CN117501086A - 用于测试的设备和方法、尤其是计算机实现的方法 - Google Patents

Abstract

用于测试具有多个部件的机器或用于测试机器的部件的设备和方法——尤其是计算机实现的方法，其中所述方法包含：为模型提供(202)输入参量的集合，其中输入参量的集合表征机器处的负荷因素或表征所述机器的至少一个部件处的负荷因素，选择(204)所述集合的子集，通过所述模型将所述子集映射(206)到所述模型的输出参量，所述输出参量表征所述负荷因素在所述机器的至少一个部件情况下引起的应力，并且优选地根据输出参量集合确定(208)至少一个部件的损害程度、尤其是疲劳程度，所述输出参量集合包含输出参量。

Description

用于测试的设备和方法、尤其是计算机实现的方法

背景技术

测试机器需要创建原型并且在真实条件下执行测试，对于所述条件需要大量资源，所述测试包含使机器运行。

发明内容

用于测试具有多个部件的机器或用于测试机器的部件的方法、尤其是计算机实现的方法包含：为模型提供输入参量的集合，其中输入参量的集合表征机器处的负荷因素(Belastungsfaktoren)或表征所述机器的至少一个部件处的负荷因素，选择所述集合的子集，通过所述模型将所述子集映射到所述模型的输出参量，所述输出参量表征所述负荷因素在所述机器的至少一个部件的情况下引起的应力(Beanspruchung)。

优选地在早期开发阶段中，这使得能够显著更高效地确定部件特定的应力，并且基于从多个(例如数万个)不同应力场景或具有相同的应力场景的测试重复中导出的应力分布进行评价。不需要机器的原型。

该方法有利地允许导出用于评估和优化机器或部件行为的功能载荷，尤其是评估和/或适配/优化运行策略，例如用于优化功能系统参量，其中部件可以是该系统的一部分，例如与消耗行为相关。

在一个方面的情况下，机器的部件例如是燃料电池部件、用于电机的逆变器、电池组或尤其是用于电动车辆的变速箱、尤其是用于混合动力车辆的燃料喷射系统。此外，该部件可以是尤其是车辆的其他部件，例如传动系、转向系统、制动系统或安全系统、诸如摄像机或雷达系统的部件。

在一个方面的情况下，机器是车辆、摩托车或电动自行车、列车或飞机或轮船。

优选地根据包含所述输出参量的输出参量集合来确定所述至少一个部件的损害程度、尤其是疲劳程度。这样的应力或更一般地损坏机制尤其是可以包括磨损、腐蚀或一般而言疲劳和统计失灵。损害程度尤其是应该被理解为由应力或由损坏机制引起的对部件或对机器的尤其是具有对功能性的不利影响的损坏的程度。

有利地，选择所述子集包含：选择定义路线的输入参量以及选择定义驾驶员配置文件的输入参量，并且其中从定义不同路线的多个输入参量中选择定义所述路线的输入参量，其中从定义不同驾驶员配置文件的多个输入参量中选择定义所述驾驶员配置文件的输入参量。这使得能够模拟大数量的不同行驶循环来确定应力和负荷，而不是大量真实行驶试验。

优选地，选择并且映射多个不同的子集，其中从由映射所述不同的子集得到的输出参量中确定所述应力或疲劳的分布。由此提供改善标识输入参量的组合的能力的变化，所述输入参量比其他输入参量引起更大的疲劳或引起特定类别的疲劳。

所述方法、尤其是确定所述损害程度优选地包含：将从所述输出参量集合中选择的输出参量相加或相乘。从而为所选择的输出参量提供输出参量的合并损害。

优选地，所述方法、尤其是确定所述损害程度包含：要么在机器特定的统计表中要么在机器特定的日志中，确定所述路线的特性、尤其是一天中的时间、开始时间、区域、持续时间、距离或类型的出现的频度，并且根据所述频度确定用于所述输出参量的权重，以及将利用所述权重加权的输出参量相加或相乘。从而对于路线的特定特性提供合并损害。

优选地，所述方法、尤其是确定所述损害程度包括：在机器特定的统计表或机器特定的日志中选择操作员、尤其是机器的驾驶员或用户，为所述操作员确定所述输出参量集合中的多个输出参量，并且优选地利用所述多个输出参量确定所述损害程度。从而针对特定操作员提供合并损害。

