CN114861323A - 车辆行驶跑偏分析方法、装置、设备及可读存储介质 - Google Patents

车辆行驶跑偏分析方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN114861323A
CN114861323A CN202210615096.7A CN202210615096A CN114861323A CN 114861323 A CN114861323 A CN 114861323A CN 202210615096 A CN202210615096 A CN 202210615096A CN 114861323 A CN114861323 A CN 114861323A
Authority
CN
China
Prior art keywords
deviation
vehicle
influence factor
target
deviation influence
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.)
Pending
Application number
CN202210615096.7A
Other languages
English (en)
Inventor
纪秀业
侯献晓
李衡
陈海滨
何洋
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.)
Dongfeng Motor Group Co Ltd
Original Assignee
Dongfeng Motor Group 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 Dongfeng Motor Group Co Ltd filed Critical Dongfeng Motor Group Co Ltd
Priority to CN202210615096.7A priority Critical patent/CN114861323A/zh
Publication of CN114861323A publication Critical patent/CN114861323A/zh
Pending legal-status Critical Current

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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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)
  • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种车辆行驶跑偏分析方法、装置、设备及可读存储介质，包括整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量；基于整车跑偏量从多个跑偏影响因子中筛选出目标跑偏影响因子；基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，基于初始约束带宽和各个目标跑偏影响因子的实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；根据实际约束带宽对整车对称模型进行参数适配得到整车非对称模型；整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因，进而可减少诊断周期、降低人工成本高并提高诊断的精准度。

Description

车辆行驶跑偏分析方法、装置、设备及可读存储介质
技术领域
本申请涉及车辆测试技术领域，特别涉及一种车辆行驶跑偏分析方法、装置、设备及可读存储介质。
背景技术
车辆行驶跑偏指的是车辆在平坦的道路上以60km/h匀速直线行驶时，驾驶员不对方向盘施加任何干预和外力的情况下，车辆无法维持直线行驶状态而自行偏离的现象。目前，车辆在商品测试、市场投放阶段易受设计、装配、使用工况等的影响，而导致存在一定的行驶跑偏现象，比如受到四轮定位参数、零件制造、整车装配、轮胎匹配等的影响；车辆行驶跑偏会引起轮胎磨损、零部件耐久降低，进而严重影响产品的生命周期，而即使车辆行驶跑偏不严重，也会迫使驾驶员不停修正方向，同时由于车辆存在无法控制的风险，以致驾驶员精神高度紧张，进而非常容易造成驾驶疲劳。因此，在车辆出厂前进行行驶跑偏的诊断分析显得尤为重要。
相关技术中，对于车辆行驶跑偏主要是利用光学仪器及其它测量设备针对车辆跑偏量进行实际测量，并结合多个工程师经验进行主观评价且针对各项经验调试参数进行多轮次实车换件及测试来完成车辆行驶跑偏的诊断消除，其不仅存在试验周期长、人工成本高，且只能实现车辆是否存在行驶跑偏的定性分析而无法进行定量分析(比如哪些原因引起的车辆行驶跑偏)，以致精准度较差。
发明内容
本申请提供一种车辆行驶跑偏分析方法、装置、设备及可读存储介质，以解决相关技术中存在的诊断周期长、人工成本高以及精准度差的问题。
第一方面，提供了一种车辆行驶跑偏分析方法，包括以下步骤：
创建整车对称模型，并将各个跑偏影响因子输入至整车对称模型，以供所述整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量，所述跑偏影响因子包括预设的约束带宽边界；
