CN115659694A - 一种整车减震效果的评估优化方法及系统 - Google Patents
一种整车减震效果的评估优化方法及系统 Download PDFInfo
- Publication number
- CN115659694A CN115659694A CN202211404342.0A CN202211404342A CN115659694A CN 115659694 A CN115659694 A CN 115659694A CN 202211404342 A CN202211404342 A CN 202211404342A CN 115659694 A CN115659694 A CN 115659694A
- Authority
- CN
- China
- Prior art keywords
- parameters
- road
- vehicle
- index
- shock absorber
- 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.)
- Granted
Links
- 230000000694 effects Effects 0.000 title claims abstract description 130
- 238000013016 damping Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000035939 shock Effects 0.000 claims abstract description 184
- 239000006096 absorbing agent Substances 0.000 claims abstract description 93
- 238000010521 absorption reaction Methods 0.000 claims abstract description 81
- 238000004088 simulation Methods 0.000 claims abstract description 63
- 238000009434 installation Methods 0.000 claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 238000013461 design Methods 0.000 claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000012512 characterization method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
-
- 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
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种整车减震效果的评估优化方法及系统，应用于数据处理技术领域，该方法包括：根据车辆预设用途，匹配多个道路场景。根据车辆设计原图，提取配件参数。根据配件参数，构建车辆仿真结果。遍历多个道路场景进行道路仿真，构建多个仿真测试场景；获取减震效果指标。根据震动幅度指标和震动频率指标，将车辆仿真结果依次输入多个仿真测试场景进行减震测试，生成多个减震效果评估结果。当多个减震效果评估结果不满足期望减震效果，对避震器型号参数和避震器安装参数进行优化，生成车辆设计原图优化结果。解决了现有技术中整车减震安装参数和车辆实际应用的道路场景匹配程度不高，导致减震系统的实际减震效果不佳的技术问题。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种整车减震效果的评估优化方法及系统。
背景技术
汽车减震是改善汽车行驶的平顺性的重要部件，根据车辆的不同即便是存在相同结构的减震系统，其对应的安装参数也不尽相同。减震的安装参数在车辆设计时就已经确定，然而在现有技术中减震的安装参数多通过专业设计人员的经验进行确定，和车辆实际应用的道路场景匹配程度不高，导致减震系统的减震效果不佳，影响用户的用车体验。
因此，在现有技术中存在整车减震安装参数和车辆实际应用的道路场景匹配程度不高，导致减震系统的实际减震效果不佳的技术问题。
发明内容
本申请提供一种整车减震效果的评估优化方法及系统，用于针对解决现有技术中存在整车减震安装参数和车辆实际应用的道路场景匹配程度不高，导致减震系统的实际减震效果不佳的技术问题。
鉴于上述问题，本申请提供了一种整车减震效果的评估优化方法及系统。
