CN116432298A - 数字孪生系统及构建方法、车载空调优化和寿命预测方法 - Google Patents
数字孪生系统及构建方法、车载空调优化和寿命预测方法 Download PDFInfo
- Publication number
- CN116432298A CN116432298A CN202210002199.6A CN202210002199A CN116432298A CN 116432298 A CN116432298 A CN 116432298A CN 202210002199 A CN202210002199 A CN 202210002199A CN 116432298 A CN116432298 A CN 116432298A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- air conditioner
- mounted air
- dynamics model
- body dynamics
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000010276 construction Methods 0.000 title claims abstract description 14
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 238000001228 spectrum Methods 0.000 claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000013461 design Methods 0.000 claims abstract description 20
- 238000009434 installation Methods 0.000 claims abstract description 10
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000013144 data compression Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 208000010392 Bone Fractures Diseases 0.000 description 5
- 206010017076 Fracture Diseases 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003507 refrigerant Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空调技术领域,具体提供一种数字孪生系统及构建方法、车载空调优化和寿命预测方法,旨在解决现有驻车空调在使用过程中不能及时发现零部件将要断裂的风险以及不能快速有效地避免零部件出现断裂的问题。为此目的,本发明数字孪生系统的构建方法主要是先根据车载空调和车辆构建台架测试系统、多体动力学模型以及有限元分析模型,获取车辆在不同道路下的载荷谱并将载荷谱加载至台架测试系统和多体动力学模型并比较检测结果来优化多体动力学模型,通过多体动力学模型获取车载空调安装位置的功率谱密度并加载至台架测试系统和有限元分析模型,根据检测结果来优化有限元分析模型。这样借助数字孪生系统参与车载空调的优化设计和寿命预测。
Description
技术领域
本发明涉及空调技术领域,具体提供一种数字孪生系统及构建方法、车载空调优化和寿命预测方法。
背景技术
目前驻车空调主要安装在商用车以及特种车辆。通常,商用车以及特种车辆运行工况恶劣,整车振动剧烈,容易导致安装在其上面的驻车空调出现管路及其它零部件断裂的情况,进而导致驻车空调振动噪声大,以及冷媒管路断裂出现冷媒泄露而导致空调系统能效比下降的问题。
针对上述问题,通常是在设计阶段来对驻车空调的结构进行改进来降低驻车空调在使用过程中出现上述问题的风险。不过,在对现有空调改进时,通常是针对已经出现问题的部位进行结构增强,不过增强后的结构能否在实际使用过程中有效避免上述问题,只有在驻车空调大量使用之后根据市场反馈才能发现改进后的驻车空调能够避免上述问题。只能再根据市场反馈的结果来进一步改进驻车空调。这样并不能快速有效地避免驻车空调在使用过程中出现管路及其他零部件断裂的问题,也不能在驻车空调使用过程中及时发现其管路及其他零部件将要断裂的情况。
因此,本领域需要一种新的技术方案来解决上述问题。
发明内容
本发明旨在解决上述技术问题,即,解决现有驻车空调在使用过程中不能及时发现零部件将要断裂的风险以及不能快速有效地避免零部件出现断裂的问题。
在第一方面,本发明提供了一种用于车载空调的数字孪生系统的构建方法,所述构建方法包括以下步骤:
S1、根据所述车载空调以及所述车载空调应用的车辆的实体参数构建台架测试系统、多体动力学模型以及有限元分析模型;
