CN115906282A - 一种基于整车仿真的汽车模拟方法及系统 - Google Patents

一种基于整车仿真的汽车模拟方法及系统 Download PDF

Info

Publication number
CN115906282A
CN115906282A CN202211431181.4A CN202211431181A CN115906282A CN 115906282 A CN115906282 A CN 115906282A CN 202211431181 A CN202211431181 A CN 202211431181A CN 115906282 A CN115906282 A CN 115906282A
Authority
CN
China
Prior art keywords
simulation
index
road
detection
vehicle
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
Application number
CN202211431181.4A
Other languages
English (en)
Other versions
CN115906282B (zh
Inventor
孟繁恩
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.)
Kunshan Model Technology Co ltd
Original Assignee
Kunshan Model Technology 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 Kunshan Model Technology Co ltd filed Critical Kunshan Model Technology Co ltd
Priority to CN202211431181.4A priority Critical patent/CN115906282B/zh
Publication of CN115906282A publication Critical patent/CN115906282A/zh
Application granted granted Critical
Publication of CN115906282B publication Critical patent/CN115906282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于整车仿真的汽车模拟方法及系统，应用于数据处理技术领域，该方法包括：通过车辆预设用途，匹配多个道路场景。根据车辆设计原图，提取零件参数列表和零件参数列表。遍历零件参数列表和零件参数列表，构建整车仿真模型。进行道路环境仿真，生成多个道路仿真结果。获取通过性检测指标集与检测指标期望集。根据通过性检测指标集，基于整车仿真模型，进行通过性测试，生成通过性检测结果。若检测结果不满足检测指标期望集，生成整车通过性仿真检测不合格指令。根据不合格指令对零件参数列表进行优化，生成整车参数优化结果。解决了现有技术中车辆设计制造过程的车辆专用用途的考量程度较低，导致车辆适用性不佳的技术问题。

