CN119043746A - 电驱动系统的nvh性能分析方法、装置、设备、介质及产品 - Google Patents
电驱动系统的nvh性能分析方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN119043746A CN119043746A CN202411533386.2A CN202411533386A CN119043746A CN 119043746 A CN119043746 A CN 119043746A CN 202411533386 A CN202411533386 A CN 202411533386A CN 119043746 A CN119043746 A CN 119043746A
- Authority
- CN
- China
- Prior art keywords
- electric drive
- nvh
- database
- drive system
- data
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 18
- 238000007405 data analysis Methods 0.000 description 11
- 238000001816 cooling Methods 0.000 description 9
- 239000003638 chemical reducing agent Substances 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000004804 winding Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000000306 component Substances 0.000 description 4
- 238000012827 research and development Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 239000008358 core component Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种电驱动系统的NVH性能分析方法、装置、设备、介质及产品，涉及车辆技术领域，该方法包括获取各个样本电驱动系统的基本属性信息；在各个样本电驱动系统运行的过程中，获取各个样本电驱动系统的运行数据，运行数据包括：运行条件、声音数据和工况类别；根据基本属性信息和运行数据构建NVH数据库；根据NVH数据库中的数据库信息对NVH性能进行分析，本申请可以从多维度去分析NVH性能，从而可以更好的揭示各参数之间的复杂关系及其对NVH性能的综合影响。
Description
技术领域
本申请涉及车辆技术领域，特别是涉及一种电驱动系统的NVH性能分析方法、装置、设备、介质及产品。
背景技术
在电动汽车和电驱动系统迅猛发展的当下，电驱动系统的性能和可靠性已成为衡量其市场竞争力的关键指标。电驱动系统由电机、控制器和传动系统等核心部件构成，其性能受到功率等级、电压等级、冷却方式、绕组类型以及IGBT类型等多种因素的影响。这些因素相互作用，共同决定了电驱动系统的NVH特性即噪声（Noise）、振动（Vibration）、粗糙度（Harshness）的整体表现。
然而，传统的NVH数据分析方法，多采用单一维度的分析手段，难以揭示各参数之间的复杂关系及其对系统性能的综合影响。
发明内容
本申请的目的是提供一种电驱动系统的NVH性能分析方法、装置、设备、介质及产品，可以从多维度去分析NVH性能，从而可以更好的揭示各参数之间的复杂关系及其对NVH性能的综合影响。
为实现上述目的，本申请提供了如下方案：
第一方面，本申请提供了一种电驱动系统的NVH性能分析方法，所述电驱动系统的NVH性能分析方法包括：
获取各个样本电驱动系统的基本属性信息；
在各个所述样本电驱动系统运行的过程中，获取各个所述样本电驱动系统的运行数据，所述运行数据包括：运行条件、声音数据和工况类别；
根据所述基本属性信息和所述运行数据构建NVH数据库；
根据所述NVH数据库中的数据库信息对NVH性能进行分析。
第二方面，本申请提供了一种电驱动系统的NVH性能分析装置，所述电驱动系统的NVH性能分析装置包括：
第一获取模块，用于获取各个样本电驱动系统的基本属性信息；
第二获取模块，用于在各个所述样本电驱动系统运行的过程中，获取各个所述样本电驱动系统的运行数据，所述运行数据包括：运行条件、声音数据和工况类别；
构建模块，用于根据所述基本属性信息和所述运行数据构建NVH数据库；
分析模块，用于根据所述NVH数据库中的数据库信息对NVH性能进行分析。
第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的电驱动系统的NVH性能分析方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的电驱动系统的NVH性能分析方法的步骤。