优选地，所述方法、尤其是确定所述损害程度包含：从机器特定的统计表的集合中选择所述机器特定的统计表。从而提供机器特定的权重。

用于测试具有多个部件的机器或用于测试机器的部件的设备被设立用于相应地执行该方法的步骤。

计算机程序包含指令，所述指令在由计算机执行时引起所述计算机相应地执行该方法的步骤。

附图说明

本发明的其他有利方面由以下描述和附图得出。在附图中：

图1示意性地示出用于测试的设备100的一部分，

图2示意性地示出用于测试的方法中的步骤，

图3示意性地示出第一示例，

图4示意性地示出第二示例。

具体实施方式

图1示意性地示出用于测试的设备100的一部分。设备100被设立或能够被设立用于测试具有多个部件的机器或用于测试机器的部件。

设备100包含数据库102、模型104和分析器106。

数据库102包含模型104的输入参量的集合。输入参量表征机器处的负荷因素或机器的至少一个部件处的负荷因素。数据库102包含定义不同路线和不同驾驶员配置文件的多个输入参量。数据库可以包括定义不同环境条件的输入参量。

定义路线的模型104的输入参量例如定义路线的开始和路线的结束和/或路线的走向。

路线可以通过真实路线的地理坐标或来自真实行驶的遥测数据被定义。可以从行驶日志中选择路线。路线可以通过合成地产生的数据被定义，所述数据表示并非来自真实路线的遥测数据或地理坐标。

定义驾驶员配置文件的模型的输入参量例如定义节流阀和/或制动控制装置的运行的频率和/或模式。优选地，在模型中还映射关于一般行驶方式、尤其是驾驶风格的所容忍的速度和均匀程度的其他信息。

定义环境条件的模型的输入参量优选地定义气候的、地理的、交通引起的和/或法律的环境条件，例如温度、风速、风向、限速、限速的位置、车辆的位置和交通拥堵的位置中的至少一个。

还可以选择要测试的机器或所述机器的部件的特征性特征参量作为模型104的输入参量。机器或所述机器的部件的特征参量可以从针对该特征参量定义的范围中来选择。这些特征参量可以定义模型104如何将一个输入参量或多个输入参量映射到一个输出参量或多个输出参量。模型104可以包含将一个输入参量或多个输入参量映射到一个输出参量或多个输出参量的部分。模型104可以包含用于将一个输入参量或多个输入参量映射到一个中间参量或多个中间参量的至少一个部分。模型104可以包含用于将中间参量映射到一个输出参量或多个输出参量的至少一部分。该至少一个部分可以被设立用于通过以下运行中的至少一个来映射：函数、估计、有限元模拟、特征曲线或表格。该列表对于运行是示例性的并且不是详尽的。

模型104被设立用于将输入参量的集合的子集映射到模型104的输出参量的集合，所述输出参量的集合表征应力，负荷因素在机器的至少一个部件情况下引起所述应力。在该示例中，模型104包含第一部分108和第二部分110。第一部分108被设立用于模拟全局负荷参量。输入参量的集合的子集由第一部分108映射到全局负荷参量，所述全局负荷参量作为输入被转交给第二部分110。第二部分110被设立用于进行系统模拟。第二部分110被设立用于将第一部分108的输入映射到输出参量的集合。到第二部分110中的附加输入可以是局部负荷参量。在该方面的情况下，局部负荷参量和来自第一部分108的输入被映射到输出参量。

例如，第一部分108可以被设立用于模拟机器或其部件。在该示例中，第二部分110可以被设立用于模拟机器或所述机器的部件的应力。

全局负荷参量的示例的非详尽列表是：速度、加速度、档位(Gang)。部件的示例的非详尽列表是车辆的传动系。局部负荷参量的示例的非详尽列表是发动机功率或喷射系统中的压力。

路线上的车辆的速度的全局负荷参量例如通过第一部分108通过从定义路线数据、例如路线的遥测数据的数据库中采样输入参量；通过利用根据从数据库采样的输入参量参数化的驾驶员模型确定路线上的驾驶员行为；通过利用根据路线数据以及优选地车辆特定的数据参数化的物理模型确定路线上的行驶阻力；通过利用根据驾驶员行为参数化的随机容差模型和从代表交通的数据库中采样的输入参量确定容差；以及通过利用数据驱动模型确定速度用于根据其他模型的输出产生路线上的速度曲线来模拟。

