CN117969117A - 纯电动汽车综合可靠性检测方法 - Google Patents
纯电动汽车综合可靠性检测方法 Download PDFInfo
- Publication number
- CN117969117A CN117969117A CN202410212361.6A CN202410212361A CN117969117A CN 117969117 A CN117969117 A CN 117969117A CN 202410212361 A CN202410212361 A CN 202410212361A CN 117969117 A CN117969117 A CN 117969117A
- Authority
- CN
- China
- Prior art keywords
- reliability
- torque
- electric vehicle
- pure electric
- user
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000012360 testing method Methods 0.000 claims abstract description 25
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 239000000446 fuel Substances 0.000 claims abstract description 18
- 238000013461 design Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000007547 defect Effects 0.000 claims abstract description 7
- 238000009413 insulation Methods 0.000 claims abstract description 7
- 238000003064 k means clustering Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000007621 cluster analysis Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 claims description 2
- 239000003638 chemical reducing agent Substances 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000295 fuel oil Substances 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012942 design verification Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及汽车领域，具体涉及一种纯电动汽车综合可靠性检测方法。包括基本结构可靠性检测部分、动力及传动系统可靠性检测部分，还包括环境模拟工况检测。本发明基于用户车载T‑box设备，通过量化分析的方式，明确了电动汽车结构可靠性检测部分借用同平台燃油汽车可靠性规范的结构可靠性部分；利用K均值聚类分析技术，实现用户驾驶数据自动分类，通过分析聚类中心数据，精准地获取到用户典型的场景的驾驶习惯信息；抽取关键数据，实现试验工况设计与用户驾驶习惯强关联，叠加用户使用需求与规范设计扭矩损伤等效原理，最大程度地实现了用户需求与试验验证等效。同时，设计了环境模拟检测工况，实现振动载荷、环境载荷同步输入，能够快速地发现绝缘设计缺陷，大幅降低设计缺陷逃逸的概率。
Description
技术领域
本发明涉及汽车领域，具体涉及一种纯电动汽车综合可靠性检测方法。
背景技术
在环保治理趋严下，传统的燃油汽车面临着诸多的困难与挑战，诸如国六排放标准的实施、燃油价格飙涨、道路限行等，汽车电动化是当前必然选择。纯电动汽车动力系统主要由动力电池、驱动电机、驱动桥组成，与燃油车的发动机、离合器、变速箱、驱动桥驱动系统差异巨大，需要根据电动车的特点，设计整车综合可靠性检测方法。
新能源汽车蓬勃发展，2023年上半年，新能源汽车完成产销分别为378.6万辆和374.7万辆，同比分别增长42.4％和44.1％，2023年上半年新能源汽车的市占率达到28.3％以上，其中，纯电动则实现271.9万辆的销量，占2023年上半年新能源汽车总销量的72.6％，预计到2025年，纯电动汽车的总销量将达到汽车总销量的45％。