S2、获取所述车辆在不同类型道路下的载荷谱数据并对所述载荷谱数据进行预处理;
S3、将预处理后的载荷谱数据加载至所述台架测试系统,以便获取所述台架测试系统的测试点的检测结果;
S4、将预处理后的载荷谱数据加载至所述多体动力学模型,以便获取所述多体动力学模型的对应测试点的检测结果;
S5、比较所述台架测试系统的测试点的检测结果与所述多体动力学模型的对应测试点的检测结果,并根据比较结果选择性地调整所述多体动力学模型的参数以得到目标多体动力学模型;
S6、将预处理后的载荷谱数据加载至所述目标多体动力学模型,以便得到所述目标多体动力学模型中车载空调的安装位置受到的功率谱密度;
S7、将所述功率谱密度加载至所述有限元分析模型以及所述台架测试系统,以便得到所述有限元分析模型中车载空调的风险点数据和所述台架测试系统中车载空调的风险点数据;
S8、根据所述有限元分析模型中车载空调的风险点数据和所述台架测试系统中车载空调的风险点数据调整所述有限元分析模型的参数以得到目标有限元分析模型。
在上述构建方法的优选技术方案中,“根据比较结果选择性地调整所述多体动力学模型的参数以得到目标多体动力学模型”的步骤包括:
如果所述台架测试系统的测试点的检测结果与所述多体动力学模型的对应测试点的检测结果的误差不大于10%,则将当前的多体动力学模型作为所述目标多体动力学模型。
在上述构建方法的优选技术方案中,“根据比较结果选择性地调整所述多体动力学模型的参数以得到目标多体动力学模型”的步骤包括:
如果所述台架测试系统的测试点的检测结果与所述多体动力学模型的对应测试点的检测结果的误差大于10%,则调整所述多体动力学模型的参数,之后返回步骤S4。
在上述构建方法的优选技术方案中,“获取所述车辆在不同类型道路下的载荷谱数据”的步骤包括:
基于物联网技术获取所述车辆在不同类型道路下的载荷谱数据。
在上述构建方法的优选技术方案中,所述检测结果包括加速度。
在上述构建方法的优选技术方案中,所述预处理包括异常数据检查、对称性检查、平稳性检查、滤波、标定、重采样和/或数据压缩。
在第二方面,本发明提供了一种用于车载空调的数字孪生系统,所述数字孪生系统为通过上述任一项所述的用于车载空调的数字孪生系统的构建方法构建的数字孪生系统。
在上述数字孪生系统的优选技术方案中,所述车载空调为驻车空调。
在采用上述技术方案的情况下,本发明采用上述方法构建用于车载空调的数字孪生系统,能够构建准确的数字孪生系统,基于构建的数字孪生系统能够快速准确地分析车载空调在各种工况下的受力情况,进而能够在设计阶段更加准确地对车载空调的结构进行优化后并进一步进行验证,避免了车载空调需要经过大量实验验证或者批量生产后经过用户大量实践后才能发现改进后的结构是否存在缺陷的情况,并且能够基于构建的数字孪生系统实时监测车载空调在使用场景下零部件的内部应力等情况,进而能够实时预测车载空调零部件的断裂风险和使用寿命。
在第三方面,本发明提供了一种车载空调的寿命预测方法,所述寿命预测方法基于上述的用于车载空调的数字孪生系统执行,所述预测方法包括:
实时获取安装有所述车载空调的车辆在行驶过程中的载荷谱数据并进行预处理;
将预处理后的安装有所述车载空调的车辆在行驶过程中的载荷谱数据加载至所述目标多体动力学模型,以便得到所述目标多体动力学模型中车载空调的安装位置受到的功率谱密度;
将所述功率谱密度加载至所述有限元分析模型,以便得到所述有限元分析模型中车载空调的风险点数据;
根据所述有限元分析模型中车载空调的风险点数据预测所述车载空调的使用寿命。
在采用上述技术方案的情况下,能够实时监测车载空调在使用场景下零部件的内部应力等情况,进而能够实时预测车载空调零部件的断裂风险和使用寿命。
在第四方面,本发明提供了一种车载空调的优化设计方法,所述优化设计方法基于上述的用于车载空调的数字孪生系统执行,所述优化设计方法包括:
将所述车载空调的物理样机安装至所述车辆;
使所述车辆在不同类型道路下行驶以便获取载荷谱数据并进行预处理;
将预处理后的载荷谱数据加载至所述目标多体动力学模型,以便得到所述目标多体动力学模型中车载空调的安装位置受到的功率谱密度;
将所述功率谱密度加载至所述有限元分析模型,以便得到所述有限元分析模型中车载空调的风险点数据;
根据所述有限元分析模型中车载空调的风险点数据调整所述物理样机的结构。
在采用上述技术方案的情况下,在设计阶段更加准确地对车载空调的结构进行优化后并进一步进行验证,避免了车载空调需要经过大量实验验证或者批量生产后经过用户大量实践后才能发现改进后的结构是否存在缺陷的情况。
附图说明
下面结合附图来描述本发明的优选实施方式,附图中:
图1是本发明一种实施例中用于驻车空调的数字孪生系统的构建方法的步骤图;
图2是本发明一种实施例中驻车空调的寿命预测方法的步骤图;
图3是本发明一种实施例中驻车空调的优化设计方法的步骤图。
具体实施方式
