CN116659892A - 汽车零部件关键耐久试验工况识别方法、存储介质及装置 - Google Patents
汽车零部件关键耐久试验工况识别方法、存储介质及装置 Download PDFInfo
- Publication number
- CN116659892A CN116659892A CN202310535208.2A CN202310535208A CN116659892A CN 116659892 A CN116659892 A CN 116659892A CN 202310535208 A CN202310535208 A CN 202310535208A CN 116659892 A CN116659892 A CN 116659892A
- Authority
- CN
- China
- Prior art keywords
- load
- matrix
- channel
- key
- endurance test
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 139
- 238000001228 spectrum Methods 0.000 claims abstract description 65
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 208000027418 Wounds and injury Diseases 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000012795 verification Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000510097 Megalonaias nervosa Species 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种汽车零部件关键耐久试验工况识别方法及装置,涉及汽车设计制造领域,该方法包括确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。本发明能够准确的进行工况识别。
Description
技术领域
本发明涉及汽车设计制造领域,具体涉及一种汽车零部件关键耐久试验工况识别方法及装置。
背景技术
对于汽车而言,试验场中与耐久相关的工况有几十甚至上百种,且每个汽车公司都会针对自己的产品开发出一个可考核车辆整体的综合耐久试验规范,一般表述为整车耐久试验规范。
众所周知,整车耐久试验规范会考核整车的各个零部件,包括车身、底盘系统各零部件、动力总成、车身上的附件支架等等。每个零部件承载的载荷形式、方向与大小都有差异,即每个零部件在整车耐久试验规范中规定的各种特征路面下的敏感程度都不尽相同,因此,在单独考核零部件的结构耐久性能时,充分识别其耐久关键工况尤为重要。
当前已有针对减速器、动力总成系统等开展试验场关联分析的方法,但其分析结果都是台架工况,并没有去分析针对这些系统的关键工况是哪些,且没有很好的去识别关键工况。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种汽车零部件关键耐久试验工况识别方法及装置,能够准确的进行工况识别。
为达到以上目的,本发明提供的一种汽车零部件关键耐久试验工况识别方法,具体包括以下步骤:
确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;
建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;
基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;
基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。
在上述技术方案的基础上,
所述整车耐久试验工况为整车道路耐久试验要求中的各类特征路面;
所述整车耐久试验工况在进行确定时,对各特征路面上的通过车速、载荷配重和驾驶操作方式进行确定。
在上述技术方案的基础上,所述按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集,具体步骤包括:
建立载荷谱模型,以Dn表示第n种特征路面的载荷谱,所述载荷谱为轮心六分力;
采用ch1~ch24表示每条载荷谱的通道,其中,ch1~ch6依次表示左前轮的轮心六分力,ch7~ch12依次表示右前轮的轮心六分力,ch13~ch18依次表示左后轮的轮心六分力,ch19~ch24依次表示右后轮的轮心六分力。
在上述技术方案的基础上,所述建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入,具体步骤包括:
建立多体动力学模型,将采集的各载荷谱的ch1~ch24通道数据输入多体动力学模型,进行多体动力学仿真;
基于仿真结果,提取得到各特征路面上零部件的连接点载荷信号。
在上述技术方案的基础上,
提取到的零部件的连接点载荷信号与特征路面的载荷谱一一对应;
根据Dn提取到的零部件的连接点载荷采用dn表示,且每条零部件连接点载荷谱通道均相同,Cm表示零部件连接点的第m个载荷谱通道。
在上述技术方案的基础上,所述基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵,具体步骤包括:
以提取到的零部件的连接点载荷d1~dn中的载荷为分析对象,提取出通道C1~Cm中的载荷谱进行雨流计数,得到对应的雨流矩阵;
设定载荷幅值水平ai雨流计数得到的次数为ni,给定材料SN曲线,则ai在SN曲线上对应的循环寿命为Ni;
基于Miner线性累计损伤理论,在ai作用下,经受ni次循环的损伤pi为ni/Ni,则可计算得到各通道的损伤值P,计算方式为:
P=∑pi=∑ni/Ni;
计算每种特征路面对应载荷谱通道的伪损伤,得到n种特征路面m个载荷通道的伪损伤矩阵,表示为:
其中,A表示某型号车辆的某个零部件的伪损伤矩阵,Pn表示第n种特征路面的伪损伤矩阵,Pnm表示第n种特征路面的第m个载荷通道累积的伪损伤。
在上述技术方案的基础上,所述基于伪损伤矩阵分析识别得到关键载荷通道,具体步骤包括:
创建分析矩阵,所述分析矩阵表示为:
其中,B表示分析矩阵,T表示矩阵转置;
创建排序矩阵,所述排序矩阵表示为:
其中,D表示排序矩阵,排序矩阵为对B中每一列的m个数据进行从大到小的降序排序,每列矩阵Pn对应的排序矩阵为Pn′,dnm表示第n种特征路面的第m个载荷通道伪损伤值,在第n种特征路面的所有m个通道中的排序值;
创建求和矩阵,对排序矩阵的每行数据进行求和,表示为:
其中,E表示求和矩阵,Em表示排序矩阵中的第m行数据,代表第m个载荷通道排序值总和;
将E1~Em按照由小至大升序排列,并基于零部件的连接点个数,按照预设规则,取前E1~Em中最小的预设个数的数值对应的通道作为关键载荷通道。
在上述技术方案的基础上,所述分析关键载荷通道实现零部件关键特征工况的识别,具体步骤包括:
对关键载荷通道进行载荷分析,从伪损伤矩阵中抽取通道对应的数据建立工况分析矩阵,所述工况分析矩阵表示为:
其中,S表示工况分析矩阵;
创建第一排序矩阵,所述第一排序矩阵表示为:
其中,H表示第一排序矩阵,排序矩阵为对S中每一列的n个数据进行从大到小的降序排序,hn4表示第n种特征路面的第4个载荷通道伪损伤值,在第4个载荷通道的所有n个特征路面中的排序值;
创建第一求和矩阵,对第一排序矩阵的每行数据进行求和,表示为:
其中,U表示第一求和矩阵,Un表示第一排序矩阵中的第n行数据,代表第n个特征路面排序值总和;
将U1~Un按照由小至大升序排列,则排序为1对应的特征路面为零部件载荷分析最关键的工况。
本发明提供的一种可读存储介质,可读存储介质位于PLC控制器中,可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述所述汽车零部件关键耐久试验工况识别方法。
本发明提供的一种汽车零部件关键耐久试验工况识别装置,包括:
确定模块,其用于确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;
建立模块,其用于建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;
计算模块,其用于基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;
识别模块,其用于基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。
与现有技术相比,本发明的优点在于:通过采集试验场上整车耐久试验工况下的载荷,再借助多体动力学模型获取零部件耐久载荷输入,以此为分析依据,首先识别出关键通道,然后基于关键通道识别关键工况,识别出的关键工况对于零部件的结构耐久性能开发给予较大支持,识别出更加针对零部件考核的工况,从而大幅缩短零部件的耐久性能验证,验证也更为有效。
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为本发明实施例中一种汽车零部件关键耐久试验工况识别方法的流程图。
具体实施方式
本发明实施例提供一种汽车零部件关键耐久试验工况识别方法,通过采集试验场上整车耐久试验工况下的载荷,再借助多体动力学模型获取零部件耐久载荷输入,以此为分析依据,首先识别出关键通道,然后基于关键通道识别关键工况,识别出的关键工况对于零部件的结构耐久性能开发给予较大支持,可大幅缩短零部件的耐久性能验证,验证也更为有效。本发明实施例相应地的还提供了一种存储介质和一种汽车零部件关键耐久试验工况识别装置。