基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，其中，N为正整数；
基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，并获取与各个目标跑偏影响因子对应的实车约束带宽；
基于所述初始约束带宽和所述实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；
根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型；
将各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；
根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因。
一些实施例中，所述基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，包括：
基于各个跑偏影响因子的整车跑偏量确定出各个跑偏影响因子的影响值；
当第一跑偏影响因子对应的第一影响值大于或等于影响阈值时，则将所述第一跑偏影响因子作为目标跑偏影响因子；
当第一跑偏影响因子对应的第一影响值小于影响阈值时，则将所述第一跑偏影响因子剔除。
一些实施例中，所述根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因，包括：
按照实际权重值由高到低的顺序，对各个目标跑偏影响因子进行排序，得到排队序列；
从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因，其中，1≤M≤N，M为正整数。
一些实施例中，在所述从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因的步骤之后，还包括：
根据车辆发生行驶跑偏的原因对所述排队序列中的目标跑偏影响因子进行组合，得到多个跑偏影响因子集合；
对各个跑偏影响因子集合中各个目标跑偏影响因子的实际约束带宽进行重新适配；
分别将重新适配后的每个跑偏影响因子集合中的各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到每个跑偏影响因子集合对应的实际跑偏量；
根据所述实际跑偏量与跑偏量阈值从多个跑偏影响因子集合中筛选出P个跑偏影响因子集合作为解决车辆发生行驶跑偏的优化方案。
第二方面，提供了一种车辆行驶跑偏分析装置，包括：
第一分析单元，其用于创建整车对称模型，并将各个跑偏影响因子输入至整车对称模型，以供整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量，所述跑偏影响因子包括预设的约束带宽边界；
筛选单元，其用于基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，其中，N为正整数；
确定单元，其用于基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，并获取与各个目标跑偏影响因子对应的实车约束带宽；基于所述初始约束带宽和所述实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；
适配单元，其用于根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型；
第二分析单元，其用于将各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因。
一些实施例中，所述筛选单元具体用于：
基于各个跑偏影响因子的整车跑偏量确定出各个跑偏影响因子的影响值；
当第一跑偏影响因子对应的第一影响值大于或等于影响阈值时，则将所述第一跑偏影响因子作为目标跑偏影响因子；
当第一跑偏影响因子对应的第一影响值小于影响阈值时，则将所述第一跑偏影响因子剔除。
一些实施例中，所述第二分析单元具体用于：
按照实际权重值由高到低的顺序，对各个目标跑偏影响因子进行排序，得到排队序列；
从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因，其中，1≤M≤N，M为正整数。
一些实施例中，所述第二分析单元具体还用于：
根据车辆发生行驶跑偏的原因对所述排队序列中的目标跑偏影响因子进行组合，得到多个跑偏影响因子集合；
对各个跑偏影响因子集合中各个目标跑偏影响因子的实际约束带宽进行重新适配；
分别将重新适配后的每个跑偏影响因子集合中的各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到每个跑偏影响因子集合对应的实际跑偏量；
根据所述实际跑偏量与跑偏量阈值从多个跑偏影响因子集合中筛选出P个跑偏影响因子集合作为解决车辆发生行驶跑偏的优化方案。
第三方面，提供了一种车辆行驶跑偏分析设备，包括：存储器和处理器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现前述的车辆行驶跑偏分析方法。
第四方面，提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，当所述计算机程序被处理器执行时，以实现前述的车辆行驶跑偏分析方法。
