CN114084150B - 一种越野车辆行驶工况生成方法 - Google Patents

Abstract

本发明公开了一种越野车辆行驶工况生成方法，包括：采集车速和加速度，基于所述车速和所述加速度构建正态分布表示车速概率密度；将工况时长划分为若干个片段，分别求解每个所述片段的工况，将所有所述片段的工况组合，获得总工况。本发明公开的一种越野车辆行驶工况生成方法，无需依赖于精确模型，仅通过统计结果就可以生成越野工况。生成的工况与原始工况接近，对后续的仿真计算有参考价值，且具有通用性好、工况生成效率高的优点。

Description

一种越野车辆行驶工况生成方法

技术领域

本发明属于车辆行动技术领域，特别是涉及一种越野车辆行驶工况生成方法。

背景技术

车辆行驶工况广泛应用于车辆和交通领域，用来描述车辆行驶的速度—时间历程。行驶工况为整车动力参数匹配、燃油经济性和传动效率提升提供了重要依据。目前，传统的行驶工况生成方法主要应用于城市道路交通，美国SFTP工况考虑了高速公路和主干线，欧洲的NEDC工况可以同时体现欧洲城市道路行驶特征和欧洲城郊区高速行驶特征，但这两种工况既对路面条件要求很高，又需要采集大量的行驶信息。近年来，越来越多分析方法应用于行驶工况的构建，武汉理工大学张富兴应用主成分分析和聚类分析方法对车辆行驶数据进行了分析处理，长安大学张璇应用V-A方法完成西安市公交车行驶工况的构建。然而，以上方法均应用于良好的城市道路，无法表现越野工况，且需要庞大的数据支撑，难以实现。

发明内容

本发明的目的是提供一种越野车辆行驶工况生成方法，以解决现有技术中存在的问题：针对越野车辆行驶工况难以生成、同一行驶工况无法适用于多种越野路面的问题，将车辆试验数据的统计结果进行概率密度分析，利用正态分布构建行驶工况，再利用试验数据加以约束，生成所需行驶工况。本发明通过概率密度的方法生成越野车辆行驶工况，无需依赖于精确数据，且具有通用性好、工况生成效率高的优点。

为实现上述目的，本发明提供了一种越野车辆行驶工况生成方法，包括：

采集车速和加速度，基于所述车速和所述加速度构建正态分布表示车速概率密度；

将工况时长划分为若干个片段，分别求解每个所述片段的工况，将所有所述片段的工况组合，获得总工况。

可选的，采集车速和加速度的过程中，需采集的参数包括平均速度、最高车速、最低车速、最大加速度和最小加速度。

可选的，采集车速和加速度的过程中包括：

所述最高车速与所述最低车速由车辆仪表盘直接读取，所述最大加速度和所述最小加速度由传感器获得，所述平均车速由行驶里程和行驶时间计算获得。

可选的，基于所述车速和所述加速度构建正态分布表示车速概率密度的过程中包括：

所述正态分布的平均值为所述平均速度；

基于误差和车速突变，设定所述最高车速和所述最低车速区间之外的车速占比小于等于1％；

基于所述最高车速和所述最低车速进行计算，获得标准差。

可选的，将工况时长划分为若干个片段，分别求解每个所述片段的工况的过程中包括：

将工况时长划分为若干个片段，用各片段初始时刻的工况表示整个片段的工况；

求解各片段符合标准正态分布的随机数，并将所述随机数转化为工况。

可选的，求解各片段符合标准正态分布的随机数的过程中，采用了Box-Muller方法，包括：

在i时刻，任选两个0到1之间均匀分布的随机数U_i1和U_i2，基于Box-Muller方法求解随机数Y_i：

Y_i为标准正态分布下的随机数。

可选的，将所述随机数转化为工况的过程中，基于以下公式进行转换：

X_i＝σY_i+μ

其中，X_i为i时刻工况，σ为所述标准差。

可选的，将工况时长划分为若干个片段，分别求解每个所述片段的工况，将所有所述片段的工况组合，获得总工况的过程中还包括：

判断各时刻的速度和加速度能否满足要求，如果满足则输出该时刻工况，不满足则需要将该时刻工况重新计算，最后将各时刻工况组合生成越野车辆行驶总工况，所述要求包括：所述车速和所述加速度均在所述最低车速和所述最高车速之间。