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。
首先需要说明的是,对于整车道路耐久试验工况,数量多、种类繁杂、周期长,其考核的是整车各个零部件,包括车身、底盘系统各零部件、动力总成、车身上的附件支架等等。然而,每个零部件的承载形式或受力方式都是存在差异的,即每个零部件在整车耐久试验规范中规定的各种特征路面的敏感程度都不尽相同,因此在零部件的结构耐久性能开发过程中,如何充分识别其耐久关键工况尤为重要。基于此,参见图1所示,本发明实施例提供一种汽车零部件关键耐久试验工况识别方法,具体包括以下步骤:
S1:确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;即首先明确整车耐久试验工况,然后开展试验场各工况载荷谱采集。
S2:建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;
S3:基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;
S4:基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。即基于伪损伤计算结果进行分析识别出关键载荷通道,然后根据关键载荷通道和伪损伤矩阵,识别出零部件的关键特征路面,从而得到零部件关键耐久试验工况,从而更好地支撑零部件的结构耐久性能开发。
本发明中,整车耐久试验工况为整车道路耐久试验要求中的各类特征路面,比如丙扭路、搓板路、长波路、坑洼路、比利时路等等;且整车耐久试验工况在进行确定时,对各特征路面上的通过车速、载荷配重和驾驶操作方式进行确定。本发明中,采用1~n来表示整车道路耐久试验规范中对应的n种特征路面。
本发明中,按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集,具体步骤包括:
S101:建立载荷谱模型,以Dn表示第n种特征路面的载荷谱,载荷谱为轮心六分力;即按照整车道路耐久试验要求采集D1~Dn特征路面上的载荷谱,六分力包括Fx、Fy、Fz三个方向的力和带力矩的Mx、My、Mz。
S102:采用ch1~ch24表示每条载荷谱的通道,其中,ch1~ch6依次表示左前轮的轮心六分力Fx、Fy、Fz、Mx、My、Mz,ch7~ch12依次表示右前轮的轮心六分力Fx、Fy、Fz、Mx、My、Mz,ch13~ch18依次表示左后轮的轮心六分力Fx、Fy、Fz、Mx、My、Mz,ch19~ch24依次表示右后轮的轮心六分力Fx、Fy、Fz、Mx、My、Mz。
本发明中,建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入,具体步骤包括:
S201:建立多体动力学模型,将采集的各载荷谱的ch1~ch24通道数据输入多体动力学模型,进行多体动力学仿真;
S202:基于仿真结果,提取得到各特征路面上零部件的连接点载荷信号。
需要说明的是,提取到的零部件的连接点载荷信号与特征路面的载荷谱一一对应;根据D1提取到的零部件的连接点载荷采用d1表示,依此类推,根据Dn提取到的零部件的连接点载荷采用dn表示,且每条零部件连接点载荷谱通道均相同,Cm表示零部件连接点的第m个载荷谱通道。
本发明中,基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵,具体步骤包括:
S301:以提取到的零部件的连接点载荷d1~dn中的载荷为分析对象,提取出通道C1~Cm中的载荷谱进行雨流计数,得到对应的雨流矩阵;
S302:设定载荷幅值水平ai雨流计数得到的次数为ni,给定材料SN曲线(应力-寿命曲线),则ai在SN曲线上对应的循环寿命为Ni;
S303:基于Miner线性累计损伤理论,具体的,可运用最广泛的Miner线性累计损伤理论,在ai作用下,经受ni次循环的损伤pi为ni/Ni,则可计算得到各通道的损伤值P,计算方式为:
P=∑pi=∑ni/Ni;
S304:计算每种特征路面对应载荷谱通道的伪损伤,得到n种特征路面m个载荷通道的伪损伤矩阵,表示为:
其中,A表示某型号车辆的某个零部件的伪损伤矩阵,Pn表示第n种特征路面的伪损伤矩阵,Pnm表示第n种特征路面的第m个载荷通道累积的伪损伤。
本发明中,基于伪损伤矩阵分析识别得到关键载荷通道,具体步骤包括:
S401:创建分析矩阵,所述分析矩阵表示为:
其中,B表示分析矩阵,T表示矩阵转置;
S402:创建排序矩阵,所述排序矩阵表示为:
其中,D表示排序矩阵,排序矩阵为对B中每一列的m个数据进行从大到小的降序排序,即最大的数值排序为1,最小的数值排序为m,每列矩阵Pn对应的排序矩阵为Pn′,dnm表示第n种特征路面的第m个载荷通道伪损伤值,在第n种特征路面的所有m个通道中的排序值;
S403:创建求和矩阵,对排序矩阵的每行数据进行求和,表示为:
其中,E表示求和矩阵,Em表示排序矩阵中的第m行数据,代表第m个载荷通道排序值总和;
S404:将E1~Em按照由小至大升序排列,即最小的数值排序为1,最大的数值排序为m,并基于零部件的连接点个数,按照预设规则,取前E1~Em中最小的预设个数的数值对应的通道作为关键载荷通道。
具体的,按照下表1确定关键通道个数。
表1
零件连接点个数 | 关键通道取值 |
2 | 1 |
3-5 | 1~2 |
6及以上 | 3~6 |
即对于有2个连接点的零部件,其关键载荷通道为E1~Em中最小数值对应的通道,对于有3~5个连接点的零部件,其关键载荷通道为E1~Em中最小的1或2个数值对应的通道,对于有6个及以上连接点的零部件,其关键载荷通道为E1~Em中最小的3~6个数值对应的通道。
本发明中,分析关键载荷通道实现零部件关键特征工况的识别,具体步骤包括:
S411:对关键载荷通道进行载荷分析,从伪损伤矩阵中抽取通道对应的数据建立工况分析矩阵,在本发明中,假设通道有4个,对应为C1~C4,则从建立的某型号车辆的伪损伤矩阵中抽取通道C1~C4对应的数据建立工况分析矩阵,表示为:
其中,S表示工况分析矩阵;
S412:创建第一排序矩阵,所述第一排序矩阵表示为:
其中,H表示第一排序矩阵,排序矩阵为对S中每一列的n个数据进行从大到小的降序排序,即最大的数值排序为1,最小的数值排序为n,hn4表示第n种特征路面的第4个载荷通道伪损伤值,在第4个载荷通道的所有n个特征路面中的排序值;
S413:创建第一求和矩阵,对第一排序矩阵的每行数据进行求和,表示为:
其中,U表示第一求和矩阵,Un表示第一排序矩阵中的第n行数据,代表第n个特征路面排序值总和;
S414:将U1~Un按照由小至大升序排列,即最小的数值排序为1,最大的数值排序为n,则排序值越小,对应工况对零部件的关键程度越高,则排序为1对应的特征路面为零部件载荷分析最关键的工况。
一般零部件有较多连接点,每个连接点会有Fx、Fy、Fz3个或带力矩的Mx、My、Mz6个通道,但零部件并不是对所有通道都敏感的,因此通过识别出关键载荷通道,识别出零部件最为关键的通道。本发明的方法尤其针对较大的部件,比如白车身有13~18个连接点,对应通道有70~110个,可以快速有效的识别出关键通道,从而为识别关键工况打下基础。
基于关键载荷通道识别结果开展后续工作,可以快速识别出白车身的关键特征工况,有助于零部件结构耐久性能的开发。比如车身是整车耐久性能考核的最大部件,其结构耐久性能开发主要依赖有限元结构耐久仿真验证、整车道路耐久试验与四通道台架耐久试验验证,无论哪种验证方式,其涉及的耐久工况均为整车道路耐久试验工况,数量多、种类繁杂、周期长。本发明通过识别出更加针对车身考核的工况,从而大幅缩短车身的耐久性能验证,验证也更为有效。
本发明实施例的汽车零部件关键耐久试验工况识别方法,通过采集试验场上整车耐久试验工况下的载荷,再借助多体动力学模型获取零部件耐久载荷输入,以此为分析依据,首先识别出关键通道,然后基于关键通道识别关键工况,识别出的关键工况对于零部件的结构耐久性能开发给予较大支持,识别出更加针对零部件考核的工况,从而大幅缩短零部件的耐久性能验证,验证也更为有效。
在一种可能的实施方式中,本发明实施例还提供一种可读存储介质,可读存储介质位于PLC(ProgrammableLogicController,可编程逻辑控制器)控制器中,可读存储介质上存储有计算机程序,该程序被处理器执行时实现以下所述汽车零部件关键耐久试验工况识别方法的步骤:
确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;
建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;
基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;
基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。
存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例提供的一种汽车零部件关键耐久试验工况识别装置,包括确定模块、建立模块、计算模块和识别模块。
确定模块用于确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;建立模块用于建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;计算模块用于基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;识别模块用于基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。