速度曲线的输出参量的集合通过第二部分110例如利用模拟模型来模拟，所述模拟模型在施加速度曲线时确定车辆的传动系的部件的负荷。在该示例中，说明路线的坡度曲线的路线数据、尤其是遥测数据是用于第二部分110的附加输入。在该示例中，速度曲线和坡度曲线被对准。在该示例中，模拟模型从速度曲线中确定加速度，并且根据速度、加速度和路线的坡度确定传动系的应力。在一个示例中，根据速度、加速度和坡度从传动系的后向模型中确定发动机转矩、每分钟发动机转数和/或发动机功率。

分析器106被设立用于根据输出参量的集合来确定至少一个部件的疲劳程度。

分析器106可以被设立用于确定应力的时间变化过程。

分析器106可以被设立用于通过到模型104中的输入的变化确定应力的分布。分析器106可以被设立用于通过输入的变化确定应力的变化过程的分布。

分析器106被设立用于从应力的分布或时间变化过程中确定机器或所述机器的部件的损害、尤其是疲劳。分析器106被设立用于基于计数、例如雨流计数、线性损害累积、高循环损害、尤其是高循环疲劳或低循环损害、尤其是低循环疲劳的分析来确定损害、尤其是疲劳。如上所陈述的，这种应力尤其是可以包含磨损、腐蚀或一般而言疲劳和统计失灵。

在一个示例中，分布由驾驶员行为和路线的变化得出。附加地，可以针对机器的使用情况的变化来确定分布。损害、尤其是疲劳的示例的非详尽列表是由发动机的燃料喷射系统中的压力改变引起的部件的损害、尤其是疲劳。

分析器106可以被设立用于确定比其他组合引起更高的损害、尤其是疲劳的输入参量的组合。例如，通过探测如下分布来确定关键组合，所述分布与由变化得出的其他分布相比位于预先给定的百分位数中。

分析器106可以被设立用于确定表征疲劳等级的输入参量的组合。

分析的结果可以被使用来定义其他真实测量。

设备100被设立用于选择子集。设备100被设立用于选择定义路线的输入参量、定义驾驶员配置文件的输入参量以及定义针对子集的至少一个环境条件的输入参量。设备100被设立用于向模型104提供子集并且向分析器106提供由输入得出的输出。设备100可以被设立用于输出损害、尤其是疲劳。例如，设备100被设立用于选择要映射的多个不同子集并且确定应力或损害、尤其是疲劳的分布，所述分布从由映射不同子集得出的输出参量来确定。

设备100可以包含至少一个处理器，以便相应地运行数据库102、模型104、分析器106和用于分布的输出。

设备100被设立用于执行下面参考图2描述的方法的步骤。

模型104可以至少部分是人工神经网络。分析器106可以至少部分地是分类器。分类器可以是人工神经网络或包含这样的人工神经网络。

人工神经网络可以被预先训练用于对机器或所述机器的部件进行建模。

该示例中的方法是计算机实现的。该方法可以至少部分地由专用硬件来执行，至少用于确定模型104或分析器106的输出。

执行该方法用于测试具有多个部件的机器或用于测试机器的部件。模型104和分析器106被设计用于对机器或所述机器的部件进行建模和分析。模型104表征机器处的负荷因素或机器的至少一个部件处的负荷因素。

在步骤202中，为模型104提供输入参量的集合。

在步骤204中，选择该集合的子集。选择子集包含选择定义路线的输入参量、定义驾驶员配置文件的输入参量以及定义至少一个环境条件的输入参量。

从定义不同路线的多个输入参量中选择定义路线的输入参量。

从定义不同驾驶员配置文件的多个输入参量中选择定义驾驶员配置文件的输入参量。

从定义不同环境条件的多个输入参量中选择定义至少一个环境条件的输入参量。

可以根据时间说明、尤其是季节、一天中的时间、一年中的某天或工作日来选择至少一个环境条件。

在步骤206中，通过模型将子集映射到模型的输出参量，所述输出参量表征负荷因素在机器的至少一个部件情况下引起的应力。由模型将不同的子集映射到不同的输出参量。该模型的输出参量的集合包含多个输出参量，所述输出参量表征负荷因素在不同的情景下在机器的至少一个部件情况下引起的应力。

