一种车辆轮心载荷谱预测方法、装置、存储介质和设备制造方法及图纸

本发明专利技术提供一种车辆轮心载荷谱预测方法、装置、存储介质和设备，方案通过将运行数据加载到训练好的非因果脉冲响应预测模型中，所述非因果脉冲响应预测模型根据输入数据会输出与所述输入数据相匹配的轮心力信号和轮心扭矩信号。由此可见，本申请通过采用非因果脉冲响应预测模型来替代预测通道传感器的方法来实现车辆的轮心力信号和轮心扭矩信号的计算，降低了车辆载荷谱采集过程中对传感器的过度依赖，极大地降低了试验成本。极大地降低了试验成本。极大地降低了试验成本。

【技术实现步骤摘要】
一种车辆轮心载荷谱预测方法、装置、存储介质和设备


[0001]本专利技术涉及汽车控制
，具体涉及一种基于非因果脉冲响应模型的车辆轮心载荷谱预测方法、装置、存储介质和设备。

技术介绍

[0002]车辆的载荷谱采集一直以来都是车辆试验领域关注的重要问题。目前，工业界普遍的做法是在各个关键零部件上安装价格昂贵的高精度传感器，然后通过采集到的传感器信号进行车辆零部件疲劳分析。在这个过程中，购买传感器产生了巨大的成本(譬如，测量轮心力和轮心扭矩的传感器价值需要数百万)。因此，亟需一种测试成本低的试验方案。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种车辆轮心载荷谱预测方法、装置、存储介质和设备，以提供一种低成本的车辆轮心载荷谱预测方法。
[0004]为实现上述目的，本专利技术实施例提供如下技术方案：
[0005]一种车辆轮心载荷谱预测方法，包括：
[0006]获取车辆运行数据，所述运行数据包括轮心加速度信号、减震器塔柱加速度信号、车身Tbox加速度信号和减震器位移；
[0007]将所述运行数据加载到非因果脉冲响应预测模型；
[0008]采用所述非因果脉冲响应预测模型基于所述运行数据计算得到车辆的轮心力信号和轮心扭矩信号。
[0009]可选的，上述车辆轮心载荷谱预测方法中，所述运行数据包括：
[0010]左前轮心加速度信号、右前轮心加速度信号、左后轮心加速度信号、右后轮心加速度信号、左前减震器塔柱加速度信号、右前减震器塔柱加速度信号、左后减震器塔柱加速度信号、右后减震器塔柱加速度信号、车身Tbox加速度信号、左前减震器位移、右前减震器位移、左后减震器位移、左后减震器位移。
[0011]可选的，上述车辆轮心载荷谱预测方法中，所述轮心力信号和轮心扭矩信号，包括：
[0012]左前轮心力、右前轮心力、左后轮心力、右后轮心力、左前轮心扭矩、右前轮心扭矩、左后轮心扭矩、右后轮心扭矩。
[0013]上述方法中，所述非因果脉冲响应预测模型的训练过程包括：
[0014]所述非因果脉冲响应预测模型的训练过程包括：
[0015]构建与所述非因果脉冲响应预测模型相匹配的损失函数；
[0016]采用正则化技术对所述损失函数进行求解；
[0017]将求解结果代入所述联合损失函数；
[0018]基于修正后的联合损失函数对所述非因果脉冲响应预测模型进行线性拟合。
[0019]一种车辆轮心载荷谱预测装置，包括：
[0020]传感器，用于获取车辆运行数据，所述运行数据包括轮心加速度信号、减震器塔柱加速度信号、车身Tbox加速度信号和减震器位移；
[0021]数据采集模块，用于获取所述传感器输出的所述运行数据；
[0022]控制及运算模块，用于在获取到所述数据采集模块上传的运行数据后，基于预先嵌入的非因果脉冲响应预测模型计算得到车辆的轮心力信号和轮心扭矩信号。
[0023]可选的，上述车辆轮心载荷谱预测装置中，所述传感器包括：
[0024]左前轮心加速度传感器、右前轮心加速度传感器、左后轮心加速度传感器、右后轮心加速度传感器、左前减震器塔柱加速度传感器、右前减震器塔柱加速度传感器、左后减震器塔柱加速度传感器、右后减震器塔柱加速度传感器、车身Tbox加速度传感器、左前减震器位移传感器、右前减震器位移传感器、左后减震器位移传感器、左后减震器位移传感器。
[0025]可选的，上述车辆轮心载荷谱预测装置中，所述控制及运算模块在基于预先嵌入的非因果脉冲响应预测模型计算得到车辆的轮心力信号和轮心扭矩信号时，具体用于：
[0026]基于预先嵌入的非因果脉冲响应预测模型计算得到车辆的左前轮心力、右前轮心力、左后轮心力、右后轮心力、左前轮心扭矩、右前轮心扭矩、左后轮心扭矩、右后轮心扭矩。
[0027]可选的，上述车辆轮心载荷谱预测装置中，还包括：
[0028]数据存储模块，用于获取并存储所述数据采集模块获取到的运行数据，当获取到所述数据采集模块发送的数据调取指令时，将所述运行数据发送给所述控制及运算模块。
[0029]装置还包括：
[0030]模型训练单元，用于对非因果脉冲响应预测模型进行训练，训练过程包括：