Description

一种基于整车仿真的汽车模拟方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于整车仿真的汽车模拟方法及系统。
背景技术
汽车整车设计制造发展过程中经历了由经验设计到科学实验和技术分析为基础的设计制造阶段，由于汽车包含了各类机械元件、零部件、各种禁书非金属材料，涉及大量的基础理论和专业知识，是一项复杂的系统性工程。而在现有技术中，汽车整车设计制造阶段多基于理论部分，对车辆的专用用途中的考量程度较低，导致车辆的适用性不佳，车辆专用用途特性体现不明显。
因此，在现有技术中车辆设计制造过程的车辆专用用途的考量程度较低，导致车辆适用性不佳的技术问题。
发明内容
本申请提供一种基于整车仿真的汽车模拟方法及系统，用于针对解决现有技术中车辆设计制造过程的车辆专用用途的考量程度较低，导致车辆适用性不佳的技术问题。
鉴于上述问题，本申请提供了一种基于整车仿真的汽车模拟方法及系统。
本申请的第一个方面，提供了一种基于整车仿真的汽车模拟方法，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，提取零件性能参数列表和零件尺寸参数列表；遍历所述零件性能参数列表和零件尺寸参数列表，通过CarSim仿真模块构建整车仿真模型；遍历所述多个道路场景进行环境仿真，生成多个道路仿真结果；获取通过性检测指标集与检测指标期望集；根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果；若所述通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令；根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果。
本申请的第二个方面，提供了一种基于整车仿真的汽车模拟系统，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；参数列表获取模块，用于根据车辆设计原图，提取零件性能参数列表和零件尺寸参数列表；仿真模型构建模块，用于遍历所述零件性能参数列表和零件尺寸参数列表，通过CarSim仿真模块构建整车仿真模型；道路仿真结果获取模块，用于遍历所述多个道路场景进行环境仿真，生成多个道路仿真结果；指标集获取模块，用于获取通过性检测指标集与检测指标期望集；检测结果获取模块，用于根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果；检测结果比对模块，用于若所述通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令；参数优化模块，用于根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果。
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通过车辆预设用途，匹配多个道路场景。根据车辆设计原图，提取零件参数列表和零件参数列表。遍历零件参数列表和零件参数列表，构建整车仿真模型。进行道路环境仿真，生成多个道路仿真结果。获取通过性检测指标集与检测指标期望集。根据通过性检测指标集，基于整车仿真模型，进行通过性测试，生成通过性检测结果。若检测结果不满足检测指标期望集，生成整车通过性仿真检测不合格指令。根据不合格指令对零件参数列表进行优化，生成整车参数优化结果，通过获取整车参数优化结果，实现了基于实际用途车辆进行参数设计，提高了车辆的适用性。解决了现有技术中车辆设计制造过程的车辆专用用途的考量程度较低，导致车辆适用性不佳的技术问题。
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基于整车仿真的汽车模拟方法流程示意图；
图2为本申请提供的一种基于整车仿真的汽车模拟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基于整车仿真的汽车模拟方法中获取检测指标期望集的流程示意图；
图4为本申请提供了一种基于整车仿真的汽车模拟系统结构示意图。
附图标记说明：道路场景匹配模块11，参数列表获取模块12，仿真模型构建模块13，道路仿真结果获取模块14，指标集获取模块15，检测结果获取模块16，检测结果比对模块17，参数优化模块18。
具体实施方式
本申请提供一种基于整车仿真的汽车模拟方法及系统，用于针对解决现有技术中车辆设计制造过程的车辆专用用途的考量程度较低，导致车辆适用性不佳的技术问题。
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，本申请提供了一种基于整车仿真的汽车模拟方法，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，提取零件性能参数列表和零件尺寸参数列表；
步骤300：遍历所述零件性能参数列表和零件尺寸参数列表，通过CarSim仿真模块构建整车仿真模型；
步骤400：遍历所述多个道路场景进行环境仿真，生成多个道路仿真结果；