第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的电驱动系统的NVH性能分析方法的步骤。
根据本申请提供的具体实施例，本申请公开了以下技术效果：
本申请提供了一种电驱动系统的NVH性能分析方法、装置、设备、介质及产品，在本公开中，在构建NVH数据库时，会全方位的采集样本电驱动系统的数据，包括：基本属性信息、运行条件、声音数据和工况类别，然后在进行NVH性能分析时，可以从多维度去分析NVH性能，从而可以更好的揭示各参数之间的复杂关系及其对NVH性能的综合影响。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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是根据一示例性实施例示出的电驱动系统的NVH性能分析方法的流程图；
图2是根据一示例性实施例示出的电驱动系统的NVH性能分析装置的功能模块示意图；
图3为本申请一实施例提供的一种计算机设备的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
在电动汽车和电驱动系统迅猛发展的当下，电驱动系统的性能和可靠性已成为衡量其市场竞争力的关键指标。电驱动系统由电机、控制器和传动系统等核心部件构成，其性能受到功率等级、电压等级、冷却方式、绕组类型以及IGBT类型等多种因素的影响。这些因素相互作用，共同决定了电驱动系统的NVH特性即噪声（Noise）、振动（Vibration）和粗糙度（Harshness）的整体表现。
传统的NVH数据分析方法，多采用单一维度的分析手段，难以揭示各参数之间的复杂关系及其对系统性能的综合影响。例如，电机的转速、负载和温度等运行条件，以及电机内部的磁场分布、电流波形和谐波含量等，都同时会对NVH特性产生显著影响。此外，随着样本数量的增加和数据维度的扩展，传统分析方法难以适应现代电动汽车对电驱动系统性能评估的高精度和高效率要求。
为了解决上述技术问题，本公开提供一种电驱动系统的NVH性能分析方法、装置、设备、介质及产品。
图1是根据一示例性实施例示出的电驱动系统的NVH性能分析方法的流程图，如图1所示，该电驱动系统的NVH性能分析方法包括以下步骤S101-S103：
在步骤S101中，获取各个样本电驱动系统的基本属性信息。
示例的，这里的基本属性信息包括但不限于以下信息中的至少一种：样品类型、样品来源信息、电压等级、功率参数、转速参数、转矩参数、开关频率设定值和变速传动比。
在步骤S102中，在各个样本电驱动系统运行的过程中，获取各个样本电驱动系统的运行数据，运行数据包括：运行条件、声音数据和工况类别。
其中，运行条件包括但不限于以下条件中的至少一种：电压平台、冷却方式、绕组类型和功率器件类型；声音数据包括但不限于以下数据中的至少一种：A计权声压级、电磁阶次声压级切片、减速器阶次声压级切片和声品质数据；工况类别包括但不限于以下类别中的至少一种：WOT、POT和-POT。
在步骤S103中，根据基本属性信息和运行数据构建NVH数据库；
在一种可实现方式中，步骤S103中根据基本属性信息和运行数据构建NVH数据库包括以下子步骤：
S1031、建立空白NVH数据库。
S1032、获取基本属性信息和运行数据中的参数名称。
S1033、将参数名称写入空白NVH数据库中。
S1034、将各个样本电驱动系统中与参数名称对应的基本属性信息和运行数据写入对应的表项中，以得到NVH数据库。
为了确保NVH数据库能够高效地存储和管理大量的电驱动系统的NVH数据，数据库体量与结构设计是关键步骤。NVH数据库应当考虑样品的多样性和不同工况下的测试需求，合理规划数据库的体量和结构，确保数据的全面性和可操作性。本公开中，根据电驱动系统的多样性和测试需求，数据库设计应能够容纳不同类型的电驱动系统样品，覆盖不同工况下的NVH数据。其中，确定数据库的总体容量时，可以根据样品数量、数据存储格式和容量等基本参数确定，以确保数据库能够高效存储和管理数据。
数据库可以采用分层次结构，便于数据的存储和检索，具体为：
（1）收集多台样本电驱动系统的数据，涵盖基本属性信息和运行数据。
其中，运行数据包括：运行条件、声音数据和工况类别。
（2）样本电驱动系统的基本属性信息包括：样品类型、样品来源信息、电压等级、功率参数、转速参数、转矩参数、开关频率设定值、减速速比等。
（3）运行数据包括：运行条件、声音数据和工况类别。
运行条件包括但不限于以下条件中的至少一种：电压平台、冷却方式、绕组类型和功率器件类型，示例的：400/800V，油冷/水冷，扁线/圆线绕组，Si/SiC基IGBT。
样品基本信息的收集是NVH数据库构建的基础环节。全面、准确的样品信息能够确保后续数据分析的准确性和可追溯性，这些信息对于理解和分析电驱动系统的NVH特性至关重要，因此要确保收集数据的全面性和准确性。
本公开中的NVH数据库可以以数据表格或数据库列表的形式呈现，记录每台样本电驱动系统的基本属性信息和运行数据，这样可以确保数据库中的所有数据信息都能追溯到具体的测试样机和工况条件，运行数据应便于后期统计筛选，作为单选项统计。
