辆的基本信息,对虚拟车辆进行实时状态监测,Ms=(Vs,Es,Pv),初步得出受毁伤前的虚拟车辆的数据,并对施加的毁伤进行计算,得出一个抗毁伤结果,然后通过基于贝叶斯网络的车辆抗毁伤评估方法,概率推算得出物理车辆的抗毁伤性能。由于得出的数据具有一定的误差,进而通过毁伤后的图像识别的方法对车辆的总体毁伤进行图像上的数据采集,基于图像分析的结果得出物理车辆的抗毁伤性能,最后通过加权平均法对这三种得出的车辆抗毁伤性能进行加权平均,得出最后的抗毁伤性能。
本发明与现有技术相比的优点在于:
(1)本发明实现了毁伤部位的高精度定位,施加毁伤时可以根据需要对车辆的整体或者局部通过毁伤子系统施加毁伤,具有相对理想的毁伤方式。
(2)在毁伤后的数据采集方面,本发明就造成毁伤的方式而言具有低成本的特点,只需要在数字软件方面对其选择毁伤源以及实施方式进行定义操作,因此实施性较强,克服了现有的物理毁伤的高成本的特点。
(3)在现实对物理车辆进行物理攻击容易造成毁伤部位的精度低的问题,较难达到理想的效果,测试车辆因碰撞而导致翻滚的过程中驾驶车门把手的抗毁伤情况,实际中便很难做到有效的对门把手的碰撞摩擦,而用此方法可以用数字孪生车辆进行仿真来进行,拟补了现实中难以实现精确施加毁伤的不足。不但可以获得现有仿真后的图像等信息,还可以利用车辆状态监测系统从底层进行一定数据的采集工作,相较于传统的单纯依靠概率推理或者依靠物理实体毁伤后数据采集的方式而言具有数据来源范围广泛且采集便捷的特点。
附图说明
图1为本发明实现数字孪生车辆的框架图;
图2为本发明的具体实施实例中的基于贝叶斯网络的车辆抗毁伤评估模型。
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,下面将结合附图及具体实施例对本发明作进一步地详细描述。
如图1所示,本发明一种基于数字孪生技术的车辆抗毁伤评估方法,包括:评估前期进行数字孪生车辆的模型构建,模型中应当包括虚拟车辆固件系统、动态实时交互系统、外部信息交互系统、车辆状态监测系统以及包括于车辆服务中的毁伤子系统,模型构建后需要对虚拟车辆定义各种毁伤方式,以获得毁伤后的数据,利用毁伤数据进行抗毁伤评估。
如图1所示,本发明具体实现如下步骤:
步骤1、构建虚拟车辆固件系统,所述虚拟车辆固件系统是真实反映物理车辆的数字模型,所述数字模型包括基本的几何模型,即发送机、底盘、车身、电气设备,以及这四个部位的软硬件信息,几何模型为车辆整体的数字三维模型,对于车辆的生产、制造、加工过程中所用的技术等信息均采集并包含进去,作为虚拟车辆固件系统的一部分,同时虚拟车辆固件系统具有很好的数据可编辑性。从现有技术出发,构建虚拟车辆固件系统是相对较为容易的,在此可用三维建模软件构建物理车辆的详尽化复制品,再将相应的软件信息集成进去,构成虚拟车辆固件系统。
步骤2、基于步骤1所构建的虚拟车辆固件系统的基础上添加外部信息交互系统,在此系统中信息为双向流通,所述外部信息交互系统实现物理车辆和虚拟车辆固件系统与车辆服务系统之间的信息交互,对于车辆服务系统中传过来的数据进行初步处理、整合反应给物理车辆以及虚拟车辆固件系统,同时又将物理车辆以及虚拟车辆固件系统的服务信息反映给车辆服务系统,供其分析计算;
步骤3、基于步骤1中构建的虚拟车辆固件系统,添加动态实时交互系统,所述动态实时交互系统为车辆服务系统、物理车辆、虚拟车辆之间的提供信息交互通道,实现车辆服务系统、物理车辆、虚拟车辆之间的及时有效的信息交互。在动态实时交互系统中,数据不经过实质性的处理,而是由于数据的庞大性将其进行数字整合,转化为易于分析的数据,加快其他系统的处理进程,具体实施实例中的毁伤程度较简单,在动态实时交互系统中:
Ms_Ss=(Working-status;Security-status),其中Working-status;Security-status分别表示车辆状态监测系统中车辆状态工作情况、安全情况的参数,在此,车辆为静止状态,参数均为零,所以Working-status={0,0,...,0};
步骤4、基于以上的虚拟车辆固件系统、动态实时交互系统和外部信息交互系统添加车辆状态监测系统。车辆状态监测系统为物理车辆、虚拟车辆固件系统和车辆服务系统的统一监管平台,不但对其余系统发生的对虚拟车辆进行的处理进行审核,也对物理车辆各部分的实时数据进行分析、监测,并将监测结果反映给车辆服务系统,车辆状态监测系统具有虚拟车辆实时保真映射的一般特性。由步骤3所给公式,车内硬件设施的安全情况为均100%,即Security-status={1,1,...,1};
