CN114136656B - 一种纯电动营运汽车电机台架试验工况的构建方法 - Google Patents

一种纯电动营运汽车电机台架试验工况的构建方法 Download PDF

Info

Publication number
CN114136656B
CN114136656B CN202111431574.0A CN202111431574A CN114136656B CN 114136656 B CN114136656 B CN 114136656B CN 202111431574 A CN202111431574 A CN 202111431574A CN 114136656 B CN114136656 B CN 114136656B
Authority
CN
China
Prior art keywords
vehicle
user
motor
acceleration
kinematic
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
CN202111431574.0A
Other languages
English (en)
Other versions
CN114136656A (zh
Inventor
王世英
刘占国
董立甲
赵鹏程
张超
张立博
李古月
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 Group Corp
Original Assignee
FAW Group Corp
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 Group Corp filed Critical FAW Group Corp
Priority to CN202111431574.0A priority Critical patent/CN114136656B/zh
Publication of CN114136656A publication Critical patent/CN114136656A/zh
Application granted granted Critical
Publication of CN114136656B publication Critical patent/CN114136656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Abstract

本发明属于车辆设计技术领域，具体涉及一种纯电动营运汽车电机台架试验工况的构建方法；本方法采集真实的营运汽车的行驶数据，并分析提取真实的营运车电机工况组成试验工况，然后通过等损伤的原理及台架的参数对试验工况进行优化确定试验循环数。本发明对运动学片段进行聚类和RPA分析，即获得每一类的典型片段又获得了代表用户95％分位值的片段，选取的片段不仅有代表性并且得到了加强，减少试验周期；且形成台架试验标准的工况来源于真实用户，不是虚构和假想，更具有实际使用价值。