本申请的第一个方面，提供了一种整车减震效果的评估优化方法，所述方法包括：根据车辆预设用途，匹配多个道路场景；根据车辆设计原图，提取定量配件参数和变量配件参数，其中，所述变量配件参数包括避震器型号参数和避震器安装参数；根据所述定量配件参数、所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果；遍历所述多个道路场景进行道路仿真，构建多个仿真测试场景；获取减震效果指标，其中，所述减震效果指标包括震动幅度指标和震动频率指标；根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果；当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
本申请的第二个方面，提供了一种整车减震效果的评估优化系统，所述系统包括：道路场景匹配模块，用于根据车辆预设用途，匹配多个道路场景；配件参数获取模块，用于根据车辆设计原图，提取定量配件参数和变量配件参数，其中，所述变量配件参数包括避震器型号参数和避震器安装参数；车辆仿真模块，用于根据所述定量配件参数、所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果；道路仿真模块，用于遍历所述多个道路场景进行道路仿真，构建多个仿真测试场景；减震效果指标获取模块，用于获取减震效果指标，其中，所述减震效果指标包括震动幅度指标和震动频率指标；评估结果获取模块，用于根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果；参数优化模块，用于当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的方法根据车辆预设用途，匹配多个道路场景。根据车辆设计原图，提取定量配件参数和变量配件参数，其中，所述变量配件参数包括避震器型号参数和避震器安装参数。根据所述定量配件参数、所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果。遍历所述多个道路场景进行道路仿真，构建多个仿真测试场景；获取减震效果指标，其中，所述减震效果指标包括震动幅度指标和震动频率指标。根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果。当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。通过针对道路场景对避震器安装参数进行优化，提高了避震器安装参数对道路场景的适配性，提高了减震系统的减震效果。中存在整车减震安装参数和车辆实际应用的道路场景匹配程度不高，导致减震系统的实际减震效果不佳的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请提供的一种整车减震效果的评估优化方法流程示意图；
图2为本申请提供的一种整车减震效果的评估优化方法中获取多个道路场景的流程示意图；
图3为本申请提供的一种整车减震效果的评估优化方法中生成多组变量道路参数和定量道路参数的流程示意图；
图4为本申请提供了一种整车减震效果的评估优化系统结构示意图。
附图标记说明：道路场景匹配模块11，配件参数获取模块12，车辆仿真模块13，道路仿真模块14，减震效果指标获取模块15，评估结果获取模块16，参数优化模块17。
具体实施方式
本申请提供一种整车减震效果的评估优化方法及系统，用于针对解决现有技术中存在整车减震安装参数和车辆实际应用的道路场景匹配程度不高，导致减震系统的实际减震效果不佳的技术问题。
下面将参考附图对本申请中的技术方案进行清楚、完整地描述。所描述的实施内容例仅为本申请所能实现的部分内容，而不是本申请的全部内容。
实施例一
如图1所示，本申请提供了一种整车减震效果的评估优化方法，所述方法包括：
步骤100：根据车辆预设用途，匹配多个道路场景；
步骤200：根据车辆设计原图，提取定量配件参数和变量配件参数，其中，所述变量配件参数包括避震器型号参数和避震器安装参数；
步骤300：根据所述定量配件参数、所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果；
具体的，根据车辆的实际用途，为车辆匹配多个道路场景，其中车辆实际用途根据车型分类进行获取，如车辆为家用车辆，其匹配的道路场景即为公路场景和轻度非铺装路面。并根据车辆设计原图，提取定量配件参数和变量配件参数，所述变量配件参数包括避震器型号参数和避震器安装参数，所述定量配件参数具体为避震器的安装位置等固定的配件参数。进一步根据定量配件参数所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果。其中Simscape车辆模板是MATLAB软件下的用于构建车辆悬架模拟仿真环境的模块，通过Simscape车辆模板构建车辆仿真结果。
如图2所示，本申请实施例提供的方法步骤100还包括：
步骤110：根据所述车辆预设用途，采集道路类型记录数据；
步骤120：遍历所述道路类型记录数据，获取多组道路参数集；
步骤130：根据所述减震效果指标遍历所述多组道路参数集进行关联性分析，生成多组变量道路参数和定量道路参数；
步骤140：将所述定量道路参数置为预设通用道路参数，遍历所述多组变量道路参数，生成所述多个道路场景。