步骤5、基于步骤4所建立的四大系统的基础上,添加车辆服务系统,在整个车辆的生命周期中,此系统将在每个时间阶段都对物理车辆以及虚拟车辆固件系统进行仿真、调试、检测等环节的数据收集与处理,将得到的数据用于物理车辆所采取维护措施的制定中去,在物理车辆的全生命周期管理管理中这一点更为重要。抗毁伤评估中,车辆服务系统中有毁伤子系统,模仿各种现实环境下的所有可能遭受到的毁伤,产生毁伤源,同时也对步骤1所构建的数字几何模型的发动机、车身、底盘、电气设备部件进行毁伤仿真,检测局部部件的抗毁伤程度。车辆服务系统中,Cs_If,Vs,Pv,Ms均为初始状态,Op=(simulation[Damage_simple])表示人为输入的服务操作信息,虚拟车辆处于简单毁伤模式,OUT=OFF,表示毁伤过程为施加,输出状态为OFF状态,也即停止输出状态。
步骤6、利用车辆状态监测系统以及毁伤评估方法对虚拟车辆受到的毁伤进行评估,为使分析简化,这里采用简单的毁伤方式,在虚拟车辆经过毁伤子系统施加Damage(hit_line_rigidbody_(Sphere,r_30,m_500),(one_10_Free-impact),(0,0.2,0;0,0,0)),其中hit_line_rigidbody_(Sphere,r_30,m_500)表示直线刚性球体撞击,球体半径30mm,质量为500g,(one_5_Free-impact为一次撞击的初始速度为5m/s,撞击形式为自由撞击,(0,0.2,0,;0,0,0)为攻击位置的定义,以车体几何中心为坐标系,其x轴,y轴,z轴和欧拉角坐标,为米制单位,此处攻击位置为车轴中心位置。通过车辆状态监测系统对虚拟车辆的数字模型毁伤信息进行数据采集,得出毁伤结果,再综合利用多种方法,尤其是基于贝叶斯网络的车辆毁伤评估方法、基于图像的车辆毁伤评估方法,在毁伤前先对施加的毁伤源进行初步概率计算,用基于贝叶斯网络的车辆毁伤评估方法得出概率上的毁伤效果,然后通过对车辆毁伤前后的模型对比分析,利用基于图像的车辆毁伤评估方法得出车辆的抗毁伤情况,对以上三种结果用加权平均法进行加权合成,最终得出车辆的抗毁伤能力;
步骤6中,具体实现过程如下:
首先通过车辆状态监测系统Ms,收集物理车辆的基本信息,并对虚拟车辆进行实时状态监测,Ms=(Vs,Es,Pv),在本发明具体实例中,车辆在毁伤前状态良好,Vs=(Gm,Pm,Rm,Bm),Gm=(ENf,CHf,BOf,EAf)。
其中CHf=(axle,l_184,D_32,d_24),表示底盘模型中的车轴l长度为184cm,外径D、内径d分别为32mm和24mm,可以由公式Ft=mv,M=Fl/2得出σmax<[σ],也即车辆对此毁伤的抗毁伤性能良好。其中[σ]为车辆传动轴的许用应力,一般为125MPa,σmax、M、Wz、F、t、m、v、π分别为最大弯曲应力、弯矩、传动轴抗弯截面系数、冲击力、冲击时间、冲击物质量、冲击物速度、圆周率;因为此毁伤为车辆为静止状态下,因此其余物理量为0;
在此基础上,通过基于贝叶斯网络的车辆抗毁伤评估方法,其联合概率分布可以表示为其中,随机变量X={X1,X2,…,Xn},贝叶斯网中的n个节点与每个变量Xi一一对应,条件概率P(Xi|Xj)表示连接强度,Pa(Xi)表示贝叶斯网络结构中的Xi父节点集合。
首先构建车辆毁伤等级贝叶斯网络模型如图2。
其次确定模型参数。确定节点状态,这里对毁伤等级F划分为三个等级:车辆各个功能、结构毁伤达到30%以下定为轻度毁伤F1,30%到60%之间定为中度毁伤F2,60%以上定为重度毁伤F3。
保护系统毁伤等级:轻型车架A1,中型车架A2,重型车架A3;
功能毁伤等级:驱动以及方向控制均完好B1,驱动完好而方向控制损坏B2,驱动以及方向控制均损坏B3;
结构毁伤等级:轻度毁伤C1,中度毁伤C2,重度毁伤C2;
人员健康状况等级:完好D1,轻伤D2,重伤D3;
毁伤源为普通物理撞击毁伤E。
这里假设所攻击的车辆为中型车架,施加毁伤前人员健康状况为轻伤,结构毁伤等级为轻度毁伤,功能毁伤等级处于驱动完好而方向控制损坏状态,因此:
P(A)=P(A2),P(E)=P(B2),P(C)=P(C1),P(D)=P(D2)
对于以上定义的物理毁伤类型,有P(E)=1。
然后确定模型节点概率分布,定义功能毁伤节点的条件概率表示为P(B|E),人员健康状况毁伤节点的条件概率表示为P(D|E,A),结构毁伤节点的条件概率表示为P(C|E,A),毁伤等级节点的条件概率表示为P(F|B,C,D),根据车辆毁伤等级的贝叶斯网络结构和节点,对车辆毁伤等级进行计算:
P(F)=P(F|B,C,D)P(B|E)P(C|E,A)P(D|E,A)P(A)P(E)
最后采用专家判别法得出以上条件概率,并带入计算有:
P(F)=P(F|E,C,D)P(B|E)P(C|E,A)P(D|E,A)P(A)P(E)