可选的，判断各时刻的速度和加速度能否满足要求的过程中包括：

先判断所述速度是否满足要求，若不满足则重新生成所述随机数和所述工况，若满足则进行下一步判断；

所述速度满足要求后，判断所述加速度是否满足要求，若不满足则重新生成所述随机数和所述工况，若满足则输出当前时刻工况。

本发明的技术效果为：

1、本发明公开的一种越野车辆行驶工况生成方法，无需依赖于精确模型，仅通过统计结果就可以生成越野工况。生成的工况与原始工况接近，对后续的仿真计算有参考价值，且具有通用性好、工况生成效率高的优点。

2、本发明公开的一种越野车辆行驶工况生成方法，可以通过改变约束条件生成不同越野车辆行驶工况，可以提前生成越野工况进行仿真计算，对后续实车试验有指导意义。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例二中的越野车辆行驶工况生成方法流程图；

图2为本发明实施例二中的起伏路面行驶工况示意图；

图3为本发明实施例二中的起伏路面实车工况示意图；

图4为本发明实施例二中的高原路面行驶工况示意图；

图5为本发明实施例二中的高原路面实车工况示意图；

图6为本发明实施例二中的砂石路面行驶工况示意图；

图7为本发明实施例二中的砂石路面实车工况示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一

本实施例公开了一种越野车辆行驶工况生成方法，具体实现步骤如下：

步骤一：车速和加速度参数统计。

统计参数包括平均速度v、最高车速v_max、最低车速v_min、最大加速度a_max和最小加速度a_min。

步骤一实现方法为：最高与最低车速由车辆仪表盘直接读取，最大和最小加速度由传感器获得。平均车速由行驶里程和行驶时间计算，公式如式(1)所示：

式中，s——车辆行驶里程，单位km；

T——车辆行驶时间，单位h。

步骤二：构建正态分布表示车速概率密度。

步骤二实现方法为：越野车辆行驶工况服从正态分布f(t)。正态分布的平均值μ为平均速度。考虑误差和车速突变，认为最高和最低车速区间之外的车速占比不超过1％，标准差σ由最高车速和最低车速计算得到。

式中，

——平均车速，km/h；

v_max——最高车速，km/h；

v_min——最低车速，km/h。

步骤三：将工况时长划分为片段，分别求解每个片段的车速。

步骤三实现方法为：

步骤3.1：工况时长划分。

采用微积分思想，将工况时长划分为多个片段，每个片段时长1s。用各片段初始时刻的工况表示整个片段的工况，则各时刻工况的组合即为生成的工况。

步骤3.2：Box-Muller方法求解各时刻符合标准正态分布的随机数。

以i时刻为例，求解i时刻符合标准正态分布的随机数。

利用Box-Muller方法，先任选两个0到1之间均匀分布的随机数U_i1和U_i2。

则i时刻随机数Y_i表示为：

步骤3.3：随机数转化为工况。

将标准正态分布下的随机数Y_i转化为符合工况概率密度函数的随机数X_i。

X_i＝σY_i+μ (6)

步骤四：速度和加速度判断。

判断各时刻的速度和加速度能否满足要求，如果满足则可以输出该时刻工况，不满足则需要将该时刻工况重新计算。将各时刻工况组合生成越野车辆行驶工况。

步骤四实现方法为：

步骤4.1：车速判断。

以i时刻为例，判断车速是否在最低和最高车速的范围内。

v_min≤X_i≤v_max (7)

满足判断条件则可以进行下一步的加速度判断，不满足条件则回到步骤三，重新生成随机数，重新计算工况。

步骤4.2：加速度判断。

采用微积分思想，利用速度的差分来表示加速度，判断加速度是否在最小和最大加速度的范围内。

式中，X_i为i时刻工况；

X_i-1为i-1时刻工况；

Δt为片段长度，取1s。

满足判断条件则可以输出i时刻工况，不满足条件则回到步骤三，重新生成随机数，重新计算工况。

实施例二

如图1所示，本实施例中提供一种越野车辆行驶工况生成方法，包括：

步骤一：车速和加速度参数统计。

统计车速和加速度参数如表1所示。

表1

步骤二：构建正态分布表示车速概率密度。

将表1带入公式(2)(3)(4)，解得正态分布平均值和标准差分别为：

步骤三：将工况时长划分为片段，分别求解每个片段的车速。

设定工况时长为300s，将其均匀划分为300个片段，每个片段时长1s。

以第10s为例，用Box-Muller方法求得两随机数U_i1和U_i2。

则该时刻随机数Y₁₀表示为：

将标准正态分布下的随机数Y₁₀转化为符合工况概率密度函数的随机数X₁₀。

X₁₀＝σY₁₀+μ＝44.1550km/h (12)