具体的，根据车辆预设的用途，采集车辆预设用途对应的所有的道路类型记录数据。随后，遍历道路类型记录数据，获取多组道路参数集，其中道路参数集包含道路的具体参数，如宽度、道路起伏曲线、道路障碍物特征等。根据减震效果指标遍历所述多组道路参数集进行关联性分析，生成多组变量道路参数和定量道路参数。将所述定量道路参数置为预设通用道路参数，由于定量道路参数与避震调整的关联性较小，因此可以将其设置为通用的道路参数，遍历所述多组变量道路参数，变量道路参数与避震调整的关联性较大，因此可以将其设置为变量的道路参数，便于对减震的调整提供指导，生成所述多个道路场景。
如图3所示，本申请实施例提供的方法步骤130还包括：
步骤131：遍历所述多组道路参数集，基于所述减震效果指标，采集车辆通过日志数据；
步骤132：根据所述车辆通过日志数据，获取减震效果指标记录数据和道路参数记录数据；
步骤133：根据所述减震效果指标记录数据和所述道路参数记录数据，构建第一待挖掘数据集；
步骤134：遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成置信度集合与提升度集合；
步骤135：根据所述置信度集合与所述提升度集合，筛选同时满足置信度阈值和提升度阈值的道路参数，添加进变量指标维度；将不满足所述置信度阈值或不满足提升度阈值的道路参数，添加进所述定量道路参数；
步骤136：根据所述变量指标维度，设定多组阶梯式变量序列，生成所述多组变量道路参数。
具体的，遍历多组道路参数集，基于所述减震效果指标，采集车辆通过日志数据，其中车辆通过日志数据包含具体的减震效果指标记录数据以及道路参数记录数据。减震效果指标记录数据中包含减震通过对应道路的减震幅度和减震频率，道路参数记录数据包含具体的道路参数数据。根据所述减震效果指标记录数据和所述道路参数记录数据，构建第一待挖掘数据集，其中第一待挖掘数据集中减震幅度和减震频率分别和道路参数数据对应。进一步，遍历第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成置信度集合与提升度集合。根据置信度集合与提升度集合，筛选同时满足置信度阈值和提升度阈值的道路参数，将道路参数添加至变量指标维度。将不满足所述置信度阈值或不满足提升度阈值的道路参数，添加进所述定量道路参数。也就是说，通过计算置信度和提升度对减震效果指标和道路参数进行关联性判断，当同时满足置信度阈值和提升度阈值时说明该道路参数关联性较强，将其添加进变量指标维度。反之则关联性交低，则将对应的道路参数添加进定量道路参数。进一步，根据变量指标维度，设定多组阶梯式变量序列，生成所述多组变量道路参数。
本申请实施例提供的方法步骤134还包括：
步骤134-1：获取置信度计算公式：
An＝<Xn1,Xn2,Xn3…,Xnk,…>
其中，An表征类型为A的减震效果指标的第n组记录数据的特征值，Xnk表征第k个类型道路参数在第n组记录数据的特征值，fA,X表征减震效果指标A和任意一个类型道路参数的共同出现频率，
表征减震效果指标A和第k个类型道路参数的共同出现的频率，当特征值为0时，不计入频率计算；
步骤134-2：获取提升度计算公式：
An＝<Xn1,Xn2,Xn3…,Xnk,…>
An-1＝<X(n-1)1,X(n-1)2,X(n-1)3…,X(n-1)k,…>
其中，ΔXk表征两组只有Xk变化的数据中Xk的变化量，ΔA表征两组数据中A的变化量，Dk表征全部组|ΔA/ΔXk|的均值；
步骤134-3：根据所述置信度计算公式，和所述提升度计算公式，遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成所述置信度集合与所述提升度集合。
具体的，获取置信度计算公式，计算道路参数的置信度，具体置信度计算公式为：An＝<Xn1,Xn2,Xn3…,Xnk,…>
其中，An表征类型为A的减震效果指标的第n组记录数据的特征值，Xnk表征第k个类型道路参数在第n组记录数据的特征值，fA,X表征减震效果指标A和任意一个类型道路参数的共同出现频率，
表征减震效果指标A和第k个类型道路参数的共同出现的频率，当特征值为0时，不计入频率计算。进一步，获取提升度计算公式；
An＝<Xn1,Xn2,Xn3…,Xnk,…>
An-1＝<X(n-1)1,X(n-1)2,X(n-1)3…,X(n-1)k,…>
其中，ΔXk表征两组只有Xk变化的数据中Xk的变化量，ΔA表征两组数据中A的变化量，Dk表征全部组|ΔA/ΔXk|的均值。最后，根据置信度计算公式，和所述提升度计算公式，遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成所述置信度集合与所述提升度集合。
步骤400：遍历所述多个道路场景进行道路仿真，构建多个仿真测试场景；
步骤500：获取减震效果指标，其中，所述减震效果指标包括震动幅度指标和震动频率指标；
步骤600：根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果；