=P(F|B2,C1,D2)P(B2|E)P(C1|E,A2)P(D2|E,A2)P(A2)P(E)
=P(F|B2,C1,D2)P(B2|E)P(C1|E,A2)P(D2|E,A2)P(A2)×1
=(0.900.090.01)T
由以上概率推算可知,此时车辆的各个毁伤等级的概率分别为:轻度毁伤的概率为0.9,中度毁伤的概率为0.09,重度的概率为0.01,因此毁伤等级应该取轻度毁伤F1。
由以上步骤得出初步得出车辆的抗毁伤性能,用车辆状态监测系统进行有限元分析、仿真,得出车辆受损伤部位的受应力图像、形变图像、受损部位的硬件损伤情况以及车辆各子功能残存度,通过基于图像的车辆毁伤评估方法对毁伤后的图像信息采用模式识别的方法得出车辆的抗毁伤性能,最后用加权平均法对这三种车辆抗毁伤性能结果取加权平均,得出最后的抗毁伤性能。
综上所述,以上仅为本发明的较佳实施例而已,并非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,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于数字孪生的车辆抗毁伤评估方法,其特征在于:包括如下步骤:
步骤1、构建虚拟车辆固件系统,所述虚拟车辆固件系统真实反映物理车辆的数字模型,所述数字模型包括物理车辆的几何模型以及车辆的发动机、底盘、车身、电气设备的软硬件信息,虚拟车辆固件系统包含虚拟车辆模型,所述几何模型即用三维制作软件所构建的模型信息;
步骤2、基于构建的虚拟车辆固件系统,添加外部信息交互系统,所述外部信息交互系统实现物理车辆和虚拟车辆固件系统与车辆服务系统之间的信息交互窗口,为将要添加的车辆服务系统所表达的信息、操作反映给物理车辆以及虚拟车辆,同时又将物理车辆和虚拟车辆固件系统的基本信息反映给车辆服务系统;
步骤3、基于构建的虚拟车辆固件系统,添加动态实时交互系统,所述动态实时交互系统为虚拟车辆固件系统与车辆服务系统、物理车辆之间的提供信息交互通道,实现虚拟车辆固件系统与车辆服务系统、物理车辆之间及时高效的信息交互;
步骤4、在虚拟车辆固件系统、外部信息交互系统和动态实时交互系统基础上,添加车辆状态监测系统;所述车辆状态监测系统对物理车辆和虚拟车辆固件系统的发动机、底盘、车身、电气设备的实时数据进行分析、监测,并将监测结果反映给车辆服务系统;
步骤5、在虚拟车辆固件系统、外部信息交互系统、动态实时交互系统和车辆状态监测系统基础上,添加车辆服务系统;所述车辆服务系统对虚拟车辆固件系统进行仿真、调试和检测,对各个环节的数据进行收集与处理;在车辆服务系统中加装毁伤子系统,所述毁伤子系统产生毁伤源,模仿现实环境状态下的所有可能遭受到的毁伤,同时也对虚拟车辆进行毁伤仿真;
步骤6、利用车辆状态监测系统以及现有的基本的毁伤评估方法对虚拟车辆固件系统受到的毁伤进行评估,车辆状态监测系统对虚拟车辆进行数据采集、评估,对物理车辆进行状态监测,对施加的毁伤进行计算,同时综合利用多种方法,所述多种方法包括基于贝叶斯网络的车辆毁伤评估方法、基于图像的车辆毁伤评估方法,通过对车辆毁伤前后进行模型对比、概率比对、电气检测进行毁伤评估,最终得出车辆软硬件的毁伤程度。
2.根据权利要求1所述的基于数字孪生技术的车辆抗毁伤评估方法,其特征在于:所述步骤1中,虚拟车辆固件系统如下:
所述虚拟车辆固件系统Vs由几何模型、物理模型、规则模型和行为模型组成,具体
为:Vs=(Gm,Pm,Rm,Bm)
几何模型Gm包含物理车辆的三维模型信息,即物理车辆的发动机、底盘、车身、电气设备、物理车辆的初始设计阶段设计的三维模型信息;
物理模型Pm为刻画车辆的物理学特性所用的模型,车辆发动机温度、变速器齿轮应力、以及车轴的形变量均用物理模型Pm进行量化描述,在此用有限元分析法进行计算;
规则模型Rm在车辆的毁伤过程中,作为施加毁伤后的毁伤程度约束,在物理车辆受到毁伤时,车辆不能够无限制变形,需要施加一定的约束使变形结果符合车辆的物理学特性;
行为模型Bm为虚拟车辆的控制端输入函数,包括正常人为驾驶信息的输入以及车辆所处的温度、湿度、光照、酸碱度、风沙、灰尘所给的信息。
3.根据权利要求1所述的基于数字孪生技术的车辆抗毁伤评估方法,其特征在于:所述步骤2中,外部信息交互系统实现方法如下:
Es=(If,Mf)=((Rf,Us),Mf)
在外部信息交互系统Es中,物理车辆的信息输入函数If=(Rf,Us),其中,Rf为车辆的驾驶操作信息输入,正常车辆驾驶会给车辆造成一定的疲劳损伤,而经过Rf函数的处理反映到虚拟车辆固件系统Vs,为评估作信息源;Us函数是物理车辆经过维修、保养物理处理后的输入函数,物理车辆经过处理后将经过Us函数反映到虚拟车辆固件系统Vs中,保证物理车辆与虚拟车辆的高保真度与实时映射,使得物理车辆在任何时候均能够通过数字孪生车辆进行状态评估;
