CN113158328B - 电驱动系统高效工作区仿真方法、装置、设备及存储介质 - Google Patents

电驱动系统高效工作区仿真方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113158328B
CN113158328B CN202110201607.6A CN202110201607A CN113158328B CN 113158328 B CN113158328 B CN 113158328B CN 202110201607 A CN202110201607 A CN 202110201607A CN 113158328 B CN113158328 B CN 113158328B
Authority
CN
China
Prior art keywords
drive system
electric drive
points
value
working area
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
CN202110201607.6A
Other languages
English (en)
Other versions
CN113158328A (zh
Inventor
袁圆
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.)
HASCO Magna Electric Drive System Co Ltd
Original Assignee
HASCO Magna Electric Drive System 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 HASCO Magna Electric Drive System Co Ltd filed Critical HASCO Magna Electric Drive System Co Ltd
Priority to CN202110201607.6A priority Critical patent/CN113158328B/zh
Publication of CN113158328A publication Critical patent/CN113158328A/zh
Application granted granted Critical
Publication of CN113158328B publication Critical patent/CN113158328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational 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
    • 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]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种电驱动系统高效工作区仿真方法、装置、设备及存储介质，用符合条件的离散点与总数占比统计的传统方法，来计算电驱动系统的高效工作区占比，由其产生的获得接近真实值的难度大，针对测量点的间隔要求密集，需要增加大量的实验时间的问题，通过仿真由电驱动系统扭矩、转速和效率确定的三维曲面，对有限的离散试验数据进行曲面拟合，建立比较精准的数学模型，再使用准蒙特卡罗法生成大量准随机数进行模拟计算，获得电驱动系统实际输出覆盖区域点的总数，同时对符合目标效率(高效工作区效率要求)的点进行统计，两者之间的比值即为高效工作区占比。该方法符合GB18488标准要求，能缩短试验时间，降低研发费用，同时结果可信。

Description

电驱动系统高效工作区仿真方法、装置、设备及存储介质
技术领域
本发明属于电驱动系统的技术领域，尤其涉及一种电驱动系统高效工作区的仿真方法、装置、设备及存储介质。
背景技术
新能源汽车电驱动系统的效率测试是驱动电机型式实验中重要部分，驱动电机系统效率测量包括驱动控制器效率测量、驱动电机效率测量以及电驱动整体系统效率测量。涉及到的一些参数包括：驱动电机控制器直流母线电压和电流；驱动电机的电压、电流及电功率；驱动电机的转矩、转速及机械功率；驱动电机、驱动电机控制器或驱动电机系统的效率。
按照GB18488.2-20157.2.5高效工作区的要求，计算符合条件(效率不低于80％)的工作区占总工作区的百分比，选择的测试点必须分布均匀，且数量不低于100个。
实际操作中，为了保证数据的可信度，会进行大量密集的测试，统计符合条件的测试点数量，其值与测试总数的比值，即为高效工作区的占比。
电驱动系统的实际效率，受多种因素影响：控制器的PWM调制策略，电机的设计参数和不规则磁场效应，变速箱和差速器等齿系传动效率，以及不同的运行边界条件如电压、温度等。
上述情况导致在某一转速下，不同扭矩段，电驱动系统的测量效率或者实际效率，并非是理想线性的。扩展到整个电驱动系统的效率图，从三维的角度看，曲面不是平滑的，投射到二维的Map图，不同效率值包络的面积也是不规则的。