步骤700：当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
具体的，遍历多个道路场景进行道路仿真，基于Simulink进行道路仿真，或采用其他常用的仿真软件进行道路仿真。构建多个仿真测试场景，随后获取减震效果指标，其中减震效果指标包括震动幅度指标和震动频率指标。根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果，其中车辆的减震效果评估结果可以根据模拟输出的参数通过专家经验进行效果判断，或直接设定预设的减震效果指标，判断是否满足预设的减震效果指标。当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。实现了针对道路场景对避震器安装参数进行优化，提高了避震器安装参数对道路场景的适配性，提高了减震系统的减震效果。
本申请实施例提供的方法步骤700还包括：
步骤710：构建适应度函数：
其中，r表征震动幅度，q表征震动频率，α和β表征幅度和频率的融合权重指数，r0表征震动幅度阈值，q0表征震动频率阈值；
步骤720：获取避震器型号选择区间和避震器安装参数选取区间；
步骤730：根据所述适应度函数，基于所述避震器型号选择区间和所述避震器安装参数选取区间，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
具体的，当多个减震效果评估结果不满足期望减震效果时，构建适应度函数：
其中，r表征震动幅度，q表征震动频率，α和β表征幅度和频率的融合权重指数，r0表征震动幅度阈值，q0表征震动频率阈值，其中α和β可以根据实际的安装需求进行设置，r0表征震动幅度阈值，q0表征震动频率阈值，通过最终的避震器期望的安装效果进行具体设置。获取避震器型号选择区间和避震器安装参数选取区间。在避震器型号选择区间中包含不同类型的避震器，避震器安装参数选取区间中包含具体的安装位置，安装方向以及尺寸参数等数据。根据适应度函数，基于所述避震器型号选择区间和所述避震器安装参数选取区间，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
本申请实施例提供的方法步骤700还包括：
步骤740：获取迭代决策函数：
其中，Pm表征第m组选择参数的迭代概率，Vm表征将第m组选择参数输入适应度函数计算的结果，Vm-1表征将第m-1组选择参数输入适应度函数计算的结果；
步骤750：获取迭代概率阈值，当第m迭代概率小于或等于所述迭代概率阈值时，将第m组选择参数，设为车辆避震参数优化结果；
步骤760：根据所述车辆避震参数优化结果对所述车辆设计原图进行调整，生成所述车辆设计原图优化结果。
具体的，获取迭代决策函数，其中决策函数用于选取对应的避震调整参数，迭代决策函数具体为，
其中，Pm表征第m组选择参数的迭代概率，Vm表征将第m组选择参数输入适应度函数计算的结果，Vm-1表征将第m-1组选择参数输入适应度函数计算的结果。获取迭代概率阈值，当第m迭代概率小于或等于所述迭代概率阈值时，将第m组选择参数，设为车辆避震参数优化结果，在车辆避震参数优化结果中包含具体输出的第m组选择参数。其中迭代概率阈值用于将不满足阈值的迭代输出参数进行剔除，以便于寻找到最优的迭代参数作为最终的调整参数，具体的迭代概率阈值可以根据实际调整需求进行设置。根据车辆避震参数优化结果对所述车辆设计原图进行调整，生成所述车辆设计原图优化结果。
本申请实施例提供的方法步骤700还包括：
步骤770：当所述第m迭代概率大于所述迭代概率阈值时，判断m是否满足预设迭代次数；
步骤780：若满足，将所述第m组选择参数，设为所述车辆避震参数优化结果。
具体的，由于迭代概率阈值是通过预期需求进行设置，因此可能存在迭代一直无法满足迭代概率阈值的情况，为了避免此类情况的发生，通过判断m是否满足预设迭代次数，其中预设迭代次数根据参数类别的大小进行设置，避免迭代函数不存在输出结果。当满足预设的迭代次数时，将所述第m组选择参数，设为所述车辆避震参数优化结果。
综上所述，本申请实施例提供的方法根据车辆预设用途，匹配多个道路场景。根据车辆设计原图，提取配件参数。根据配件参数，构建车辆仿真结果。遍历多个道路场景进行道路仿真，构建多个仿真测试场景；获取减震效果指标。根据震动幅度指标和震动频率指标，将车辆仿真结果依次输入多个仿真测试场景进行减震测试，生成多个减震效果评估结果。当多个减震效果评估结果不满足期望减震效果，对避震器型号参数和避震器安装参数进行优化，生成车辆设计原图优化结果。通过针对道路场景对避震器安装参数进行优化，提高了避震器安装参数对道路场景的适配性，提高了减震系统的减震效果。中存在整车减震安装参数和车辆实际应用的道路场景匹配程度不高，导致减震系统的实际减震效果不佳的技术问题。
实施例二
基于与前述实施例中一种整车减震效果的评估优化方法相同的发明构思，如图4所示，本申请提供了一种整车减震效果的评估优化系统，所述系统包括：