本发明中,整车耐久试验工况为整车道路耐久试验要求中的各类特征路面;整车耐久试验工况在进行确定时,对各特征路面上的通过车速、载荷配重和驾驶操作方式进行确定。
本发明中,按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集,具体步骤包括:
建立载荷谱模型,以Dn表示第n种特征路面的载荷谱,所述载荷谱为轮心六分力;
采用ch1~ch24表示每条载荷谱的通道,其中,ch1~ch6依次表示左前轮的轮心六分力,ch7~ch12依次表示右前轮的轮心六分力,ch13~ch18依次表示左后轮的轮心六分力,ch19~ch24依次表示右后轮的轮心六分力。
本发明中,建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入,具体步骤包括:
建立多体动力学模型,将采集的各载荷谱的ch1~ch24通道数据输入多体动力学模型,进行多体动力学仿真;
基于仿真结果,提取得到各特征路面上零部件的连接点载荷信号。
本发明中,提取到的零部件的连接点载荷信号与特征路面的载荷谱一一对应;
根据Dn提取到的零部件的连接点载荷采用dn表示,且每条零部件连接点载荷谱通道均相同,Cm表示零部件连接点的第m个载荷谱通道。
本发明中,基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵,具体步骤包括:
以提取到的零部件的连接点载荷d1~dn中的载荷为分析对象,提取出通道C1~Cm中的载荷谱进行雨流计数,得到对应的雨流矩阵;
设定载荷幅值水平ai雨流计数得到的次数为ni,给定材料SN曲线,则ai在SN曲线上对应的循环寿命为Ni;
基于Miner线性累计损伤理论,在ai作用下,经受ni次循环的损伤pi为ni/Ni,则可计算得到各通道的损伤值P,计算方式为:
P=∑pi=∑ni/Ni;
计算每种特征路面对应载荷谱通道的伪损伤,得到n种特征路面m个载荷通道的伪损伤矩阵,表示为:
其中,A表示某型号车辆的伪损伤矩阵,Pn表示第n种特征路面的伪损伤矩阵,Pnm表示第n种特征路面的第m个载荷通道累积的伪损伤。
本发明中,基于伪损伤矩阵分析识别得到关键载荷通道,具体步骤包括:
创建分析矩阵,所述分析矩阵表示为:
其中,B表示分析矩阵,T表示矩阵转置;
创建排序矩阵,所述排序矩阵表示为:
其中,D表示排序矩阵,排序矩阵为对B中每一列的m个数据进行从大到小的降序排序,每列矩阵Pn对应的排序矩阵为Pn′,dnm表示第n种特征路面的第m个载荷通道伪损伤值,在第n种特征路面的所有m个通道中的排序值;
创建求和矩阵,对排序矩阵的每行数据进行求和,表示为:
其中,E表示求和矩阵,Em表示排序矩阵中的第m行数据,代表第m个载荷通道排序值总和;
将E1~Em按照由小至大升序排列,并基于零部件的连接点个数,按照预设规则,取前E1~Em中最小的预设个数的数值对应的通道作为关键载荷通道。
本发明中,分析关键载荷通道实现零部件关键特征工况的识别,具体步骤包括:
对关键载荷通道进行载荷分析,从伪损伤矩阵中抽取通道对应的数据建立工况分析矩阵,所述工况分析矩阵表示为:
其中,S表示工况分析矩阵;
创建第一排序矩阵,所述第一排序矩阵表示为:
其中,H表示第一排序矩阵,排序矩阵为对S中每一列的n个数据进行从大到小的降序排序,hn4表示第n种特征路面的第4个载荷通道伪损伤值,在第4个载荷通道的所有n个特征路面中的排序值;
创建第一求和矩阵,对第一排序矩阵的每行数据进行求和,表示为:
其中,U表示第一求和矩阵,Un表示第一排序矩阵中的第n行数据,代表第n个特征路面排序值总和;
将U1~Un按照由小至大升序排列,则排序为1对应的特征路面为零部件载荷分析最关键的工况。
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。
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。
Claims (10)
1.一种汽车零部件关键耐久试验工况识别方法,其特征在于,具体包括以下步骤:
确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;
建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;
基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;
基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。