在一个示例中，用于机器的不同操作员的输出参量的集合包含分配给机器的运行的不同特性的不同输出参量。

操作员可以是机器的驾驶员或用户。

在一个示例中，用于n个不同操作员和o个不同特性的输出参量的集合包含到不同疲劳程度D的映射：

车辆的示例性特性是道路类型：“城市”、“农村”、“高速公路”。

车辆行驶特征的特性的示例是：“持续时间”、“行驶的距离”。

数据库102可以包含特性到定义不同路线或不同驾驶员配置文件的多个输入参量的映射。特性可以从分配给输入参量的元数据中可用。

遥测数据可以定义输入参量的时间变化过程。

在一个示例中，针对n个不同操作员的输出参量的集合包含到总疲劳程度D的映射：

操作员1：D 1

操作员n：Dn

在步骤208中，根据输出参量的集合来确定至少一个部件的疲劳程度。

在一个示例中，在输出参量的集合中可以将所选择的输出参量相加。代替将输出参量相加，还可以将输出参量相乘。

在一个示例中，在输出参量的集合中确定所选择的输出参量的加权和或加权乘积。

可以从机器特定的统计表或机器特定的日志来确定权重。

机器特定的统计表可以包含机器到运行的各种特性的划分的映射。机器特定的统计表的集合可以包含针对不同机器的各个划分。针对m个机器和o个特性的机器统计表的集合可以包含对于每个机器的划分S，所述划分合计到高达对于每个机器100％：

机器特定的日志可以包含操作员到运行的特性的多个映射。机器特定的日志可以是行驶日记，其中不同的操作员被映射到相应运行的特性。用于n个操作员、m个行驶和o种类型的特性的行驶日记可以包含以下特性P：

在一个示例中，(要么在机器特定的统计表中要么在机器特定的日志中)确定路线的特性的出现的频度、尤其是持续时间、距离或类型。出现的频度可以是划分中的百分比。用于输出参量的权重可以根据频率被确定。

在一个示例中，利用从机器特定的统计表的集合中选择的机器特定的统计表来确定疲劳程度。更确切地说，来自输出参量的集合中的所选择的输出参量被映射到对于每个操作员和机器的总疲劳程度D：

操作员1-机器1：D11

…

操作员n-机器1：Dn1

…

操作员1-机器m：D1m

…

操作员n-机器m：Dnm

在该示例的一方面，重复步骤204和206，以便选择多个不同的子集并且将所述子集单独地映射到输出参量的多个集合。在一个示例中，应力或疲劳的分布从由映射不同子集而得出的输出参量中来确定。

在图3中所示的示例中，数据库102包含：

-从地点A到地点B的真实世界中的行驶的地理参考路线

-包含行驶日记在内的流动性研究

-系统地检测的现场数据，例如在车队中尤其是通过负荷计数器检测，

-高分辨率遥测数据。

从数据库102中选择提供驾驶员配置文件的第一输入参量302。

从数据库102中选择提供道路类型的第二输入参量304。

第三输入306是路线划分。在该示例中，提供道路类型特定的划分。

该示例使用道路类型特定的特性：“城市”308、“农村”310和“高速公路”312。

对于多个不同的车辆提供道路类型特定的分离。图3示出对于多个车辆中的第一车辆314和多个车辆中的最后车辆316的分离。对于不同的车辆，确定针对特性“城市”308、“农村”310和“高速公路”312的单独划分值。图3示例性地示出针对第一车辆314的划分值314-1、314-2、314-3和针对最后的车辆316的划分值316-1、316-2、316-3。

利用模型104将第一输入302和第二输入304映射到用于多个驾驶员配置文件的道路类型特定的结果。图3示出针对第一驾驶员配置文件318的道路类型特定的结果318-1、318-2、318-3以及针对多个驾驶员配置文件的最后驾驶员配置文件320的道路类型特定的结果320-1、320-2、320-3。

道路类型特定的划分和道路类型特定的结果由函数322叠加。根据一个示例，函数322关于经过的距离计算针对每个驾驶员配置文件的相对损害值。根据一个示例，在从可用配置文件-车辆组合的池中选择驾驶员配置文件-车辆组合之后，计算加权和，其方式是将相对的道路类型特定的值与相应的道路份额相乘、相加并且外推到由目标距离或目标运行时间代表的设计目标上。在该示例中，函数322因此利用对于针对多个不同的驾驶员配置文件-车辆组合的每个驾驶员配置文件-车辆组合的加权和来确定总损害、尤其是疲劳程度。图3示出针对第一组合324的第一总损害324-1和针对最后的组合326的第二总损害326-1。