确保NVH数据库中数据的一致性是NVH数据库构建的基础，这样能够保证NVH数据库中的数据的准确性和可靠性。通过标准化的测试流程和数据处理方法，确保不同样机、不同工况下采集数据的一致性和可靠性，从而能够有效减少数据采集和处理过程中的误差和偏差，因此，还可以对数据进行一致性检查和异常处理，标记并处理异常数据，以确保数据的准确性。
具体的，数据一致性步骤包括：
（1）制定标准化的测试流程，确保每台样机的测试条件和步骤一致。
（2）对采集的数据进行一致性检查，检测并标记异常数据，如测试数据突然跳变或偏离正常范围的情况。
（3）对异常数据进行处理，例如通过补测或数据修正来保证数据的一致性。
在步骤S104中，根据NVH数据库中的数据库信息对NVH性能进行分析。
本公开中，在构建NVH数据库时，会全方位的采集样本电驱动系统的数据，包括：基本属性信息、运行条件、声音数据和工况类别，然后在进行NVH性能分析时，可以从多维度去分析NVH性能，从而可以更好的揭示各个参数之间的复杂关系及其对NVH性能的综合影响，其中，各个参数是指基本属性信息、运行条件、声音数据和工况类别中的参数。
在分析NVH性能时，可以从不同维度进行分析，帮助工程师全面理解NVH特性，例如：可以以功率等级、工况、声压级、声品质、声品质特征、阶次信息、悬置振动和优化前后对比等数据进行分层分级分析。
首先，对NVH数据库中的数据库信息可以进行总体数据呈现，示例的：以工况划分（WOT，POT，-POT），基本属性信息和其他运行数据以转速谱线呈现（转速-声压级谱、转速-阶次幅值谱等），但不限于频域谱线。
在一个实施例中，根据NVH数据库中的数据库信息对NVH性能进行分析，包括以下子步骤A1-A2：
A1、获取不同预设类别下，对应的样本电驱动系统的数量以及各个样本电驱动系统的基本属性信息和运行数据；预设类别根据每一种基本属性信息的参数名称或每一种运行数据的参数名称确定；
A2、输出不同预设类别下，对应的样本电驱动系统的数量以及各个样本电驱动系统的基本属性信息和运行数据。
本实施例的分析方式可以称之为一级分析，在该种分析方式中，可以以每一种预设类别为分类标准，依次展现每一种预设类别对应的基本属性信息和运行数据，由于是直接展示，也可以称之为一级直观性统计数据分析。
例如：以基本属性信息中的功率参数进行分类，此时的预设类别即为功率等级，那么，此时便是按功率等级划分，记录各功率等级的样品数量，对各功率等级的基本属性信息进行统计分析，如平均转速、平均转矩和平均功率等，对各功率等级的运行数据进行统计分析，如统计各功率等级在不同工况下的声压级分布情况。
在一个实施例中，根据NVH数据库中的数据库信息对NVH性能进行分析，包括以下子步骤B1-B3：
B1、获取相同的基本属性信息在NVH数据库中对应的各个声音数据，得到各个基本属性信息与NVH性能的第一映射关系。
例如：对不同功率等级的声品质数据进行统计分析，包括响度、尖锐度、TNR和PR等参数；统计各功率等级的电磁阶次声压级切片信息和减速器阶次声压级切片信息；记录不同转速下的A计权声压级和声品质数据。
B2、获取相同的运行条件在NVH数据库中对应的各个声音数据，得到各个运行条件与NVH性能的第二映射关系。
例如：比较不同运行条件下的A计权声压级和声品质数据。
B3、输出第一映射关系和第二映射关系。
本实施例的分析方式可以称之为二级基础性统计数据分析，此时的NVH性能通过声音数据体现。
在一个实施例中，根据NVH数据库中的数据库信息对NVH性能进行分析，包括以下子步骤C1-C4：
C1、对NVH数据库中的所有数据库信息采用相关性模型进行相关性分析，计算各个参数名称对应的参数之间的第一相关系数。
C2、根据NVH数据库中的所有数据库信息，采用回归模型，分析各个参数名称对应的参数对NVH性能的第一影响等级。
例如：建立回归模型，分析所有数据库信息中的各参数对A计权声压级的影响。
C3、根据聚类算法模型，将样本电驱动系统按不同的声音数据进行分类，得到第一分类结果。
例如：将样本电驱动系统按A计权声压级和声品质数据分为若干类。
C4、输出第一相关系数、第一影响等级和第一分类结果。
本实施例的分析方式可以称之为三级统计学算法应用数据分析。
在实际应用中，上述的三级分析的结果，可以以文件树的方式一层一层的保存于数据库中，在用户查看时，只需一层层的点开所要查询参数对应的文件夹即可。
以用户要查看不同功率等级的声品质数据为例，第一层文件夹可以为基本属性信息，用户点击基本属性信息后，会出现不同的基本属性信息对应的文件夹，然后用户点击功率等级对应的文件夹即可，在功率等级的文件夹中又包括了A计权声压级、电磁阶次声压级切片、减速器阶次声压级切片和声品质数据分别对应的文件夹，然后用户点开声品质数据对应的文件夹，即可查看到不同功率等级的声品质数据，此时也可以以图表的形式更加形象的展示。
在一个实施例中，电驱动系统的NVH性能分析方法还包括以下子步骤D1-D5：
D1、接收待评估电驱动系统的待评估数据信息；
D2、对目标数据信息采用相关性模型进行相关性分析，计算各个参数名称对应的参数之间的第二相关系数；目标数据信息包括：待评估数据信息和NVH数据库中的数据库信息；
D3、根据目标数据信息，采用回归模型，分析各个参数名称对应的参数对NVH性能的第二影响等级；