如图1纯电动汽车结构框架和图2燃油汽车结构框架所示，电动车的主体结构与燃油车相比发生了重大变化：能源提供由燃油变成动力电池，附带增加了电池包控制系统(BMS)、冷却系统等；动力提供由发动机变成了驱动电机，减少了配气机构、点火系统、燃料供给系统等，系统大幅简化；采用电机直连驱动桥，取消了为平顺换挡设计的离合器结构、取消了减速增扭的变速箱结构。
当前行业内大多参考GB/T 34585-2017规范的要求，即按照同平台燃油汽车的结构坏路5000km，高速路5000km，平坦公路5000km进行可靠性测试，或者，使用燃油车相同的耐久规范进行可靠性测试，并没有根据电动车关键系统的特点，设计科学的可靠性规范对其进行验证。
根据市场调研结果，由于续航里程短、高速电耗高、充电设施配套设施不完善、充电时间长等原因，超90％的电动车用户，96％的使用里程分布在城区、城郊，该特点与燃油车的高速、国道、乡道、城市、城郊的全场景较为均匀覆盖差异很大，使用国标或者燃油车可靠性规范验证电动车型可能导致，如：出现高速里程强关联的失效模式，由于绝大多数用户的高速里程占比非常低，这些问题在用户端发生的概率非常低，因此整改这些问题的价值是非常低的，而且耽误上市时间；城市模拟强关联的工况，由于考核里程不足，可靠性验证阶段可能没有问题，但是用户的城市城郊里程占比非常高，售后出现很多失效，引起顾客抱怨，伤害品牌；新增绝缘类故障，根本原因是线束密封失效进水，该类型故障数为Top10的第6名，占比总故障数的6％等问题。
发明内容
本发明针对现有技术中的问题，根据电动汽车市场的用户场景特点，设计专用的可靠性试验规范，更好的匹配用户使用的需求，使设计验证更合理、更高效。
纯电动汽车综合可靠性检测方法，包括基本结构可靠性检测部分、动力及传动系统可靠性检测部分，基本结构可靠性检测部分包括检测车身外饰、车身内饰、底盘、电子电器、动力电池及其安装结构、整车各类控制系统各组件的零件质量可靠性和连接结构的抗颠簸载荷的能力；动力及传动系统可靠性检测部分包括检测动力电机、传动轴、动力电池、驱动桥系统各组件的扛旋转扭矩、扛热负荷能力。
进一步的，基本结构可靠性检测部分：
通过市场用户调研确定纯电动汽车的可靠性目标为满足95％的用户，10年300,000km无大修的目标；通过采集的真实用户使用载荷谱数据并经统计分析确定定纯电动汽车基本结构可靠性部分与同平台的燃油汽车一致。
进一步的，动力及传动系统可靠性检测部分：
(4)根据纯电动汽车动力系统工作原理和售后数据分析，梳理动力及传动系统子系统、关键部件、关键部件的工作负荷类型、工作负荷的主要影响参数；
(5)基于用户使用的关键系统的关键参数聚类分析，构建典型试验工况；
(6)耐久试验设计扭矩总损伤的覆盖大于等于“95％用户，300,000km累积扭矩损伤”的原则；基于用户大数据聚类分析的关键类设计出工况类型、每一种工况类型的数量，基于旋转扭矩损伤理论，对检测方法进行计算分析，达成“满足95％的用户，10年300,000km无大修的目标”的质量目标。
进一步的，动力及传动系统子系统包括电机控制器系统、电驱动总成和电池包；所述电机控制器系统的关键部件为逆变器和DCDC；所述电驱动总成包括电机、减速器齿轮、电驱动桥；所述电池包包括电池管理系统和电芯。
进一步的，聚类分析采用K均值聚类，具体包括如下步骤：(a)数据预处理；(b)基于电机的16项特征参数，对数据聚类分析；(c)PCA方法降维，从16维度降至5维度；(d)基于K均值聚类方法，对5维数据进行聚类划分，划分为5类；(e)得出每类聚类数据；(f)基于关键类设计测试方法。
进一步的，16项特征参数为:扭矩标准差，扭矩减少时的最大扭矩波动，平均正扭矩，平均负扭矩，加速度标准差，最大加速度，最小加速度，减速段的平均减速度，加速段的平均加速度，速度标准差，最大速度，平均速度，总时间，总里程，加速比例，减速比例。
进一步的，步骤(3)中工况类型包括城市模拟、山路模拟、城郊模拟、高速模拟；累积扭矩总损伤计算方法如下：
式中:D为累积扭矩总损伤，Nk为扭矩载荷等级；nR,i为第i级扭矩幅值下对应的频次；Nf,i为第i级扭矩幅值下的疲劳寿命。
进一步的，还包括环境模拟工况检测，在道路试验工况完成后执行，模拟在目标市场环境条件下，一天之内，温度从目标市场的极限低温-20℃跳变到目标市场的极限高温50℃，湿度维持在目标市场的相对最高湿度，利用温度快速变换，整车振动，使线束接插件热胀冷缩产生缝隙，利用高温高湿水蒸气充分侵入，降温冷凝成水珠，使接插件短路，发生绝缘故障，发现设计缺陷。
本发明的有益效果：基于用户车载T-box设备，不需要额外加装数据采集设备，能够节省大量的时间和成本；通过量化分析的方式，明确了电动汽车结构可靠性检测部分借用同平台燃油汽车可靠性规范的结构可靠性部分；利用K均值聚类分析技术，实现用户驾驶数据自动分类，通过分析聚类中心数据，精准地获取到用户典型的“城市驾驶”、“城市城郊”、“高速”等场景的驾驶习惯信息；以用户各场景的驾驶习惯信息为基础，抽取关键数据，实现试验工况设计与用户驾驶习惯强关联，叠加用户使用需求与规范设计扭矩损伤等效原理，最大程度地实现了用户需求与试验验证等效。根据电动车售后绝缘故障多发的特点，根据售后场景的环境边界，设计了环境模拟检测工况，实现振动载荷、环境载荷同步输入，能够快速地发现绝缘设计缺陷，大幅降低设计缺陷逃逸的概率。