道路场景匹配模块11，用于根据车辆预设用途，匹配多个道路场景；
配件参数获取模块12，用于根据车辆设计原图，提取定量配件参数和变量配件参数，其中，所述变量配件参数包括避震器型号参数和避震器安装参数；
车辆仿真模块13，用于根据所述定量配件参数、所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果；
道路仿真模块14，用于遍历所述多个道路场景进行道路仿真，构建多个仿真测试场景；
减震效果指标获取模块15，用于获取减震效果指标，其中，所述减震效果指标包括震动幅度指标和震动频率指标；
评估结果获取模块16，用于根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果；
参数优化模块17，用于当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
进一步地，所述道路场景匹配模块11还用于：
根据所述车辆预设用途，采集道路类型记录数据；
遍历所述道路类型记录数据，获取多组道路参数集；
根据所述减震效果指标遍历所述多组道路参数集进行关联性分析，生成多组变量道路参数和定量道路参数；
将所述定量道路参数设置为预设通用道路参数，遍历所述多组变量道路参数，生成所述多个道路场景。
进一步地，所述道路场景匹配模块11还用于：
遍历所述多组道路参数集，基于所述减震效果指标，采集车辆通过日志数据；
根据所述车辆通过日志数据，获取减震效果指标记录数据和道路参数记录数据；
根据所述减震效果指标记录数据和所述道路参数记录数据，构建第一待挖掘数据集；
遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成置信度集合与提升度集合；
根据所述置信度集合与所述提升度集合，筛选同时满足置信度阈值和提升度阈值的道路参数，添加进变量指标维度；将不满足所述置信度阈值或不满足提升度阈值的道路参数，添加进所述定量道路参数；
根据所述变量指标维度，设定多组阶梯式变量序列，生成所述多组变量道路参数。
进一步地，所述道路场景匹配模块11还用于：
获取置信度计算公式：
An＝<Xn1,Xn2,Xn3…,Xnk,…>
其中，An表征类型为A的减震效果指标的第n组记录数据的特征值，Xnk表征第k个类型道路参数在第n组记录数据的特征值，fA,X表征减震效果指标A和任意一个类型道路参数的共同出现频率，
表征减震效果指标A和第k个类型道路参数的共同出现的频率，当特征值为0时，不计入频率计算；
获取提升度计算公式：
An＝<Xn1,Xn2,Xn3…,Xnk,…>
An-1＝<X(n-1)1,X(n-1)2,X(n-1)3…,X(n-1)k,…>
其中，ΔXk表征两组只有Xk变化的数据中Xk的变化量，ΔA表征两组数据中A的变化量，Dk表征全部组|ΔA/ΔXk|的均值；
根据所述置信度计算公式，和所述提升度计算公式，遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成所述置信度集合与所述提升度集合。
进一步地，所述参数优化模块17还用于：
构建适应度函数：
其中，r表征震动幅度，q表征震动频率，α和β表征幅度和频率的融合权重指数，r0表征震动幅度阈值，q0表征震动频率阈值；
获取避震器型号选择区间和避震器安装参数选取区间；
根据所述适应度函数，基于所述避震器型号选择区间和所述避震器安装参数选取区间，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
进一步地，所述参数优化模块17还用于：
获取迭代决策函数：
其中，Pm表征第m组选择参数的迭代概率，Vm表征将第m组选择参数输入适应度函数计算的结果，Vm-1表征将第m-1组选择参数输入适应度函数计算的结果；
获取迭代概率阈值，当第m迭代概率小于或等于所述迭代概率阈值时，将第m组选择参数，设为车辆避震参数优化结果；
根据所述车辆避震参数优化结果对所述车辆设计原图进行调整，生成所述车辆设计原图优化结果。
进一步地，所述参数优化模块17还用于：
当所述第m迭代概率大于所述迭代概率阈值时，判断m是否满足预设迭代次数；
若满足，将所述第m组选择参数，设为所述车辆避震参数优化结果。
上述实施例二用于执行如实施例一中的方法，其执行原理以及执行基础均可以通过实施例一中记载的内容获取，在此不做过多赘述。尽管结合具体特征及其实施例对本申请进行了描述，但本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围，这样获取的内容也属于本申请保护的范围。
Claims (8)
1.一种整车减震效果的评估优化方法，其特征在于，包括：
根据车辆预设用途，匹配多个道路场景；
根据车辆设计原图，提取定量配件参数和变量配件参数，其中，所述变量配件参数包括避震器型号参数和避震器安装参数；
根据所述定量配件参数、所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果；
遍历所述多个道路场景进行道路仿真，构建多个仿真测试场景；