Description

一种纯电动营运汽车电机台架试验工况的构建方法
技术领域
本发明属于车辆设计技术领域，具体涉及一种纯电动营运汽车电机台架试验工况的构建方法。
背景技术
纯电动营运汽车要求长续航、急加速/急减速相对燃油营运车少，并且要求电机能够长时间运行，但是对电机极限扭矩要求却不严苛。
然而在营运汽车逐渐向纯电动汽车转型的趋势下，汽车主机厂都在研发定位营运车的纯电动汽车，对电机提出了更严苛的要求，如何制定合理的台架试验方法来对纯电动营运汽车的电机进行考核成为了电机研发过程的重点难题。
纯电动汽车与燃油车、营运汽车与私家车对比，车辆的使用工况差异很大，定位营运汽车的纯电动汽车对电机提出了5年50万公里的质保要求，现有情况下只是将台架试验里程进行等比例的增加，与实际的营运车辆使用工况不符，对电机的考核不充分。
因此，需要采集真实的纯电动营运汽车行驶数据，提取各参数的统计值，通过处理提取各典型行驶工况的特征片段进行组合形成台架试验工况，最后通过等损伤的原理试验工况的循环数。
现有汽车行驶工况的构建中没有提出试验工况循环数的确定方法，因此无法在台架试验中直接应用。
发明内容
为了克服上述问题，本发明提供一种纯电动营运汽车电机台架试验工况的构建方法，本方法采集真实的营运汽车的行驶数据，并分析提取真实的营运车电机工况组成试验工况，然后通过等损伤的原理及台架的参数对试验工况进行优化确定试验循环数。
一种纯电动营运汽车电机台架试验工况的构建方法，包括如下内容：
步骤一，选择不同城市的营运纯电动汽车作为获取用户工况的测试车辆；
步骤二，在步骤一选取的营运纯电动汽车上设置加速度传感器、GPS定位传感器，并将数据采集仪分别与加速度传感器、GPS定位传感器和车内CAN连接，实时采集并记录加速度传感器、GPS定位传感器的输出信息以及整车CAN信息；
步骤三，将车辆交还给用户，让用户按照自己的用途及驾驶习惯正常驾驶不小于2个月的时间，得到用户使用车辆这段时间内数据采集仪采集到的全部用户数据；
步骤四，数据分析，包括如下步骤：
1.将采集到的用户数据进行清洗，得到有效的用户数据，并去除非正常数据值，同时根据预设的规则对非正常数据值进行修正；
2.首先定义运动学片段：车辆从一个怠速点开始或结束到下一个怠速点开始或结束的行驶过程，然后对清洗并修正后的用户数据进行运动学片段分割；
3.提取运动学片段的统计特征参数值，并记录每一段运动学片段及其对应的统计特征参数值，形成运动学片段的特征库；
4.通过IBM SPSS软件将形成的特征库进行主成分分析，并将参数进行降维，降为n个参数；
5.通过IBM SPSS软件对形成的n个参数进行多次聚类分析，人为确定合适的聚类数目，分析每一类聚类结果代表的是哪一类对应的典型工况；
6.将步骤2中形成的运动学片段进行表征用户加速过程激烈驾驶程度的相对正向加速度RPA分析，计算公式如下：
其中：i---运动学片段时刻，s；
vi---车辆在运动学片段第i秒的速度，m/s；
---加速度大于0m/s～2的值；
S---车辆运行里程，m；
将每个运动学片段的平均车速和RPA值与片段名称一起保存，形成RPA片段库，并以平均车速为横坐标、RPA为纵坐标绘制统计分布图；
步骤五，构建用户使用工况
挑选运动学片段形成典型用户使用工况库，挑选的运动学片段同时满足如下要求：
1.选择的运动学片段到该类聚类中心的距离在前15％内；
2.选择的运动学片段RPA值位于92％-98％分位值之间；
使用Matlab软件形成随机数，在形成的用户使用工况库中随机挑选运动学片段组成时间为2000s的用户使用工况作为代表95％纯电动营运汽车用户的汽车使用工况；
步骤六，形成台架试验工况
根据电机等损伤的原理，使用LMS Tecware软件将用户使用工况与所有用户的实际里程旋转雨流损伤进行对比，得到对应用户使用工况的循环次数；
人为根据台架的实际加载情况和试验周期选择对应的用户使用工况，然后根据车辆的技术参数将选用的用户使用工况转换为台架能够加载的扭矩-转速试验工况，对应同等的循环次数，形成台架试验工况。