2.如权利要求1所述的一种汽车零部件关键耐久试验工况识别方法,其特征在于:
所述整车耐久试验工况为整车道路耐久试验要求中的各类特征路面;
所述整车耐久试验工况在进行确定时,对各特征路面上的通过车速、载荷配重和驾驶操作方式进行确定。
3.如权利要求2所述的一种汽车零部件关键耐久试验工况识别方法,其特征在于,所述按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集,具体步骤包括:
建立载荷谱模型,以Dn表示第n种特征路面的载荷谱,所述载荷谱为轮心六分力;
采用ch1~ch24表示每条载荷谱的通道,其中,ch1~ch6依次表示左前轮的轮心六分力,ch7~ch12依次表示右前轮的轮心六分力,ch13~ch18依次表示左后轮的轮心六分力,ch19~ch24依次表示右后轮的轮心六分力。
4.如权利要求3所述的一种汽车零部件关键耐久试验工况识别方法,其特征在于,所述建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入,具体步骤包括:
建立多体动力学模型,将采集的各载荷谱的ch1~ch24通道数据输入多体动力学模型,进行多体动力学仿真;
基于仿真结果,提取得到各特征路面上零部件的连接点载荷信号。
5.如权利要求4所述的一种汽车零部件关键耐久试验工况识别方法,其特征在于:
提取到的零部件的连接点载荷信号与特征路面的载荷谱一一对应;
根据Dn提取到的零部件的连接点载荷采用dn表示,且每条零部件连接点载荷谱通道均相同,Cm表示零部件连接点的第m个载荷谱通道。
6.如权利要求5所述的一种汽车零部件关键耐久试验工况识别方法,其特征在于,所述基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵,具体步骤包括:
以提取到的零部件的连接点载荷d1~dn中的载荷为分析对象,提取出通道C1~Cm中的载荷谱进行雨流计数,得到对应的雨流矩阵;
设定载荷幅值水平ai雨流计数得到的次数为ni,给定材料SN曲线,则ai在SN曲线上对应的循环寿命为Ni;
基于Miner线性累计损伤理论,在ai作用下,经受ni次循环的损伤pi为ni/Ni,则可计算得到各通道的损伤值P,计算方式为:
P=∑pi=∑ni/Ni;
计算每种特征路面对应载荷谱通道的伪损伤,得到n种特征路面m个载荷通道的伪损伤矩阵,表示为:
其中,A表示某型号车辆的某个零部件的伪损伤矩阵,Pn表示第n种特征路面的伪损伤矩阵,Pnm表示第n种特征路面的第m个载荷通道累积的伪损伤。
7.如权利要求6所述的一种汽车零部件关键耐久试验工况识别方法,其特征在于,所述基于伪损伤矩阵分析识别得到关键载荷通道,具体步骤包括:
创建分析矩阵,所述分析矩阵表示为:
其中,B表示分析矩阵,T表示矩阵转置;
创建排序矩阵,所述排序矩阵表示为:
其中,D表示排序矩阵,排序矩阵为对B中每一列的m个数据进行从大到小的降序排序,每列矩阵Pn对应的排序矩阵为Pn′,dnm表示第n种特征路面的第m个载荷通道伪损伤值,在第n种特征路面的所有m个通道中的排序值;
创建求和矩阵,对排序矩阵的每行数据进行求和,表示为:
其中,E表示求和矩阵,Em表示排序矩阵中的第m行数据,代表第m个载荷通道排序值总和;
将E1~Em按照由小至大升序排列,并基于零部件的连接点个数,按照预设规则,取前E1~Em中最小的预设个数的数值对应的通道作为关键载荷通道。
8.如权利要求6所述的一种汽车零部件关键耐久试验工况识别方法,其特征在于,所述分析关键载荷通道实现零部件关键特征工况的识别,具体步骤包括:
对关键载荷通道进行载荷分析,从伪损伤矩阵中抽取通道对应的数据建立工况分析矩阵,所述工况分析矩阵表示为:
其中,S表示工况分析矩阵;
创建第一排序矩阵,所述第一排序矩阵表示为:
其中,H表示第一排序矩阵,排序矩阵为对S中每一列的n个数据进行从大到小的降序排序,hn4表示第n种特征路面的第4个载荷通道伪损伤值,在第4个载荷通道的所有n个特征路面中的排序值;
创建第一求和矩阵,对第一排序矩阵的每行数据进行求和,表示为:
其中,U表示第一求和矩阵,Un表示第一排序矩阵中的第n行数据,代表第n个特征路面排序值总和;
将U1~Un按照由小至大升序排列,则排序为1对应的特征路面为零部件载荷分析最关键的工况。
9.一种可读存储介质,其特征在于,可读存储介质位于PLC控制器中,可读存储介质上存储有计算机程序,该程序被处理器执行时实现权利要求1至8任一项所述汽车零部件关键耐久试验工况识别方法。
10.一种汽车零部件关键耐久试验工况识别装置,其特征在于,包括:
确定模块,其用于确定整车耐久试验工况,并按照整车道路耐久试验要求进行各工况的特征路面上载荷谱的采集;
建立模块,其用于建立多体动力学模型,并基于采集的载荷谱提取得到各工况下零部件的载荷输入;
计算模块,其用于基于提取的零部件的载荷输入进行伪损伤计算,并创建伪损伤矩阵;
