CN113704964B - 整车可靠性试验的路线设计方法、装置及计算机设备 - Google Patents

整车可靠性试验的路线设计方法、装置及计算机设备 Download PDF

Info

Publication number
CN113704964B
CN113704964B CN202110827164.1A CN202110827164A CN113704964B CN 113704964 B CN113704964 B CN 113704964B CN 202110827164 A CN202110827164 A CN 202110827164A CN 113704964 B CN113704964 B CN 113704964B
Authority
CN
China
Prior art keywords
road
road section
sub
segment
section
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
CN202110827164.1A
Other languages
English (en)
Other versions
CN113704964A (zh
Inventor
孙中辉
郭彦颖
刘宝印
蒋玉宝
郝宝玉
王泽坤
刘新宇
赵子健
柳广照
李英锋
郑德双
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.)
FAW Jiefang Automotive Co Ltd
Original Assignee
FAW Jiefang Automotive 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 FAW Jiefang Automotive Co Ltd filed Critical FAW Jiefang Automotive Co Ltd
Priority to CN202110827164.1A priority Critical patent/CN113704964B/zh
Publication of CN113704964A publication Critical patent/CN113704964A/zh
Application granted granted Critical
Publication of CN113704964B publication Critical patent/CN113704964B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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]
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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

  • 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)
  • Navigation (AREA)

Abstract

本申请涉及一种整车可靠性试验的路线设计方法、装置及计算机设备和存储介质，该方法包括：确定路段集合中每一路段的加速系数；确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。通过确定路段集合中每一路段的加速系数，确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。由于加速系数的数值与路段对应的路况苛刻程度呈正相关，也即是通过量化的方式确定每一路段对应的路况苛刻程度，再根据量化的指标加速系数确定最终的试验路线，而不是基于专家经验或者用户调研确定最终的试验路线，从而使得所确定的实验路线更加精准。

Description

整车可靠性试验的路线设计方法、装置及计算机设备
技术领域
本申请涉及汽车试验技术领域，特别是涉及一种整车可靠性试验的路线设计方法、装置及计算机设备。
背景技术
整车的可靠性试验是：基于真实用户的驾驶习惯及真实行驶路况的可靠性试验，其工程意义是在真实环境下综合考察整车的耐久性。在整车的可靠性试验中，对整车耐久性的考核周期直接受所选试验路线的影响。在典型苛刻的试验路线上进行汽车的使用试验相当于一定程度的“强化试验”，可以使汽车的零部件加速损坏，从而能够明显缩短整车的耐久性的考核周期，进而节约研发成本。
目前来说，在整车的可靠性试验中所选用的试验路线，通常是基于专家经验或者用户调研的方式所设计的，具体的设计过程是：选择各种典型的路面，按照一定比例组合，制定合理的行驶循环路线。基于专家经验或者用户调研的方式所设计的试验路线，是大部分用户的行驶路线，但不一定是最佳的行驶路线。
发明内容
基于此，有必要针对上述技术问题，提供一种能够满足确定一条路况最苛刻的路段的整车可靠性试验的路线设计方法、装置及计算机设备和存储介质。
一种整车可靠性试验的路线设计方法，该方法包括：
确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
在其中一个实施例中，路段集合是由多个路段所组成的；每一路段是对行驶路线划分为多个子路段后，由连续的多个子路段所组成的；不同路段之间存在相同的子路段或者不存在相同的子路段。
在其中一个实施例中，每一路段是对行驶路线进行平均划分，得到多个路程相等的子路段后，由连续的多个路程相等的子路段所组成的。
在其中一个实施例中，路段集合中不同路段之间不存在相同的子路段；相应地，路段集合的确定过程，包括：