如此一来，对于用符合条件的离散点与总数占比统计的传统方法，其获得接近真实值的难度也更大，针对测量点的间隔要求更密集，需要增加大量的实验时间，才能确保结果的可信度。
发明内容
本发明的目的是提供一种电驱动系统高效工作区的仿真方法、装置、设备及存储介质，通过对有限的离散试验数据进行曲面拟合，建立比较精准的数学模型，再使用准蒙特卡罗法生成大量准随机数进行模拟计算，获得电驱动系统实际输出覆盖区域点的总数，同时对符合目标效率的点进行统计，两者之间的比值即为高效工作区占比。该方法符合GB18488标准要求，能缩短试验时间，降低研发费用，同时结果可信。
为解决上述问题，本发明的技术方案为：
一种电驱动系统高效工作区的仿真方法，包括：
获取电驱动系统的扭矩、转速及效率的试验数据，将试验数据进行曲面拟合，得到目标域；
采用准蒙特卡罗算法，生成大量的准随机数进行模拟计算，获得电驱动系统实际输出覆盖所述目标域的点的总数，记为第一统计值；统计覆盖所述目标域的点满足高效工作区要求的点的总数，记为第二统计值；计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
根据本发明一实施例，所述将试验数据进行曲面拟合，得到目标域进一步包括：
采用Matlab中的Curve Fitting工具对试验数据进行曲面拟合，将试验数据中的转速数据作为行向量m，扭矩数据作为列向量n输入Curve Fitting工具中，获得m×n矩阵；
对矩阵数据进行预处理，去除NaN值或0值，再导入效率数据，执行曲面拟合操作，获得三维曲面，记为目标域。
根据本发明一实施例，所述采用Matlab中的Curve Fitting工具对试验数据进行曲面拟合时，采用线性插值的方式调整曲面拟合的效果。
根据本发明一实施例，所述采用准蒙特卡罗算法，生成大量的准随机数进行模拟计算，获得电驱动系统实际输出覆盖所述目标域的点的总数进一步包括：
采用Matlab中Statistic and Machine learning工具箱的霍尔顿序列函数，生成二维数组及定量的准随机数，将准随机数的值代入曲面拟合获得的方程，获得目标值，其中，目标值大于0的点为电驱动系统实际输出覆盖所述目标域的点。
根据本发明一实施例，所述计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比进一步包括：
统计目标值大于0的点的总数，记为第一统计值；统计目标值大于等于0.8的点的总数，记为第二统计值，计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比，其中，目标值大于等于0.8的点为满足电驱动系统高效工作区的点。
根据本发明一实施例，所述定量的准随机数的数量为107或108。
一种电驱动系统高效工作区的仿真装置，包括：
曲面拟合模块，用于获取电驱动系统的扭矩、转速及效率的试验数据，将试验数据进行曲面拟合，得到目标域；
仿真模块，通过采用准蒙特卡罗算法，生成大量的准随机数进行模拟计算，获得电驱动系统实际输出覆盖所述目标域的点的总数，记为第一统计值；统计覆盖所述目标域的点满足高效工作区要求的点的总数，记为第二统计值；计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
根据本发明一实施例，所述仿真模块包括随机数生成单元、第一计算单元、第二计算单元及第三计算单元；
所述随机数生成单元采用Matlab中Statistic andMachine learning工具箱的霍尔顿序列函数，生成二维数组及定量的准随机数，将准随机数的值代入曲面拟合获得的方程，获得目标值；
所述第一计算单元用于统计目标值大于0的点的总数，记为第一统计值；所述目标值大于0的点为电驱动系统实际输出覆盖所述目标域的点；
所述第二计算单元用于目标值大于等于0.8的点的总数，记为第二统计值；所述目标值大于等于0.8的点为满足电驱动系统高效工作区的点；
所述第三计算单元用于计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
一种电驱动系统高效工作区的仿真设备，包括存储器、处理器及存储在存储器上并可以在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本发明一实施例中的电驱动系统高效工作区的仿真方法中的步骤。
一种计算机可读介质，存储计算机程序，所述计算机程序被处理器执行以实现本发明一实施例中的电驱动系统高效工作区的仿真方法中的步骤。
本发明由于采用以上技术方案，使其与现有技术相比具有以下的优点和积极效果：
1)本发明一实施例中的电驱动系统高效工作区的仿真方法，用符合条件的离散点与总数占比统计的传统方法，来计算电驱动系统的高效工作区占比，由其产生的获得接近真实值的难度大，针对测量点的间隔要求密集，需要增加大量的实验时间的问题，通过仿真由电驱动系统扭矩、转速和效率确定的三维曲面，对有限的离散试验数据进行曲面拟合，建立比较精准的数学模型，再使用准蒙特卡罗法生成大量准随机数进行模拟计算，获得电驱动系统实际输出覆盖区域点的总数，同时对符合目标效率(高效工作区效率要求)的点进行统计，两者之间的比值即为高效工作区占比。该方法符合GB18488标准要求，能缩短试验时间，降低研发费用，同时结果可信。