D4、根据聚类算法模型，将目标电驱动系统按不同的声音数据进行分类，得到第二分类结果；目标电驱动系统包括：各个样本电驱动系统和待评估电驱动系统；
D5、输出评测结果，评测结果包括：第二相关系数、第二影响等级和第二分类结果，且在评测结果中将待评估电驱动系统对应的待评估数据信息采用与NVH数据库中的数据库信息不同的显示效果。
本实施例的分析方式可以称之为四级高阶性统计数据分析，可以将其他待评估电驱动系统的待评估数据信息结合之前建立的NVH数据库中的数据库信息进行评估，以让用户得到当前待评估电驱动系统的待评估数据信息对NVH性能的影响。
例如：待评估电驱动系统的待评估数据信息可以为对基本属性信息进行优化变更后的信息，此时就可以分析优化前后各功率等级的A计权声压级和声品质数据的变化；待评估电驱动系统的待评估数据信息也可以为未来的样本电驱动系统，此时，就可以基于现有NVH数据库中的数据库信息进行未来样本电驱动系统的A计权声压级和声品质数据预测。
以下通过示例详细的介绍本公开中的方法。
实施例1：NVH数据库的构建。
（1）数据库体量：40台样本电驱动系统，包含电机本体和电驱动总成。
（2）基本属性信息：样品类型、电压等级、功率参数、转速参数、转矩参数、开关频率设定值和减速（变速）传动比；
（3）运行条件：电压平台、冷却方式、绕组类型和功率器件类型；
（4）声音数据：A计权声压级、电磁阶次声压级切片、减速器次声压级切片和声品质数据；
其中，阶次特征数据分为减速器阶次、电磁阶次两个种类，阶次切片均为“转速-数据”信息，可以包括：
a） 电磁定子1阶：与定子槽数一致的阶次，例如48槽电机的48阶；
b） 电磁转子1阶：与转子级数一致的阶次，例如10极电机的10阶；
c） 电磁转子2阶：与转子级数2倍一致的阶次，例如10极电机的20阶；
d） 电磁转子3阶：与转子级数3倍一致的阶次，例如10极电机的30阶；
e） 减速器1级1阶：高速主齿齿数Z1，例如22阶；
f） 减速器2级2阶：低速主齿除以高速速比，例如7.77阶；
（5）数据样本工况为瞬态工况，分为WOT、POT和-POT三种模式，各声音数据所对应的工况统计信息如下：
a） A计权声压级：WOT，POT25%、50%、75%；-POT25%、50%、75%；
b） 电磁定子1阶：WOT，POT25%、50%、75%；-POT25%、50%、75%；
c） 电磁定子2阶：WOT，POT25%、50%、75%；-POT25%、50%、75%；
d） 电磁转子1阶：WOT，POT25%、50%、75%；-POT25%、50%、75%；
e） 电磁转子2阶：WOT，POT25%、50%、75%；-POT25%、50%、75%；
f） 减速器1级1阶（驱动电机无）：WOT，POT25%、50%、75%；-POT25%、50%、75%；
g） 减速器2级2阶（驱动电机无）：WOT，POT25%、50%、75%；-POT25%、50%、75%；
h） 声品质数据：WOT，POT25%、50%、75%；-POT25%、50%、75%。
具体的，建立一个数据表格或数据库列表，记录每台样机的基本属性信息和运行数据。如表1所示：
表1
值得注意的是：
（1）测试方法、测点等标准要求参照QC/T 1132-2020 《电动汽车用电动动力系噪声测量方法》。
（2）测试在半消声内进行，半消声室应符合GB/T 6882附录A的规定。
（3）测试设备包括传声器、线缆、数采等，应满足GB/T 3785.1中1级要求，滤波器应满足IEC 61260中1级的要求。
（4）在每次系列测试前后，应使用符合GB/T 15173规定的1级准确度的声校准器在测试频率范围内的一个或多个频率上对测试设备进行校验。在不对测试系统进行任何调节的情况下，前后校验值之差应小于等于0.5dB，否则，测试结果无效。
（5）半消声室、测试设备等都应进行检定并且检定合格。所有检定工作均应由具有检定资质的实验室或国家授权的机构进行，并保证可溯源到相应的计量标准。
（6）对异常数据进行处理，例如通过补测或数据修正来保证数据的一致性。
实施例2：一级直观性统计数据分析。
收集40台样本电驱动系统的基本属性信息，按功率等级进行分类。统计各功率等级的样本数量和基本属性信息，如平均转速、平均转矩、平均功率等，以及各功率等级在WOT、POT、-POT工况下的A计权声压级分布。具体数据如表2所示：
表2
值得注意的是，在实际呈现时，表2中的数据可以以图形化的方式呈现，例如：直方图等。
实施例3：二级基础性统计数据分析。
对不同功率等级的声品质数据进行统计分析，包括声品质数据中的响度、尖锐度、TNR和PR等参数。具体数据如表3所示：
表3
值得注意的是，在实际呈现时，表3中的数据可以以图形化的方式呈现，例如：直方图等。
实施例4：三级统计学算法应用数据分析。
进行相关性分析，计算各参数之间的第一相关系数。建立回归模型，分析各参数对A计权声压级的影响。进行聚类分析，将样本电驱动系统按A计权声压级和声品质数据分为若干类。具体分析如下：
相关性分析结果显示，转速与声压级的第一相关系数为0.85，表明转速对A计权声压级有显著影响。
回归模型分析显示，转速、转矩和冷却方式是影响A计权声压级的主要因素。