确定初始路段集合及备选路段集合，初始路段集合中不同路段之间存在相同的子路段或者不存在相同的子路段，备选路段集合中包含初始路段集合中最大加和结果对应的路段，每一路段的加和结果是由每一路段所包含的每一子路段的疲劳伪损伤进行加和所确定的；
从初始路段集合中删除最大加和结果对应的路段，将更新后的初始路段集合中最大加和结果对应的路段与备选路段集合中每一路段进行比较，若备选路段集合中的路段与更新后的初始路段集合中最大加和结果对应的路段之间不存在相同的子路段，则将更新后的初始路段集合中最大加和结果对应的路段加入至备选路段集合，并从更新后的初始路段集合中删除最大加和结果对应的路段，若备选路段集合中存在路段与更新后的初始路段集合中最大加和结果对应的路段之间存在相同的子路段，则从更新后的初始路段集合中删除最大加和结果对应的路段，重复上述初始路段集合及所述备选路段集合的更新过程，直至初始路段集合为空。
在其中一个实施例中，确定路段集合中每一路段的加速系数，包括：
将每一路段所包含的每一子路段的疲劳伪损伤进行加和，得到每一路段的加和结果，并计算每一路段的加和结果与每一路段的总路程之间的第一比值；
将路段集合中每一路段的加和结果进行求和，得到行驶路线的加和结果，并计算行驶路线的加和结果与行驶路线的总路线之间的第二比值；
计算第一比值与所述第二比值之间的比值，并作为路段集合中每一路段的加速系数。
在其中一个实施例中，，每一子路段的疲劳伪损伤的计算过程，包括：
将每一子路段的应力输入至预设模型，输出每一子路段的应力对应的循环次数；
根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤。
在其中一个实施例中，根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤，包括：
D＝(n1s1 m+n2s2 m+...+nisi m+...)；
其中，D为每一子路段的疲劳伪损伤，si为第i级应力，ni为第i级应力si作用下的循环次数，m为与材料有关的常数。
一种整车可靠性试验的路线设计装置，该装置包括：
第一确定模块，用于确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
第二确定模块，用于确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
上述整车可靠性试验的路线设计方法、装置及计算机设备和存储介质，通过确定路段集合中每一路段的加速系数，确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。由于加速系数的数值与路段对应的路况苛刻程度呈正相关，也即是通过量化的方式确定每一路段对应的路况苛刻程度，再根据量化的指标加速系数确定最终的试验路线，而不是基于专家经验或者用户调研确定最终的试验路线，从而使得所确定的实验路线更加精准。
附图说明
图1为一个实施例中整车可靠性试验的路线设计方法的流程示意图；
图2为一个实施例中路线集合的示意图；
图3为一个实施例中路线集合的示意图；
图4为一个实施例中路线集合的示意图；
图5为一个实施例中路线集合的示意图；
图6为一个实施例中路线集合的示意图；
图7为一个实施例中路线集合的示意图；
图8为一个实施例中路线集合的示意图；
图9为一个实施例中路线集合的示意图；
图10为一个实施例中路线集合的示意图；
图11为一个实施例中路线集合的示意图；
图12为一个实施例中整车可靠性试验的路线设计装置的结构框图；
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
整车的可靠性试验是：基于真实用户的驾驶习惯及真实行驶路况的可靠性试验，其工程意义是在真实环境下综合考察整车的耐久性。在整车的可靠性试验中，对整车耐久性的考核周期直接受所选试验路线的影响。在典型苛刻的试验路线上进行汽车的使用试验相当于一定程度的“强化试验”，可以使汽车的零部件加速损坏，从而能够明显缩短整车耐久性的考核周期，进而节约研发成本。
目前来说，在整车的可靠性试验中所选用的试验路线，通常是基于专家经验或者用户调研的方式所设计的，具体的设计过程是：选择各种典型的路面，按照一定比例组合，制定合理的行驶循环路线。基于专家经验或者用户调研的方式所设计的试验路线，是大部分用户的行驶路线，但不一定是最佳的行驶路线，也即该试验路线的路况不一定是最苛刻的。
针对上述相关技术中存在的问题，本发明实施例提供了一种整车可靠性试验的路线设计方法，该方法可以应用于服务器中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。需要说明的是，本申请各实施例中提及的“多个”等的数量均指代“至少两个”的数量，比如，“多个”指“至少两个”。
在对本发明实施例的具体实施方式进行说明之前，先对本发明实施例的主要应用场景进行说明。本发明实施例中的整车可靠性试验的路线设计方法主要应用于在真实环境下综合考察整车的耐久性的应用场景，主要是通过确定一条路况最苛刻的路段，将该路段作为综合考察整车的耐久性的试验路段，从而缩短整车耐久性的考核周期。
结合上述实施例的内容，在一个实施例中，如图1所示，提供了一种整车可靠性试验的路线设计方法，以该方法应用于服务器，且执行主体为服务器为例进行说明，该方法包括如下步骤：
101、确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
102、确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