具体的，根据车辆预设用途，为车辆匹配多个道路场景。其中车辆预设用途根据车企设计车辆的类型进行预设，如家用车辆为其匹配公路场景以及较为轻度的非铺装路面场景。根据车辆设计的原图纸，提取各零件的性能参数列表和零件尺寸参数列表，其中零件性能参数为各零件在车辆设计时的设计参数。随后，通过CarSim仿真模块构建整车仿真模型，其中CarSim是一种针对于车辆动力学的仿真软件，用于分析车辆的动力性、燃油经济性、操纵稳定性、制动性及平顺性分析。进一步，对多个道路场景进行遍历完成车辆的道路环境仿真，生成多个道路仿真结果。
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，获取道路参数集；
步骤130：对所述通过性检测指标集与所述道路参数集进行关联度分析，生成关联度集合；
步骤140：将所述关联度集合中不满足关联度阈值的道路参数筛出，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，获取道路参数集合，其中道路参数包括道路宽度、道路坡度、道路长度、道路障碍物数量、道路起伏曲线参数、道路硬度等。对通过性检测指标集与所述道路参数集进行关联度分析，生成关联度集合。对关联度集合进行筛选，筛选出关联度集合中不满足关联度阈值的道路参数，得到剩余的关联度集合获取多个道路场景，实现车辆用途和道路场景的精准匹配。
本申请实施例提供的方法步骤130还包括：
步骤131：根据所述通过性检测指标集，采集多个第一基准特征序列；
步骤132：根据所述道路参数集，采集多个第一对比特征序列，其中，所述多个第一对比特征序列和任意一个所述多个第一基准特征序列一一对应；
步骤133：对所述第一基准特征序列和所述多个第一对比特征序列进行无量纲处理，生成第二基准特征序列和多个第二对比特征序列；
步骤134：获取关联系数计算公式：
Figure BDA0003941153560000061
kij＝|x0(j)-xi(j)|
其中，x0(j)表征基准特征序列中第j个通过性指标特征值；xi(j)表征对比特征序列中第i个对比序列的第j个道路参数特征值；ρ为分辨系数，kij表征特征值偏差绝对值，ζi(j)表征第i个对比序列的第j个道路参数特征值的关联系数；
步骤135：获取关联度计算公式：
Figure BDA0003941153560000071
其中，m表征基准特征序列特征值总数量，ri表征第i个对比序列的关联度；
步骤136：根据所述关联系数计算公式和所述关联度计算公式，遍历所述多个第二对比特征序列和所述第二基准特征序列，计算所述关联度集合。
具体的，根据通过性检测指标集，采集多个第一基准特征序列，其中通过性检测指标集包括制动性即刹车时长，平稳性即通过时的颠簸幅度，经济性即使用成本，动力性即加速大小。根据道路参数集，采集多个第一对比特征序列，其中，所述多个第一对比特征序列和任意一个所述多个第一基准特征序列一一对应。将任意一个通过性指标的多个特征值设为任意一个基准序列，将多组道路参数设为任意一个对比序列，任意一个基准序列中的一项元素具备一个特征值，任意一项对比序列特征值具备一组特征值。对第一基准特征序列和所述多个第一对比特征序列进行无量纲处理，生成第二基准特征序列和多个第二对比特征序列。并获取关联度系数计算公式。其中关联度系数计算公式具体为：
Figure BDA0003941153560000072
kij＝|x0(j)-xi(j)|
其中，x0(j)表征基准特征序列中第j个通过性指标特征值；xi(j)表征对比特征序列中第i个对比序列的第j个道路参数特征值；ρ为分辨系数，kij表征特征值偏差绝对值，ζi(j)表征第i个对比序列的第j个道路参数特征值的关联系数。随后，获取关联度计算公式，通过关联度计算公式计算具体的关联度，关联度计算公式具体为：
Figure BDA0003941153560000081
其中，m表征基准特征序列特征值总数量，ri表征第i个对比序列的关联度。最后，通过关联度系数计算公式和关联度计算公式，遍历多个第二对比特征序列和所述第二基准特征序列，即将第二对比特征序列和所述第二基准特征序列输入计算公式中，计算所述关联度集合。
步骤500：获取通过性检测指标集与检测指标期望集；
步骤600：根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果；
步骤700：若所述通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令；
步骤800：根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果。
具体的，获取通过性检测指标集与检测指标期望集，其中通过性检测指标集包括制动性指标、平稳性指标、经济性指标和动力性指标。获取通过性检测指标集中各指标期望值，将各指标期望值作为检测指标期望集。通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，获取通过性检测指标集中各指标的通过性测试结果，生成通过性检测结果。若通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令。最后，根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和零件尺寸参数列表进行优化，生成整车参数优化结果。实现了通过基于实际用途车辆进行参数设计，提高了车辆的适用性。
如图3所示，本申请实施例提供的方法步骤500还包括：
