CN114840920B - 一种混合动力乘用车机电耦合装置载荷谱编制方法 - Google Patents
一种混合动力乘用车机电耦合装置载荷谱编制方法 Download PDFInfo
- Publication number
- CN114840920B CN114840920B CN202210415528.XA CN202210415528A CN114840920B CN 114840920 B CN114840920 B CN 114840920B CN 202210415528 A CN202210415528 A CN 202210415528A CN 114840920 B CN114840920 B CN 114840920B
- Authority
- CN
- China
- Prior art keywords
- load
- load data
- road condition
- data
- rain flow
- 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
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]
- G06F30/20—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
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/84—Data processing systems or methods, management, administration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种混合动力乘用车机电耦合装置载荷谱编制方法,包括:S1、确定基础载荷数据采集的路况和里程比例,进行基础载荷数据采集;S2、数据预处理;S3、获取编制的零部件对象的时域载荷数据;S4、采用雨流计数法,对各路况时域载荷数据进行计数统计,将时域载荷数据转换为雨流域载荷数据;S5、计算出各循环路况下的损伤量的大小确定样本载荷数据;S6、根据不同的路况对载荷数据分路况处理并进行雨流域的数据处理;S7、对不同路况的雨流域载荷数据进行二维核密度估计的非参数雨流外推,并外推至全寿命二维载荷谱;S8、将全寿命二维载荷转化为一维载荷谱。本发明能针对多变复杂工况下的混合动力乘用车进行机电耦合装置载荷谱编制。
Description
技术领域
本发明属于工程机械技术领域,具体涉及一种混合动力乘用车机电耦合装置载荷谱编制方法。
背景技术
随着“双碳”战略目标的落实,混合动力汽车作为燃油车向新能源汽车的过渡商品,其发展得到了国家的大力支持,销量保持快速增长。在汽车研发过程中,进行零部件可靠性分析是必不可少的。
目前,在航空、数控机床、汽车等领域,都有采用基于载荷谱技术进行零部件的疲劳寿命预测。混合动力汽车中的机电耦合装置将发动机的动力和驱动电机的动力耦合输出至轮端,其可靠性关乎整车寿命。
而航空、数控机床等领域的载荷谱编制方法,如载荷时域外推和参数外推等,适用于载荷具有周期性质、载荷相对平稳和雨流矩阵分布比较简单的场合。而多路况复杂工况下的混合动力汽车,其机电耦合装置的零部件承受的载荷随机性强,载荷的雨流矩阵分布形状复杂,因此不再适用上述方法。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种混合动力乘用车机电耦合装置载荷谱编制方法,该方法能够针对多变复杂工况下的混合动力乘用车进行机电耦合装置载荷谱编制。
为了达到上述目的,本发明采用以下技术方案:
一种混合动力乘用车机电耦合装置载荷谱编制方法,包括以下步骤:
S1、基于用户使用情况的大数据调查,确定基础载荷数据采集的路况和里程比例,进行基础载荷数据采集,获取时域载荷数据;
S2、对获取的时域载荷数据进行预处理;
S3、基于车辆的混合动力架构,判断其耦合装置的耦合类型,获取编制的零部件对象的时域载荷数据;
S4、采用雨流计数法,对预处理后的各路况时域载荷数据进行计数统计,将时域载荷数据转换为雨流域载荷数据;
S5、基于雨流计数法,计算出各循环路况下的损伤量的大小确定样本载荷数据;
S6、针对确定的样本载荷数据,根据不同的路况对载荷数据分路况处理,并进行雨流域的数据处理;
S7、对步骤S6中的不同路况的雨流域载荷数据进行二维核密度估计的非参数雨流外推,并外推至全寿命二维载荷谱;
S8、将全寿命二维载荷谱转化为一维载荷谱。