在上述步骤101中，路段集合中每一路段的总路程均是相同的。另外，路段集合中的每一路段可以主要是对行驶路线进行划分路段所得到的。需要说明的是，划分后的路段可以保留行驶路线的连续性，也可以不保留行驶路线的连续性。还需要说明的是，行驶路线必须涵盖很多的路况，而不能是单一路况，从而使得确定最终的试验路线所使用的数据来源更加丰富，进而使得所确定的最终的实验路线更加精准。除此之外，路段集合中的每一路段也可以是搜集的离散路段。
以行驶路段的总路程为1.2KM，多个路段中的每个路段的路程均为400M为例，若划分后的路段保留了行驶路线的连续性，划分后的路段可以如图2所示，其中，Q为行驶路段，Q1、Q2及Q3为划分后得到的路段；若划分后的路段保留了行驶路线的连续性，划分后的路段还可以如图3所示，其中，Q为行驶路段，Q1-Q7为划分后得到的路段；若划分后的路段不保留行驶路线的连续性，划分后的路段可以如图4所示，其中，Q为行驶路段，Q1及Q2为划分后得到的路段；若划分后的路段不保留行驶路线的连续性，划分后的路段还可以如图5所示，其中，Q为行驶路段，Q1-Q5为划分后得到的路段。在保留了行驶路线的连续性且路段之间存在重叠的条件下得到的路段数量最多，也即路段集合中路段的数量最多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
另外，在上述步骤101中，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的，包括：对于任一路段，将该路段划分为多个子路段，计算该路段所包含的多个子路段中每一子路段的疲劳伪损伤，基于多个子路段中每一子路段的疲劳伪损伤，得到该路段的疲劳伪损伤。其中，将每一路段划分为多个子路段的划分方式可以为：对于任一路段，将该路段平均划分为路程相等的多个子路段；也可以为：将该路段随机划分为路程不相等的多个子路段；本发明实施例对此不作具体限定。其中，划分的子路段的长度不能小于100米，否则无法计算出子路段的疲劳伪损伤。需要说明的是，当不同的路段之间存在重叠的路段时，对不同路段之间重叠部分的路段进行划分时，不同路段之间重叠部分划分的子路段必须是相同的。
在上述步骤102中，还可以结合实际情况确定最终的试验路线，实际情况包括：该路段的维修方便程度，汽车的使用环境。例如，当所确定的加速系数的最大值所对应的路段离服务站很远时，也即该路段的维修方便程度低，此时，如果加速系数的第二大值所对应的路段相比于加速系数的最大值所对应的路段离服务站很近，相应地，结合实际情况，可以将加速系数的第二大值所对应的路段确定为最终的试验路线。
本发明实施例提供的方法，通过确定路段集合中每一路段的加速系数，确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。由于加速系数的数值与路段对应的路况苛刻程度呈正相关，也即是通过量化的方式确定每一路段对应的路况苛刻程度，再根据量化的指标加速系数确定最终的试验路线，而不是基于专家经验或者用户调研确定最终的试验路线，从而使得所确定的实验路线更加精准。
结合上述实施例的内容，在一个实施例中，路段集合是由多个路段所组成的；每一路段是对行驶路线划分为多个子路段后，由连续的多个子路段所组成的；不同路段之间存在相同的子路段或者不存在相同的子路段。
其中，将行驶路线划分为多个子路段的划分方式可以为：对行驶路线进行随机划分，得到多个路程不等的子路段。
以行驶路段的总路程为1.2KM，多个路段中的每个路段的路程均为400M，对行驶路线进行随机划分，得到多个路程不等的子路段，且不同路段之间存在相同的子路段为例。组成的路段集合可以如图6所示，其中，q1-q9为子路段，q1、q2、q4-q8的路程均为100M，q3的路程为200M，q9的路程为300M，Q1-Q6为由连续的子路段组成的路段。组成的路段集合也可以如图7所示，其中，q1-q9为子路段，q1、q2、q4-q8的路程均为100M，q3的路程为200M，q9的路程为300M，Q1-Q4为由连续的子路段组成的路段。由图6和图7对比可知，不同路段之间存在的相同的子路段数量越多，最终由子路段组成的路段的数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
以行驶路段的总路程为1.2KM，多个路段中的每个路段的路程均为400M，对行驶路线进行随机划分，得到多个路程不等的子路段，且不同路段之间存在相同的子路段为例。组成的路段集合可以如图8所示，其中，q1-q10为子路段，q1、q2、q4-q8、q10的路程均为100M，q3及q9的路程为200M，Q1-Q7为由连续的子路段组成的路段。由图6和图8对比可知，在每一子路段的路程越短，且不同路段之间存在的相同的子路段数量越多的情况下，最终由子路段组成的路段的数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
本发明实施例提供的方法，通过对行驶路线划分为多个子路段后，由连续的多个子路段组成路段。首先，不同路段之间存在的相同子路段数量越多，最终路段集合中的路段数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
其次，在每一子路段的路程越短，且不同路段之间存在的相同的子路段数量越多的情况下，最终由子路段组成的路段的数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
结合上述实施例的内容，在一个实施例中，每一路段是对行驶路线进行平均划分，得到多个路程相等的子路段后，由连续的多个路程相等的子路段所组成。