在图4中所示的示例中，数据库102包含多个行驶日记402，例如驾驶员记录报告。

行驶日记402包含多个用户-行驶组合。在图4中示出了多个用户-行驶组合中的第一用户-行驶组合404和最后的用户-行驶组合406。在该示例中，行驶由以下特性标识：行驶的工作日、行驶的开始时间、行驶在地理上处于的区域、行驶的持续时间、行驶的距离。图4示意性地示出这些特性中的第一特性408和这些特性中的第二特性410。还可以定义其他特性。图4示出针对第一用户-行驶组合404的第一持续时间404-1和第一距离404-2以及针对最后的用户-行驶组合406的第二持续时间406-1和第二距离406-2。

来自数据库102的用户-行驶组合和地理参考路线412利用链接器414与模型104的第一输入参量链接。

链接器414可以将地理参考路线412的元数据与来自用户-行驶组合的行驶的特性进行对比，以便作为到数据库102中的第一输入参量找到潜在路线，所述潜在路线在其元数据中具有与来自行驶日记402的行驶类似的特性。

可以在大的遥测数据集合中标识大数量的潜在路线。为了减少数据量并且维持代表性选择，可以例如利用k均值聚类算法来处理潜在路线，以便将路线分组为具有类似特性的组。在该示例中，第一输入参量是具有与行驶类似的特性的组的中心。

从数据库102中选择第二输入参量416，所述第二输入参量提供驾驶员配置文件。在该示例中，对于每个行驶日记选择一个驾驶员配置文件。

用于同一用户的不同行驶的模型104的输出参量利用函数418被叠加。根据一个示例，对于每个单独的用户计算伤害值以及总路段和持续时间的总和。然后将损害值外推到设计目标上，例如通过目标距离或目标运行持续时间代表所述设计目标。在该示例中，函数418利用输出参量的总和来确定总损害、尤其是疲劳程度。图4示出针对第一用户420的第一总损害420-1和针对最后用户422的第二总损害422-1。

所示示例描述用于计算损害总和的用途，其中用途不限于损害总和，因为代替地也可以使用统计值、例如部件负荷的平均值，或直方图或载荷谱(Lastkollektive)。

下面根据其他示例来描述尤其是如何通过模型104和分析器106利用损害累积来确定输出参量。

1)燃料电池部件：

燃料电池部件的示例性构造元件是用于尤其是移动的燃料电池系统的电空气压缩机的涡轮。就此而论，移动意味着燃料电池的尺寸适用于驱动载客汽车。

对于燃料电池部件，示例性损害机制是基于离心力的疲劳。

在这方面，模型104包含以下部分：

i.被设立用于基于作为车速、坡度、车辆质量、阻力系数的函数的行驶阻力方程来计算车轮功率的部分。该方程的输入参量例如是加速阻力、空气阻力、滚动阻力和坡度阻力(Steigungswiderstand)。

ii.被设立用于计算为电机产生交流供电(AC供电)用于驱动车辆所需要的直流功率(DC功率)的部分。例如，从车轮功率中在考虑传动系中的详细功率损耗、例如变速箱损耗(Getriebeverlust)、差动损耗的情况下来计算交流电流。例如，从交流电流中在考虑交流/直流逆变器中的详细功率损耗的情况下计算直流电流。

iii.被设立用于基于针对车辆的功率分支的运行策略来计算燃料电池堆和高压电池组从直流功率中的功率分支的部分，所述运行策略考虑其他要求，诸如燃料电池堆的最大动态、电池组的充电状态。

iv.被设立用于计算堆电流的部分，堆需要所述堆电流来提供直流功率。例如，基于详细的堆模型或特性曲线模型来计算堆电流。

v.被设立用于从堆电流中确定涡轮机转速U/min的部分。在此，堆电流是燃料电池子系统的参考参量。可选地，由该部分还确定海平面以上的高度、外部温度和湿度。

在该示例中，确定时间分辨涡轮机转速U/min。该涡轮机转速被输入到损害模型中。

分析器106包含损害模型。

损害模型被设立用于从涡轮机转速中导出离心力。

在该示例中，损害模型被设立用于以预先给定的分辨率对时间分辨涡轮机转速执行雨流计数，并且基于沃勒曲线()计算损害累积。

损害模型的输出是代表损害累积的输出参量。

2)用于电机的逆变器

逆变器的示例性构造元件是功率模块的B6电桥。在该示例中，逆变器是用于移动燃料电池系统的电空气压缩机。就此而论，移动意味着燃料电池的尺寸适用于驱动载客汽车。每种其他逆变器都可以以相同的方式被测试。