2)本发明一实施例中的电驱动系统高效工作区的仿真方法，通过霍尔顿序列(一种低差异序列)，可用于代替空间随机抽样，能快速、均匀地覆盖目标域，提高电驱动系统高效工作区的仿真速度。
附图说明
图1为本发明一实施例中的电驱动系统高效工作区的仿真方法流图；
图2为本发明一实施例中的未经处理的霍尔顿序列示意图；
图3为本发明一实施例中的经Faure Scrambling处理的霍尔顿序列示意图；
图4为本发明一实施例中的曲面拟合示意图；
图5为本发明一实施例中的部分电驱动系统高效工作区的仿真代码；
图6为本发明一实施例中的剩余部分电驱动系统高效工作区的仿真代码；
图7为本发明一实施例中的电驱动系统高效工作区的仿真装置示意图；
图8为本发明一实施例中的电驱动系统高效工作区的仿真设备示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种电驱动系统高效工作区的仿真方法、装置、设备及存储介质作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。
实施例一
对于用符合条件的离散点与总数占比统计的传统方法，来计算电驱动系统的高效工作区占比，由其产生的获得接近真实值的难度大，针对测量点的间隔要求密集，需要增加大量的实验时间的问题，本实施例提出了一种电驱动系统高效工作区的仿真方法，该仿真方法的仿真对象是由电驱动系统扭矩、转速和效率确定的三维曲面，通过对有限的离散试验数据进行曲面拟合，建立比较精准的数学模型，再使用准蒙特卡罗法生成大量准随机数进行模拟计算，获得电驱动系统实际输出覆盖区域点的总数，同时对符合目标效率的点进行统计，两者之间的比值即为高效工作区占比。该方法符合GB18488标准要求，能缩短试验时间，降低研发费用，同时结果可信。
具体的，请参看图1，该电驱动系统高效工作区的仿真方法包括以下步骤：
S1：获取电驱动系统的扭矩、转速及效率的试验数据，将试验数据进行曲面拟合，得到三维曲线图；
S2：采用准蒙特卡罗算法，生成大量的随机二维数组，筛选出随机生成的三维数组中满足所述三维曲线图的点，并统计数量，得到第一统计值；从满足所述三维曲线图的点中筛选出符合高效工作区要求的点，并统计数量，得到第二统计值；计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
其中，在步骤S1中，关于电驱动系统的扭矩、转速及效率的试验数据可从实验室或现场对电驱动系统进行操作运行而获取。曲面拟合，是一种把现有数据透过数学方法来代入一条或多条数学方程式的表示方式。该方法在科学研究、实验分析以及日常的计算上都有很大的用处，以便观察两组数据之间的内在联系，了解数据之间的变化趋势。本实施例中对电驱动系统的扭矩、转速及效率的试验数据的曲面拟合采用霍顿序列。
在介绍霍尔顿序列之前，先介绍一下范德科普特序列。
范德科普特序列(van der Corput sequence)是单位区间上最简单的一维低差异序列的一个例子，1935年由荷兰数学家j·g·范德科普特(J.G.van der Corput)首次提出了这种理论，它是由以n为基数表示的自然数序列(1,2,3，…)的反转来构造的。
基于根数反转(Radical Inversion)的运算，定义如下：
Figure BDA0002949173550000061
Φb，C(i)＝(b-1...b-M)[C(a0(i)…aM-1(i))T]
其中i代表一个整数，b也是一个整数，a0(i)，a1(i)……aM-1(i)代表i在b进制下每一位的数，然后把每一位的a组成一个向量乘以一个矩阵C得到一个新的向量，再与向量[b-1，b-2…b-M]相乘即得到i以b为底数，以C为生成矩阵的值Φb，C(i)。
当C是单位矩阵的时候，我们就得到了范德科普特序列：
Figure BDA0002949173550000062
例如，要得到十进制的范德科普特序列，我们首先将数字1到9除以十分之一(x/10)，然后将分母改为100，开始除以百分之一(x/100)。在分子方面，我们从10到99的所有两位数开始，但按数字的倒序排列。因此，我们将得到分子按末尾数字分组。首先，所有以1结尾的两位数分子，所以接下来的分子是01,11,21,31,41,51,61,71,81,91。分子以2结尾，所以是02,12,22,32,42,52,62,72,82,92。分子以3结尾是03,13,23…
因此，序列开始
Figure BDA0002949173550000063
范德科普特序列的元素(在任意基底上)在单位区间内形成稠密集；也就是说，对于(0,1)中的任何实数，都存在收敛于该数的范德科普特序列的子序列。它们在单位间隔内也是等分布的。
而霍尔顿序列是推广到高维的范德科普特序列，也是比较常见的空间低差异序列，其不同在于每一个维度的基数是不断变化的，其中b1，b2，…，bn互为质数。公式如下：
Figure BDA0002949173550000071