获取减震效果指标，其中，所述减震效果指标包括震动幅度指标和震动频率指标；
根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果；
当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
2.如权利要求1所述的方法，其特征在于，所述根据车辆预设用途，匹配多个道路场景，包括：
根据所述车辆预设用途，采集道路类型记录数据；
遍历所述道路类型记录数据，获取多组道路参数集；
根据所述减震效果指标遍历所述多组道路参数集进行关联性分析，生成多组变量道路参数和定量道路参数；
将所述定量道路参数设置为预设通用道路参数，遍历所述多组变量道路参数，生成所述多个道路场景。
3.如权利要求2所述的方法，其特征在于，所述根据所述减震效果指标遍历所述多组道路参数集进行关联性分析，生成多组变量道路参数和定量道路参数，包括：
遍历所述多组道路参数集，基于所述减震效果指标，采集车辆通过日志数据；
根据所述车辆通过日志数据，获取减震效果指标记录数据和道路参数记录数据；
根据所述减震效果指标记录数据和所述道路参数记录数据，构建第一待挖掘数据集；
遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成置信度集合与提升度集合；
根据所述置信度集合与所述提升度集合，筛选同时满足置信度阈值和提升度阈值的道路参数，添加进变量指标维度；将不满足所述置信度阈值或不满足提升度阈值的道路参数，添加进所述定量道路参数；
根据所述变量指标维度，设定多组阶梯式变量序列，生成所述多组变量道路参数。
4.如权利要求3所述的方法，其特征在于，所述遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成置信度集合与提升度集合，包括：
获取置信度计算公式：
An＝<Xn1,Xn2,Xn3…,Xnk,…>
其中，An表征类型为A的减震效果指标的第n组记录数据的特征值，Xnk表征第k个类型道路参数在第n组记录数据的特征值，fA,X表征减震效果指标A和任意一个类型道路参数的共同出现频率，
表征减震效果指标A和第k个类型道路参数的共同出现的频率，当特征值为0时，不计入频率计算；
获取提升度计算公式：
An＝<Xn1,Xn2,Xn3…,Xnk,…>
An-1＝<X(n-1)1,X(n-1)2,X(n-1)3…,X(n-1)k,…>
其中，ΔXk表征两组只有Xk变化的数据中Xk的变化量，ΔA表征两组数据中A的变化量，Dk表征全部组|ΔA/ΔXk|的均值；
根据所述置信度计算公式，和所述提升度计算公式，遍历所述第一待挖掘数据集，计算所述减震效果指标和每个道路参数的置信度和提升度，生成所述置信度集合与所述提升度集合。
5.如权利要求1所述的方法，其特征在于，所述当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果，包括：
构建适应度函数：
其中，r表征震动幅度，q表征震动频率，α和β表征幅度和频率的融合权重指数，r0表征震动幅度阈值，q0表征震动频率阈值；
获取避震器型号选择区间和避震器安装参数选取区间；
根据所述适应度函数，基于所述避震器型号选择区间和所述避震器安装参数选取区间，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
6.如权利要求5所述的方法，其特征在于，所述根据所述适应度函数，基于所述避震器型号选择区间和所述避震器安装参数选取区间，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果，包括：
获取迭代决策函数：
其中，Pm表征第m组选择参数的迭代概率，Vm表征将第m组选择参数输入适应度函数计算的结果，Vm-1表征将第m-1组选择参数输入适应度函数计算的结果；
获取迭代概率阈值，当第m迭代概率小于或等于所述迭代概率阈值时，将第m组选择参数，设为车辆避震参数优化结果；
根据所述车辆避震参数优化结果对所述车辆设计原图进行调整，生成所述车辆设计原图优化结果。
7.如权利要求6所述的方法，其特征在于，还包括：
当所述第m迭代概率大于所述迭代概率阈值时，判断m是否满足预设迭代次数；
若满足，将所述第m组选择参数，设为所述车辆避震参数优化结果。
8.一种整车减震效果的评估优化系统，其特征在于，包括：
道路场景匹配模块，用于根据车辆预设用途，匹配多个道路场景；
配件参数获取模块，用于根据车辆设计原图，提取定量配件参数和变量配件参数，其中，所述变量配件参数包括避震器型号参数和避震器安装参数；
车辆仿真模块，用于根据所述定量配件参数、所述避震器型号参数和所述避震器安装参数，基于Simscape车辆模板，构建车辆仿真结果；
道路仿真模块，用于遍历所述多个道路场景进行道路仿真，构建多个仿真测试场景；
减震效果指标获取模块，用于获取减震效果指标，其中，所述减震效果指标包括震动幅度指标和震动频率指标；