以行驶路段的总路程为1.2KM，多个路段中的每个路段的路程均为400M，每个子路段的路程均为100M，且不同路段之间存在相同的子路段为例，组成路段集合的具体过程可以为：将行驶路线划分为12个子路段，由连续的4个子路段组成一个路段，最终由连续的4个子路段组成多个路段，再由多个路段组成路段集合。组成的路段集合可以如图9所示，其中，Q为行驶路段，q1-q12为子路段，Q1-Q9为由连续的4个子路段组成的路段。组成的路段集合也可以如图10所示，其中，Q为行驶路段，q1-q12为子路段，Q1-Q5为由连续的4个子路段组成的路段。由图9和图10对比可知，不同路段之间存在的相同的子路段数量越多，最终由子路段组成的路段的数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
以行驶路段的总路程为1.2KM，多个路段中的每个路段的路程均为400M，每个子路段的路程均为200M，且不同路段之间存在相同的子路段为例，组成路段集合的具体过程可以为：将行驶路线划分为6个子路段，由连续的2个子路段组成一个路段，最终由连续的2个子路段组成多个路段，再由多个路段组成路段集合。组成的路段集合可以如图11所示，其中，Q为行驶路段，q1-q6为子路段，Q1-Q5为由连续的2个子路段组成的路段。由图9和图11对比可知，在每一子路段的路程越短，且不同路段之间存在的相同的子路段数量越多的情况下，最终由子路段组成的路段的数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。由图9和图8对比可知，对行驶路线进行平均划分相比于对行驶路线进行随机划分而言，最终由子路段组成的路段的数量更多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
本发明实施例提供的方法，通过对行驶路线划分为多个路程相等的子路段后，由连续的多个路程相等的子路段组成路段。首先，不同路段之间存在的相同子路段数量越多，最终路段集合中的路段数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
其次，在每一子路段的路程越短，且不同路段之间存在的相同的子路段数量越多的情况下，最终由子路段组成的路段的数量也就越多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
从次，在每一子路段的路程越短，且不同路段之间存在的相同的子路段数量越多的情况下，对行驶路线进行平均划分相比于对行驶路线进行随机划分而言，最终由子路段组成的路段的数量更多，也即路段集合中路段的数量越多，从而路段集合能够尽可能多的涵盖行驶路线，进而使得所确定的实验路线更加精准。
结合上述实施例的内容，在一个实施例中，路段集合中不同路段之间不存在相同的子路段；相应地，路段集合的确定过程，包括：
确定初始路段集合及备选路段集合，初始路段集合中不同路段之间存在相同的子路段或者不存在相同的子路段，备选路段集合中包含初始路段集合中最大加和结果对应的路段，每一路段的加和结果是由每一路段所包含的每一子路段的疲劳伪损伤进行加和所确定的；
从初始路段集合中删除最大加和结果对应的路段，将更新后的初始路段集合中最大加和结果对应的路段与备选路段集合中每一路段进行比较，若备选路段集合中的路段与更新后的初始路段集合中最大加和结果对应的路段之间不存在相同的子路段，则将更新后的初始路段集合中最大加和结果对应的路段加入至备选路段集合，并从更新后的初始路段集合中删除最大加和结果对应的路段，若备选路段集合中存在路段与更新后的初始路段集合中最大加和结果对应的路段之间存在相同的子路段，则从更新后的初始路段集合中删除最大加和结果对应的路段，重复上述初始路段集合及所述备选路段集合的更新过程，直至初始路段集合为空。
以初始路段集合中包括如图3所示对行驶路线进行划分所得的Q1-Q7一共7个路段，且路段Q1-Q7的疲劳伪损伤的大小分别为：Q1>Q3>Q6>Q2>Q7>Q4>Q5为例，对路段集合的确定过程进行解释说明：备选路段集合中包含Q1，从初始路段集合中删除Q1，相应地，初始路段集合中包括路段Q2-Q7。将更新后的初始路段集合中最大加和结果对应的路段Q3与备选路段集合中的Q1进行比较，路段Q1和Q3之间存在相同的路段，从更新后的初始路段集合中删除Q3，相应地，初始路段集合中包括路段Q2及Q4-Q7。再将更新后的初始路段集合中最大加和结果对应的路段Q6与备选路段集合中的Q1进行比较，路段Q1和Q6之间不存在相同的路段，则将更新后的初始路段集合中最大加和结果对应的路段Q6加入至备选路段集合，并从更新后的初始路段集合中删除路段Q6，相应地，初始路段集合中包括路段Q2、Q4、Q5及Q7，备选路段集合中包含路段Q1和Q6。再将更新后的初始路段集合中最大加和结果对应的路段Q2与备选路段集合中的Q1和Q6进行比较，路段Q1和Q2之间存在相同的路段，从更新后的初始路段集合中删除Q2，相应地，初始路段集合中包括路段Q4、Q5及Q7。再将更新后的初始路段集合中最大加和结果对应的路段Q7与备选路段集合中的Q1和Q6进行比较，路段Q6和Q7之间存在相同的路段，从更新后的初始路段集合中删除Q7，相应地，初始路段集合中包括路段Q4及Q5。再将更新后的初始路段集合中最大加和结果对应的路段Q4与备选路段集合中的Q1和Q6进行比较，路段Q4和Q1之间存在相同的路段，从更新后的初始路段集合中删除Q4，相应地，初始路段集合中包括路段Q4。再将更新后的初始路段集合中最大加和结果对应的路段Q5与备选路段集合中的Q1和Q6进行比较，路段Q5和Q6之间存在相同的路段，从更新后的初始路段集合中删除Q5，由此，初始路段集合为空，确定最终的路段集合包括Q1和Q6。