聚类分析结果显示，样本电驱动系统可以分为高A计权声压级组和低A计权声压级组，且高A计权声压级组的样本电驱动系统多为高功率等级和水冷方式。
实施例5：四级高阶性统计数据分析。
进行主成分分析，提取主要影响因素。分析优化前后各功率等级的A计权声压级和声品质变化。基于现有数据进行未来样本电驱动系统的A计权声压级和声品质预测。具体分析如下：
主成分分析结果显示，转速、转矩和冷却方式是影响A计权声压级的主要因素，贡献率分别为40%、30%和20%。
优化前后对比分析显示，优化后各功率等级的A计权声压级平均降低5dBA，声品质参数显著改善。
未来样本电驱动系统的预测分析显示，基于现有NVH数据库中的数据库信息，预测新样本电驱动系统的A计权声压级在50-70dBA之间，声品质参数显著改善。
综上，本公开的方法可取得的有益效果如下：
1.本公开的方法能够对电驱动系统的NVH数据进行全面、系统的分析，能够帮助研发人员更好地理解电驱动系统的NVH特性，从而制定更有效的标定和优化策略。
2.通过采用统一的数据采集标准和方法，确保数据的准确性和一致性，确保了数据的高质量，能够显著提高数据分析的效率。高效的数据分析方法，不仅能够大幅缩短研发周期，还能提高研发人员的工作效率。
3.通过对电驱动系统的NVH特性进行全面、深入的分析和优化，有助于提高产品的市场竞争力，能够显著提升系统的性能和可靠性，研发人员能够开发出更高效、可靠和舒适的电驱动系统，从而增强用户的驾驶体验。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电驱动系统的NVH性能分析方法的电驱动系统的NVH性能分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电驱动系统的NVH性能分析装置实施例中的具体限定可以参见上文中对于电驱动系统的NVH性能分析方法的限定，在此不再赘述。
在一个示例性的实施例中，如图2所示，提供了一种电驱动系统的NVH性能分析装置，所述电驱动系统的NVH性能分析装置包括：
第一获取模块21，用于获取各个样本电驱动系统的基本属性信息；
第二获取模块22，用于在各个所述样本电驱动系统运行的过程中，获取各个所述样本电驱动系统的运行数据，所述运行数据包括：运行条件、声音数据和工况类别；
构建模块23，用于根据所述基本属性信息和所述运行数据构建NVH数据库；
分析模块24，用于根据所述NVH数据库中的数据库信息对NVH性能进行分析。
作为一种可选的实施方式，所述构建模块包括：
建立子模块，用于建立空白NVH数据库；
第一获取子模块，用于获取所述基本属性信息和所述运行数据中的参数名称；
写入子模块，用于将所述参数名称写入所述空白NVH数据库中；
确定子模块，用于将各个所述样本电驱动系统中与所述参数名称对应的所述基本属性信息和所述运行数据写入对应的表项中，以得到所述NVH数据库。
作为一种可选的实施方式，所述分析模块，包括：
第二获取子模块，用于获取不同预设类别下，对应的所述样本电驱动系统的数量以及各个所述样本电驱动系统的所述基本属性信息和所述运行数据；所述预设类别根据每一种所述基本属性信息的参数名称或每一种所述运行数据的参数名称确定；
第一输出子模块，用于输出所述不同预设类别下，对应的所述样本电驱动系统的数量以及各个所述样本电驱动系统的所述基本属性信息和所述运行数据。
作为一种可选的实施方式，所述分析模块，包括：
第三获取子模块，用于获取相同的所述基本属性信息在所述NVH数据库中对应的各个所述声音数据，得到各个所述基本属性信息与所述NVH性能的第一映射关系；
第四获取子模块，用于获取相同的所述运行条件在所述NVH数据库中对应的各个所述声音数据，得到各个所述运行条件与所述NVH性能的第二映射关系；
第二输出子模块，用于输出所述第一映射关系和所述第二映射关系。
作为一种可选的实施方式，所述分析模块，包括：
第一分析子模块，用于对所述NVH数据库中的所有数据库信息采用相关性模型进行相关性分析，计算各个所述参数名称对应的参数之间的第一相关系数；
第二分析子模块，用于根据所述NVH数据库中的所有数据库信息，采用回归模型，分析各个所述参数名称对应的参数对所述NVH性能的第一影响等级；
第三分析子模块，用于根据聚类算法模型，将所述样本电驱动系统按不同的所述声音数据进行分类，得到第一分类结果；
第三输出子模块，用于输出所述第一相关系数、所述第一影响等级和所述第一分类结果。
作为一种可选的实施方式，所述分析模块，还包括：
接收子模块，用于接收待评估电驱动系统的待评估数据信息；
计算子模块，用于对目标数据信息采用所述相关性模型进行相关性分析，计算各个所述参数名称对应的参数之间的第二相关系数；所述目标数据信息包括：所述待评估数据信息和所述NVH数据库中的数据库信息；
第四分析子模块，用于根据所述目标数据信息，采用所述回归模型，分析各个所述参数名称对应的参数对所述NVH性能的第二影响等级；
第五分析子模块，用于根据所述聚类算法模型，将目标电驱动系统按不同的所述声音数据进行分类，得到第二分类结果；所述目标电驱动系统包括：各个所述样本电驱动系统和所述待评估电驱动系统；
第四输出子模块，用于输出评测结果，所述评测结果包括：所述第二相关系数、所述第二影响等级和所述第二分类结果，且在所述评测结果中将所述待评估电驱动系统对应的所述待评估数据信息采用与所述NVH数据库中的数据库信息不同的显示效果。