对于逆变器示例性的损害机制基于由于高温度变化速度引起的热应力。

在该方面中，模型104包含如上所述的部分i)、ii)、iii)、iv)和输入参量。模型104附加地包含

v.被设立用于基于堆电流和逆变器处的电压计算B6电桥的温度的部分。

在该示例中，确定时间分辨温度。该温度被输入到损害模型中。

分析器106包含损害模型。

损害模型被设立用于以预先给定的分辨率对时间分辨温度执行雨流计数，并且基于沃勒曲线计算损害累积。

损害模型的输出是代表损害累积的输出参量。

3)高压电池组

在该示例中，高压电池组包含锂离子电池组电池。高压电池组的示例性构造元件是电池的外壳。

高压电池组的示例性损害机制是由于电池组电池的肿胀(Aufquellen)而导致的外壳破裂。当电池组电池被充电时，所述电池组电池膨胀，即肿胀。这导致外壳中的负荷。由于外壳中的负荷而压缩电池。对于其中具有多个电池的电池组的损害机制可以以相同的方式被测试。

在这个方面的情况下，模型104包含如上所述的部分i)、ii)和输入参量。模型104附加地包含

iii.被设立用于基于电池组控制和电池组处的回路中的限制对于电池组计算一系列充电状态(“state of charge”，SOC)的部分。

iv.被设立用于从SOC系列中计算应力系列的部分。在该示例中，在有限元模拟中根据SOC系列的值来确定电池组外壳中的应力。在该示例中，来自SOC系列的值被变换成应力系列。

分析器106包含损害模型。

损害模型被设立用于对电池组的应力循环执行雨流计数，并且基于沃勒曲线计算损害累积。可以基于SOC系列对应力循环进行计数，其中升高的SOC的开始表明应力循环的开始。

损害模型的输出是代表损害累积的输出参量。

4)用于电动车辆的变速箱

在该示例中，用于电动车辆的变速箱具有带齿的齿轮。变速箱的示例性构造元件是变速箱的齿轮的齿。

变速箱的示例性损害机制是例如由于高转矩而导致的齿折断。变速箱的另一示例性损害机制是例如由于高转矩和高数量的每分钟转数U/min引起的齿侧面处的点蚀形成。

模型104在该方面中包含

i.被设立用于基于车辆特性、例如质量、空气阻力、滚动阻力、基于速度以及基于坡度剖面来计算驱动力系列的部分。根据该示例，质量、空气阻力、滚动阻力、速度和坡度剖面是输入参量。

ii.被设立用于基于变速箱的传动比和效率来计算齿处的转矩和/或每分钟转数的部分。根据该示例，传动比和效率是输入参量。

可以考虑限制电动车辆的电动机的可能功率的附加效应。这可能是在高转速时发动机的功率损失或防止过热。

iii.被设立用于导出电动机的保留时间特性曲线族的部分，例如在特定U/min和转矩值情况下的持续时间。

分析器106包含损害模型。

损害模型被设立用于从保留时间特性曲线族中计算在特定转矩水平时的转数。损害模型被设立用于基于沃勒曲线计算针对每个转矩的损害累积。

在该示例中，为齿根和齿面定义单独的沃勒曲线。

损害模型的输出是代表损害累积的输出参量。

5)混合动力车辆中的燃料喷射系统

燃料喷射系统的示例性构造元件是高压泵、燃料轨或燃料喷射器。

燃料喷射系统的示例性损害机制是由于燃料压力的变化而导致的损害、尤其是疲劳。通过混合动力车辆特定的极限或运行条件可能诱发燃油压力的变化。

模型104在该方面的情况下包含

i.被设立用于根据车速、坡度、车辆质量和/或阻力系数计算车轮功率的部分。根据该示例，车速、坡度、车辆质量和阻力系数是输入参量。根据该示例，车轮功率例如基于由加速阻力、空气阻力、滚动阻力和/或坡度阻力作为输入参量组成的行驶阻力方程被确定。