所述步骤一种选取的营运纯电动汽车不少于100台。
所述步骤二数据采集仪通过加速度传感器每500hz分别测量一次车辆质心X向加速度、车辆质心Y向加速度和车辆轴头Z向加速度；通过GPS传感器每20hz分别测量一次车辆所在经度、纬度、海拔和车速；每20hz分别获取一次车辆的CAN信息，包括电机转速、电机输出扭矩、制动信号、档位信号、加速踏板行程百分比和车速。
所述步骤三中每个用户记录时间超过1年，保证了各个节假日的特殊工况。
所述步骤四中运动学片段的统计特征值包括：电机平均转速、电机平均扭矩、平均车速、、平均加速度、平均运行车速、加速时间比例、减速时间比例、匀速时间比例、怠速时间比例、电机最大转速、电机最大扭矩、最大车速、最大加速度、电机最小转速、电机最小扭矩、最小加速度、电机转速标准偏差、电机扭矩标准偏差、车速标准偏差、加速度标准偏差、行驶里程和行驶时间。
所述步骤五通过形成多组随机数够构建多条备选的用户使用工况。
所述步骤六根据电机等损伤的原理，使用LMS Tecware软件将每个用户使用工况分别与所有用户的实际里程旋转雨流损伤进行对比，得到每个用户使用工况的循环次数。
本发明的有益效果：
本发明形成台架试验标准的工况来源于真实用户，不是虚构和假想，更具有实际使用价值。
本发明对运动学片段进行聚类和RPA分析，即获得每一类的典型片段又获得了代表用户95％分位值的片段，选取的片段不仅有代表性并且得到了加强，减少试验周期。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1为本发明实施例2中分割的运动学片段。
图2为本发明实施例2中主成分分析-降维结果图。
图3为本发明实施例2中聚类分析结果示意图。
图4为本发明实施例2中聚类4类分析结果示意图。
图5为本发明实施例2中运动学片段的RPA统计分布。
图6为本发明实施例2中RPA值95％分位值曲线。
图7为本发明实施例2中构建工况与真实用户损伤对比图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在本发明的描述中，除非另有明确的规定和限定，术语“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本实施例的描述中，术语“上”、“下”、“左”、“右”等方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述和简化操作，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅仅用于在描述上加以区分，并没有特殊的含义。
实施例1
一种纯电动营运汽车电机台架试验工况的构建方法，包括如下内容：
步骤一，选择不同城市的营运纯电动汽车作为获取用户工况的测试车辆；
步骤二，在步骤一选取的营运纯电动汽车上设置加速度传感器、GPS定位传感器，并将数据采集仪分别与加速度传感器、GPS定位传感器和车内CAN连接，实时采集并记录加速度传感器、GPS定位传感器的输出信息以及整车CAN信息；如表1所示；
步骤三，将车辆交还给用户，让用户按照自己的用途及驾驶习惯正常驾驶不小于2个月的时间，得到用户使用车辆这段时间内数据采集仪采集到的全部用户数据；
步骤四，数据分析，包括如下步骤：
1.将采集到的用户数据进行清洗，得到有效的用户数据，并去除非正常数据值，同时根据预设的规则对非正常数据值进行修正；
2.首先定义运动学片段：车辆从一个怠速点开始或结束到下一个怠速点开始或结束的行驶过程，然后对清洗并修正后的用户数据进行运动学片段分割；如图1所示；
3.提取运动学片段的统计特征参数值，见表2所示，并记录每一段运动学片段及其对应的统计特征参数值，形成运动学片段的特征库；
4.通过IBM SPSS软件将步骤3中形成的特征库进行主成分分析，并将参数进行降维，降为n个参数；如图2所示，将22个参数降维成5个参数。