在外部信息交互系统Es中,对车辆的运行状态进行的仿真、寿命预测、信息查看操作须经过校验函数Mf作用于虚拟车辆指定位置,使得在对虚拟车辆进行及时的有效的访问成为可能;
外部信息交互系统经过物理车辆和虚拟车辆固件系统的信息采集整合后,其函数为Es=(If,Mf)=((Rf,Us),Mf)。
4.根据权利要求1所述的基于数字孪生技术的车辆抗毁伤评估方法,其特征在于:所述步骤3中,具体实现方法如下:
动态实时交互系统Cs作为各个信息流通渠道,Cs为Cs=(Vs_Pv,Es_Vs,Pv_Es,Ms_Ss,Ms_Es,Ms_Pv),其中Vs_Pv、Es_Vs、Pv_Es、Ms_Ss、Ms_Es、Ms_Pv分别代表虚拟车辆固件系统与物理车辆、外部信息交互系统与虚拟车辆固件系统、物理车辆与外部信息交互系统、车辆状态监测系统与车辆服务系统、车辆状态监测系统与外部信息交互系统、车辆状态监测系统与物理车辆之间的信息流通子函数,所有流通子函数中的数据均为双向流通。
5.根据权利要求1所述的基于数字孪生技术的车辆抗毁伤评估方法,其特征在于:所述步骤4中,车辆状态监测系统具体实现过程如下:
车辆状态监测系统Ms在车辆正常运行时候须处理来自虚拟车辆固件系统Vs、外部信息交互系统Es、物理车辆Pv的信息,车辆状态监测系统Ms等式为:Ms=(Vs,Es,Pv)。
6.根据权利要求1所述的基于数字孪生技术的车辆抗毁伤评估方法,其特征在于:所述步骤5中,具体实现方法如下:
车辆服务系统Ss=(IN,Op,OUT)=((Vs,Pv,Ms,Cs_If),Op,OUT),其中Cs-If为外部信息交互系统中人为输入的物理车辆操作信息,Op为人为输入的服务操作信息,这里指输入的毁伤信息,Ss经过各个系统的信息收集后进行统一整理处理,OUT为结果输出函数,负责将车辆服务系统的计算结果输出。
7.根据权利要求1所述的基于数字孪生技术的车辆抗毁伤评估方法,其特征在于:所述步骤5中,所述毁伤子系统毁伤系统能够给予虚拟车辆不同种类、不同程度、不同方位的毁伤;按照毁伤来源分为外毁伤源和内毁伤源;
所述外毁伤源是由于外部环境给予的各种毁伤,按照攻击源类型,分为物理磨损撞击损伤、电磁损伤、高温损伤、爆破损伤和化学损伤;
所述内毁伤源是车辆在使用时由于其具体使用手段而造成的内部构件的自我损伤,包括内部的摩擦损伤、碰撞损伤和高温损伤。
8.根据权利要求1所述的基于数字孪生技术的车辆抗毁伤评估方法,其特征在于:所述步骤6中,具体实现过程如下:
首先通过车辆状态监测系统,对虚拟车辆进行实时状态监测,初步得出受毁伤后的车辆的毁伤信息,然后对车辆的总体毁伤进行数据采集,然后通过基于贝叶斯网络、图像的车辆毁伤评估方法,对虚拟车辆进行综合性毁伤评估,得出抗毁伤能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597375.3A CN110348103B (zh) | 2019-07-04 | 2019-07-04 | 一种基于数字孪生的车辆抗毁伤评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597375.3A CN110348103B (zh) | 2019-07-04 | 2019-07-04 | 一种基于数字孪生的车辆抗毁伤评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110348103A true CN110348103A (zh) | 2019-10-18 |
CN110348103B CN110348103B (zh) | 2020-12-08 |
Family
ID=68178068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910597375.3A Active CN110348103B (zh) | 2019-07-04 | 2019-07-04 | 一种基于数字孪生的车辆抗毁伤评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348103B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111537173A (zh) * | 2020-04-21 | 2020-08-14 | 武汉大学 | 一种基于数字孪生的微电子产品跌落冲击可靠性评估方法 |