附图说明
图1纯电动汽车结构框架；
图2燃油汽车结构框架；
图3电驱动关键系统及工作负荷；
图4聚类分析工作流程；
图5聚类结果示意图；
图6中高速聚类结果示意图；
图7中高模拟试验示意图；
图8环境模拟工况示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施方式可靠性检测方法按检测侧重点可划分为基本结构可靠性检测部分和动力及传动系统可靠性检测部分，基本结构可靠性检测部分侧重检测车身外饰、车身内饰、底盘、电子电器、动力电池及其安装结构、整车各类控制系统各组件的零件质量可靠性和连接结构的抗颠簸载荷的能力；动力及传动系统可靠性检测部分侧重检测动力电机、传动轴、动力电池、驱动桥系统各组件的扛旋转扭矩、扛热负荷能力。
a)基本结构可靠性检测部分
根据市场用户调研结果，BEV汽车与燃油汽车的可靠性目标需求是一样的，满足95％的用户，10年300,000km无大修的目标。根据采集的真实用户使用载荷谱数据经统计分析，满足95％电动汽车用户的累积损伤与同平台的燃油汽车非常接近，偏差小于5％的控制目标，表1是某同平台的燃油汽车和电动汽车轮芯结构载荷对比数据，所以基本结构可靠性部分维持和同平台的燃油汽车相同。
表1燃油汽车规范与满足纯电动汽车用户可靠性目标的损伤对比
b)传动系统可靠性检测部分
①根据纯电动汽车动力系统工作原理和售后数据分析，梳理了动力及传动系统子系统、关键部件、关键部件的工作负荷类型、工作负荷的主要影响参数，如图3所示。
②基于用户使用的关键系统的关键参数聚类分析，构建典型试验工况。
本次工作采用K均值聚类，该方法是最常用的聚类算法，技术流程见图4。
它的基本思想是，通过迭代寻找K个簇(Cluster)的一种划分方案，使得聚类结果对应的损失函数最小，其中，损失函数为各个样本与所属簇中心点的欧式距离，计算公式如下：
式中，xi代表第i个样本，ci是xi所属的簇，μci代表簇对应的中心点，M是样本总数，原理示意如图5所示。
以中高速工况为例，聚类结果如图6所示，其中横轴为时间，单位为s，纵轴为车速，单位为km/h。
聚类中心数据的处理方法如表2所示。
表2聚类中心处理方法
基于用户中高车速聚类结果分析构建的试验工况如7图所示，其中横轴为某试验场高速环道参考标志位置，纵轴为车速，单位为km/h。
中高速模拟试验工况试验操作要求如下：
(a)进入高速环道入口，“停车等待”位置停车，确认安全后进入环道：
(b)加速踏板全开加速，至80km/h后保持通过南弯道；
(c)进入西直道后加速踏板全开加速，至100km/h后保持，“警示灯1”位置滑行，至60km/h后进行0.7g制动停车(未配备ABS/ESP车辆、湿滑路面等情况以最大安全减速度制动停车)，至N挡；
(d)加速踏板全开加速，至80km/h后保持通过北弯道；
(e)进入东直道后加速踏板全开加速，至100km/h后保持，“警示灯2”位置滑行，至60km/h后进行0.5g制动停车(可适当提前制动减速，制动停车位置不得超过警示灯3)，至N挡；
(f)继续下一个工况或者以安全车速离开高环。
③耐久试验设计扭矩总损伤的覆盖大于等于“95％用户，300,000km累积扭矩损伤”的原则。
基于用户大数据聚类分析的关键类设计出工况类型、每一种工况类型的数量，基于旋转扭矩损伤理论，对检测方法进行计算分析，达成“满足95％的用户，10年300,000km无大修的目标”的质量目标。
式中:D为累积扭矩总损伤，Nk为扭矩载荷等级；nR,i为第i级扭矩幅值下对应的频次；Nf,i为第i级扭矩幅值下的疲劳寿命。根据用户T-box数据分析，满足“95％用户，300,000km累积扭矩损伤”总损伤为8.53，试验工况分布如表3所示，试验扭矩损伤分布如表4所示。
表3里程分布
表4试验扭矩损伤分布
c)环境模拟工况检测
新增环境模拟工况检测，在道路试验工况完成后执行，该工况设计的目标是模拟在目标市场环境条件下，一天之内，温度从目标市场的极限低温(-20℃)跳变到目标市场的极限高温(50℃)，湿度维持在目标市场的相对最高湿度，利用温度快速变换，整车振动，使线束接插件热胀冷缩产生缝隙，利用高温高湿水蒸气充分侵入，降温冷凝成水珠，使接插件短路，发生绝缘故障，发现设计缺陷，工况设计如表5和图8所示。
表5环境模拟工况
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。
Claims (8)