5.通过IBM SPSS软件对步骤4中形成的n＝5个参数进行多次聚类分析，人为确定合适的聚类数目，如聚类为4类，结果如图3所示，分析每一类聚类结果代表的是哪一类对应的典型工况；每一类中距离聚类中心越近，则代表该片段在该类中越具有代表意义。
6.将步骤2中形成的运动学片段进行表征用户加速过程激烈驾驶程度的相对正向加速度RPA分析，定义RPA(Relative Positive Acceleration)，计算公式如下：
其中：i---运动学片段时刻，s；
vi---车辆在运动学片段第i秒的速度，m/s；
---加速度大于0m/s^2的值；
S---车辆运行里程，m；
将每个运动学片段的平均车速和RPA值与片段名称一起保存，形成RPA片段库，并以平均车速为横坐标、RPA为纵坐标绘制统计分布图；即将RPA与平均车速进行分布统计，如图4所示。
每个平均车速下对运动学片段的RPA值进行统计分析，得到95％分位值的RPA值，代表该速度下95％用户的激烈驾驶程度，如图5所示；
步骤五，构建用户使用工况
挑选运动学片段形成典型用户使用工况库，挑选的运动学片段同时满足如下要求：
1.选择的运动学片段到该类聚类中心的距离在前15％内；
2.选择的运动学片段RPA值位于92％-98％分位值之间；
使用Matlab软件形成随机数，在形成的用户使用工况库中随机挑选运动学片段组成时间为2000s的用户使用工况作为代表95％纯电动营运汽车用户的汽车使用工况；
步骤六，形成台架试验工况
根据电机等损伤的原理，使用LMS Tecware软件将构建的用户使用工况与所有用户的实际里程旋转雨流损伤进行对比，得到对应用户使用工况的循环次数；如图6所示为其中一个工况的对比情况。
绿线为构建的用户工况(时长33min，行驶里程22km)循环3400次的电机累积损伤分布曲线，红线为用户真实运行数据(22万km)的电机累积损伤分布曲线，则用户目标50万公里时，若使用该用户工况进行台架试验需要循环7728次。
人为根据台架的实际加载情况和试验周期选择对应的用户使用工况，然后根据车辆的技术参数将选用的用户使用工况转换为台架能够加载的扭矩-转速试验工况，对应同等的循环次数，形成台架试验工况。
所述步骤一种选取的营运纯电动汽车不少于100台。
所述步骤二数据采集仪通过加速度传感器每500hz分别测量一次车辆质心X向加速度、车辆质心Y向加速度和车辆轴头Z向加速度；通过GPS传感器每20hz分别测量一次车辆所在经度、纬度、海拔和车速；每20hz分别获取一次车辆的CAN信息，包括电机转速、电机输出扭矩、制动信号、档位信号、加速踏板行程百分比和车速。
所述步骤三中每个用户记录时间超过1年，保证了各个节假日的特殊工况。
所述步骤四中运动学片段的统计特征值包括：电机平均转速、电机平均扭矩、平均车速、、平均加速度、平均运行车速、加速时间比例、减速时间比例、匀速时间比例、怠速时间比例、电机最大转速、电机最大扭矩、最大车速、最大加速度、电机最小转速、电机最小扭矩、最小加速度、电机转速标准偏差、电机扭矩标准偏差、车速标准偏差、加速度标准偏差、行驶里程和行驶时间。
所述步骤五通过形成多组随机数够构建多条备选的用户使用工况。
所述步骤六根据电机等损伤的原理，使用LMS Tecware软件将构建的每个用户使用工况分别与所有用户的实际里程旋转雨流损伤进行对比，得到每个用户使用工况的循环次数。
实施例2
1选择典型用户
在深圳、广州、北京、上海、南京、武汉、重庆等地，选择出租车、滴滴出行、T3出行等营运公司的纯电动车用户，车辆数不少于100台，将其作为获取用户工况的测试车辆。
2布置测试传感器
布置的传感器至少包括表1的测试信息。
表1用户调查的传感器布置
3采集用户数据
在典型用户车辆布置好传感器并设置完毕后，将车辆交还给用户，让用户按照自己的用途及驾驶习惯正常驾驶，数据采集仪实时记录用户的驾车数据。定期远程查看数据，保证每个测试仪器运行的良好性。一般每个用户记录时间不小于2个月，若时间允许，可以采集超过1年的时间，保证了各个节假日的特殊工况。得到的用户数据为时域信号：横坐标为时间，纵坐标为测试参数幅值的时间历程数据。