进一步的,步骤S1中,基于用户使用情况的大数据调研或调查,确定试验车基础载荷数据采集的路况,确定路况包括有城市路况、高速路况、省道路况和坏路面路况;城市路况、高速路况、省道路况、坏路面路况的行驶里程按照一定比例设定;
采集的基础载荷数据包括发动机扭矩-时间历程、发动机转速-时间历程、发电机扭矩-时间历程、发电机转速-时间历程、驱动电机扭矩-时间历程、驱动电机转速-时间历程、车速-时间历程、档位信号结合情况。
进一步的,预处理包括奇异值去除处理以及滤波处理;
奇异点去除处理具体为:
将步骤S1中所获取的基础载荷数据中的奇异点数据进行去除;
滤波处理具体为选择特定的频率进行带阻滤波。
进一步的,步骤S3中,基于车辆的混合动力架构,判断其耦合装置的耦合类型具体为:
通过分析车辆的混合动力架构和耦合方式,从功率耦合类型、转速耦合类型以及扭矩耦合类型中判断出车辆的耦合类型,进而通过相关计算获取耦合装置传动部件的时域载荷数据;
耦合装置传动部件为发动机输出齿轮轴、发电机输入齿轮轴、驱动电机输出齿轮轴以及耦合装置传动齿轮轴。
进一步的,步骤S4具体为:
采用四点雨流计数法进行统计计数;
用于保存数据的雨流矩阵采用100×100的雨流计数矩阵;
对时域载荷数据进行统计循环数,经过计数后得到峰值、谷值以及循环次数(xi,yi,ci),然后进行分级统计得到雨流计数矩阵;
雨流计数矩阵的带宽为:
其中,max(X)、max(Y)分别为xi、yi的最大值,即载荷初值的最大值和载荷终值的最大值,min(X)、min(Y)分别为xi、yi的最小值。
进一步的,步骤S5具体为:
基于Miner线性累计损伤准则和雨流计数统计,计算出各路况下的损伤量的大小,确定样本载荷数据;
确定样本载荷数据具体为,根据Miner线性累计损伤准则计算的损伤量,选择损伤量最大的路况作为样本载荷数据。
进一步的,Miner线性累计损伤准则具体为:
设构件在k个应力水平Si作用下,对应的应力水平下所受的循环为ni,则构件的累计损伤D为:
其中,Ni为对应水平应力Si下的疲劳寿命;
采用ε-N寿命损伤计算方法,将各路况载荷数据样本换算成传动轴最大切应变,然后进行雨流计数法,结合ε-N寿命曲线,利用线性疲劳累计损伤理论计算累计损伤:
其中,T为传动轴扭矩;D为传动轴外径;α为内外径之比。
进一步的,步骤S6中,分路况处理具体为:
样本载荷数据分为城市路况载荷数据、高速路况载荷数据、省道路况载荷数据和坏路面路况载荷数据;
雨流域的数据处理具体为:
采用雨流过滤,过滤掉预设阈值的雨流载荷数据。
进一步的,步骤S7中,不同路况的雨流域载荷数据包括城市路况雨流域载荷数据、省道路况雨流域载荷数据、高速路况雨流域载荷数据以及坏路面路况雨流域载荷数据;
步骤S7中,进行二维核密度估计的非参数雨流外推,并外推至全寿命二维载荷谱具体为:
建立二维核密度估计模型,对不同路况的雨流矩阵进行核密度估计,再通过MonteCarlo模拟进行随机统计完成积分计算,完成各区间载荷谱的频次外推,并生成核密度估计外推得出的外推雨流矩阵;
二维核密度估计模型为:
其中,n为样本量;xi、yi分别为雨流矩阵的初值和终值,h为核密度估计带宽;
λi为自适应因子,计算公式为:
其中,a为敏感系数;
核密度估计带宽求解公式为:
其中,A为高斯分布的最小值;σ为样本标准差;IQR为数据的标准四分位距。
进一步的,步骤S8具体为:
将全寿命的雨流二维谱中的各级载荷均值与其对应的累积频次乘积之和除以雨流矩阵对应的载荷总频次取得平均载荷,计算公式为:
其中,Xm为平均载荷;Xmi各级载荷均值,Pi为各级载荷均值对应的累积频次,∑Pi为雨流矩阵对应的载荷总频次。
本发明与现有技术相比,具有如下优点和有益效果:
1、针对于混合动力汽车复杂路况多工况的工作条件下,其零部件的承受的载荷随机性较强,不适用于载荷谱时域外推编制的方法的问题,本发明方法将零部件承受的时域载荷进行雨流计数统计,将时域载荷转换为雨流域的载荷,再进行载荷谱编制。
2、针对于混合动力汽车不同路况下其耦合装置的工作模式有很大不同,进而其载荷雨流矩阵的分布具有较强的复杂性,因此参数估计的载荷谱编制方法在雨流矩阵拟合中很难实现较好的拟合效果的问题,本发明方法采用二维非参数核密度估计法,实现较好的雨流矩阵分布拟合,提高载荷谱编制的精度,最大程度上反映用户的使用状况。
附图说明
图1是本发明方法的流程图;
图2是实施例中通过雨流计数法统计获取的雨流计数图;
图3是实施例中获取的全寿命载荷谱的雨流计数图;
图4是实施例中车辆的混合动力架构示意图;
图5是实施例中外推前的雨流矩阵俯视图;