任何基数都是如此，其等效表示方法如下：求第n个值，先将n按基数进制表示，再按位取反，记在小数点后，每一位与基数负次幂相乘再相加。
举个简单的例子，生成一个二维霍尔顿序列，将一个维度基于2，另一个维度基于3。
要生成2的序列，首先将间隔(0,1)分为两半，然后四分之几和八分之几等等，从而产生1/2，1/4，3/4，1/8，5/8，3/8，7/8，1/16，9/16，...
例如，要查找上述序列的第六个元素，过程可以写为6＝1×22+1×21+0×20＝1102，将其按位取反，并放置在小数点后得出0.0112＝0×2-1+1×2-2+1×2-3＝3/8。所以上述顺序可以等效记为0.12，0.012，0.112，0.0012，0.1012，0.0112，0.1112，0.00012，0.10012，...
为了生成3的序列，将间隔(0,1)除以三分之二，然后是九分之几，二十七分之几等等，这将生成1/3，2/3，1/9，4/9，7/9，2/9，5/9，8/9，1/27，...
当将它们配对时，在单位正方形中得到一系列点：
(1/2，1/3)，(1/4，2/3)，(3/4，1/9)，(1/8，4/9)，(5/8，7/9)，(3/8，2/9)，(7/8，5/9)，(1/16，8/9)，(9/16，1/27)，...
霍尔顿序列的一个缺点是，在用一些比较大的质数作为基数时，序列的分布点的数量不那么多的时候并不会均匀的分布，只有当点的数量接近基数幂的时候分布才会逐渐均匀。请参看图2，图中以29和31为底的序列，一开始的点会分别是1/29，2/29，3/29...所以造成了点都集中落在了一条直线上面。
为了避免这种情况，通常会丢弃序列数等于基数的前几个点或其他一些预定数量(取决于所选的质数)，还提出了几种其他方法，最突出的解决方案之一是乱序(Scrambling)，比较常用的方法是福尔乱序(Faure Scrambling)，请参看图3。另一种解决方案是跳跃(Skip)，它跳过标准序列中的顺序点，仅使用指定的点，也可以实现显著的改进。
多数进行科学计算的软件都有产生低差异序列的相关功能模块，比如Matlab的Statistic andMachine learning工具箱，Python的HALTON库。本实施例使用的是Matlab中的Curve Fitting和Statistic andMachine learning工具箱，具体函数为Matlab霍尔顿序列函数haltonset。
该霍尔顿序列函数haltonset支持以下选项：
Scramble Method-设置乱序加扰参数
控制序列加扰的设置，使用以下字段指定为结构：
Type-包含加扰名称的字符向量，'RR2'-对所有可能的系数值进行反基数运算而得到的根的反系数的一种排列。
Options-用于加扰的参数值的单元格数组
该ScrambleMethod属性还接受一个空矩阵作为值。然后，软件清除所有加扰，并将属性设置为包含0x0结构。
Skip-要忽略的初始点数
0(默认)|正整数标量
要从点集中省略的序列中的初始点数，指定为正整数标量。
序列的起始点有时显示出不良的特性。例如，第一个点通常是(0,0,0,...)，这可能导致序列不平衡，因为(1,1,1,...)从未出现该点的对应物。同样，初始点通常在不同维度之间表现出相关性，并且这些相关性在序列的后面逐渐消失。
Leap-点之间的间隔
0(默认)|正整数标量
序列中点之间的间隔，指定为正整数标量。换句话说，Leap点集的属性指定序列中要跳过并忽略的每个点的点数。默认Leap值为0，它对应于从序列中获取每个点。
跳跃是一种用于提高准随机点集质量的选项。但是，必须谨慎选择使用的值。在多维空间应用中，许多Leap值创建的序列无法触及单元超立方体的大型子超矩形，因此不能成为统一的准随机点集。
例如：p＝haltonset(2,’skip’,1e3,’leap’,1e2)；其运行情况为：
p＝二维霍尔顿序列(89180190640991points)
特性：
跳过：前1000个值舍弃
跳跃：忽略100个，间隔取第101个值
加扰：无
下面具体介绍使用霍尔顿序列函数haltonset对电驱动系统的扭矩、转速及效率的试验数据进行曲面拟合。
首先，将试验数据中离散点的转速和扭矩作为行向量m和列向量n输入，再导入对应的效率值，获得对应的三维坐标值或称为m×n矩阵。
对矩阵数据进行预处理，去除NaN或0值，获得真正的边界值。执行曲面拟合操作，可以通过GUI界面进行调整和检查，有多种插值方法可以选择，同时通过查看匹配参数情况进行比较：
·SSE，和方差，该值越趋向0时拟合效果越好；
·RMSE，该值越趋向0时拟合效果越好。
·MSE，该值越趋向0时拟合效果越好。
·R-square，确定系数，该值越趋向1时拟合效果越好；
·Adjusted R-square，该值越趋向1时拟合效果越好；
本实施例采用线性插值方式完美拟合，拟合后表征参数为：SSE＝0,R-square＝1，请参看图4。