本申请提供的技术方案带来的有益效果包括：不仅可减少诊断周期、降低人工成本高，并提高诊断的精准度。
本申请提供了一种车辆行驶跑偏分析方法、装置、设备及可读存储介质，包括创建整车对称模型，并将各个跑偏影响因子输入至整车对称模型，以供整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量，所述跑偏影响因子包括预设的约束带宽边界；基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，其中，N为正整数；基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，并获取与各个目标跑偏影响因子对应的实车约束带宽；基于所述初始约束带宽和所述实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型；将各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因。通过本申请，可在产品设计初期进行仿真虚拟分析，以指导后续产品验证使用，且利用虚拟仿真不仅可节约车辆跑偏诊断与排查周期、降低人力及实物车辆成本，还能通过高效准确的仿真结果，为问题诊断提出明确方向。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种车辆行驶跑偏分析方法的流程示意图；
图2为本申请实施例提供的车辆跑偏仿真结果示意图；
图3为本申请实施例提供的系统参数的跑偏灵敏度分析示意图；
图4为本申请实施例提供的四轮定位参数示意图；
图5为本申请实施例提供的一种车辆行驶跑偏分析设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种车辆行驶跑偏分析方法、装置、设备及可读存储介质，其能解决相关技术中存在的诊断周期长、人工成本高以及精准度差的问题。
图1是本申请实施例提供的一种车辆行驶跑偏分析方法，包括以下步骤：
步骤S10：创建整车对称模型，并将各个跑偏影响因子输入至整车对称模型，以供所述整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量，所述跑偏影响因子包括预设的约束带宽边界；
示范性的，在本实施例中，使用adams/car和adams/view结合进行整车对称模型的建模；其中，使用adams/car建立悬架系统、转向系统、车轮系统、车身系统和动力系统的基础模型，并保存各自的子模型，整车模型按照搭建的子模型进行装配，该步骤下得到的模型车辆即为整车对称模型，即整车模型的左右侧参数一致；然后对影响跑偏量的跑偏影响因子(包含各系统中的运动学参数，比如衬套刚度、弹簧刚度、四轮定位参数等)以及跑偏影响因子的全面变化范围带宽边界进行预定义，即各个跑偏影响因子已预设好约束带宽边界，可优先按照全参数因子的5％做为统一的约束带宽边界；再将预设了约束带宽边界的各个跑偏影响因子输入至整车对称模型中，使得整车对称模型可以基于整车DOE分析来得到各个跑偏影响因子(比如衬套刚度、弹簧刚度、外倾、前束以及前束外倾组合等)在不同路面长度下对应的整车跑偏量(参见图2所示)。
具体的，整车DOE分析利用adams/car展开，将预设好的约束带宽边界输入到整车对称模型中，利用软件自行完成车辆跑偏工况，其可参考GBT 38679-2020《车辆行驶跑偏试验方法》完成车辆的跑偏仿真，进而得到车辆跑偏仿真结果以及影响因子贡献量数据图，以四轮定位参数为例，参见图3所示，后轴前束外倾组合的灵敏度为4.2％、前轴前束外倾组合的灵敏度为11.77％、后轴外倾03的灵敏度为7.06％、后轴外倾02的灵敏度为6.76％等。
步骤S20：基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，其中，N为正整数；
进一步的，所述基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，包括：
基于各个跑偏影响因子的整车跑偏量确定出各个跑偏影响因子的影响值；
当第一跑偏影响因子对应的第一影响值大于或等于影响阈值时，则将所述第一跑偏影响因子作为目标跑偏影响因子；
当第一跑偏影响因子对应的第一影响值小于影响阈值时，则将所述第一跑偏影响因子剔除。
示范性的，在本实施例中，目标跑偏影响因子的筛选受整车跑偏量变化的约束，针对跑偏量影响5％以内的进行剔除，而保留跑偏量大于5％的跑偏影响因子作为目标跑偏影响因子。以跑偏影响因子包括A、B、C和D，且影响阈值是5％为例，比如在A的影响下整车跑偏量为0.03m，在B的影响下整车跑偏量为0.2m，在C的影响下整车跑偏量为0.37m，在D的影响下整车跑偏量为0.4m，那么A的影响值为0.03/(0.03+0.2+0.37+0.4)×100％＝3％，同理可得，B的影响值为20％，C的影响值为37％，D的影响值为40％；由此可见，A的影响值3％小于5％，而B、C和D的影响值均大于5％，因此需要将A剔除，同时将B、C和D作为目标跑偏影响因子；然后对筛选后的目标跑偏影响因子及其影响权重量(即图3中的灵敏度)进行记录，此处记录为目标跑偏影响因子最终筛选保留有i项，分别为X1、X2、X3、…、Xi，其累计影响的总跑偏量可转化为100％总和。