步骤四：车速和加速度判断。

步骤4.1：车速判断。

以10s为例，判断车速是否在最低和最高车速的范围内。

30km/h≤X₁₀＝44.1550km/h≤50km/h (13)

满足判断条件，可以进行下一步的加速度判断。

步骤4.2：加速度判断。

判断加速度是否在最小和最大加速度的范围内。

已知第9s生成的工况为X₉＝43.9398km/h

满足判断条件，输出10s时刻的工况。同理可获得300s内的行驶工况，如图2所示。

与图3起伏路面对比。车速变化范围和变化趋势接近，可以模拟起伏路面工况。

选择某高原路面工况作为实例。

统计车速和加速度参数如表2所示。

表2

解得正态分布平均值和标准差分别为：

完整时长内的行驶工况如图4所示。

与图5高原路面对比。车速变化范围和变化趋势接近，可以模拟高原路面工况。

选择某砂石路面工况作为实例。

统计车速和加速度参数如表2所示。

表3

解得正态分布平均值和标准差分别为：

完整时长内的行驶工况如图6所示。

与图7砂石路面对比。车速变化范围和变化趋势接近，可以模拟砂石路面工况。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种越野车辆行驶工况生成方法，其特征在于，包括以下步骤：

采集车速和加速度，基于所述车速和所述加速度构建正态分布表示车速概率密度；

将工况时长划分为若干个片段，用各片段初始时刻的工况表示整个片段的工况；

求解各片段符合标准正态分布的随机数，并将所述随机数转化为工况，将所有片段的工况组合，获得总工况；

其中求解各片段符合标准正态分布的随机数的过程中，采用了Box-Muller方法，包括：

在i时刻，任选两个0到1之间均匀分布的随机数U_i1和U_i2，基于Box-Muller方法求解随机数Y_i：

Y_i为标准正态分布下的随机数；

将所述随机数转化为工况的过程中，基于以下公式进行转换：

X_i＝σY_i+μ

其中，X_i为i时刻工况，σ为基于所述车速和所述加速度构建的正态分布的标准差。

2.根据权利要求1所述的方法，其特征在于，采集车速和加速度的过程中，需采集的参数包括平均速度、最高车速、最低车速、最大加速度和最小加速度。

3.根据权利要求2所述的方法，其特征在于，采集车速和加速度的过程中包括：

所述最高车速与所述最低车速由车辆仪表盘直接读取，所述最大加速度和所述最小加速度由传感器获得，平均车速由行驶里程和行驶时间计算获得。

4.根据权利要求3所述的方法，其特征在于，基于所述车速和所述加速度构建正态分布表示车速概率密度的过程中包括：

所述正态分布的平均值为所述平均速度；

基于误差和车速突变，设定所述最高车速和所述最低车速区间之外的车速占比小于等于1％；

基于所述最高车速和所述最低车速进行计算，获得标准差。

5.根据权利要求2所述的方法，其特征在于，将工况时长划分为若干个片段，分别求解每个所述片段的工况，将所有所述片段的工况组合，获得总工况的过程中还包括：

判断各时刻的速度和加速度能否满足要求，如果满足则输出该时刻工况，不满足则需要将该时刻工况重新计算，最后将各时刻工况组合生成越野车辆行驶总工况，所述要求包括：所述车速在所述最低车速和所述最高车速之间，所述加速度在所述最小加速度和所述最大加速度之间。

6.根据权利要求5所述的方法，其特征在于，判断各时刻的速度和加速度能否满足要求的过程中包括：

先判断所述速度是否满足要求，若不满足则重新生成所述随机数和所述工况，若满足则进行下一步判断；

所述速度满足要求后，判断所述加速度是否满足要求，若不满足则重新生成随机数和所述工况，若满足则输出当前时刻工况。

Images