在步骤S2中，采用准蒙特卡罗算法，生成大量的随机二维数组。其中，蒙特卡罗法(Monte Carlo method)，也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法，也是一种用于解决数值问题的基于计算机的统计抽样方法。用蒙特卡罗法模拟某过程，需要产生各种概率分布的随机变量，目前通用的是用数学方法产生的随机数，因为一般均采用某种确定性的数学表达式来实现，通常称为“伪随机数”。
蒙特卡罗法的基本思想可以分为两步：
首先建立一个合适的概率模型，构造一个随机变量X，使得要求解问题的解等于该随机变量的期望值。然后进行计算机模拟，通过大量的随机试验进行统计平均，得到随机变量X的期望值，即求出了问题的解，或者称为高度近似解。
低差异序列也被称为准随机数，通常用于代替空间随机抽样，其特征在于能快速、均匀地覆盖目标域，并且与使用随机数或伪随机数的蒙特卡罗模拟相比具有更快的收敛速度，基于其用途的方法称为准蒙特卡罗法。
本实施例采用准蒙特卡罗法生成大量准随机数进行模拟计算，获得电驱动系统实际输出覆盖拟合曲线区域的点的总数。
实际应用中，采用Matlab中Statistic and Machine learning工具箱的霍尔顿序列函数，生成二维数组及定量的准随机数，将准随机数的值代入曲面拟合获得的方程，获得目标值，其中，目标值大于0的点为电驱动系统实际输出覆盖所述目标域的点。统计目标值大于0的点的总数，记为第一统计值；统计目标值大于等于0.8的点的总数，记为第二统计值，计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比，其中，目标值大于等于0.8的点为满足电驱动系统高效工作区的点。
上述过程可参看图5、6中的程序代码，将随机值(X，Y)代入曲面拟合获得的方程，得到目标值Z，对获得的结果进行统计，统计Z值大于零的总数为电驱动系统输出不规则效率的基础边界值，再统计大于等于目标高效值(效率值≥80％)的点，两者的比值即为高效工作区占比。其统计结果如下：
有效输出区域总数num1＝7427923，效率值≥80％，总数num2＝5542763，高效工作区占比计算为Ratio＝0.7462。
若是担心使用10的7次方的霍尔顿序列，其生成的随机数不够多，得到的高效工作区占比不是最优解，那么，可以采用更高次方的霍尔顿序列，如使用10的8次方霍尔顿序列进行比对。本实施例同样对10的8次方霍尔顿序列进行了仿真试验，得到的高效工作区占比为Ratio＝0.7462。由此可见，使用10的7次方的霍尔顿序列，其生成的随机数已经足够多，获得的高效工作区占比是最优解。
本实施例利用数学方法对电驱动系统的效率模型进行预测和仿真，获得效率曲面的精确近似公式，再用准蒙特卡罗算法对该不规则曲面进行大数据量的统计判断，消除了单纯对测试点进行统计所产生的误差，同时对电驱动系统的效率模型有比较直观的估计，缩短电驱动系统产品研发的试验时间，降低研发费用，更重要的是结果可信。
实施例二
本实施例提供了一种电驱动系统高效工作区的仿真装置，请参看图7，该电驱动系统高效工作区的仿真装置包括：
曲面拟合模块1，用于获取电驱动系统的扭矩、转速及效率的试验数据，将试验数据进行曲面拟合，得到目标域；
仿真模块2，通过采用准蒙特卡罗算法，生成大量的准随机数进行模拟计算，获得电驱动系统实际输出覆盖所述目标域的点的总数，记为第一统计值；统计覆盖所述目标域的点满足高效工作区要求的点的总数，记为第二统计值；计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
其中，仿真模块2包括随机数生成单元201、第一计算单元202、第二计算单元203及第三计算单元204。
随机数生成单元201采用Matlab中Statistic andMachine learning工具箱的霍尔顿序列函数，生成二维数组及定量的准随机数，将准随机数的值代入曲面拟合获得的方程，获得目标值。
第一计算单元202用于统计目标值大于0的点的总数，记为第一统计值；所述目标值大于0的点为电驱动系统实际输出覆盖所述目标域的点。
第二计算单元203用于目标值大于等于0.8的点的总数，记为第二统计值；所述目标值大于等于0.8的点为满足电驱动系统高效工作区的点。
第三计算单元204用于计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
上述曲面拟合模块1、仿真模块2的原理及实现方法均如实施例一所述，在此不再赘述。
实施例三
上述实施例二从模块化功能实体的角度对本发明电驱动系统高效工作区的仿真装置进行详细描述，下面从硬件处理的角度对本发明电驱动系统高效工作区的仿真设备进行详细描述。
请参看图8，该电驱动系统高效工作区的仿真设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processingunits，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对电驱动系统高效工作区的仿真设备500中的一系列指令操作。
进一步地，处理器510可以设置为与存储介质530通信，在电驱动系统高效工作区的仿真设备500上执行存储介质530中的一系列指令操作。
电驱动系统高效工作区的仿真设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve、Vista等等。