步骤S30：基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，并获取与各个目标跑偏影响因子对应的实车约束带宽；
示范性的，在本实施例中，可将预设的约束带宽设定规则定义为按照影响某一目标跑偏影响因子的主要零部件制造及装配误差的量化数值的2倍设定。比如，悬架单侧处某摆臂衬套刚度的制造及装配误差为15％，则设定该处衬套刚度的变化带宽为基准值±15％*2＝30％作为初始约束带宽，其余目标跑偏影响因子的初始约束带宽的计算方式于此类似，为了描述的简洁性，在此不再赘述。
此外，由于实车中车辆的左右侧存在差异，为非对称设置，因此在进行车辆跑偏测试时需要考虑到该差异，所以需要获取与各个目标跑偏影响因子对应的实车约束带宽。比如，参见图4所示，轮胎的胎压以及车辆的系统装配等会引起车辆的四轮定位参数的变化，其可以等效成轮胎整体几何锥度进行转化，即根据轮胎锥度角a是轮胎的外倾角γ两倍的关系，将轮胎锥度转化成轮胎的四轮定位参数，进而得到四轮定位参数的实车约束带宽。即模型中原有车辆的轮胎定位参数需要叠加实际的车轮锥度角且左右有差异，
步骤S40：基于所述初始约束带宽和所述实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；
步骤S50：根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型；
示范性的，在本实施例中，将各个目标跑偏影响因子初始约束带宽和对应的实车约束带宽进行叠加，即可得到各个目标跑偏影响因子的实际约束带宽；并根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型。
具体的，现有技术中，一般将虚拟样机模型采用对标方式以提高模型精准度，但是车辆模型一直处于理论设计状态，即车辆左右载荷对称、轮胎参数以及左右零部件状态左右一致，其仅保证整车的输出运动参数与实车一致，大大影响了实车跑偏诊断的精准性。因此，本实施例基于实际约束带宽对搭建好的整车对称模型展开详细跑偏模型修正适配，即将整车对称模型里的悬架系统按照系统硬点、弹性元件力学参数(弹簧刚度、减振器阻尼力、衬套刚度)、车辆簧上载荷使用非对称建模方式，适配的主要目的为按照实车实际载荷以及车辆现有零部件的装车参数进行建模得到整车非对称模型，其与传统的建模方式差异较大。由此可见，本实施例中车辆在整车模型中使用跟实车一致性建模标定，实车物理样车为非对称状态，因此，本实施例在进行非对称适配时，需要将车辆的左右零部件状态、轮胎参数状态、载荷状态全部进行实际一一适配，以满足虚拟样机的模型与实际物理样机状态高度一致；同时转向系统按照EPS助力文件输入后，展开车辆左右系统摩擦及阻尼建模，进而保证车辆的实车力学传递精准性。
步骤S60：将各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；
示范性的，在本实施例中，将各个目标跑偏影响因子输入至整车非对称模型后，整车非对称模型基于DOE分析完成车辆的跑偏仿真，进而可得到各个目标跑偏影响因子对整车跑偏量影响程度的实际权重值。
步骤S70：根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因。
进一步的，所述根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因，包括：
按照实际权重值由高到低的顺序，对各个目标跑偏影响因子进行排序，得到排队序列；
从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因，其中，1≤M≤N，M为正整数。
进一步的，在所述从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因的步骤之后，还包括：
根据车辆发生行驶跑偏的原因对所述排队序列中的目标跑偏影响因子进行组合，得到多个跑偏影响因子集合；
对各个跑偏影响因子集合中各个目标跑偏影响因子的实际约束带宽进行重新适配；
分别将重新适配后的每个跑偏影响因子集合中的各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到每个跑偏影响因子集合对应的实际跑偏量；
根据所述实际跑偏量与跑偏量阈值从多个跑偏影响因子集合中筛选出P个跑偏影响因子集合作为解决车辆发生行驶跑偏的优化方案。
示范性的，在本实施例中，按照实际权重值由高到低的顺序对步骤S60中得到的各个目标跑偏影响因子进行排序，并选取排列在前M位的目标跑偏影响因子作为车辆发生行驶跑偏的原因，其中，M值的具体设定可以根据实际需求确定。由此可见，通过本申请实施例可在产品设计初期进行仿真虚拟分析，以指导后续产品验证使用，且利用虚拟仿真不仅可节约车辆跑偏诊断与排查周期、降低人力及实物车辆成本，还能通过高效准确的仿真结果，为问题诊断提出明确方向。
此外，还可对DOE分析后的参数进行调节，以满足车辆试制零件的最新状态参数适配，即更新完成设计补偿，将对车辆跑偏具有重要影响的跑偏影响因子进行调整适配，此处为虚拟参数代替原样件更新后的参数，类似于车辆实车换件。实车换件方案可多批次方案，比如根据车辆发生行驶跑偏的原因对排队序列中的目标跑偏影响因子进行组合，得到多个跑偏影响因子集合；对各个跑偏影响因子集合中各个目标跑偏影响因子的实际约束带宽进行重新适配；分别将重新适配后的每个跑偏影响因子集合中的各个目标跑偏影响因子输入至整车非对称模型，以供整车非对称模型基于DOE分析完成仿真分析，得到每个跑偏影响因子集合对应的实际跑偏量；根据所述实际跑偏量与跑偏量阈值从多个跑偏影响因子集合中筛选出多个跑偏影响因子集合作为解决车辆发生行驶跑偏的优化方案，即查看跑偏量变化，若跑偏满足设计需求或者已经大幅改善，可按照某一更新方案试制零件装车验证。