首先,本领域技术人员应当理解的是,下面描述的实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。例如,以下实施例中是结合驻车空调来进行介绍的,但是这并不能对本发明的保护范围构成限制,本发明中的车载空调也可以是在车辆行驶过程中使用的空调。
需要说明的是,在本发明的描述中,术语“第一”、“第二”、“第三”、“第四”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“连接”应作广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体连接;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,还可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
基于背景技术提到的现有驻车空调在使用过程中不能及时发现零部件将要断裂的风险以及不能快速有效地避免零部件出现断裂的问题,本发明提供了一种用于车载空调的数字孪生系统的构建方法,能够构建准确的数字孪生系统,基于构建的数字孪生系统能够快速准确地分析车载空调在各种工况下的受力情况,进而能够在设计阶段更加准确地对车载空调的结构进行优化后并进一步进行验证,避免了车载空调需要经过大量实验验证或者批量生产后经过用户大量实践后才能发现改进后的结构是否存在缺陷的情况,并且能够基于构建的数字孪生系统实时监测车载空调在使用场景下零部件的内部应力等情况,进而能够实时预测车载空调零部件的断裂风险和使用寿命。
参照图1结合驻车空调来对本发明用于车载空调的数字孪生系统的构建方法进行介绍。其中,图1是本发明一种实施例中用于驻车空调的数字孪生系统的构建方法的步骤图。
如图1所示,本发明用于驻车空调的数字孪生系统的构建方法的步骤图包括以下步骤:
S100、根据驻车空调以及驻车空调应用的车辆的实体参数构建台架测试系统、多体动力学模型以及有限元分析模型。
具体地,根据驻车空调以及驻车空调应用的车辆的各个零部件的结构、尺寸、材质以及各个零部件的连接关系构建台架测试系统、多体动力学模型以及有限元分析模型。
S200、获取车辆在不同类型道路下的载荷谱数据并对载荷谱数据进行预处理。
具体地,将驻车空调安装至车辆上,并使车辆在不同类型的道路(如普通公路、高速公路、强化公路、山路等)上行驶,通过车辆上安装的车轮六分力传感器、车身加速度传感器、轴头加速度传感器、悬架位移传感器、质心加速度传感器、GPS传感器、方向盘转角传感器、应变片/应变花获取相应的数据,进而获取车辆在不同类型道路上的载荷谱。对载荷谱进行预处理,如异常数据检查、对称性检查、平稳性检查、滤波、标定、重采样以及数据压缩等。
S300、将预处理后的载荷谱数据加载至台架测试系统,以便获取台架测试系统的测试点的检测结果。
S400、将预处理后的载荷谱数据加载至多体动力学模型,以便获取多体动力学模型的对应测试点的检测结果。
需要说明的是,测试点的测试结果可以是力、力矩、位移、速度、加速度等。优选地,测试点的测试结果为加速度,更加方便测量。另外,步骤S300和步骤S400可以同时执行,也可以先后执行,执行顺序可以任意调换,这并不对本发明的保护范围构成限制。
S510、确定多体动力学模型与台架测试系统的测试点的检测结果的误差。
S520、判断误差是否小于等于10%。若是,则执行步骤S540,否则执行步骤S530。
S530、调整多体动力学模型的参数,之后返回步骤S400。
具体地,调整多体动力学模型质量、刚度、阻尼、部件连接关系系数等。
S540、将当前的多体动力学模型作为目标多体动力学模型。
S600、将预处理后的载荷谱数据加载至目标多体动力学模型,以便得到目标多体动力学模型中驻车空调的安装位置受到的功率谱密度。
S700、将功率谱密度加载至有限元分析模型以及台架测试系统,以便得到有限元分析模型中驻车空调的风险点数据和台架测试系统中驻车空调的风险点数据。
S800、根据有限元分析模型中驻车空调的风险点数据和台架测试系统中驻车空调的风险点数据调整有限元分析模型的参数以得到目标有限元分析模型。
通过上述方法构建用于驻车空调的数字孪生系统,能够得到与实体结构更加近似的数字孪生系统,基于构建的数字孪生系统能够快速准确地分析驻车空调在各种工况下的受力情况,进而能够在设计阶段更加准确地对驻车空调的结构进行优化后并进一步进行验证,避免了驻车空调需要经过大量实验验证或者批量生产后经过用户大量实践后才能发现改进后的结构是否存在缺陷的情况,并且能够基于构建的数字孪生系统实时监测驻车空调在使用场景下零部件的内部应力等情况,进而能够实时预测驻车空调零部件的断裂风险和使用寿命。
在步骤S520中,将多体动力学模型与台架测试系统的测试点的检测结果的误差与10%来比较,进而根据比较结果选择性地将当前的多体动力学模型作为目标多体动力学模型或者调整多体动力学模型的参数之后返回步骤S400,这样能够在较少的调整次数内得到较为准确的目标多体动力学模型。可以理解的是,将多体动力学模型与台架测试系统的测试点的检测结果的误差与10%来比较仅是一种较为优选的设置方式,在实际应用中可以对其作出调整,以便适应具体的应用场合,如可以将多体动力学模型与台架测试系统的测试点的检测结果的误差与5%、8%、12%或者13%等进行比较。