在一示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器或者终端，其内部结构图可以如图3所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用于NVH性能分析的数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电驱动系统的NVH性能分析方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个示例性的实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个示例性的实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（DynamicRandomAccess Memory，DRAM）等。
本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种电驱动系统的NVH性能分析方法，其特征在于，所述电驱动系统的NVH性能分析方法包括：
获取各个样本电驱动系统的基本属性信息；
在各个所述样本电驱动系统运行的过程中，获取各个所述样本电驱动系统的运行数据，所述运行数据包括：运行条件、声音数据和工况类别；
根据所述基本属性信息和所述运行数据构建NVH数据库；
根据所述NVH数据库中的数据库信息对NVH性能进行分析。
2.根据权利要求1所述的电驱动系统的NVH性能分析方法，其特征在于，所述根据所述基本属性信息和所述运行数据构建NVH数据库，包括：
建立空白NVH数据库；
获取所述基本属性信息和所述运行数据中的参数名称；
将所述参数名称写入所述空白NVH数据库中；
将各个所述样本电驱动系统中与所述参数名称对应的所述基本属性信息和所述运行数据写入对应的表项中，以得到所述NVH数据库。
3.根据权利要求2所述的电驱动系统的NVH性能分析方法，其特征在于，所述根据所述NVH数据库中的数据库信息对NVH性能进行分析，包括：
获取不同预设类别下，对应的所述样本电驱动系统的数量以及各个所述样本电驱动系统的所述基本属性信息和所述运行数据；所述预设类别根据每一种所述基本属性信息的参数名称或每一种所述运行数据的参数名称确定；
输出所述不同预设类别下，对应的所述样本电驱动系统的数量以及各个所述样本电驱动系统的所述基本属性信息和所述运行数据。
4.根据权利要求2所述的电驱动系统的NVH性能分析方法，其特征在于，所述根据所述NVH数据库中的数据库信息对NVH性能进行分析，包括：
获取相同的所述基本属性信息在所述NVH数据库中对应的各个所述声音数据，得到各个所述基本属性信息与所述NVH性能的第一映射关系；
获取相同的所述运行条件在所述NVH数据库中对应的各个所述声音数据，得到各个所述运行条件与所述NVH性能的第二映射关系；
输出所述第一映射关系和所述第二映射关系。
5.根据权利要求2所述的电驱动系统的NVH性能分析方法，其特征在于，所述根据所述NVH数据库中的数据库信息对NVH性能进行分析，包括：
对所述NVH数据库中的所有数据库信息采用相关性模型进行相关性分析，计算各个所述参数名称对应的参数之间的第一相关系数；
根据所述NVH数据库中的所有数据库信息，采用回归模型，分析各个所述参数名称对应的参数对所述NVH性能的第一影响等级；
根据聚类算法模型，将所述样本电驱动系统按不同的所述声音数据进行分类，得到第一分类结果；
输出所述第一相关系数、所述第一影响等级和所述第一分类结果。
6.根据权利要求5所述的电驱动系统的NVH性能分析方法，其特征在于，所述电驱动系统的NVH性能分析方法还包括：
接收待评估电驱动系统的待评估数据信息；
对目标数据信息采用所述相关性模型进行相关性分析，计算各个所述参数名称对应的参数之间的第二相关系数；所述目标数据信息包括：所述待评估数据信息和所述NVH数据库中的数据库信息；
根据所述目标数据信息，采用所述回归模型，分析各个所述参数名称对应的参数对所述NVH性能的第二影响等级；
根据所述聚类算法模型，将目标电驱动系统按不同的所述声音数据进行分类，得到第二分类结果；所述目标电驱动系统包括：各个所述样本电驱动系统和所述待评估电驱动系统；
输出评测结果，所述评测结果包括：所述第二相关系数、所述第二影响等级和所述第二分类结果，且在所述评测结果中将所述待评估电驱动系统对应的所述待评估数据信息采用与所述NVH数据库中的数据库信息不同的显示效果。
7.一种电驱动系统的NVH性能分析装置，其特征在于，所述电驱动系统的NVH性能分析装置包括：
第一获取模块，用于获取各个样本电驱动系统的基本属性信息；
第二获取模块，用于在各个所述样本电驱动系统运行的过程中，获取各个所述样本电驱动系统的运行数据，所述运行数据包括：运行条件、声音数据和工况类别；
构建模块，用于根据所述基本属性信息和所述运行数据构建NVH数据库；
分析模块，用于根据所述NVH数据库中的数据库信息对NVH性能进行分析。