综上，本实施例不仅可节约车辆跑偏诊断与排查周期，降低人力及实物车辆成本，且由于计算机仿真高效准确，可为问题诊断提出明确方向；此外，可以在车辆前期设计过程中提前利用车辆数据库完成概念预测，即预测车辆跑偏量以及重要影响因素，以使得可在前期设计时减轻或避免车辆后期跑偏。
本申请实施例还提供了一种车辆行驶跑偏分析装置，包括：
第一分析单元，其用于创建整车对称模型，并将各个跑偏影响因子输入至整车对称模型，以供整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量，所述跑偏影响因子包括预设的约束带宽边界；
筛选单元，其用于基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，其中，N为正整数；
确定单元，其用于基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，并获取与各个目标跑偏影响因子对应的实车约束带宽；基于所述初始约束带宽和所述实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；
适配单元，其用于根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型；
第二分析单元，其用于将各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因。
由此可见，通过本申请实施例可在产品设计初期进行仿真虚拟分析，以指导后续产品验证使用，且利用虚拟仿真不仅可节约车辆跑偏诊断与排查周期、降低人力及实物车辆成本，还能通过高效准确的仿真结果，为问题诊断提出明确方向。
进一步的，所述筛选单元具体用于：
基于各个跑偏影响因子的整车跑偏量确定出各个跑偏影响因子的影响值；
当第一跑偏影响因子对应的第一影响值大于或等于影响阈值时，则将所述第一跑偏影响因子作为目标跑偏影响因子；
当第一跑偏影响因子对应的第一影响值小于影响阈值时，则将所述第一跑偏影响因子剔除。
进一步的，所述第二分析单元具体用于：
按照实际权重值由高到低的顺序，对各个目标跑偏影响因子进行排序，得到排队序列；
从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因，其中，1≤M≤N，M为正整数。
进一步的，所述第二分析单元具体还用于：
根据车辆发生行驶跑偏的原因对所述排队序列中的目标跑偏影响因子进行组合，得到多个跑偏影响因子集合；
对各个跑偏影响因子集合中各个目标跑偏影响因子的实际约束带宽进行重新适配；
分别将重新适配后的每个跑偏影响因子集合中的各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到每个跑偏影响因子集合对应的实际跑偏量；
根据所述实际跑偏量与跑偏量阈值从多个跑偏影响因子集合中筛选出P个跑偏影响因子集合作为解决车辆发生行驶跑偏的优化方案。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各单元的具体工作过程，可以参考前述车辆行驶跑偏分析方法实施例中的对应过程，在此不再赘述。
上述实施例提供的车辆行驶跑偏分析装置可以实现为一种计算机程序的形式，该计算机程序可以在如图5所示的车辆行驶跑偏分析设备上运行。
本申请实施例还提供了一种车辆行驶跑偏分析设备，包括：通过系统总线连接的存储器、处理器和网络接口，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行，以实现前述的车辆行驶跑偏分析方法的全部步骤或部分步骤。
其中，网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图5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，具体的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。
处理器可以是CPU，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程逻辑门阵列(FieldProgrammable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件分立硬件组件等。通用处理器可以是微处理器，或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如视频播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如视频数据、图像数据等)等。此外，存储器可以包括高速随存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(SmartMediacard，SMC)、安全数字(Secure digital，SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件。