4数据分析
1)将采集到的用户数据进行清洗，得到有效的用户数据；
2)运动学片段数据分割，定义运动学片段：车辆从一个怠速点开始(或结束)到下一个怠速点开始(或结束)的行驶过程，如图1所示。
3)提取运动学片段的统计特征值(至少包含表2的信息)，将片段名称和片段的统计特征值保存在文档中，形成运动学片段的特征库。
表2统计运动学片段特征值
部分特征参数定义：
怠速---车速为0，挡位不正P挡；
加速---车速大于0，且加速度大于0.1m/s^2；
减速---车速大于0，且加速度小于-0.1m/s^2；
匀速---车速不为0，加速度绝对值不大于0.1m/s^2；
平均运行车速---车辆运动状态下的平均速度。
4)将第3步中形成的特征库进行主成分分析，将参数进行降维，如图2所示，将22个参数降维成5个参数。
5)用第4步中形成的5个参数进行聚类分析，寻找合适的聚类数目，如聚类为4类，结果如图3和图4所示。
从各类的统计值可简单推断：
第一类表征高速行驶工况，如高速公路及城市不堵车的快速路(片段平均里程9743m)；
第二类表征倒车及低速短距离行驶工况(片段电机平均转速-2.8rpm)；
第三类表征市区通畅工况，有红绿灯，但不堵车(片段平均里程871m、平均车速19.97km/h)；
第四类表征市区拥堵工况，频繁启动、停车(片段平均里程72m、平均车速3.42km/h)。
通过降维聚类，将2241156个运动学片段分为4类，每类都代表不同的典型工况，每一类中距离聚类中心越近，则代表该片段在该类中越具有代表意义。
6)将第2步中形成的运动学片段进行相对正向加速度(RPA)分析，定义RPA(Relative Positive Acceleration)表征用户加速过程的激烈驾驶程度，计算公式如下：
式中：
i---片段时刻(s)；
vi---车辆在片段第i秒的速度(m/s)；
---加速度大于0m/s^2的值(m/s^2)；
S---车辆运行里程(m)。
将每个运动学片段的平均车速和RPA值与片段名称一起保存，形成RPA片段库，将RPA与平均车速进行分布统计，如图5所示。
每个平均车速下对运动学片段的RPA值进行统计分析，得到95％分位值的RPA值，代表该速度下95％用户的激烈驾驶程度，如图6所示。
5构建用户使用工况
挑选运动学片段，形成典型用户使用工况库，挑选时同时满足以下要求：
1)选择的片段到该类聚类中心的距离应在前15％内；
2)选择的片段RPA值位于92％-98％分位值之间。
使用软件形成随机数，在用户使用工况库中随机挑选片段组成时间为2000s的工况形成代表95％纯电动营运汽车用户的汽车使用工况。多组随机数可以构建多条备选工况。
6形成台架试验工况
根据电机等损伤的原理，将构建的用户使用工况与所有用户的实际里程旋转雨流损伤进行对比，得到每个工况的循环次数。如图7所示为其中一个工况的对比情况。
绿线为构建的用户工况(时长33min，行驶里程22km)循环3400次的电机累积损伤分布曲线，红线为用户真实运行数据(22万km)的电机累积损伤分布曲线，则用户目标50万公里时，若使用该用户工况进行台架试验需要循环7728次。
根据台架的实际加载情况和试验周期选择合适的用户工况，然后根据车辆的技术参数将选用的用户工况转换为台架可加载的扭矩-转速试验工况，对应同等的循环次数，形成台架试验工况。
本方法形成台架试验标准的工况来源于真实用户，不是虚构和假想，更具有实际使用价值。
本方法对运动学片段进行聚类和RPA分析，即获得每一类的典型片段又获得了代表用户95％分位值的片段，选取的片段不仅有代表性并且得到了加强，减少试验周期。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明的保护范围并不局限于上述实施方式中的具体细节，在本发明的技术构思范围内，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (7)