图6是实施例中外推后的雨流矩阵俯视图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示,本发明,一种混合动力乘用车机电耦合装置载荷谱编制方法,包括以下步骤:
S1、基于用户使用情况的大数据调查,确定基础载荷数据采集的路况和里程比例,进行载荷数据采集试验,获取时域载荷数据;
在本实施例中,基于用户使用情况的大数据调研,确定所需采集的路况包括有:城市路况、省道路况、高速路况和坏路面路况。采集的里程按照大数据调研的反馈结果设定,在本实施例中,城市路况、省道路况、高速路况和坏路面路况里程按照50:30:15:5的比例采集。
电耦合装置各零件的载荷数据通过CAN总线的数据采集获取;获取数据包括有:发动机扭矩-时间历程、发动机转速-时间历程、发电机扭矩-时间历程、发电机转速-时间历程、驱动电机扭矩-时间历程、驱动电机转速-时间历程、车速-时间历程、档位信号结合情况。
S2、对获取的时域载荷数据进行预处理;在本实施例中,具体包括:
奇异值去除,将发动机扭矩-时间历程、发动机转速-时间历程、发电机扭矩-时间历程、发电机转速-时间历程、驱动电机扭矩-时间历程、驱动电机转速-时间历程、车速-时间历程载荷数据中的奇异点数据进行去除。
滤波处理,采用一般的带阻滤波来抑制干扰信号。
S3、基于车辆的混合动力架构,判断其耦合装置的耦合类型,获取编制的零部件对象的时域载荷数据;
在本实施例中,车辆的混合动力架构如图4所示;
机电耦合装置可以分为转速耦合、转矩耦合和功率耦合,本实施例中根据车辆的混合动力架构分析,可以分析该车为功率耦合型耦合装置;以机电耦合装置传动轴作为载荷谱编制的零部件对象为例,通过下式计算,获取机电耦合装置传动轴的载荷时域数据;
其中,α=z2/z1;β=z2/z3;z1、z2、z3分别为发动机输出齿轮轴的齿数、耦合装置输入齿轮轴的齿数和电机输出齿轮轴的齿数;Th、nh分别为耦合装置传动轴的扭矩和转速;Tc、nc分别发动机扭矩和转速;Tm、nm分别为驱动电机的扭矩和转速。
S4、采用雨流计数统计计数法,对预处理后的各循环路况时域载荷数据进行计数统计,将时域载荷数据转换为雨流域载荷数据;
在本实施例中,采用四点雨流计数统计计数法进行统计计数。
用于保存数据的雨流矩阵采用100×100的雨流计数矩阵;
对时域数据进行统计循环数,经过计数后可以得到峰值、谷值和循环次数(xi,yi,ci),然后进行分级统计得到计数形式为“From-to”的雨流矩阵;
雨流计数矩阵的带宽为:
其中,max(X)、max(Y)分别为xi、yi的最大值,即载荷初值的最大值和载荷终值的最大值,min(X)、min(Y)分别为xi、yi的最小值。
如图2所示,为本实施例通过雨流计数法统计获取的雨流计数图。
S5、基于S4的雨流计数统计,计算出各循环路况下的损伤量的大小确定样本载荷数据;
在本实施例中,采用Miner线性累计损伤准则计算损伤量,具体如下:
Miner线性累计损伤准则:
设构件在k个应力水平Si作用下,对应的应力水平下所受的循环为ni,则构件的累计损伤D为:
其中,Ni为对应水平应力Si下的疲劳寿命。
采用ε-N寿命损伤计算方法,所以公式中的Si可以看出是ε-N寿命曲线上的应变ε。
将各路况载荷数据样本换算成传动轴最大切应变,然后进行雨流计数法,结合ε-N寿命曲线,利用线性疲劳累计损伤理论计算累计损伤。
其中,T为传动轴扭矩;D为传动轴外径;α为内外径之比。
由最大损伤原则,选取累计损伤量最大的路况循环载荷数据作为后续数据处理的样本载荷。如下表1所示,为本实施例中计算的各路况对应的损伤量。
表1
本实施例中,城市路况下,城市路况循环3的累计损伤量最大,因此选择城市路况循环3作为后续数据处理的样本载荷;其余路况采取同样的样本载荷确定方法。
S6、针对确定的样本载荷数据,根据不同的路况对载荷数据分路况处理,并进行雨流域的数据处理;
在本实施例中,针对S5确定的样本载荷数据,采用雨流过滤法,滤除小幅值载荷数据。过滤的阈值设置为:τ=0.1*(max(X)-max(Y)),即最大峰值与最大谷值之差的10%,将幅值小于该阈值的载荷数据进行删除。
S7、对步骤S6中的不同路况的雨流域载荷数据进行二维核密度估计的非参数雨流外推,并外推至全寿命二维载荷谱;
在本实施例中,通过建立二维核密度估计模型,对不同路况的雨流矩阵进行核密度估计,再通过Monte Carlo模拟方法生成核密度估计外推得出的外推雨流矩阵;
二维核密度估计公式为:
其中,n为样本量;xi、yi分别为雨流矩阵的初值和终值;h为核密度估计带宽;
自适应因子计算公式为:
其中,a为敏感系数;n为样本量,xi、yi分别为雨流矩阵的初值和终值;核密度估计带宽求解公式为:
其中,A为高斯分布的最小值;σ为样本标准差;IQR为数据的标准四分位距;
通过Monte Carlo模拟方法,进行随机统计模拟完成积分计算,完成各区间载荷谱的频次外推,并生成核密度估计外推得出的外推雨流矩阵。
如图5和图6所示,分别为外推前后的雨流矩阵俯视图;从图中可以看出,通过雨流矩阵外推不仅能够将已测的载荷实现外推,且能够预测没有出现的载荷循环进行外推,载荷均值和幅值同步进行外推,很好地体现了复杂工况下载荷的多变性。基于此外推结果进行疲劳寿命预测,更贴近真实情况。
完成全寿命载荷谱外推,具体为:
一般认为全寿命周期的载荷谱,总的载荷频次为106次,将106的频次按照路况里程的比例得出全寿命周期不同路况的载荷出现的频次,编制成全寿命周期的载荷谱。
如图3所示,为本实施例中获取的全寿命载荷谱的雨流计数图。
S8、将步骤S7中的全寿命二维载荷转化为一维载荷谱。
本实施例中,将S7中的全寿命二维载荷转化为一维载荷谱,具体为:将雨流二维谱中的各级载荷均值与其对应的累积频次乘积之和除以雨流矩阵对应的的载荷总频次取得平均载荷,计算公式为:
其中,Xm为平均载荷;Xmi各级载荷均值;Pi各级载荷均值对应的频次;∑Pi雨流矩阵对应的载荷总频次;
再按幅值等间隔划分为八个幅值等级,将雨流矩阵转换为八级程序载荷谱。
本实施例中的城市路况的八级程序载荷谱如下表2所示。
表2
还需要说明的是,在本说明书中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种混合动力乘用车机电耦合装置载荷谱编制方法,其特征在于,包括以下步骤:
S1、基于用户使用情况的大数据调查,确定基础载荷数据采集的路况和里程比例,进行基础载荷数据采集,获取时域载荷数据;
S2、对获取的时域载荷数据进行预处理;
S3、基于车辆的混合动力架构,判断其耦合装置的耦合类型,获取编制的零部件对象的时域载荷数据;
S4、采用雨流计数法,对预处理后的各路况时域载荷数据进行计数统计,将时域载荷数据转换为雨流域载荷数据;具体为:
采用四点雨流计数法进行统计计数;
用于保存数据的雨流矩阵采用100×100的雨流计数矩阵;
对时域载荷数据进行统计循环数,经过计数后得到峰值xi、谷值yi以及循环次数ci,然后进行分级统计得到雨流计数矩阵;
雨流计数矩阵的带宽为:
其中,max(X)、max(Y)分别为xi、yi的最大值,即载荷初值的最大值和载荷终值的最大值,min(X)、min(Y)分别为xi、yi的最小值;
S5、基于雨流计数法,计算出各循环路况下的损伤量的大小确定样本载荷数据;具体为:
基于Miner线性累计损伤准则和雨流计数统计,计算出各路况下的损伤量的大小,确定样本载荷数据;
确定样本载荷数据具体为,根据Miner线性累计损伤准则计算的损伤量,选择损伤量最大的路况作为样本载荷数据;
S6、针对确定的样本载荷数据,根据不同的路况对载荷数据分路况处理,并进行雨流域的数据处理;
S7、对步骤S6中的不同路况的雨流域载荷数据进行二维核密度估计的非参数雨流外推,并外推至全寿命二维载荷谱;
步骤S7中,不同路况的雨流域载荷数据包括城市路况雨流域载荷数据、省道路况雨流域载荷数据、高速路况雨流域载荷数据以及坏路面路况雨流域载荷数据;
步骤S7中,进行二维核密度估计的非参数雨流外推,并外推至全寿命二维载荷谱具体为:
建立二维核密度估计模型,对不同路况的雨流矩阵进行核密度估计,再通过MonteCarlo模拟进行随机统计完成积分计算,完成各区间载荷谱的频次外推,并生成核密度估计外推得出的外推雨流矩阵;
二维核密度估计模型为:
其中,n为样本量;xi、yi分别为雨流矩阵的初值和终值,h为核密度估计带宽;
λi为自适应因子,计算公式为:
其中,a为敏感系数;
核密度估计带宽求解公式为:
其中,A为高斯分布的最小值;σ为样本标准差;IQR为数据的标准四分位距;
S8、将全寿命二维载荷谱转化为一维载荷谱。
2.根据权利要求1所述的混合动力乘用车机电耦合装置载荷谱编制方法,其特征在于,步骤S1中,基于用户使用情况的大数据调研或调查,确定试验车基础载荷数据采集的路况,确定路况包括有城市路况、高速路况、省道路况和坏路面路况;城市路况、高速路况、省道路况、坏路面路况的行驶里程按照一定比例设定;
采集的基础载荷数据包括发动机扭矩-时间历程、发动机转速-时间历程、发电机扭矩-时间历程、发电机转速-时间历程、驱动电机扭矩-时间历程、驱动电机转速-时间历程、车速-时间历程、档位信号结合情况。
3.根据权利要求1所述的混合动力乘用车机电耦合装置载荷谱编制方法,其特征在于,预处理包括奇异点去除处理以及滤波处理;
奇异点去除处理具体为:
将步骤S1中所获取的基础载荷数据中的奇异点数据进行去除;
滤波处理具体为选择特定的频率进行带阻滤波。
4.根据权利要求1所述的混合动力乘用车机电耦合装置载荷谱编制方法,其特征在于,步骤S3中,基于车辆的混合动力架构,判断其耦合装置的耦合类型具体为:
通过分析车辆的混合动力架构和耦合方式,从功率耦合类型、转速耦合类型以及扭矩耦合类型中判断出车辆的耦合类型,进而通过相关计算获取耦合装置传动部件的时域载荷数据;
耦合装置传动部件为发动机输出齿轮轴、发电机输入齿轮轴、驱动电机输出齿轮轴以及耦合装置传动齿轮轴。
6.根据权利要求2所述的混合动力乘用车机电耦合装置载荷谱编制方法,其特征在于,步骤S6中,分路况处理具体为:
样本载荷数据分为城市路况载荷数据、高速路况载荷数据、省道路况载荷数据和坏路面路况载荷数据;
雨流域的数据处理具体为:
采用雨流过滤,过滤掉预设阈值的雨流载荷数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210415528.XA CN114840920B (zh) | 2022-04-20 | 2022-04-20 | 一种混合动力乘用车机电耦合装置载荷谱编制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210415528.XA CN114840920B (zh) | 2022-04-20 | 2022-04-20 | 一种混合动力乘用车机电耦合装置载荷谱编制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114840920A CN114840920A (zh) | 2022-08-02 |
CN114840920B true CN114840920B (zh) | 2023-03-14 |
Family
ID=82566187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210415528.XA Active CN114840920B (zh) | 2022-04-20 | 2022-04-20 | 一种混合动力乘用车机电耦合装置载荷谱编制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114840920B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116183220B (zh) * | 2023-04-17 | 2023-06-30 | 北京航空航天大学 | 一种基于能量管理的混动汽车传动系统载荷谱编制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886638A (zh) * | 2017-01-22 | 2017-06-23 | 北京理工大学 | 一种基于核密度估计的履带车辆传动轴载荷谱编制方法 |
CN111488649A (zh) * | 2020-03-17 | 2020-08-04 | 天津大学 | 一种联合收割机零部件载荷分布的非参数估计方法 |
CN113392471A (zh) * | 2021-06-30 | 2021-09-14 | 华南农业大学 | 混合动力电动汽车减速器载荷谱编制方法、介质和设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114239229B (zh) * | 2021-11-24 | 2024-04-19 | 华南理工大学 | 一种汽车驱动轴载荷谱采集和编制方法 |
-
2022
- 2022-04-20 CN CN202210415528.XA patent/CN114840920B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886638A (zh) * | 2017-01-22 | 2017-06-23 | 北京理工大学 | 一种基于核密度估计的履带车辆传动轴载荷谱编制方法 |
CN111488649A (zh) * | 2020-03-17 | 2020-08-04 | 天津大学 | 一种联合收割机零部件载荷分布的非参数估计方法 |
CN113392471A (zh) * | 2021-06-30 | 2021-09-14 | 华南农业大学 | 混合动力电动汽车减速器载荷谱编制方法、介质和设备 |
Non-Patent Citations (5)
Title |
---|