评估结果获取模块，用于根据所述震动幅度指标和所述震动频率指标，将所述车辆仿真结果依次输入所述多个仿真测试场景进行减震测试，生成多个减震效果评估结果；
参数优化模块，用于当所述多个减震效果评估结果不满足期望减震效果，对所述避震器型号参数和所述避震器安装参数进行优化，生成车辆设计原图优化结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211404342.0A CN115659694B (zh) | 2022-11-10 | 2022-11-10 | 一种整车减震效果的评估优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211404342.0A CN115659694B (zh) | 2022-11-10 | 2022-11-10 | 一种整车减震效果的评估优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115659694A true CN115659694A (zh) | 2023-01-31 |
| CN115659694B CN115659694B (zh) | 2023-08-22 |
Family
ID=85021858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211404342.0A Active CN115659694B (zh) | 2022-11-10 | 2022-11-10 | 一种整车减震效果的评估优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115659694B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11970037B2 (en) * | 2020-03-11 | 2024-04-30 | Ford Global Technologies, Llc | Method for controlling a vertical vibration damping of at least one wheel of a vehicle and vehicle vertical vibration damping of at least one wheel |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109063372A (zh) * | 2018-08-27 | 2018-12-21 | 山东理工大学 | 一种轮毂驱动电动汽车悬架系统与减振元件参数匹配优化设计方法 |
| CN111424575A (zh) * | 2020-05-13 | 2020-07-17 | 王旭 | 一种基于道路状况的自适应智能减速带 |
| EP3875906A1 (fr) * | 2020-03-02 | 2021-09-08 | RENAULT s.a.s. | Procédé de détermination du type de voie empruntée par un véhicule automobile |
| CN113901580A (zh) * | 2021-09-28 | 2022-01-07 | 东风汽车集团股份有限公司 | 一种车辆减振器异响预测方法及系统 |
| CN114083951A (zh) * | 2020-04-27 | 2022-02-25 | 现代自动车株式会社 | 通过道路频率分类来控制减震力的装置和方法 |
| CN114739703A (zh) * | 2022-03-10 | 2022-07-12 | 南京依维柯汽车有限公司 | 一种提高车辆侧倾性能与平顺性能的减震器调校方法 |
-
2022
- 2022-11-10 CN CN202211404342.0A patent/CN115659694B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109063372A (zh) * | 2018-08-27 | 2018-12-21 | 山东理工大学 | 一种轮毂驱动电动汽车悬架系统与减振元件参数匹配优化设计方法 |
| EP3875906A1 (fr) * | 2020-03-02 | 2021-09-08 | RENAULT s.a.s. | Procédé de détermination du type de voie empruntée par un véhicule automobile |
| CN114083951A (zh) * | 2020-04-27 | 2022-02-25 | 现代自动车株式会社 | 通过道路频率分类来控制减震力的装置和方法 |
| CN111424575A (zh) * | 2020-05-13 | 2020-07-17 | 王旭 | 一种基于道路状况的自适应智能减速带 |