本发明实施例提供的方法，通过从初始路段集合中删除最大加和结果对应的路段，将更新后的初始路段集合中最大加和结果对应的路段与备选路段集合中每一路段进行比较，若备选路段集合中的路段与更新后的初始路段集合中最大加和结果对应的路段之间不存在相同的子路段，则将更新后的初始路段集合中最大加和结果对应的路段加入至备选路段集合，并从更新后的初始路段集合中删除最大加和结果对应的路段，若备选路段集合中存在路段与更新后的初始路段集合中最大加和结果对应的路段之间存在相同的子路段，则从更新后的初始路段集合中删除最大加和结果对应的路段，重复上述初始路段集合及所述备选路段集合的更新过程，直至初始路段集合为空。由于路段集合中不同路段之间不存在相同的子路段，从而使得路段集合中包含的路段数量较少，进而最终需要确定加速系数的路段数量减少，次而减小确定最终的实验路线的计算量。
结合上述实施例的内容，在一个实施例中，确定路段集合中每一路段的加速系数，包括：将每一路段所包含的每一子路段的疲劳伪损伤进行加和，得到每一路段的加和结果，并计算每一路段的加和结果与每一路段的总路程之间的第一比值；将路段集合中每一路段的加和结果进行求和，得到行驶路线的加和结果，并计算行驶路线的加和结果与行驶路线的总路线之间的第二比值；计算第一比值与第二比值之间的比值，并作为路段集合中每一路段的加速系数。
其中，基于上述确定路段集合中每一路段的加速系数的步骤，若每个子路段的路程均相等，确定行驶路线中任一路段的加速系数的计算式可以如下公式(1)所示，本发明实施例对此不作具体限定：
其中，a(i)是指加速系数，DQS(i)是指该路段的加和结果，QS(i)是指该路段的路程，∑是累加符号，K是子路段的总数量，Dqj是指一个子路段的疲劳伪损伤，q是指一个子路段的路程。
结合上述实施例的内容，在一个实施例中，每一子路段的疲劳伪损伤的计算过程，包括：将每一子路段的应力输入至预设模型，输出每一子路段的应力对应的循环次数；根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤。
其中，预设模型可以为雨流计数模型。
结合上述实施例的内容，在一个实施例中，根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤的计算式可以如下公式(2)所示，本发明实施例对此不作具体限定：
D＝(n1s1 m+n2s2 m+…+nisi m+…)； (2)
其中，D为每一子路段的疲劳伪损伤，si为第i级应力，ni为第i级应力si作用下的循环次数，m为与材料有关的常数。
需要说明的是，m的取值范围可以为3至7。
应该理解的是，虽然图1的流程图中的各种步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
结合上述实施例的内容，在一个实施例中，如图12所示，提供了一种整车可靠性试验的路线设计装置，该装置包括：
第一确定模块1201，用于确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
第二确定模块1202，用于确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
在一个实施例中，路段集合是由多个路段所组成的；每一路段是对行驶路线划分为多个子路段后，由连续的多个子路段所组成的；不同路段之间存在相同的子路段或者不存在相同的子路段。
在一个实施例中，每一路段是对行驶路线进行平均划分，得到多个路程相等的子路段后，由连续的多个路程相等的子路段所组成的。
在一个实施例中，路段集合中不同路段之间不存在相同的子路段；相应地，第一确定模块1201，包括：
确定单元，用于确定初始路段集合及备选路段集合，初始路段集合中不同路段之间存在相同的子路段或者不存在相同的子路段，备选路段集合中包含初始路段集合中最大加和结果对应的路段，每一路段的加和结果是由每一路段所包含的每一子路段的疲劳伪损伤进行加和所确定的；
删除单元，用于从初始路段集合中删除最大加和结果对应的路段，将更新后的初始路段集合中最大加和结果对应的路段与备选路段集合中每一路段进行比较，若备选路段集合中的路段与更新后的初始路段集合中最大加和结果对应的路段之间不存在相同的子路段，则将更新后的初始路段集合中最大加和结果对应的路段加入至备选路段集合，并从更新后的初始路段集合中删除最大加和结果对应的路段，若备选路段集合中存在路段与更新后的初始路段集合中最大加和结果对应的路段之间存在相同的子路段，则从更新后的初始路段集合中删除最大加和结果对应的路段，重复上述初始路段集合及备选路段集合的更新过程，直至初始路段集合为空。
在一个实施例中，第一确定模块1201，还用于将每一路段所包含的每一子路段的疲劳伪损伤进行加和，得到每一路段的加和结果，并计算每一路段的加和结果与每一路段的总路程之间的第一比值；将路段集合中每一路段的加和结果进行求和，得到行驶路线的加和结果，并计算行驶路线的加和结果与行驶路线的总路线之间的第二比值；计算第一比值与第二比值之间的比值，并作为路段集合中每一路段的加速系数。
在一个实施例中，第二确定模块1202，还用于将每一子路段的应力输入至预设模型，输出每一子路段的应力对应的循环次数；根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤。
本发明实施例提供的装置，通过第一确定模块1201确定路段集合中每一路段的加速系数，第二确定模块1202确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。由于加速系数的数值与路段对应的路况苛刻程度呈正相关，也即是通过量化的方式确定每一路段对应的路况苛刻程度，再根据量化的指标加速系数确定最终的试验路线，而不是基于专家经验或者用户调研确定最终的试验路线，从而使得所确定的实验路线更加精准。