Zhai X.Load Spectrum Compiling of Peanut Combine Harvest"s Seedling Clamping and Conveying System.《Trans.Chin.Soc.Agric.》.2020,(第S1期),第261-266页. * |
基于核密度估计的履带车辆传动轴载荷谱编制;刘海鸥等;《兵工学报》(第09期);第1830-1838页 * |
基于核密度估计算法的T100C列车转向架载荷谱统计研究;高延杰等;《机械强度》(第06期);第1330-1334页 * |
基于虚拟仪器的挂车车轴性能测试系统;吴伟斌;《农业工程学报》;第29卷(第S1期);第25-31页 * |
车下设备承载结构疲劳试验载荷谱编制方法;李凡松等;《机械工程学报》(第24期);第99-106页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114840920A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109000922B (zh) | 基于道路测试的综合传动装置台架耐久性试验方法 | |
Jia et al. | A novel denoising method for vibration signal of hob spindle based on EEMD and grey theory | |
CN109975013B (zh) | 基于ivmd-se的风电机组齿轮箱故障特征提取方法 | |
CN113392471B (zh) | 混合动力电动汽车减速器载荷谱编制方法、介质和设备 | |
CN111413089A (zh) | 基于vmd熵值法和vpmcd相结合的齿轮故障诊断方法 | |
CN102866027B (zh) | 基于lmd和局域时频熵的旋转机械故障特征提取方法 | |
CN104156585B (zh) | 一种基于多项指标特征的双字典匹配追踪轴承故障程度评价方法 | |
CN114840920B (zh) | 一种混合动力乘用车机电耦合装置载荷谱编制方法 | |
CN109883693B (zh) | 基于低秩-稀疏逼近的行星齿轮箱故障诊断方法 | |
CN105424359A (zh) | 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法 | |
CN114154237B (zh) | 一种纯电动汽车减速箱耐久载荷谱生成方法及电子设备 | |
CN112948975B (zh) | 一种仿真与试验载荷融合的载荷谱分析方法 | |
CN107632010B (zh) | 一种结合激光诱导击穿光谱对钢铁样品的定量方法 | |
CN115130495A (zh) | 一种滚动轴承故障预测方法及系统 | |
CN114139303A (zh) | 基于实测s-n曲线和实采路谱的台架试验载荷谱编制 | |
CN114330834A (zh) | 一种基于自更新三次指数平滑法的充电桩用电量预测方法 | |
CN110646199B (zh) | 一种基于加权导数动态时间规整的齿轮微弱故障诊断方法 | |
CN113204849A (zh) | 一种齿轮箱齿轮剥落故障检测方法 | |
CN107246967A (zh) | 用于齿轮箱设备故障诊断的信号处理方法和装置 | |
Zhao et al. | Peak envelope spectrum Fourier decomposition method and its application in fault diagnosis of rolling bearings | |
CN113281047A (zh) | 一种基于变尺度Lempel-Ziv的轴承内外圈故障定量趋势诊断方法 | |
CN115587482A (zh) | 一种两挡电动越野车变速箱耐久载荷谱生成方法及系统 | |
Wang et al. | Application of Improved Particle Swarm Optimization in Gear Fault Diagnosis of Automobile Transmission. | |
CN111488649B (zh) | 一种联合收割机零部件载荷分布的非参数估计方法 | |
CN114417514A (zh) | 一种风电机组齿轮箱故障诊断系统、方法、计算机设备、存储介质 |
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 |