CN111770069A (zh) * | 2020-06-17 | 2020-10-13 | 北京航空航天大学 | 一种基于入侵攻击的车载网络仿真数据集生成方法 |
CN111930026A (zh) * | 2020-08-20 | 2020-11-13 | 北京经纬恒润科技有限公司 | 一种测试方法及装置 |
CN112001093A (zh) * | 2020-09-03 | 2020-11-27 | 江西农业大学 | 一种基于数字孪生的旋耕刀优化设计方法 |
CN112233483A (zh) * | 2020-09-15 | 2021-01-15 | 南京模拟技术研究所 | 一种基于数字孪生的红蓝对抗训练方法 |
CN112418523A (zh) * | 2020-11-23 | 2021-02-26 | 杭州电子科技大学 | 一种基于数字孪生的售后设备预测性维护协同系统 |
CN112508373A (zh) * | 2020-11-27 | 2021-03-16 | 江苏科技大学 | 一种基于数字孪生技术的船用柴油机性能评估系统 |
CN112800536A (zh) * | 2021-01-12 | 2021-05-14 | 河海大学 | 一种特种车辆毁伤模型的建立与毁伤分析方法 |
CN113002555A (zh) * | 2021-02-08 | 2021-06-22 | 南京航空航天大学 | 一种数字孪生驱动的智能线控底盘系统及其故障诊断方法 |
CN113340344A (zh) * | 2021-05-27 | 2021-09-03 | 中国建筑第四工程局有限公司 | 基于数字孪生技术的液压爬模智能监测控制预警系统 |
CN114708724A (zh) * | 2021-06-28 | 2022-07-05 | 天津大学 | 一种人车路协同的多车能效优化算法 |
CN115099070A (zh) * | 2022-08-14 | 2022-09-23 | 北京昂克科技有限公司 | 基于数字孪生的底盘数据获取方法、装置及存储介质 |
CN115879327A (zh) * | 2023-02-24 | 2023-03-31 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生的毁伤效能评估方法、装置、设备及介质 |
CN115984590A (zh) * | 2022-12-27 | 2023-04-18 | 中船重工奥蓝托无锡软件技术有限公司 | 基于图像识别的目标易损性评估方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064291A1 (en) * | 2004-04-21 | 2006-03-23 | Pattipatti Krishna R | Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance |
CN101465071A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 多平台目标跟踪与分布交互仿真系统 |
CN105956266A (zh) * | 2016-04-29 | 2016-09-21 | 大连楼兰科技股份有限公司 | 在汽车碰撞中采用dem完成防撞桶建模的方法 |
CN109783914A (zh) * | 2018-12-29 | 2019-05-21 | 河北德冠隆电子科技有限公司 | 一种基于虚拟现实仿真的预处理动态建模方法及装置 |
CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 基于数字孪生驱动的山体地质灾害监测与预警系统及方法 |
-
2019
- 2019-07-04 CN CN201910597375.3A patent/CN110348103B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064291A1 (en) * | 2004-04-21 | 2006-03-23 | Pattipatti Krishna R | Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance |
CN101465071A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 多平台目标跟踪与分布交互仿真系统 |
CN105956266A (zh) * | 2016-04-29 | 2016-09-21 | 大连楼兰科技股份有限公司 | 在汽车碰撞中采用dem完成防撞桶建模的方法 |