[0031]所述非因果脉冲响应预测模型的训练过程包括：
[0032]构建与所述非因果脉冲响应预测模型相匹配的损失函数；
[0033]采用正则化技术对所述损失函数进行求解；
[0034]将求解结果代入所述联合损失函数；
[0035]基于修正后的联合损失函数对所述非因果脉冲响应预测模型进行线性拟合。
[0036]一种可读存储介质，包括：其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如上述任意一项所述的车辆轮心载荷谱预测方法的各个步骤。
[0037]一种车辆轮心载荷谱预测设备，包括：存储器和处理器；
[0038]所述存储器，用于存储程序；
[0039]所述处理器，用于执行所述程序，实现如上述任一项所述的辆轮心载荷谱预测方法的各个步骤。
[0040]基于上述技术方案，本专利技术实施例提供的上述方案将所述运行数据加载到训练好的非因果脉冲响应预测模型中，所述非因果脉冲响应预测模型根据输入数据会输出与所述输入数据相匹配的轮心力信号和轮心扭矩信号。由此可见，本申请通过采用非因果脉冲响应预测模型来替代预测通道传感器的方法来实现车辆的轮心力信号和轮心扭矩信号的计算，降低了车辆载荷谱采集过程中对传感器的过度依赖，极大地降低了试验成本。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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
专利技术的实施例，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，还可以根据提供的附图获得其他的附图。
[0042]图1为本申请实施例公开的车辆轮心载荷谱预测方法的流程示意图；
[0043]图2为0.0<NMSE<＝0.1情况下的本申请实施例公开的车辆轮心载荷谱预测方法的预测结果示意图；
[0044]图3为0.1<NMSE<＝0.2情况下的本申请实施例公开的车辆轮心载荷谱预测方法的预测结果示意图；
[0045]图4为0.2<NMSE<＝0.3情况下的本申请实施例公开的车辆轮心载荷谱预测方法的预测结果示意图；
[0046]图5为0.3<NMSE<＝0.4情况下的本申请实施例公开的车辆轮心载荷谱预测方法的预测结果示意图；
[0047]图6为0.4<NMSE<＝0.5情况下的本申请实施例公开的车辆轮心载荷谱预测方法的预测结果示意图；
[0048]图7为NMSE大于0.5情况下的本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轮心载荷谱预测方法，其特征在于，包括：获取车辆运行数据，所述运行数据包括轮心加速度信号、减震器塔柱加速度信号、车身Tbox加速度信号和减震器位移；将所述运行数据加载到非因果脉冲响应预测模型；采用所述非因果脉冲响应预测模型基于所述运行数据计算得到车辆的轮心力信号和轮心扭矩信号。2.根据权利要求1所述的车辆轮心载荷谱预测方法，其特征在于，所述运行数据包括：左前轮心加速度信号、右前轮心加速度信号、左后轮心加速度信号、右后轮心加速度信号、左前减震器塔柱加速度信号、右前减震器塔柱加速度信号、左后减震器塔柱加速度信号、右后减震器塔柱加速度信号、车身Tbox加速度信号、左前减震器位移、右前减震器位移、左后减震器位移、左后减震器位移。3.根据权利要求1所述的车辆轮心载荷谱预测方法，其特征在于，所述轮心力信号和轮心扭矩信号，包括：左前轮心力、右前轮心力、左后轮心力、右后轮心力、左前轮心扭矩、右前轮心扭矩、左后轮心扭矩、右后轮心扭矩。4.根据权利要求1所述的车辆轮心载荷谱预测方法，其特征在于，所述非因果脉冲响应预测模型的训练过程包括：构建与所述非因果脉冲响应预测模型相匹配的损失函数；采用正则化技术对所述损失函数进行求解；将求解结果代入所述联合损失函数；基于修正后的联合损失函数对所述非因果脉冲响应预测模型进行线性拟合。5.一种车辆轮心载荷谱预测装置，其特征在于，包括：传感器，用于获取车辆运行数据，所述运行数据包括轮心加速度信号、减震器塔柱加速度信号、车身Tbox加速度信号和减震器位移；数据采集模块，用于获取所述传感器输出的所述运行数据；控制及运算模块，用于在获取到所述数据采集模块上传的运行数据后，基于预先嵌入的非因果脉冲响应预测模型计算得到车辆的轮心力信号和轮心扭矩信号。6.根据权利要求5所述的车辆轮心载荷谱预测装置，其特征在于，所述传感器包括：左前轮心加速度传感器、...

【专利技术属性】
技术研发人员：邱宇，李文魁，张芳芳，陈海江，张皓清，姚烈，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：