1.一种纯电动营运汽车电机台架试验工况的构建方法，其特征在于包括如下内容：
步骤一，选择不同城市的营运纯电动汽车作为获取用户工况的测试车辆；
步骤二，在步骤一选取的营运纯电动汽车上设置加速度传感器、GPS定位传感器，并将数据采集仪分别与加速度传感器、GPS定位传感器和车内CAN连接，实时采集并记录加速度传感器、GPS定位传感器的输出信息以及整车CAN信息；
步骤三，将车辆交还给用户，让用户按照自己的用途及驾驶习惯正常驾驶不小于2个月的时间，得到用户使用车辆这段时间内数据采集仪采集到的全部用户数据；
步骤四，数据分析，包括如下步骤：
1.将采集到的用户数据进行清洗，得到有效的用户数据，并去除非正常数据值，同时根据预设的规则对非正常数据值进行修正；
2.首先定义运动学片段：车辆从一个怠速点开始或结束到下一个怠速点开始或结束的行驶过程，然后对清洗并修正后的用户数据进行运动学片段分割；
3.提取运动学片段的统计特征参数值，并记录每一段运动学片段及其对应的统计特征参数值，形成运动学片段的特征库；
4.通过IBM SPSS软件将形成的特征库进行主成分分析，并将参数进行降维，降为n个参数；
5.通过IBM SPSS软件对形成的n个参数进行多次聚类分析，人为确定合适的聚类数目，分析每一类聚类结果代表的是哪一类对应的典型工况；
6.将步骤2中形成的运动学片段进行表征用户加速过程激烈驾驶程度的相对正向加速度RPA分析，计算公式如下：
其中：i---运动学片段时刻，s；
vi---车辆在运动学片段第i秒的速度，m/s；
---加速度大于0m/s～2的值；
S---车辆运行里程，m；
将每个运动学片段的平均车速和RPA值与片段名称一起保存，形成RPA片段库，并以平均车速为横坐标、RPA为纵坐标绘制统计分布图；
步骤五，构建用户使用工况
挑选运动学片段形成典型用户使用工况库，挑选的运动学片段同时满足如下要求：
1.选择的运动学片段到该类聚类中心的距离在前15％内；
2.选择的运动学片段RPA值位于92％-98％分位值之间；
使用Matlab软件形成随机数，在形成的用户使用工况库中随机挑选运动学片段组成时间为2000s的用户使用工况作为代表95％纯电动营运汽车用户的汽车使用工况；
步骤六，形成台架试验工况
根据电机等损伤的原理，使用LMS Tecware软件将用户使用工况与所有用户的实际里程旋转雨流损伤进行对比，得到对应用户使用工况的循环次数；
人为根据台架的实际加载情况和试验周期选择对应的用户使用工况，然后根据车辆的技术参数将选用的用户使用工况转换为台架能够加载的扭矩-转速试验工况，对应同等的循环次数，形成台架试验工况。
2.根据权利要求1所述的一种纯电动营运汽车电机台架试验工况的构建方法，其特征在于所述步骤一种选取的营运纯电动汽车不少于100台。
3.根据权利要求1所述的一种纯电动营运汽车电机台架试验工况的构建方法，其特征在于所述步骤二数据采集仪通过加速度传感器每500hz分别测量一次车辆质心X向加速度、车辆质心Y向加速度和车辆轴头Z向加速度；通过GPS传感器每20hz分别测量一次车辆所在经度、纬度、海拔和车速；每20hz分别获取一次车辆的CAN信息，包括电机转速、电机输出扭矩、制动信号、档位信号、加速踏板行程百分比和车速。
4.根据权利要求1所述的一种纯电动营运汽车电机台架试验工况的构建方法，其特征在于所述步骤三中每个用户记录时间超过1年，保证了各个节假日的特殊工况。
5.根据权利要求1所述的一种纯电动营运汽车电机台架试验工况的构建方法，其特征在于所述步骤四中运动学片段的统计特征值包括：电机平均转速、电机平均扭矩、平均车速、平均加速度、平均运行车速、加速时间比例、减速时间比例、匀速时间比例、怠速时间比例、电机最大转速、电机最大扭矩、最大车速、最大加速度、电机最小转速、电机最小扭矩、最小加速度、电机转速标准偏差、电机扭矩标准偏差、车速标准偏差、加速度标准偏差、行驶里程和行驶时间。
6.根据权利要求1所述的一种纯电动营运汽车电机台架试验工况的构建方法，其特征在于所述步骤五通过形成多组随机数构建多条备选的用户使用工况。
7.根据权利要求1所述的一种纯电动营运汽车电机台架试验工况的构建方法，其特征在于所述步骤六根据电机等损伤的原理，使用LMS Tecware软件将每个用户使用工况分别与所有用户的实际里程旋转雨流损伤进行对比，得到每个用户使用工况的循环次数。
CN202111431574.0A 2021-11-29 2021-11-29 一种纯电动营运汽车电机台架试验工况的构建方法 Active CN114136656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111431574.0A CN114136656B (zh) 2021-11-29 2021-11-29 一种纯电动营运汽车电机台架试验工况的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111431574.0A CN114136656B (zh) 2021-11-29 2021-11-29 一种纯电动营运汽车电机台架试验工况的构建方法