ii.被设立用于基于所计算的车轮功率和其时间序列来确定是使用内燃机还是电动机来驱动的部分。

iii.被设立用于基于车轮功率和时间序列计算喷射系统中的压力变化的部分。

在该示例中，确定由压力调节系统产生的期望的压力变化和不期望的压力变化。

例如，在电行驶时间段期间，即当内燃机关断时，通过热效应产生不期望的压力变化。热学上诱发的压力变化是由于在具有关断的内燃机的时间段中冷燃料和热发动机零件之间的热平衡效应导致的在独立喷射系统中的燃料的热膨胀的结果。

在具有关断的内燃机的时间段中，例如在容器中例如由于液压泄漏产生不期望的压力变化。

在该示例中，可以同时出现的上述压力变化被组合。

分析器106包含损害模型。

损害模型被设立用于以预先给定的分辨率执行压力的雨流计数，并且基于沃勒曲线计算损害累积。

损害模型的输出是代表损害累积的输出参量。

Claims (12)

1.一种用于测试具有多个部件的机器或用于测试机器的部件的方法，尤其是计算机实现的方法，其特征在于，为模型提供(202)输入参量的集合，其中输入参量的集合表征机器处的负荷因素或表征所述机器的至少一个部件处的负荷因素，选择(204)所述集合的子集，通过所述模型将所述子集映射(206)到所述模型的输出参量，所述输出参量表征所述负荷因素在所述机器的至少一个部件情况下引起的应力。

2.根据权利要求1所述的方法，其特征此外在于，根据包含所述输出参量的输出参量集合来确定(208)所述至少一个部件的损害程度、尤其是疲劳程度。

3.根据权利要求1或2所述的方法，其特征在于，选择(204)所述子集包含选择定义路线的输入参量以及选择定义驾驶员配置文件的输入参量，并且其中从定义不同路线的多个输入参量中选择(204)定义所述路线的输入参量，其中从定义不同驾驶员配置文件的多个输入参量中选择(204)定义所述驾驶员配置文件的输入参量。

4.根据前述权利要求中任一项所述的方法，其特征在于，选择(204)并且映射(206)多个不同的子集，其中从由映射所述不同的子集得到的输出参量中确定(208)所述应力或疲劳的分布。

5.根据前述权利要求中任一项所述的方法，其特征在于，所述方法、尤其是确定(208)所述损害程度包含将所述输出参量集合中的所选择的输出参量相加或相乘。

6.根据权利要求5所述的方法，其特征在于，所述方法、尤其是确定(208)所述损害程度包含：要么在机器特定的统计表中要么在机器特定的日志中，确定所述路线的特性、尤其是一天中的时间、开始时间、区域、持续时间、距离或类型的出现的频度，并且根据所述频度确定用于所述输出参量的权重，并且将利用所述权重加权的输出参量相加或相乘。

7.根据权利要求6所述的方法，其特征在于，所述方法、尤其是确定(208)所述损害程度包含：在机器特定的统计表或机器特定的日志中选择操作员、尤其是机器的驾驶员或用户，为所述操作员确定所述输出参量集合中的多个输出参量，并且优选地利用所述多个输出参量确定所述损害程度。

8.根据前述权利要求中任一项所述的方法，其特征在于，所述方法、尤其是确定(208)所述损害程度包含从机器特定的统计表的集合中选择所述机器特定的统计表。

9.根据前述权利要求中任一项所述的方法，其特征在于，所述机器的部件是燃料电池部件、用于电机的逆变器、电池组或尤其是用于电动车辆的变速箱、尤其是用于混合动力车辆的燃料喷射系统。

10.根据前述权利要求中任一项所述的方法，其特征在于，所述机器是车辆、摩托车或电动自行车、列车或飞机或轮船。

11.一种用于测试具有多个部件的机器或用于测试机器的部件的设备(100)，其特征在于，所述设备被设立用于执行根据权利要求1至10中任一项所述的方法的步骤。

12.一种计算机程序，其特征在于，所述计算机程序包含指令，所述指令在由计算机执行时引起所述计算机执行根据权利要求1至10中任一项所述的方法的步骤。