1.纯电动汽车综合可靠性检测方法，其特征在于：包括基本结构可靠性检测部分、动力及传动系统可靠性检测部分，基本结构可靠性检测部分包括检测车身外饰、车身内饰、底盘、电子电器、动力电池及其安装结构、整车各类控制系统各组件的零件质量可靠性和连接结构的抗颠簸载荷的能力；动力及传动系统可靠性检测部分包括检测动力电机、传动轴、动力电池、驱动桥系统各组件的扛旋转扭矩、扛热负荷能力。
2.根据权利要求1所述的纯电动汽车综合可靠性检测方法，其特征在于：基本结构可靠性检测部分：
通过市场用户调研确定纯电动汽车的可靠性目标为满足95％的用户，10年300,000km无大修的目标；通过采集的真实用户使用载荷谱数据并经统计分析确定纯电动汽车基本结构可靠性部分与同平台的燃油汽车一致。
3.根据权利要求1所述的纯电动汽车综合可靠性检测方法，其特征在于：动力及传动系统可靠性检测部分：
(1)根据纯电动汽车动力系统工作原理和售后数据分析，梳理动力及传动系统子系统、关键部件、关键部件的工作负荷类型、工作负荷的主要影响参数；
(2)基于用户使用的关键系统的关键参数聚类分析，构建典型试验工况；
(3)耐久试验设计扭矩总损伤的覆盖大于等于“95％用户，300,000km累积扭矩损伤”的原则；基于用户大数据聚类分析的关键类设计出工况类型、每一种工况类型的数量，基于旋转扭矩损伤理论，对检测方法进行计算分析，达成“满足95％的用户，10年300,000km无大修的目标”的质量目标。
4.根据权利要求3所述的纯电动汽车综合可靠性检测方法，其特征在于：动力及传动系统子系统包括电机控制器系统、电驱动总成和电池包；所述电机控制器系统的关键部件为逆变器和DCDC；所述电驱动总成包括电机、减速器齿轮、电驱动桥；所述电池包包括电池管理系统和电芯。
5.根据权利要求3所述的纯电动汽车综合可靠性检测方法，其特征在于：聚类分析采用K均值聚类，具体包括如下步骤：(a)数据预处理；(b)基于电机的16项特征参数，对数据聚类分析；(c)PCA方法降维，从16维度降至5维度；(d)基于K均值聚类方法，对5维数据进行聚类划分，划分为5类；(e)得出每类聚类数据；(f)基于关键类，设计测试方法。
6.根据权利要求5所述的纯电动汽车综合可靠性检测方法，其特征在于：16项特征参数为:扭矩标准差，扭矩减少时的最大扭矩波动，平均正扭矩，平均负扭矩，加速度标准差，最大加速度，最小加速度，减速段的平均减速度，加速段的平均加速度，速度标准差，最大速度，平均速度，总时间，总里程，加速比例，减速比例。
7.根据权利要求3所述的纯电动汽车综合可靠性检测方法，其特征在于：步骤(3)中工况类型包括城市模拟、山路模拟、城郊模拟、高速模拟；累积扭矩总损伤计算方法如下：
式中:D为累积扭矩总损伤，Nk为扭矩载荷等级；nR,i为第i级扭矩幅值下对应的频次；Nf,i为第i级扭矩幅值下的疲劳寿命。
8.根据权利要求1所述的纯电动汽车综合可靠性检测方法，其特征在于：还包括环境模拟工况检测，在道路试验工况完成后执行，模拟在目标市场环境条件下，一天之内，温度从目标市场的极限低温-20℃跳变到目标市场的极限高温50℃，湿度维持在目标市场的相对最高湿度，利用温度快速变换，整车振动，使线束接插件热胀冷缩产生缝隙，利用高温高湿水蒸气充分侵入，降温冷凝成水珠，使接插件短路，发生绝缘故障，发现设计缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410212361.6A CN117969117A (zh) | 2024-02-27 | 2024-02-27 | 纯电动汽车综合可靠性检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410212361.6A CN117969117A (zh) | 2024-02-27 | 2024-02-27 | 纯电动汽车综合可靠性检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117969117A true CN117969117A (zh) | 2024-05-03 |
Family
ID=90847684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410212361.6A Pending CN117969117A (zh) | 2024-02-27 | 2024-02-27 | 纯电动汽车综合可靠性检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117969117A (zh) |
-
2024
- 2024-02-27 CN CN202410212361.6A patent/CN117969117A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111581893B (zh) | 一种电驱动总成机械系统可靠性试验载荷谱的编制方法 | |