识别模块,其用于基于伪损伤矩阵分析识别得到关键载荷通道,分析关键载荷通道实现零部件关键特征工况的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535208.2A CN116659892A (zh) | 2023-05-12 | 2023-05-12 | 汽车零部件关键耐久试验工况识别方法、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535208.2A CN116659892A (zh) | 2023-05-12 | 2023-05-12 | 汽车零部件关键耐久试验工况识别方法、存储介质及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116659892A true CN116659892A (zh) | 2023-08-29 |
Family
ID=87710932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310535208.2A Pending CN116659892A (zh) | 2023-05-12 | 2023-05-12 | 汽车零部件关键耐久试验工况识别方法、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116659892A (zh) |
-
2023
- 2023-05-12 CN CN202310535208.2A patent/CN116659892A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4310501B2 (ja) | 荷重伝達経路法に基づく数値構造解析装置 | |
CN103163877A (zh) | 用于系统级故障的根本原因分析和质量监控的方法和系统 | |
CN112434367B (zh) | 汽车悬架疲劳载荷谱的获取方法及装置 | |
CN104217094A (zh) | 用于计算结构的疲劳以及疲劳破坏的方法 | |
Kumar et al. | Time series-based SHM using PCA with application to ASCE benchmark structure | |
CN115618269B (zh) | 基于工业传感器生产的大数据分析方法及系统 | |
CN111680409B (zh) | 一种汽车结构耐久程序的试验场关联方法 | |
CN115795982A (zh) | 一种汽车的疲劳耐久寿命预测方法、设备和存储介质 | |
CN116049989A (zh) | 转向架数字孪生模型构建方法、系统、电子设备及介质 | |
CN116659892A (zh) | 汽车零部件关键耐久试验工况识别方法、存储介质及装置 | |
CN115310308B (zh) | 一种悬架系统耐久试验优化方法、装置、设备及存储介质 | |
CN111780993B (zh) | 一种车轮力测量系统及方法 | |
CN110955933B (zh) | 一种基于响应面法的机械结构模糊疲劳可靠度计算方法 | |
CN117057190A (zh) | 一种轨道车辆制动盘温升预测方法 | |
CN115962957A (zh) | 一种循环工况下纯电动客车可靠及耐久性测评方法 | |
CN114491825B (zh) | 一种汽车翼子板振动强度分析方法 | |
CN111709160B (zh) | 一种基于卡车底盘的行驶动态性能分析优化方法及系统 | |
CN112734203B (zh) | 基于路面的车辆损伤计算方法、装置、系统及存储介质 | |
CN115222145A (zh) | 基于新能源汽车运行大数据的续驶里程预测方法及系统 | |
CN115031983A (zh) | 一种前桥耐久性快速试验载荷谱编制方法 | |
CN112199776A (zh) | 机车全寿命周期的评估方法、评估系统及优化方法 | |
CN112446092A (zh) | 车辆结构件损伤测试方法、装置、设备及存储介质 | |
CN107145665B (zh) | 一种巷道围岩应力建模与预测方法 | |
Kulagin et al. | Modern approaches of vehicle suspension durability evaluation at early stages of development | |
CN114840923A (zh) | 一种考虑螺栓预紧的车身疲劳损伤仿真方法及系统 |
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 |