步骤510：所述通过性检测指标集包括制动性指标、平稳性指标、经济性指标和动力性指标；
步骤520：根据所述制动性指标，设定制动性指标期望值；
步骤530：根据所述平稳性指标，设定平稳性指标期望值；
步骤540：根据所述经济性指标，设定经济性指标期望值；
步骤550：根据所述动力性指标，设定动力性指标期望值；
步骤560：将所述制动性指标期望值、所述平稳性指标期望值、所述经济性指标期望值和所述动力性指标期望值，添加进所述检测指标期望集。
具体的，获取通过性检测指标集与检测指标期望集，其中通过性检测指标集包括制动性指标、平稳性指标、经济性指标和动力性指标。根据制动性指标，设定制动性指标期望值，其中制动性指标期望值为在对应道路上的刹车距离阈值。根据所述平稳性指标，设定平稳性指标期望值，其中平稳性指标期望值为在对应道路上的颠簸幅度阈值。根据所述经济性指标，设定经济性指标期望值，其中经济性指标期望值为在对应道路上的行驶经济性阈值。根据所述动力性指标，设定动力性指标期望值，其中动力性指标期望值为在对应道路上的加速性能阈值。将获取的所述制动性指标期望值、所述平稳性指标期望值、所述经济性指标期望值和所述动力性指标期望值，添加进所述检测指标期望集。
本申请实施例提供的方法步骤600还包括：
步骤610：根据所述整车仿真模型，提取测试用例列表，其中，所述测试用例列表包括多组车辆控制参数；
步骤620：遍历所述多组车辆控制参数，启动所述整车仿真模型，遍历所述多个道路仿真结果进行制动性测试，平稳性测试、经济性计算和动力性测试，生成所述通过性检测结果。
具体的，根据所述整车仿真模型，提取测试用例列表，其中，所述测试用例列表包括多组车辆控制参数。随后，遍历多组车辆控制参数，启动所述整车仿真模型，遍历所述多个道路仿真结果进行制动性测试，平稳性测试、经济性计算和动力性测试，生成所述通过性检测结果，通过获取通过性检测结果与检测指标期望集进行比对，进而获取最终的检测结果。
本申请实施例提供的方法步骤700还包括：
步骤710：根据所述整车通过性仿真检测不合格指令，提取期望偏差特征值和偏差因子集合，其中，所述偏差因子集合包括性能偏差因子和尺寸偏差因子；
步骤720：遍历所述性能偏差因子，获取性能因子取值区间；遍历所述尺寸偏差因子，获取尺寸因子取值区间；
步骤730：根据所述性能因子取值区间和所述尺寸因子取值区间，对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果。
具体的，根据整车通过性仿真检测不合格指令，提取期望偏差特征值和偏差因子集合，即获取其中通过性检测结果中不满足检测指标期望集的期望偏差特征值，以及对应的偏差因子，即对应的偏差值。所述偏差因子集合包括性能偏差因子和尺寸偏差因子，其中性能偏差因子为性能参数产生的偏差，尺寸偏差因子为车辆尺寸，如宽度、离地间隙等尺寸方面产生的偏差因子。遍历性能偏差因子，获取性能因子取值区间，其中性能因子取值区间为不同车辆在设计时的性能取值区间。遍历所述尺寸偏差因子，获取尺寸因子取值区间，其中尺寸因子取值区间为车辆设计时设置的尺寸取值，如离地间隙取值区间等其他尺寸取值区间。根据性能因子取值区间和所述尺寸因子取值区间，对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果，实现针对检测结果的精准优化。
本申请实施例提供的方法步骤730还包括：
步骤731：根据所述性能因子取值区间和所述尺寸因子取值区间，随机提取第n性能因子取值结果和第n尺寸因子取值结果；
步骤732：根据所述第n性能因子取值结果和所述第n尺寸因子取值结果对所述整车仿真模型进行调整，生成第n整车仿真模型；
步骤733：根据所述通过性检测指标集，基于所述第n整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成第n通过性检测结果；
步骤734：判断所述第n通过性检测结果是否满足所述检测指标期望集，若满足，根据所述第n性能因子取值结果和所述第n尺寸因子取值结果对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果。
具体的，根据性能因子取值区间和所述尺寸因子取值区间，随机提取第n性能因子取值结果和第n尺寸因子取值结果。并根据第n性能因子取值结果和所述第n尺寸因子取值结果对所述整车仿真模型进行调整，生成第n整车仿真模型。进一步，根据通过性检测指标集，基于所述第n整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成第n通过性检测结果。进一步判断第n通过性检测结果是否满足所述检测指标期望集，若满足，则根据第n性能因子取值结果和所述第n尺寸因子取值结果对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果，完成对整车参数的优化。