CN109783914A (zh) * | 2018-12-29 | 2019-05-21 | 河北德冠隆电子科技有限公司 | 一种基于虚拟现实仿真的预处理动态建模方法及装置 |
CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 基于数字孪生驱动的山体地质灾害监测与预警系统及方法 |
Non-Patent Citations (2)
Title |
---|
栗晨涵: "基于贝叶斯网络的目标毁伤效果评估方法与建模研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
陶飞 等: "数字孪生五维模型及十大领域应用", 《计算机集成制造系统》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111537173A (zh) * | 2020-04-21 | 2020-08-14 | 武汉大学 | 一种基于数字孪生的微电子产品跌落冲击可靠性评估方法 |
CN111537173B (zh) * | 2020-04-21 | 2021-08-03 | 武汉大学 | 一种基于数字孪生的微电子产品跌落冲击可靠性评估方法 |
CN111770069A (zh) * | 2020-06-17 | 2020-10-13 | 北京航空航天大学 | 一种基于入侵攻击的车载网络仿真数据集生成方法 |
CN111930026A (zh) * | 2020-08-20 | 2020-11-13 | 北京经纬恒润科技有限公司 | 一种测试方法及装置 |
CN112001093A (zh) * | 2020-09-03 | 2020-11-27 | 江西农业大学 | 一种基于数字孪生的旋耕刀优化设计方法 |
CN112233483B (zh) * | 2020-09-15 | 2021-07-09 | 南京模拟技术研究所 | 一种基于数字孪生的红蓝对抗训练方法 |
CN112233483A (zh) * | 2020-09-15 | 2021-01-15 | 南京模拟技术研究所 | 一种基于数字孪生的红蓝对抗训练方法 |
CN112418523A (zh) * | 2020-11-23 | 2021-02-26 | 杭州电子科技大学 | 一种基于数字孪生的售后设备预测性维护协同系统 |
CN112418523B (zh) * | 2020-11-23 | 2024-03-22 | 杭州电子科技大学 | 一种基于数字孪生的售后设备预测性维护协同系统 |
CN112508373A (zh) * | 2020-11-27 | 2021-03-16 | 江苏科技大学 | 一种基于数字孪生技术的船用柴油机性能评估系统 |
CN112508373B (zh) * | 2020-11-27 | 2023-07-25 | 江苏科技大学 | 一种基于数字孪生技术的船用柴油机性能评估方法 |
CN112800536A (zh) * | 2021-01-12 | 2021-05-14 | 河海大学 | 一种特种车辆毁伤模型的建立与毁伤分析方法 |
CN113002555A (zh) * | 2021-02-08 | 2021-06-22 | 南京航空航天大学 | 一种数字孪生驱动的智能线控底盘系统及其故障诊断方法 |
CN113002555B (zh) * | 2021-02-08 | 2022-04-08 | 南京航空航天大学 | 一种数字孪生驱动的智能线控底盘系统及其故障诊断方法 |
CN113340344A (zh) * | 2021-05-27 | 2021-09-03 | 中国建筑第四工程局有限公司 | 基于数字孪生技术的液压爬模智能监测控制预警系统 |
CN114708724A (zh) * | 2021-06-28 | 2022-07-05 | 天津大学 | 一种人车路协同的多车能效优化算法 |
CN115099070A (zh) * | 2022-08-14 | 2022-09-23 | 北京昂克科技有限公司 | 基于数字孪生的底盘数据获取方法、装置及存储介质 |
CN115984590A (zh) * | 2022-12-27 | 2023-04-18 | 中船重工奥蓝托无锡软件技术有限公司 | 基于图像识别的目标易损性评估方法、装置及电子设备 |
CN115879327A (zh) * | 2023-02-24 | 2023-03-31 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生的毁伤效能评估方法、装置、设备及介质 |