关于整车可靠性试验的路线设计装置的具体限定可以参见上文中对于整车可靠性试验的路线设计方法的限定，在此不再赘述。上述整车可靠性试验的路线设计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储退役电池的各项性能指标。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人体动作识别方法。
本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体地计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
在一个实施例中，处理器执行计算机程序时，路段集合是由多个路段所组成的；每一路段是对行驶路线划分为多个子路段后，由连续的多个子路段所组成的；不同路段之间存在相同的子路段或者不存在相同的子路段。
在一个实施例中，处理器执行计算机程序时，每一路段是对行驶路线进行平均划分，得到多个路程相等的子路段后，由连续的多个路程相等的子路段所组成的。
在一个实施例中，路段集合中不同路段之间不存在相同的子路段，相应地，处理器执行计算机程序时还实现以下步骤：确定初始路段集合及备选路段集合，初始路段集合中不同路段之间存在相同的子路段或者不存在相同的子路段，备选路段集合中包含初始路段集合中最大加和结果对应的路段，每一路段的加和结果是由每一路段所包含的每一子路段的疲劳伪损伤进行加和所确定的；从初始路段集合中删除最大加和结果对应的路段，将更新后的初始路段集合中最大加和结果对应的路段与备选路段集合中每一路段进行比较，若备选路段集合中的路段与更新后的初始路段集合中最大加和结果对应的路段之间不存在相同的子路段，则将更新后的初始路段集合中最大加和结果对应的路段加入至备选路段集合，并从更新后的初始路段集合中删除最大加和结果对应的路段，若备选路段集合中存在路段与更新后的初始路段集合中最大加和结果对应的路段之间存在相同的子路段，则从更新后的初始路段集合中删除最大加和结果对应的路段，重复上述初始路段集合及备选路段集合的更新过程，直至初始路段集合为空。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将每一路段所包含的每一子路段的疲劳伪损伤进行加和，得到每一路段的加和结果，并计算每一路段的加和结果与每一路段的总路程之间的第一比值；将路段集合中每一路段的加和结果进行求和，得到行驶路线的加和结果，并计算行驶路线的加和结果与行驶路线的总路线之间的第二比值；计算第一比值与第二比值之间的比值，并作为路段集合中每一路段的加速系数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将每一子路段的应力输入至预设模型，输出每一子路段的应力对应的循环次数；根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.整车可靠性试验的路线设计方法，其特征在于，所述方法包括：
确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线；
所述路段集合是由多个路段所组成的；每一路段是对行驶路线划分为多个子路段后，由连续的多个子路段所组成的；所述路段集合中不同路段之间不存在相同的子路段；
相应地，所述路段集合的确定过程，包括：
确定初始路段集合及备选路段集合，所述初始路段集合中不同路段之间存在相同的子路段或者不存在相同的子路段，所述备选路段集合中包含所述初始路段集合中最大加和结果对应的路段，每一路段的加和结果是由每一路段所包含的每一子路段的疲劳伪损伤进行加和所确定的；
从所述初始路段集合中删除最大加和结果对应的路段，将更新后的初始路段集合中最大加和结果对应的路段与所述备选路段集合中每一路段进行比较，若所述备选路段集合中的路段与更新后的初始路段集合中最大加和结果对应的路段之间不存在相同的子路段，则将更新后的初始路段集合中最大加和结果对应的路段加入至所述备选路段集合，并从更新后的初始路段集合中删除最大加和结果对应的路段，若所述备选路段集合中存在路段与更新后的初始路段集合中最大加和结果对应的路段之间存在相同的子路段，则从更新后的初始路段集合中删除最大加和结果对应的路段，重复上述所述初始路段集合及所述备选路段集合的更新过程，直至所述初始路段集合为空。
2.根据权利要求1所述的方法，其特征在于，每一路段是对所述行驶路线进行平均划分，得到多个路程相等的子路段后，由连续的多个路程相等的子路段所组成的。
3.根据权利要求1至2中任一项所述的方法，其特征在于，所述确定所述路段集合中每一路段的加速系数，包括：
将每一路段所包含的每一子路段的疲劳伪损伤进行加和，得到每一路段的加和结果，并计算每一路段的加和结果与每一路段的总路程之间的第一比值；
将所述路段集合中每一路段的加和结果进行求和，得到所述行驶路线的加和结果，并计算所述行驶路线的加和结果与所述行驶路线的总路线之间的第二比值；
计算所述第一比值与所述第二比值之间的比值，并作为所述路段集合中每一路段的加速系数。
4.根据权利要求1所述的方法，其特征在于，每一子路段的疲劳伪损伤的计算过程，包括：
将每一子路段的应力输入至预设模型，输出每一子路段的应力对应的循环次数；
根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤。
5.根据权利要求4所述的方法，其特征在于，根据每一子路段的应力及每一子路段的应力对应的循环次数，确定每一子路段的疲劳伪损伤，包括：
D＝(n1s1 m+n2s2 m+…+nisi m+…)；