本领域技术人员可以理解，图8示出的电驱动系统高效工作区的仿真设备结构并不构成对电驱动系统高效工作区的仿真设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质。该计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得计算机执行实施例一中的电驱动系统高效工作区的仿真方法中的步骤。
实施例二中的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件的形式体现出来，该计算机软件存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-only memory，ROM)、随机存取存储器(Random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置及设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式。即使对本发明作出各种变化，倘若这些变化属于本发明权利要求及其等同技术的范围之内，则仍落入在本发明的保护范围之中。

Claims (9)

1.一种电驱动系统高效工作区的仿真方法，其特征在于，包括：
获取电驱动系统的扭矩、转速及效率的试验数据，采用Matlab中的Curve Fitting工具对试验数据进行曲面拟合，将试验数据中的转速数据作为行向量m，扭矩数据作为列向量n输入Curve Fitting工具中，获得m×n矩阵；对矩阵数据进行预处理，去除NaN值或0值，再导入效率数据，执行曲面拟合操作，获得三维曲面，记为目标域；
采用准蒙特卡罗算法，生成大量的准随机数进行模拟计算，获得电驱动系统实际输出覆盖所述目标域的点的总数，记为第一统计值；统计覆盖所述目标域的点满足高效工作区要求的点的总数，记为第二统计值；计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
2.如权利要求1所述的电驱动系统高效工作区的仿真方法，其特征在于，所述采用Matlab中的Curve Fitting工具对试验数据进行曲面拟合时，采用线性插值的方式调整曲面拟合的效果。
3.如权利要求1所述的电驱动系统高效工作区的仿真方法，其特征在于，所述采用准蒙特卡罗算法，生成大量的准随机数进行模拟计算，获得电驱动系统实际输出覆盖所述目标域的点的总数进一步包括：
采用Matlab中Statistic andMachine learning工具箱的霍尔顿序列函数，生成二维数组及定量的准随机数，将准随机数的值代入曲面拟合获得的方程，获得目标值，其中，目标值大于0的点为电驱动系统实际输出覆盖所述目标域的点。
4.如权利要求3所述的电驱动系统高效工作区的仿真方法，其特征在于，所述计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比进一步包括：
统计目标值大于0的点的总数，记为第一统计值；统计目标值大于等于0.8的点的总数，记为第二统计值，计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比，其中，目标值大于等于0.8的点为满足电驱动系统高效工作区的点。
5.如权利要求3所述的电驱动系统高效工作区的仿真方法，其特征在于，所述定量的准随机数的数量为107或108。
6.一种电驱动系统高效工作区的仿真装置，其特征在于，包括：
曲面拟合模块，用于获取电驱动系统的扭矩、转速及效率的试验数据，采用Matlab中的Curve Fitting工具对试验数据进行曲面拟合，将试验数据中的转速数据作为行向量m，扭矩数据作为列向量n输入Curve Fitting工具中，获得m×n矩阵；对矩阵数据进行预处理，去除NaN值或0值，再导入效率数据，执行曲面拟合操作，获得三维曲面，记为目标域；
仿真模块，通过采用准蒙特卡罗算法，生成大量的准随机数进行模拟计算，获得电驱动系统实际输出覆盖所述目标域的点的总数，记为第一统计值；统计覆盖所述目标域的点满足高效工作区要求的点的总数，记为第二统计值；计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
7.如权利要求6所述的电驱动系统高效工作区的仿真装置，其特征在于，所述仿真模块包括随机数生成单元、第一计算单元、第二计算单元及第三计算单元；
所述随机数生成单元采用Matlab中Statistic andMachine learning工具箱的霍尔顿序列函数，生成二维数组及定量的准随机数，将准随机数的值代入曲面拟合获得的方程，获得目标值；
所述第一计算单元用于统计目标值大于0的点的总数，记为第一统计值；所述目标值大于0的点为电驱动系统实际输出覆盖所述目标域的点；
所述第二计算单元用于目标值大于等于0.8的点的总数，记为第二统计值；所述目标值大于等于0.8的点为满足电驱动系统高效工作区的点；
所述第三计算单元用于计算第二统计值与第一统计值的比值，得到电驱动系统高效工作区的占比。