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，提取零件性能参数列表和零件尺寸参数列表。遍历所述零件性能参数列表和零件尺寸参数列表，通过CarSim仿真模块构建整车仿真模型。遍历所述多个道路场景进行环境仿真，生成多个道路仿真结果；获取通过性检测指标集与检测指标期望集。根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果。若所述通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令。根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果，通过获取整车参数优化结果，实现了基于实际用途车辆进行参数设计，提高了车辆的适用性。解决了现有技术中车辆设计制造过程的车辆专用用途的考量程度较低，导致车辆适用性不佳的技术问题。
实施例二
基于与前述实施例中一种基于整车仿真的汽车模拟方法相同的发明构思，如图4所示，本申请提供了一种基于整车仿真的汽车模拟系统，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；
参数列表获取模块12，用于根据车辆设计原图，提取零件性能参数列表和零件尺寸参数列表；
仿真模型构建模块13，用于遍历所述零件性能参数列表和零件尺寸参数列表，通过CarSim仿真模块构建整车仿真模型；
道路仿真结果获取模块14，用于遍历所述多个道路场景进行环境仿真，生成多个道路仿真结果；
指标集获取模块15，用于获取通过性检测指标集与检测指标期望集；
检测结果获取模块16，用于根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果；
检测结果比对模块17，用于若所述通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令；
参数优化模块18，用于根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果。
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，获取道路参数集；
对所述通过性检测指标集与所述道路参数集进行关联度分析，生成关联度集合；
将所述关联度集合中不满足关联度阈值的道路参数筛出，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：
根据所述通过性检测指标集，采集多个第一基准特征序列；
根据所述道路参数集，采集多个第一对比特征序列，其中，所述多个第一对比特征序列和任意一个所述多个第一基准特征序列一一对应；
对所述第一基准特征序列和所述多个第一对比特征序列进行无量纲处理，生成第二基准特征序列和多个第二对比特征序列；
获取关联系数计算公式：
Figure BDA0003941153560000151
kij＝|x0(j)-xi(j)|
其中，x0(j)表征基准特征序列中第j个通过性指标特征值；xi(j)表征对比特征序列中第i个对比序列的第j个道路参数特征值；ρ为分辨系数，kij表征特征值偏差绝对值，ζi(j)表征第i个对比序列的第j个道路参数特征值的关联系数；
获取关联度计算公式：
Figure BDA0003941153560000152
其中，m表征基准特征序列特征值总数量，ri表征第i个对比序列的关联度；
根据所述关联系数计算公式和所述关联度计算公式，遍历所述多个第二对比特征序列和所述第二基准特征序列，计算所述关联度集合。
进一步地，所述指标集获取模块15还用于：
所述通过性检测指标集包括制动性指标、平稳性指标、经济性指标和动力性指标；
根据所述制动性指标，设定制动性指标期望值；
根据所述平稳性指标，设定平稳性指标期望值；
根据所述经济性指标，设定经济性指标期望值；
根据所述动力性指标，设定动力性指标期望值；
将所述制动性指标期望值、所述平稳性指标期望值、所述经济性指标期望值和所述动力性指标期望值，添加进所述检测指标期望集。
进一步地，所述检测结果获取模块16还用于：
根据所述整车仿真模型，提取测试用例列表，其中，所述测试用例列表包括多组车辆控制参数；
遍历所述多组车辆控制参数，启动所述整车仿真模型，遍历所述多个道路仿真结果进行制动性测试，平稳性测试、经济性计算和动力性测试，生成所述通过性检测结果。
进一步地，所述检测结果比对模块17还用于：
根据所述整车通过性仿真检测不合格指令，提取期望偏差特征值和偏差因子集合，其中，所述偏差因子集合包括性能偏差因子和尺寸偏差因子；
遍历所述性能偏差因子，获取性能因子取值区间；遍历所述尺寸偏差因子，获取尺寸因子取值区间；
根据所述性能因子取值区间和所述尺寸因子取值区间，对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果。
进一步地，所述检测结果比对模块17还用于：
根据所述性能因子取值区间和所述尺寸因子取值区间，随机提取第n性能因子取值结果和第n尺寸因子取值结果；
根据所述第n性能因子取值结果和所述第n尺寸因子取值结果对所述整车仿真模型进行调整，生成第n整车仿真模型；
根据所述通过性检测指标集，基于所述第n整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成第n通过性检测结果；
判断所述第n通过性检测结果是否满足所述检测指标期望集，若满足，根据所述第n性能因子取值结果和所述第n尺寸因子取值结果对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果。
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)