| CN113901580A (zh) * | 2021-09-28 | 2022-01-07 | 东风汽车集团股份有限公司 | 一种车辆减振器异响预测方法及系统 |
| CN114739703A (zh) * | 2022-03-10 | 2022-07-12 | 南京依维柯汽车有限公司 | 一种提高车辆侧倾性能与平顺性能的减震器调校方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11970037B2 (en) * | 2020-03-11 | 2024-04-30 | Ford Global Technologies, Llc | Method for controlling a vertical vibration damping of at least one wheel of a vehicle and vehicle vertical vibration damping of at least one wheel |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115659694B (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Farhang‐Mehr et al. | Bayesian meta‐modelling of engineering design simulations: a sequential approach with adaptation to irregularities in the response behaviour | |
| CN115659694B (zh) | 一种整车减震效果的评估优化方法及系统 | |
| CN109033643B (zh) | 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 | |
| CN112685834A (zh) | 一种车身前端结构部件的碰撞吸能预测方法、介质及终端 | |
| CN110568483A (zh) | 基于卷积神经网络的地震线性噪声压制效果自动评估方法 | |
| CN113687433A (zh) | 一种基于Bi-LSTM的大地电磁信号去噪方法及系统 | |
| CN110688956A (zh) | 一种用于汽车道路噪声主动控制的参考信号选择方法 | |
| CN114329788A (zh) | 一种基于田口法和熵权灰色关联分析的车门优化设计方法 | |
| CN105371836A (zh) | 基于eemd和fir的混合型光纤陀螺信号滤波方法 | |
| CN112149284B (zh) | 一种基于降噪的传递路径分析方法及系统 | |
| CN106056150A (zh) | 基于人工智能随机森林方法建立不同车型分零件远程定损系统及方法 | |
| CN115906282B (zh) | 一种基于整车仿真的汽车模拟方法及系统 | |
| US6718316B1 (en) | Neural network noise anomaly recognition system and method | |
| CN116610907A (zh) | 基于变分模态分解的齿轮振动信号特征提取方法 | |
| CN115577615A (zh) | 一种汽车多体动力学建模方法和系统 | |
| CN113408182B (zh) | 一种基于多重小波最优特征和神经网络的刀具生命全周期磨损诊断方法、设备及存储介质 | |
| CN113128789B (zh) | 一种基于概率预测的城市路面塌陷预防方法、系统及存储介质 | |
| CN115659773A (zh) | 基于深度网络的全波形反演加速方法及相关装置 | |
| CN106056453A (zh) | 基于人工智能半监督学习聚类假设方法建立不同车型分工况远程定损系统及方法 | |
| CN113486748A (zh) | 一种自动驾驶路面摩擦系数预测方法、电子设备及介质 | |
| Zeng et al. | Study on the sound quality of steady and unsteady exhaust noise | |
| Aravamuthan et al. | Prediction of Buckling and Maximum Displacement of Hood Oilcanning Using Machine Learning | |
| CN117709072B (zh) | 汽车底盘硬点设计参数及误差参数稳健性优化方法 | |
| CN113536647B (zh) | 基于全频段的空气声和结构声分析的汽车阻尼片优化方法 | |
| CN114936625B (zh) | 一种基于神经网络架构搜索的水声通信调制方式识别方法 |
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 |