优选地,步骤S200中,基于物联网技术获取车辆在不同类型道路下的载荷谱数据。具体地,通过物联网技术实时检测大量的全生命周期的车辆的数据,进而得到更加全面丰富的载荷谱数据,方便数据的采集。并且,能够进一步提高构建的数字孪生系统的准确度。
另外,本发明还提供了一种采用上述方法构建的用于驻车空调的数字孪生系统。
该用于驻车空调的数字孪生系统可以用于驻车空调使用过程中驻车空调的寿命预测,也可以用于驻车空调的优化设计阶段。
下面参照图2来介绍基于上述用于驻车空调的数字孪生系统的驻车空调的寿命预测方法。其中,图2是本发明一种实施例中驻车空调的寿命预测方法的步骤图。
如图2所示,驻车空调的寿命预测方法包括以下步骤:
S110、实时获取安装有驻车空调的车辆在行驶过程中的载荷谱数据并进行预处理。
每一台驻车空调都存在与之对应的目标多体动力学模型和有限元分析模型。在驻车空调行驶过程中,实时采集车辆在行驶过程中的载荷谱数据,如可以通过车身加速度传感器、轴头加速度传感器、悬架位移传感器、质心加速度传感器、GPS传感器、方向盘转角传感器等检测的数据来获取车辆在当前道路的载荷谱数据,并对载荷谱数据进行预处理。
S120、将预处理后的安装有驻车空调的车辆在行驶过程中的载荷谱数据加载至目标多体动力学模型,以便得到目标多体动力学模型中驻车空调的安装位置受到的功率谱密度。
S130、将功率谱密度加载至有限元分析模型,以便得到有限元分析模型中驻车空调的风险点数据。
S140、根据有限元分析模型中驻车空调的风险点数据预测驻车空调的使用寿命。
具体地,当有限元分析模型中驻车空调的风险点增多并且风险点的应力达到预设值时,可以发出驻车空调中存在疲劳断裂的风险提示并展示具体的风险点位置和断裂概率等信息。
通过这样的寿命预测方法,能够实时预测驻车空调零部件的断裂风险和使用寿命,避免驻车空调在使用过程中内部管路或其他零部件发生断裂后用户并不知情而使得驻车空调出现更加严重损坏的情况。
下面参照图3来介绍基于上述用于驻车空调的数字孪生系统的驻车空调的优化设计方法。其中,图3是本发明一种实施例中驻车空调的优化设计方法的步骤图。
如图3所示,驻车空调的优化设计方法包括以下步骤:
S210、将驻车空调的物理样机安装至车辆。
设计人员针对现有的驻车空调的缺陷进行改进之后,根据改进后的设计方案制造出驻车空调的物理样机,并将驻车空调的物理样机安装至车辆。
S220、使车辆在不同类型道路下行驶以便获取载荷谱数据并进行预处理。
S230、将预处理后的载荷谱数据加载至目标多体动力学模型,以便得到目标多体动力学模型中驻车空调的安装位置受到的功率谱密度。
S240、根据有限元分析模型中驻车空调的风险点数据预测驻车空调的使用寿命。
需要说明的是,该实施例中的数字孪生系统在构建的过程中,使用的驻车空调可以是驻车空调的物理样机,也可以是此次改进之前的驻车空调。
在设计阶段对驻车空调的结构进行优化后借助数字孪生系统对驻车空调的物理样机进一步进行验证,避免了驻车空调需要经过大量实验验证或者批量生产后经过用户大量实践后才能发现改进后的结构是否存在缺陷的情况,降低了设计成本,提高了设计效率。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种用于车载空调的数字孪生系统的构建方法,其特征在于,所述构建方法包括以下步骤:
S1、根据所述车载空调以及所述车载空调应用的车辆的实体参数构建台架测试系统、多体动力学模型以及有限元分析模型;
S2、获取所述车辆在不同类型道路下的载荷谱数据并对所述载荷谱数据进行预处理;
S3、将预处理后的载荷谱数据加载至所述台架测试系统,以便获取所述台架测试系统的测试点的检测结果;
S4、将预处理后的载荷谱数据加载至所述多体动力学模型,以便获取所述多体动力学模型的对应测试点的检测结果;
S5、比较所述台架测试系统的测试点的检测结果与所述多体动力学模型的对应测试点的检测结果,并根据比较结果选择性地调整所述多体动力学模型的参数以得到目标多体动力学模型;
S6、将预处理后的载荷谱数据加载至所述目标多体动力学模型,以便得到所述目标多体动力学模型中车载空调的安装位置受到的功率谱密度;
S7、将所述功率谱密度加载至所述有限元分析模型以及所述台架测试系统,以便得到所述有限元分析模型中车载空调的风险点数据和所述台架测试系统中车载空调的风险点数据;
S8、根据所述有限元分析模型中车载空调的风险点数据和所述台架测试系统中车载空调的风险点数据调整所述有限元分析模型的参数以得到目标有限元分析模型。
2.根据权利要求1所述的构建方法,其特征在于,“根据比较结果选择性地调整所述多体动力学模型的参数以得到目标多体动力学模型”的步骤包括:
如果所述台架测试系统的测试点的检测结果与所述多体动力学模型的对应测试点的检测结果的误差不大于10%,则将当前的多体动力学模型作为所述目标多体动力学模型。