其中，D为每一子路段的疲劳伪损伤，si为第i级应力，ni为第i级应力si作用下的循环次数，m为与材料有关的常数。
6.一种整车可靠性试验的路线设计装置，其特征在于，所述装置包括：
第一确定模块，用于确定路段集合中每一路段的加速系数；其中，加速系数的数值与路段对应的路况苛刻程度呈正相关，每一路段的加速系数是由每一路段所包含的每一子路段的疲劳伪损伤所确定的；
第二确定模块，用于确定加速系数的最大值所对应的路段，并将该路段作为最终的试验路线；
路段集合是由多个路段所组成的；每一路段是对行驶路线划分为多个子路段后，由连续的多个子路段所组成的；不同路段之间存在相同的子路段或者不存在相同的子路段；
第一确定模块，包括：
确定单元，用于确定初始路段集合及备选路段集合，所述初始路段集合中不同路段之间存在相同的子路段或者不存在相同的子路段，所述备选路段集合中包含初始路段集合中最大加和结果对应的路段，每一路段的加和结果是由每一路段所包含的每一子路段的疲劳伪损伤进行加和所确定的；
删除单元，用于从初始路段集合中删除最大加和结果对应的路段，将更新后的初始路段集合中最大加和结果对应的路段与备选路段集合中每一路段进行比较，若备选路段集合中的路段与更新后的初始路段集合中最大加和结果对应的路段之间不存在相同的子路段，则将更新后的初始路段集合中最大加和结果对应的路段加入至备选路段集合，并从更新后的初始路段集合中删除最大加和结果对应的路段，若备选路段集合中存在路段与更新后的初始路段集合中最大加和结果对应的路段之间存在相同的子路段，则从更新后的初始路段集合中删除最大加和结果对应的路段，重复上述初始路段集合及备选路段集合的更新过程，直至初始路段集合为空。
7.根据权利要求6所述的装置，其特征在于，每一路段是对所述行驶路线进行平均划分，得到多个路程相等的子路段后，由连续的多个路程相等的子路段所组成的。
8.根据权利要求6至7中任一项所述的装置，其特征在于，第一确定模块，还用于将每一路段所包含的每一子路段的疲劳伪损伤进行加和，得到每一路段的加和结果，并计算每一路段的加和结果与每一路段的总路程之间的第一比值；将路段集合中每一路段的加和结果进行求和，得到行驶路线的加和结果，并计算行驶路线的加和结果与行驶路线的总路线之间的第二比值；计算第一比值与第二比值之间的比值，并作为路段集合中每一路段的加速系数。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN202110827164.1A 2021-07-21 2021-07-21 整车可靠性试验的路线设计方法、装置及计算机设备 Active CN113704964B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110827164.1A CN113704964B (zh) 2021-07-21 2021-07-21 整车可靠性试验的路线设计方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110827164.1A CN113704964B (zh) 2021-07-21 2021-07-21 整车可靠性试验的路线设计方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN113704964A CN113704964A (zh) 2021-11-26
CN113704964B true CN113704964B (zh) 2024-02-23

Family

ID=78650276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110827164.1A Active CN113704964B (zh) 2021-07-21 2021-07-21 整车可靠性试验的路线设计方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN113704964B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108801261A (zh) * 2018-05-25 2018-11-13 东南大学 一种基于蚁群算法的汽车试验场试验路径规划方法
CN109059952A (zh) * 2018-10-11 2018-12-21 国家卫星海洋应用中心 一种行程时长预测方法及装置
CN109945883A (zh) * 2019-03-29 2019-06-28 联想(北京)有限公司 一种信息处理方法、装置及电子设备
CN110082120A (zh) * 2019-04-24 2019-08-02 一汽-大众汽车有限公司 加速耐久性试验的路线规划方法和装置
CN110736480A (zh) * 2019-09-27 2020-01-31 西安天和防务技术股份有限公司 路径规划方法、装置、计算机设备和存储介质
CN111579185A (zh) * 2020-04-08 2020-08-25 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 潜艇用电子设备可靠性加速试验方法和装置
CN111693387A (zh) * 2020-06-15 2020-09-22 一汽解放汽车有限公司 确定快速疲劳试验最少次数的方法
CN112633651A (zh) * 2020-12-14 2021-04-09 北京掌行通信息技术有限公司 一种路段拥堵程度评价方法及装置、设备、存储介质