8.一种电驱动系统高效工作区的仿真设备，其特征在于，包括存储器、处理器及存储在存储器上并可以在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1至5中任意一项所述的电驱动系统高效工作区的仿真方法中的步骤。
9.一种计算机可读介质，存储计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1至5中任意一项所述的电驱动系统高效工作区的仿真方法中的步骤。
CN202110201607.6A 2021-02-23 2021-02-23 电驱动系统高效工作区仿真方法、装置、设备及存储介质 Active CN113158328B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110201607.6A CN113158328B (zh) 2021-02-23 2021-02-23 电驱动系统高效工作区仿真方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110201607.6A CN113158328B (zh) 2021-02-23 2021-02-23 电驱动系统高效工作区仿真方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113158328A CN113158328A (zh) 2021-07-23
CN113158328B true CN113158328B (zh) 2022-12-09

Family

ID=76883377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110201607.6A Active CN113158328B (zh) 2021-02-23 2021-02-23 电驱动系统高效工作区仿真方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113158328B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116080420B (zh) * 2023-04-10 2023-06-06 四川大学 一种新能源汽车电驱系统的优化控制系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106557990A (zh) * 2016-10-27 2017-04-05 上海电力学院 能效电厂的随机生产模拟计算方法
CN111581893A (zh) * 2020-04-03 2020-08-25 上海理工大学 一种电驱动总成机械系统可靠性试验载荷谱的编制方法
CN112187124A (zh) * 2020-09-22 2021-01-05 中国第一汽车股份有限公司 一种电驱动系统控制方法、装置、车辆及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950257B (zh) * 2015-06-29 2017-07-14 吉林大学 开放式绕组永磁同步电机测试系统及测试方法
CN107255921B (zh) * 2017-07-04 2021-02-12 天津农学院 电动汽车增程器优化控制方法
CN110232219B (zh) * 2019-05-17 2022-12-16 华南理工大学 一种基于数据挖掘的电动汽车可调度容量核定方法
CN110203075B (zh) * 2019-05-31 2022-08-05 武汉理工大学 一种四轮轮毂电机车辆系统动力匹配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106557990A (zh) * 2016-10-27 2017-04-05 上海电力学院 能效电厂的随机生产模拟计算方法
CN111581893A (zh) * 2020-04-03 2020-08-25 上海理工大学 一种电驱动总成机械系统可靠性试验载荷谱的编制方法
CN112187124A (zh) * 2020-09-22 2021-01-05 中国第一汽车股份有限公司 一种电驱动系统控制方法、装置、车辆及存储介质

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
"前端调速式风力机组柔性传动链匹配与传动特性研究";刘鑫;《万方学位论文 TM315(电机)》;20141013;全文 *
"随机结构蒙特卡洛法分析的波动性研究";黄翱;《万方学位论文 TB122(工程基础科学)》;20160330;全文 *
基于NEDC循环工况的集成式电驱动系统匹配优化;李海波等;《汽车技术》;20180224(第02期);全文 *
基于二次响应面的震区边坡稳定性可靠度分析;黄胤超等;《公路工程》;20180228;全文 *
基于蒙特卡罗法的弹道导弹落点密集度验前估计;郑小兵等;《中国惯性技术学报》;20110215(第01期);全文 *