本申请实施例还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，实现前述的车辆行驶跑偏分析方法的全部步骤或部分步骤。
本申请实施例实现前述的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Onlymemory，ROM)、随机存取存储器(RandomAccessmemory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车辆行驶跑偏分析方法，其特征在于，包括以下步骤：
创建整车对称模型，并将各个跑偏影响因子输入至整车对称模型，以供所述整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量，所述跑偏影响因子包括预设的约束带宽边界；
基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，其中，N为正整数；
基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，并获取与各个目标跑偏影响因子对应的实车约束带宽；
基于所述初始约束带宽和所述实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；
根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型；
将各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；
根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因。
2.如权利要求1所述的车辆行驶跑偏分析方法，其特征在于，所述基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，包括：
基于各个跑偏影响因子的整车跑偏量确定出各个跑偏影响因子的影响值；
当第一跑偏影响因子对应的第一影响值大于或等于影响阈值时，则将所述第一跑偏影响因子作为目标跑偏影响因子；
当第一跑偏影响因子对应的第一影响值小于影响阈值时，则将所述第一跑偏影响因子剔除。
3.如权利要求1所述的车辆行驶跑偏分析方法，其特征在于，所述根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因，包括：
按照实际权重值由高到低的顺序，对各个目标跑偏影响因子进行排序，得到排队序列；
从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因，其中，1≤M≤N，M为正整数。
4.如权利要求3所述的车辆行驶跑偏分析方法，其特征在于，在所述从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因的步骤之后，还包括：
根据车辆发生行驶跑偏的原因对所述排队序列中的目标跑偏影响因子进行组合，得到多个跑偏影响因子集合；
对各个跑偏影响因子集合中各个目标跑偏影响因子的实际约束带宽进行重新适配；
分别将重新适配后的每个跑偏影响因子集合中的各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到每个跑偏影响因子集合对应的实际跑偏量；
根据所述实际跑偏量与跑偏量阈值从多个跑偏影响因子集合中筛选出P个跑偏影响因子集合作为解决车辆发生行驶跑偏的优化方案。
5.一种车辆行驶跑偏分析装置，其特征在于，包括：
第一分析单元，其用于创建整车对称模型，并将各个跑偏影响因子输入至整车对称模型，以供整车对称模型基于DOE分析得到各个跑偏影响因子对应的整车跑偏量，所述跑偏影响因子包括预设的约束带宽边界；
筛选单元，其用于基于所述整车跑偏量从多个跑偏影响因子中筛选出N个目标跑偏影响因子，其中，N为正整数；
确定单元，其用于基于预设的约束带宽设定规则确定各个目标跑偏影响因子的初始约束带宽，并获取与各个目标跑偏影响因子对应的实车约束带宽；基于所述初始约束带宽和所述实车约束带宽确定各个目标跑偏影响因子的实际约束带宽；
适配单元，其用于根据各个目标跑偏影响因子对应的实际约束带宽对所述整车对称模型进行参数适配，得到整车非对称模型；
第二分析单元，其用于将各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到各个目标跑偏影响因子的实际权重值；根据各个目标跑偏影响因子的实际权重值确定车辆发生行驶跑偏的原因。
6.如权利要求5所述的车辆行驶跑偏分析装置，其特征在于，所述筛选单元具体用于：
基于各个跑偏影响因子的整车跑偏量确定出各个跑偏影响因子的影响值；
当第一跑偏影响因子对应的第一影响值大于或等于影响阈值时，则将所述第一跑偏影响因子作为目标跑偏影响因子；
当第一跑偏影响因子对应的第一影响值小于影响阈值时，则将所述第一跑偏影响因子剔除。
7.如权利要求5所述的车辆行驶跑偏分析装置，其特征在于，所述第二分析单元具体用于：
按照实际权重值由高到低的顺序，对各个目标跑偏影响因子进行排序，得到排队序列；
从所述排队序列中选取排列在前M位的所述目标跑偏影响因子作为车辆发生行驶跑偏的原因，其中，1≤M≤N，M为正整数。