8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的电驱动系统的NVH性能分析方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的电驱动系统的NVH性能分析方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的电驱动系统的NVH性能分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411533386.2A CN119043746B (zh) | 2024-10-31 | 2024-10-31 | 电驱动系统的nvh性能分析方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411533386.2A CN119043746B (zh) | 2024-10-31 | 2024-10-31 | 电驱动系统的nvh性能分析方法、装置、设备、介质及产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN119043746A true CN119043746A (zh) | 2024-11-29 |
| CN119043746B CN119043746B (zh) | 2025-01-28 |
Family
ID=93587305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411533386.2A Active CN119043746B (zh) | 2024-10-31 | 2024-10-31 | 电驱动系统的nvh性能分析方法、装置、设备、介质及产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119043746B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975705A (zh) * | 2005-11-28 | 2007-06-06 | 颐中烟草(集团)有限公司 | 基于回归函数估计svm的卷烟内在质量指标评估方法 |
| CN115577325A (zh) * | 2022-09-23 | 2023-01-06 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电驱动总成声品质评价及限值确定方法 |
| CN115683318A (zh) * | 2022-09-23 | 2023-02-03 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种驱动电机系统声品质评价及限值确定方法 |
| CN117114482A (zh) * | 2023-08-28 | 2023-11-24 | 东风柳州汽车有限公司 | 一种汽车声品质的评估方法、装置、设备以及存储介质 |
| WO2023227071A1 (zh) * | 2022-05-25 | 2023-11-30 | 中国电子科技集团公司第十研究所 | 一种多模型融合的航空电子产品健康评估方法 |
| WO2024001919A1 (zh) * | 2022-06-28 | 2024-01-04 | 北京罗克维尔斯科技有限公司 | 增程器控制方法及相关设备 |
| CN117912490A (zh) * | 2023-12-14 | 2024-04-19 | 浙江工业大学 | 一种声品质参数提取方法 |
| CN118275903A (zh) * | 2024-06-04 | 2024-07-02 | 河南师范大学 | 一种基于数据分析的电池性能测试方法 |
-
2024
- 2024-10-31 CN CN202411533386.2A patent/CN119043746B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975705A (zh) * | 2005-11-28 | 2007-06-06 | 颐中烟草(集团)有限公司 | 基于回归函数估计svm的卷烟内在质量指标评估方法 |
| WO2023227071A1 (zh) * | 2022-05-25 | 2023-11-30 | 中国电子科技集团公司第十研究所 | 一种多模型融合的航空电子产品健康评估方法 |
| WO2024001919A1 (zh) * | 2022-06-28 | 2024-01-04 | 北京罗克维尔斯科技有限公司 | 增程器控制方法及相关设备 |
| CN115577325A (zh) * | 2022-09-23 | 2023-01-06 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电驱动总成声品质评价及限值确定方法 |
| CN115683318A (zh) * | 2022-09-23 | 2023-02-03 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种驱动电机系统声品质评价及限值确定方法 |