混合动力汽车电机驱动系统效率评价研究;盖江涛等;《微电机》;20070428(第04期);全文 *
蒙特卡罗模拟中三维介质辐射对称性检验;帅永等;《工程热物理学报》;20070715(第04期);全文 *

Also Published As

Publication number Publication date
CN113158328A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
Le Gallo et al. Mixed-precision in-memory computing
Luty et al. Lattice‐sum methods for calculating electrostatic interactions in molecular simulations
Bujnak et al. Making minimal solvers fast
CN113158328B (zh) 电驱动系统高效工作区仿真方法、装置、设备及存储介质
CN101038541A (zh) 一种随机数的产生方法
Goslee Correlation analysis of dissimilarity matrices
CN113592095A (zh) 一种基于量子计算的模型训练方法及装置
Dempwolff Semifield� Planes� of� Order� 81
CN114519429A (zh) 获取目标体系的可观测量的方法、装置及介质
Blaustein et al. On a discrete framework of hypocoercivity for kinetic equations
Kucherenko SobolHDMR: a general-purpose modeling software
Garoni et al. Dynamic critical behavior of the chayes–machta algorithm for the random-cluster model, i. two dimensions
Stefansson et al. Orders of magnitude speed increase in partial least squares feature selection with new simple indexing technique for very tall data sets
Gibson et al. Modelling mass analyzer performance with fields determined using the boundary element method
Thomas The table-Hadamard GRNG: An area-efficient FPGA Gaussian random number generator
Lüders Implementation of the DKSS algorithm for multiplication of large numbers
Miller et al. Additive congruential pseudo-random number generators
Primeau et al. SDEX: monte carlo simulation of stochastic differential equations on memristor crossbars
Capofreddi et al. The use of linear models for the efficient and accurate testing of A/D converters
Teitzel et al. New approaches for particle tracing on sparse grids
Kondybayeva et al. Tricubic interpolation in scientific data visualization problems
Kolka et al. Program for multi-domain symbolic analysis
Kawase et al. Electromagnetic field analysis of rotating machines using 3-D parallel finite element method with prismatic edge elements
淺井暢宏 Notes on some orthogonal polynomials having the Brenke type generating functions (mathematical aspects of quantum fields and related topics)
Sammis et al. A geometric nonuniform fast Fourier transform

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