1.一种基于整车仿真的汽车模拟方法，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，提取零件性能参数列表和零件尺寸参数列表；
遍历所述零件性能参数列表和所述零件尺寸参数列表，通过CarSim仿真模块构建整车仿真模型；
遍历所述多个道路场景进行环境仿真，生成多个道路仿真结果；
获取通过性检测指标集与检测指标期望集；
根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果；
若所述通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令；
根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果。
2.如权利要求1所述的一种基于整车仿真的汽车模拟方法，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，获取道路参数集；
对所述通过性检测指标集与所述道路参数集进行关联度分析，生成关联度集合；
将所述关联度集合中不满足关联度阈值的道路参数筛出，生成所述多个道路场景。
3.如权利要求2所述的一种基于整车仿真的汽车模拟方法，其特征在于，所述对所述通过性检测指标集与所述道路参数集进行关联度分析，生成关联度集合，包括：
根据所述通过性检测指标集，采集多个第一基准特征序列；
根据所述道路参数集，采集多个第一对比特征序列，其中，所述多个第一对比特征序列和任意一个所述多个第一基准特征序列一一对应；
对所述第一基准特征序列和所述多个第一对比特征序列进行无量纲处理，生成第二基准特征序列和多个第二对比特征序列；
获取关联系数计算公式：
Figure FDA0003941153550000021
kij＝|x0(j)-xi(j)|
其中，x0(j)表征基准特征序列中第j个通过性指标特征值；xi(j)表征对比特征序列中第i个对比序列的第j个道路参数特征值；ρ为分辨系数，kij表征特征值偏差绝对值，ζi(j)表征第i个对比序列的第j个道路参数特征值的关联系数；
获取关联度计算公式：
Figure FDA0003941153550000022
其中，m表征基准特征序列特征值总数量，ri表征第i个对比序列的关联度；
根据所述关联系数计算公式和所述关联度计算公式，遍历所述多个第二对比特征序列和所述第二基准特征序列，计算所述关联度集合。
4.如权利要求1所述的一种基于整车仿真的汽车模拟方法，其特征在于，所述获取通过性检测指标集与检测指标期望集，包括：
所述通过性检测指标集包括制动性指标、平稳性指标、经济性指标和动力性指标；
根据所述制动性指标，设定制动性指标期望值；
根据所述平稳性指标，设定平稳性指标期望值；
根据所述经济性指标，设定经济性指标期望值；
根据所述动力性指标，设定动力性指标期望值；
将所述制动性指标期望值、所述平稳性指标期望值、所述经济性指标期望值和所述动力性指标期望值，添加进所述检测指标期望集。
5.如权利要求4所述的一种基于整车仿真的汽车模拟方法，其特征在于，所述根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果，包括：
根据所述整车仿真模型，提取测试用例列表，其中，所述测试用例列表包括多组车辆控制参数；
遍历所述多组车辆控制参数，启动所述整车仿真模型，遍历所述多个道路仿真结果进行制动性测试，平稳性测试、经济性计算和动力性测试，生成所述通过性检测结果。
6.如权利要求1所述的一种基于整车仿真的汽车模拟方法，其特征在于，所述根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果，包括：
根据所述整车通过性仿真检测不合格指令，提取期望偏差特征值和偏差因子集合，其中，所述偏差因子集合包括性能偏差因子和尺寸偏差因子；
遍历所述性能偏差因子，获取性能因子取值区间；遍历所述尺寸偏差因子，获取尺寸因子取值区间；
根据所述性能因子取值区间和所述尺寸因子取值区间，对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果。
7.如权利要求6所述的一种基于整车仿真的汽车模拟方法，其特征在于，所述根据所述性能因子取值区间和所述尺寸因子取值区间，对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果，包括：
根据所述性能因子取值区间和所述尺寸因子取值区间，随机提取第n性能因子取值结果和第n尺寸因子取值结果；
根据所述第n性能因子取值结果和所述第n尺寸因子取值结果对所述整车仿真模型进行调整，生成第n整车仿真模型；
根据所述通过性检测指标集，基于所述第n整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成第n通过性检测结果；
判断所述第n通过性检测结果是否满足所述检测指标期望集，若满足，根据所述第n性能因子取值结果和所述第n尺寸因子取值结果对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成所述整车参数优化结果。
8.一种基于整车仿真的汽车模拟系统，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；
参数列表获取模块，用于根据车辆设计原图，提取零件性能参数列表和零件尺寸参数列表；
仿真模型构建模块，用于遍历所述零件性能参数列表和所述零件尺寸参数列表，通过CarSim仿真模块构建整车仿真模型；
道路仿真结果获取模块，用于遍历所述多个道路场景进行环境仿真，生成多个道路仿真结果；
指标集获取模块，用于获取通过性检测指标集与检测指标期望集；
检测结果获取模块，用于根据所述通过性检测指标集，基于所述整车仿真模型，遍历所述多个道路仿真结果进行通过性测试，生成通过性检测结果；
检测结果比对模块，用于若所述通过性检测结果不满足所述检测指标期望集，生成整车通过性仿真检测不合格指令；
参数优化模块，用于根据所述整车通过性仿真检测不合格指令对所述零件性能参数列表和所述零件尺寸参数列表进行优化，生成整车参数优化结果。
CN202211431181.4A 2022-11-14 2022-11-14 一种基于整车仿真的汽车模拟方法及系统 Active CN115906282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211431181.4A CN115906282B (zh) 2022-11-14 2022-11-14 一种基于整车仿真的汽车模拟方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211431181.4A CN115906282B (zh) 2022-11-14 2022-11-14 一种基于整车仿真的汽车模拟方法及系统