3.根据权利要求2所述的构建方法,其特征在于,“根据比较结果选择性地调整所述多体动力学模型的参数以得到目标多体动力学模型”的步骤包括:
如果所述台架测试系统的测试点的检测结果与所述多体动力学模型的对应测试点的检测结果的误差大于10%,则调整所述多体动力学模型的参数,之后返回步骤S4。
4.根据权利要求1所述的构建方法,其特征在于,“获取所述车辆在不同类型道路下的载荷谱数据”的步骤包括:
基于物联网技术获取所述车辆在不同类型道路下的载荷谱数据。
5.根据权利要求1所述的构建方法,其特征在于,所述检测结果包括加速度。
6.根据权利要求1所述的构建方法,其特征在于,所述预处理包括异常数据检查、对称性检查、平稳性检查、滤波、标定、重采样和/或数据压缩。
7.一种用于车载空调的数字孪生系统,其特征在于,所述数字孪生系统为通过权利要求1至6中任一项所述的用于车载空调的数字孪生系统的构建方法构建的数字孪生系统。
8.根据权利要求7所述的数字孪生系统,其特征在于,所述车载空调为驻车空调。
9.一种车载空调的寿命预测方法,其特征在于,所述寿命预测方法基于权利要求7所述的用于车载空调的数字孪生系统执行,所述预测方法包括:
实时获取安装有所述车载空调的车辆在行驶过程中的载荷谱数据并进行预处理;
将预处理后的安装有所述车载空调的车辆在行驶过程中的载荷谱数据加载至所述目标多体动力学模型,以便得到所述目标多体动力学模型中车载空调的安装位置受到的功率谱密度;
将所述功率谱密度加载至所述有限元分析模型,以便得到所述有限元分析模型中车载空调的风险点数据;
根据所述有限元分析模型中车载空调的风险点数据预测所述车载空调的使用寿命。
10.一种车载空调的优化设计方法,其特征在于,所述优化设计方法基于权利要求7所述的用于车载空调的数字孪生系统执行,所述优化设计方法包括:
将所述车载空调的物理样机安装至所述车辆;
使所述车辆在不同类型道路下行驶以便获取载荷谱数据并进行预处理;
将预处理后的载荷谱数据加载至所述目标多体动力学模型,以便得到所述目标多体动力学模型中车载空调的安装位置受到的功率谱密度;
将所述功率谱密度加载至所述有限元分析模型,以便得到所述有限元分析模型中车载空调的风险点数据;
根据所述有限元分析模型中车载空调的风险点数据调整所述物理样机的结构。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210002199.6A CN116432298A (zh) | 2022-01-04 | 2022-01-04 | 数字孪生系统及构建方法、车载空调优化和寿命预测方法 |
PCT/CN2022/119042 WO2023130762A1 (zh) | 2022-01-04 | 2022-09-15 | 数字孪生系统及构建方法、车载空调优化和寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210002199.6A CN116432298A (zh) | 2022-01-04 | 2022-01-04 | 数字孪生系统及构建方法、车载空调优化和寿命预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116432298A true CN116432298A (zh) | 2023-07-14 |
Family
ID=87073007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210002199.6A Pending CN116432298A (zh) | 2022-01-04 | 2022-01-04 | 数字孪生系统及构建方法、车载空调优化和寿命预测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116432298A (zh) |
WO (1) | WO2023130762A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7363805B2 (en) * | 2005-09-30 | 2008-04-29 | Ford Motor Company | System for virtual prediction of road loads |
CN103674578B (zh) * | 2012-09-14 | 2016-07-06 | 中车青岛四方机车车辆股份有限公司 | 高速列车运行动力学性能状态的检测方法 |
CN109783961A (zh) * | 2019-01-23 | 2019-05-21 | 北斗航天汽车(北京)有限公司 | 一种基于cae的汽车车架疲劳寿命的模拟检测方法及模拟测试系统 |
DE102019211241A1 (de) * | 2019-07-29 | 2021-02-04 | Robert Bosch Gmbh | Verfahren zum Testen eines Fahrzeugs |