CN112837555A (zh) * 2020-12-31 2021-05-25 清华大学苏州汽车研究院（吴江） 一种测试路线选择方法、装置、计算机设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11034361B2 (en) * 2018-11-28 2021-06-15 International Business Machines Corporation Route determination for switching between autonomous and manual driving modes

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108801261A (zh) * 2018-05-25 2018-11-13 东南大学 一种基于蚁群算法的汽车试验场试验路径规划方法
CN109059952A (zh) * 2018-10-11 2018-12-21 国家卫星海洋应用中心 一种行程时长预测方法及装置
CN109945883A (zh) * 2019-03-29 2019-06-28 联想(北京)有限公司 一种信息处理方法、装置及电子设备
CN110082120A (zh) * 2019-04-24 2019-08-02 一汽-大众汽车有限公司 加速耐久性试验的路线规划方法和装置
CN110736480A (zh) * 2019-09-27 2020-01-31 西安天和防务技术股份有限公司 路径规划方法、装置、计算机设备和存储介质
CN111579185A (zh) * 2020-04-08 2020-08-25 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 潜艇用电子设备可靠性加速试验方法和装置
CN111693387A (zh) * 2020-06-15 2020-09-22 一汽解放汽车有限公司 确定快速疲劳试验最少次数的方法
CN112633651A (zh) * 2020-12-14 2021-04-09 北京掌行通信息技术有限公司 一种路段拥堵程度评价方法及装置、设备、存储介质
CN112837555A (zh) * 2020-12-31 2021-05-25 清华大学苏州汽车研究院（吴江） 一种测试路线选择方法、装置、计算机设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
摩托车试验场道路可靠性试验强化系数;包铁成等;《天津大学学报》;第42卷(第7期);第591-596页 *
汽车可靠性耐久性试验道路研究;方红燕;《汽车与配件》;第36-39页 *
越野汽车机动性与耐久性试验研究;韩愈;《中国博士学位论文全文数据库工程科技Ⅱ辑》;C035-14 *

Also Published As

Publication number Publication date
CN113704964A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN111523701A (zh) 车辆运行状况的评估方法、装置、计算机设备和存储介质
CN112700006B (zh) 网络架构搜索方法、装置、电子设备及介质
CN110866682B (zh) 基于历史数据的地下电缆预警方法和装置
CN111460076A (zh) 驾驶路线熟悉度确定方法、装置、计算机设备和存储介质
CN112990583A (zh) 一种数据预测模型的入模特征确定方法及设备
CN115168041A (zh) 支持逆向动态重计算的内存释放决策系统及其方法
CN113704964B (zh) 整车可靠性试验的路线设计方法、装置及计算机设备
CN113093702B (zh) 故障数据的预测方法和装置、电子设备和存储介质
CN112785044B (zh) 公共交通工具的实时满载率预测方法、装置、设备和介质
CN110929849B (zh) 一种基于神经网络模型压缩的视频检测方法和装置
CN114548463A (zh) 线路信息预测方法、装置、计算机设备和存储介质
CN112884361A (zh) 多场景的装备组合方法、系统、计算机设备和存储介质
CN112488528A (zh) 数据集的处理方法、装置、设备和存储介质
CN113127804B (zh) 确定车辆故障次数的方法、装置、计算机设备和存储介质
CN112241580A (zh) 动力系统参数确定方法、装置、计算机设备和存储介质
CN111045875A (zh) 车辆事故检测方法及相关设备
CN113412493A (zh) 基于推理引擎的计算资源分配方法、装置和计算机设备
CN110599620A (zh) 数据处理方法、装置、计算机设备和可读存储介质
CN116127785B (zh) 基于多元性能退化的可靠性评价方法、装置和设备
CN110796234B (zh) 一种用于预测计算机状态的方法和装置
CN114710397B (zh) 服务链路的故障根因定位方法、装置、电子设备及介质
CN115792476A (zh) 充电桩整流模块异常预警方法、装置、终端及存储介质
CN117763281A (zh) 牵引变流器故障预测方法、装置、服务器及存储介质
CN114003624A (zh) 一种实现业务处理的方法、装置及设备
Holmer et al. Usage-Specific Survival Modeling Based on Operational Data and Neural Networks

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