Publications (2)

Publication Number Publication Date
CN115906282A true CN115906282A (zh) 2023-04-04
CN115906282B CN115906282B (zh) 2024-05-24

Family

ID=86480794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211431181.4A Active CN115906282B (zh) 2022-11-14 2022-11-14 一种基于整车仿真的汽车模拟方法及系统

Country Status (1)

Country Link
CN (1) CN115906282B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116305671A (zh) * 2023-05-23 2023-06-23 山东伟国板业科技有限公司 一种人造板的生产线监测方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428391A (zh) * 2020-01-19 2020-07-17 北京华路安交通科技有限公司 一种护栏的公路适应安全性能评价仿真系统及方法
CN113515105A (zh) * 2021-04-09 2021-10-19 清华大学 用于车辆预期功能安全仿真测试的平台、方法及存储介质
CN113515463A (zh) * 2021-09-14 2021-10-19 深圳佑驾创新科技有限公司 自动化测试方法、装置、计算机设备和存储介质
CN113688558A (zh) * 2021-06-18 2021-11-23 长安大学 一种基于大数据库样本的汽车行驶工况构建方法及系统
WO2022041717A1 (zh) * 2020-08-24 2022-03-03 华为技术有限公司 一种仿真交通流的构建方法及仿真设备
CN114235442A (zh) * 2022-02-23 2022-03-25 国汽智控(北京)科技有限公司 自动驾驶车辆性能测试方法、装置、设备及存储介质
CN114354219A (zh) * 2022-01-07 2022-04-15 苏州挚途科技有限公司 自动驾驶车辆的测试方法及装置
CN115099051A (zh) * 2022-07-07 2022-09-23 重庆长安汽车股份有限公司 自动驾驶的仿真测试场景生成方法、装置、车辆及存储介质
CN115098079A (zh) * 2022-08-25 2022-09-23 苏州浪潮智能科技有限公司 雷达检测模型确定方法、系统、电子设备及可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428391A (zh) * 2020-01-19 2020-07-17 北京华路安交通科技有限公司 一种护栏的公路适应安全性能评价仿真系统及方法
WO2022041717A1 (zh) * 2020-08-24 2022-03-03 华为技术有限公司 一种仿真交通流的构建方法及仿真设备
CN113515105A (zh) * 2021-04-09 2021-10-19 清华大学 用于车辆预期功能安全仿真测试的平台、方法及存储介质
CN113688558A (zh) * 2021-06-18 2021-11-23 长安大学 一种基于大数据库样本的汽车行驶工况构建方法及系统
CN113515463A (zh) * 2021-09-14 2021-10-19 深圳佑驾创新科技有限公司 自动化测试方法、装置、计算机设备和存储介质
CN114354219A (zh) * 2022-01-07 2022-04-15 苏州挚途科技有限公司 自动驾驶车辆的测试方法及装置
CN114235442A (zh) * 2022-02-23 2022-03-25 国汽智控(北京)科技有限公司 自动驾驶车辆性能测试方法、装置、设备及存储介质
CN115099051A (zh) * 2022-07-07 2022-09-23 重庆长安汽车股份有限公司 自动驾驶的仿真测试场景生成方法、装置、车辆及存储介质
CN115098079A (zh) * 2022-08-25 2022-09-23 苏州浪潮智能科技有限公司 雷达检测模型确定方法、系统、电子设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙涛;丁琴琴;李卫兵;李娟;: "ADAS系统测试平台设计及实现", 中国测试, no. 04, 30 April 2019 (2019-04-30), pages 155 - 160 *
蔡勇;李秀文;: "智能网联汽车测试评价体系研究", 中国汽车, no. 10, 15 October 2018 (2018-10-15), pages 29 - 35 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116305671A (zh) * 2023-05-23 2023-06-23 山东伟国板业科技有限公司 一种人造板的生产线监测方法及系统
CN116305671B (zh) * 2023-05-23 2023-10-20 山东伟国板业科技有限公司 一种人造板的生产线监测方法及系统