| CN117114482A (zh) * | 2023-08-28 | 2023-11-24 | 东风柳州汽车有限公司 | 一种汽车声品质的评估方法、装置、设备以及存储介质 |
| CN117912490A (zh) * | 2023-12-14 | 2024-04-19 | 浙江工业大学 | 一种声品质参数提取方法 |
| CN118275903A (zh) * | 2024-06-04 | 2024-07-02 | 河南师范大学 | 一种基于数据分析的电池性能测试方法 |
Non-Patent Citations (5)
| Title |
|---|
| 卢家楣: "教育科学研究方法", 11 December 2024, 上海教育出版社, pages: 248 * |
| 李栋;仪垂杰;: "钢铁企业生产噪声特征数据库的设计与实现", 噪声与振动控制, no. 02, 15 April 2009 (2009-04-15) * |
| 潘发明: "医用统计方法及其SPSS软件实现 第3版", 31 October 2018, 中国科学技术大学出版社, pages: 336 - 341 * |
| 王小静: "车用电机NVH试验数据管理与评价", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑), no. 11, 30 November 2023 (2023-11-30), pages 7 - 30 * |
| 陈宇，雷春: "人工智能在教育治理中的应用与发展", 31 December 2021, 华中科技大学出版社, pages: 59 - 62 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN119043746B (zh) | 2025-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104516894B (zh) | 用于管理时间序列数据库的方法和装置 | |
| CN111046141B (zh) | 一种基于历史时间特征的文本库关键词精炼方法 | |
| CN113468034A (zh) | 数据质量评估方法、装置、存储介质和电子设备 | |
| Wang et al. | CrabNet for explainable deep learning in materials science: bridging the gap between academia and industry | |
| CN115795928B (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
| CN113763502A (zh) | 一种图表生成方法、装置、设备和存储介质 | |
| CN115269677A (zh) | 一种多维度数据分析方法、装置、设备及计算机程序产品 | |
| CN115796705B (zh) | 新能源汽车电驱动总成nvh分级评价方法 | |
| CN110619413A (zh) | 用于评估风力发电机组健康度的方法及装置 | |
| CN116166513A (zh) | 一种针对数据库性能测试的评价方法、设备及存储介质 | |
| CN119043746B (zh) | 电驱动系统的nvh性能分析方法、装置、设备、介质及产品 | |
| CN116467849A (zh) | 核仪表系统指示信号的量化方法、装置、设备和存储介质 | |
| CN115563477A (zh) | 谐波数据识别方法、装置、计算机设备和存储介质 | |
| CN111523815A (zh) | 一种电网工程评审方法、装置、电子设备和存储介质 | |
| CN118154139B (zh) | 一种基于ai的业务流程智能监控方法及系统 | |
| CN113465734A (zh) | 一种结构振动的实时估计方法 | |
| CN118465628A (zh) | 设备的目标故障类型推荐方法及相关设备 | |
| CN118228069A (zh) | 用电负荷预测方法、装置、设备、介质和程序产品 | |
| CN111143335A (zh) | 一种数据质量问题发现方法 | |
| CN117473097A (zh) | 电子产品调试工艺路线推荐方法、装置、设备及介质 | |
| CN114490412B (zh) | 基于自减逆向云发生器的三维cad软件性能度量方法及装置 | |
| CN114579619B (zh) | 数据查询方法、装置、电子设备及存储介质 | |
| CN113077105B (zh) | 一种长假日负荷预测方法及装置 | |
| CN110542815A (zh) | 回复电压初始斜率谱线绘制方法、终端设备及存储介质 | |
| CN119476751B (zh) | 流域尺度下全球气候模型模拟性能评价方法、设备及介质 |
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 | ||
| GR01 | Patent grant |