EP4107673A4 (en) * | 2020-02-17 | 2023-08-09 | Petroliam Nasional Berhad (Petronas) | EQUIPMENT FAILURE PROBABILITY CALCULATION AND LIFE ESTIMATING METHODS AND SYSTEMS |
CN112214916B (zh) * | 2020-10-09 | 2023-07-18 | 北京福田戴姆勒汽车有限公司 | 基于虚拟模型还原物理试验台架仿真过程的方法及系统 |
-
2022
- 2022-01-04 CN CN202210002199.6A patent/CN116432298A/zh active Pending
- 2022-09-15 WO PCT/CN2022/119042 patent/WO2023130762A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023130762A1 (zh) | 2023-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9121790B2 (en) | Methods and systems for evaluating tire properties | |
JP2011500402A (ja) | ショックアブソーバにおける適用のためのインテリジェント連続監視システム | |
JP2005528270A (ja) | 車両タイヤ及び車両の監視方法、ならびに車両・タイヤ相関モデルの生成方法、車両診断システム | |
JP2008001233A (ja) | 遠隔故障診断システム | |
CN111189598B (zh) | 一种轿车车轮自由模态测试方法 | |
CN110631786A (zh) | 一种基于驻车振动响应的梁桥承载力快速评估方法 | |
CN113607251B (zh) | 一种车辆载重测量方法及装置 | |
CN112051072B (zh) | 一种悬架及制动系统底盘紧固件松动整车试验方法 | |
CN111122081A (zh) | 车门的基于振动的原位验证 | |
US20150241313A1 (en) | Method, control unit, and system for determining a parameter that indicates a state of at least one component of a motor vehicle | |
CN113884312A (zh) | 一种基于tpa分析模型的车内轰鸣排查方法 | |
CN108801451B (zh) | 一种车辆座椅腰部振动的检查方法 | |
US20130073224A1 (en) | Methods and systems for characterizing vehicle tires | |
KR102198725B1 (ko) | 자동차 주행안전부품 자가진단 장치 | |
CN114112441A (zh) | 用于混动车辆怠速充电工况的抖动调试方法 | |
CN114414024A (zh) | 车载称重系统的监测方法及装置、存储介质、电子装置 | |
CN116432298A (zh) | 数字孪生系统及构建方法、车载空调优化和寿命预测方法 | |
CN113378425A (zh) | 基于雨流计数法的汽车换热器产品疲劳寿命测试方法 | |
KR20170033726A (ko) | 차량 빅데이터 서버 및 차량 빅데이터 서비스 방법 | |
Ballo et al. | Numerical and experimental study of radial impact test of an aluminum wheel: towards industry 4.0 virtual process assessment | |
CN113029328A (zh) | 燃油箱晃动异响测试方法 | |
US11941920B2 (en) | Apparatus and method of providing automotive preventive maintenance service | |
CN111487068B (zh) | 一种车辆易损点寿命预测方法及系统 | |
JPH11264785A (ja) | 取付けたショックアブソーバを検査する方法と装置 | |
US20240183753A1 (en) | Method and vehicle system for determining the state of the components of a chassis |
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 |