Publications (2)

Publication Number Publication Date
CN114136656A CN114136656A (zh) 2022-03-04
CN114136656B true CN114136656B (zh) 2023-12-08

Family

ID=80388991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111431574.0A Active CN114136656B (zh) 2021-11-29 2021-11-29 一种纯电动营运汽车电机台架试验工况的构建方法

Country Status (1)

Country Link
CN (1) CN114136656B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662620B (zh) * 2022-05-24 2022-10-21 岚图汽车科技有限公司 一种市场用户的汽车耐久载荷数据处理方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018110675A1 (ja) * 2016-12-15 2018-06-21 株式会社堀場製作所 路上走行試験装置、路上走行試験方法、及び、路上走行試験装置用プログラム
CN109297723A (zh) * 2018-09-30 2019-02-01 长安大学 一种电动汽车行驶工况模拟试验台及模拟方法
CN111896269A (zh) * 2020-07-28 2020-11-06 华人运通(江苏)技术有限公司 一种电机台架测试方法及系统
CN113689594A (zh) * 2021-08-10 2021-11-23 南通大学 一种新的汽车行驶工况构造方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018110675A1 (ja) * 2016-12-15 2018-06-21 株式会社堀場製作所 路上走行試験装置、路上走行試験方法、及び、路上走行試験装置用プログラム
CN109297723A (zh) * 2018-09-30 2019-02-01 长安大学 一种电动汽车行驶工况模拟试验台及模拟方法
CN111896269A (zh) * 2020-07-28 2020-11-06 华人运通(江苏)技术有限公司 一种电机台架测试方法及系统
CN113689594A (zh) * 2021-08-10 2021-11-23 南通大学 一种新的汽车行驶工况构造方法

Also Published As

Publication number Publication date
CN114136656A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
USRE47422E1 (en) Internet-based system for monitoring vehicles
CN109932191B (zh) 一种实际道路行驶工况库及构建方法
Andre et al. Driving cycles for emission measurements under European conditions
EP2428944A1 (en) Driving management system and method
CN108343497B (zh) 一种柴油车scr系统老化失效快速诊断系统及方法
EP2116968A1 (en) Method and apparatus for rating how a vehicle is driven
US20170109373A1 (en) Systems and methods for database geocoding
Abas et al. Development of Malaysian urban drive cycle using vehicle and engine parameters
CN112327807A (zh) 一种基于ivi主机的汽车故障诊断和监测系统及方法
CN111693299B (zh) 动力测试行驶工况制定方法、装置、终端设备及存储介质
CN114136656B (zh) 一种纯电动营运汽车电机台架试验工况的构建方法
CN111598424A (zh) 一种基于重型柴油车远程监控数据的排放计算方法
CN109826690A (zh) 一种发动机智能保养方法、装置及系统
JP2023063233A (ja) 作業条件識別に基づく一車用エアコンのエネルギー消費量の予測方法および予測装置
CN111348029B (zh) 一种考虑工况的混合动力汽车标定参数最优值确定方法
CN116558834A (zh) Pems排放分析方法、装置、计算机设备和存储介质
CN115238651A (zh) 一种ecu数据分析nox排放值的方法
CN116340718A (zh) 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统
CN116992240B (zh) 一种车辆排放远程评估方法、设备和存储介质
CN113918890A (zh) 一种基于移动窗口库的低负荷工况构建方法
CN111896264B (zh) 增程器用发动机的试验工况生成方法、装置及电子设备
CN112948965A (zh) 一种基于机器学习和统计验证的汽车行驶工况的构建方法
CN114755025B (zh) 基于远程在线监测燃油清净增效剂的节油降碳评测方法
CN115266135A (zh) 基于用户工况测试数据的油耗量化分析方法
CN111562107A (zh) Bsg系统的皮带耐久性测试方法及装置

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