Also Published As

Publication number Publication date
CN115906282B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
CN111192284B (zh) 一种车载激光点云分割方法及系统
CN110688288B (zh) 基于人工智能的自动化测试方法、装置、设备及存储介质
CN110705774A (zh) 一种车辆能耗分析的预测方法和系统
US20090024607A1 (en) Query selection for effectively learning ranking functions
CN115906282A (zh) 一种基于整车仿真的汽车模拟方法及系统
CN108415884B (zh) 一种结构模态参数实时追踪方法
CN113241132B (zh) 一种材料辐照损伤预测机器学习模型的建立方法和系统
CN116739376A (zh) 一种基于数据挖掘的公路路面预防性养护决策方法
CN116244647A (zh) 一种无人机集群的运行状态估计方法
CN112666605B (zh) 基于主成分分析和多目标遗传算法挑选地震动的方法
CN117556369A (zh) 一种动态生成的残差图卷积神经网络的窃电检测方法及系统
CN113888005A (zh) 一种建筑设计动态流程管理系统及方法
Torp et al. Driving cycle generation using statistical analysis and markov chains
CN113485301A (zh) 自动驾驶汽车控制系统的预期功能安全性能的量化评价方法
CN117251926A (zh) 一种地震响应预测的地震动强度指标优选方法
CN111831545A (zh) 测试用例生成方法、生成装置、计算机设备和存储介质
CN113642029B (zh) 一种度量数据样本与模型决策边界相关性的方法及系统
CN114881312A (zh) 基于改进深度森林的短期风功率预测方法
CN113515560A (zh) 车辆故障的分析方法、装置、电子设备及存储介质
CN103411913B (zh) 一种基于遗传算法自适应选择分段点的鱼油红外光谱pls识别方法
CN115144900A (zh) 一种基于地震多属性聚类融合的碳酸盐岩储层厚度识别方法、系统、装置及存储介质
CN117610970B (zh) 一种数据迁移工作的智能评估方法及系统
CN113705873B (zh) 影视作品评分预测模型的构建方法及评分预测方法
CN110704666A (zh) 一种提升跨视角车辆精确检索的方法及系统
CN113689081B (zh) 基于正态云模型的自动驾驶道路测试数据质量确定方法

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