CN115879327B (zh) * | 2023-02-24 | 2023-05-30 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生的毁伤效能评估方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110348103B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348103A (zh) | 一种基于数字孪生的车辆抗毁伤评估方法 | |
CN102520697B (zh) | 一种远程协同诊断的现场信息预处理方法 | |
CN110348752B (zh) | 一种考虑环境干扰的大型工业系统结构安全性评估方法 | |
CN105095918A (zh) | 一种多机器人系统故障诊断方法 | |
Luo et al. | Drag coefficient modeling of heterogeneous connected platooning vehicles via BP neural network and PSO algorithm | |
CN108053052B (zh) | 一种油罐车油气泄漏速度智能监测系统 | |
Cheng et al. | A BRB-based effective fault diagnosis model for high-speed trains running gear systems | |
CN111824169B (zh) | 用于降低具有内燃机的车辆的驱动系统的废气排放的方法 | |
CN109270921A (zh) | 一种故障诊断方法及装置 | |
Li et al. | A novel cause analysis approach of grey reasoning Petri net based on matrix operations | |
CN112785183B (zh) | 一种分层融合式车辆分队健康管理系统架构 | |
CN107437147A (zh) | 还原货运物流情景的车辆行驶风险动态评估方法及其系统 | |
CN113983646A (zh) | 基于生成对抗网络的空调互动末端能耗预测方法及空调 | |
CN114519923A (zh) | 一种电厂智能诊断预警方法和系统 | |
CN107976934A (zh) | 一种基于无线传感器网络的油罐车油气泄漏速度智能预警系统 | |
CN116822652A (zh) | 地铁故障预测方法、装置、电子设备、系统及存储介质 | |
Cheng et al. | Principal component analysis and belief-rule-base aided health monitoring method for running gears of high-speed train | |
Yurii et al. | Application of artificial neural networks in vehicles’ design self-diagnostic systems for safety reasons | |
Cafiso et al. | Performance of safety indicators in identification of black spots on two-lane rural roads | |
Shi et al. | Applying a WNN-HMM based driver model in human driver simulation: Method and test | |
Peng et al. | Review of key technologies and progress in industrial equipment health management | |
CN111967308A (zh) | 一种在线路面不平度辨识方法及系统 | |
Liang et al. | 1d convolutional neural networks for fault diagnosis of high-speed train bogie | |
CN116776209A (zh) | 一种关口计量装置运行状态辨识方法、系统、设备及介质 | |
CN110084500A (zh) | 基于安全树概率和安全重要度的电动车辆安全控制方法和电动车辆 |
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 |