| Zhao et al. | Development of a Representative EV Urban Driving Cycle Based on ak‐Means and SVM Hybrid Clustering Algorithm | |
| CN109552338B (zh) | 一种纯电动汽车生态驾驶行为评估方法及系统 | |
| CN111459995B (zh) | 一种基于驾驶数据的多模态车速预测方法 | |
| CN110775043A (zh) | 一种基于电池寿命衰减模式识别的混动汽车能量优化方法 | |
| Gong et al. | The role of ITS in PHEV performance improvement | |
| CN113263954A (zh) | 电动汽车续驶里程预测方法、装置、设备和可读存储介质 | |
| Yu et al. | A-EMCS for PHEV based on real-time driving cycle prediction and personalized travel characteristics | |
| CN113297795A (zh) | 一种纯电动汽车行驶工况构建方法 | |
| CN110716527B (zh) | 一种基于运动学片段的车辆能耗分析方法及分析系统 | |
| Chen et al. | A novel method of developing driving cycle for electric vehicles to evaluate the private driving habits | |
| Pan et al. | Driving cycle construction and combined driving cycle prediction for fuzzy energy management of electric vehicles | |
| CN114817371A (zh) | 一种基于XGBoost的车辆行驶工况识别方法 | |
| CN117969117A (zh) | 纯电动汽车综合可靠性检测方法 | |
| Xu et al. | Research on estimation method of mileage power consumption for electric vehicles | |
| CN114840916A (zh) | 整车零部件热害性能测试工况的构建方法和热害对整车使用寿命影响程度的综合判定方法 | |
| Zhang et al. | Development of the driving cycle for Dalian city | |
| Lei et al. | Simulation and analysis of energy consumption for plug-in hybrid electric vehicles based on driving cycles | |
| Zhixin et al. | Calculation method of electric vehicle power consumption based on naive bayes classification | |
| CN113281597A (zh) | 一种纯电动车动力总成台架试验系统及方法 | |
| Du et al. | Energy Efficiency Oriented Design Method of Power Management Strategy for Range‐Extended Electric Vehicles | |
| Wang | Research on Monitoring Strategy of New Energy Vehicle Power System Based on the Internet of Things | |
| Xia et al. | Energy Management Optimization for Plug-In Hybrid Electric Vehicles Based on Real-World Driving Data | |
| Li et al. | Experimental study on high-speed endurance of electric vehicle at normal temperature (25℃) | |
| CN115966037B (zh) | 一种燃料电池汽车驾驶行为经济性的评价方法及装置 |
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 |