8.如权利要求7所述的车辆行驶跑偏分析装置，其特征在于，所述第二分析单元具体还用于：
根据车辆发生行驶跑偏的原因对所述排队序列中的目标跑偏影响因子进行组合，得到多个跑偏影响因子集合；
对各个跑偏影响因子集合中各个目标跑偏影响因子的实际约束带宽进行重新适配；
分别将重新适配后的每个跑偏影响因子集合中的各个目标跑偏影响因子输入至所述整车非对称模型，以供整车非对称模型基于DOE分析得到每个跑偏影响因子集合对应的实际跑偏量；
根据所述实际跑偏量与跑偏量阈值从多个跑偏影响因子集合中筛选出P个跑偏影响因子集合作为解决车辆发生行驶跑偏的优化方案。
9.一种车辆行驶跑偏分析设备，其特征在于，包括：存储器和处理器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现权利要求1至4中任一项所述的车辆行驶跑偏分析方法。
10.一种计算机可读存储介质，其特征在于：所述计算机存储介质存储有计算机程序，当所述计算机程序被处理器执行时，以实现权利要求1至4中任一项所述的车辆行驶跑偏分析方法。
CN202210615096.7A 2022-05-31 2022-05-31 车辆行驶跑偏分析方法、装置、设备及可读存储介质 Pending CN114861323A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210615096.7A CN114861323A (zh) 2022-05-31 2022-05-31 车辆行驶跑偏分析方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210615096.7A CN114861323A (zh) 2022-05-31 2022-05-31 车辆行驶跑偏分析方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN114861323A true CN114861323A (zh) 2022-08-05

Family

ID=82641420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210615096.7A Pending CN114861323A (zh) 2022-05-31 2022-05-31 车辆行驶跑偏分析方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114861323A (zh)

Similar Documents

Publication Publication Date Title
CN107247830B (zh) 一种汽车悬架k＆c特性公差优化方法及系统
CN104462625A (zh) 一种汽车悬架动力学模型校准方法
CN112287551B (zh) 一种基于整车概念模型的行驶性能系统级指标分解方法
CN109829257B (zh) 汽车车架轻量化优化方法
CN116090111B (zh) 一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法
CN110414052A (zh) 一种基于数字样车和虚拟路谱的汽车结构疲劳寿命计算方法
CN107832554B (zh) 一种基于catia参数化模块的麦弗逊悬架四轮参数校核方法
CN115169167A (zh) 汽车板簧运动行程参数优化匹配方法及系统
CN114861323A (zh) 车辆行驶跑偏分析方法、装置、设备及可读存储介质
CN114970237B (zh) 一种提升稳定杆系统疲劳耐久仿真精度的方法
CN113158322A (zh) 轮辋冲击分析方法、装置及可读存储介质
CN111090959A (zh) 车辆载荷谱获取方法和系统
CN111639388A (zh) 一种汽车弹性元件参数仿真方法及系统
CN113704872B (zh) 一种提高汽车板簧疲劳仿真分析效率的方法
KR100305835B1 (ko) 차체의 내구력 평가 해석 방법
CN113065186B (zh) 一种载荷加载方法、装置、设备及存储介质
CN115270284A (zh) 一种减振器动力特性识别模型建立方法及仿真方法
CN113607392B (zh) 一种弹簧臂耐久试验方法及装置
CN114065387A (zh) 车架优化方法、装置、计算机设备及存储介质
CN112734203B (zh) 基于路面的车辆损伤计算方法、装置、系统及存储介质
CN114818123A (zh) 整车动力学模型操纵稳定性标定方法及存储介质
CN114818414A (zh) 一种横向稳定杆的仿真方法、装置、设备和介质
KR102218146B1 (ko) 연성 하이브리드 동적 시스템의 시뮬레이션을 위한 오프라인 제어 방법 및 시스템
Hall et al. Automation of Adams/Car K&C correlation using MATLAB
Hatekar et al. Silent block bush design and optimization for pick-up truck leaf spring

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