基于人工智能的车辆动力学性能预测方法技术

本发明专利技术提供了基于人工智能的车辆动力学性能预测方法，包括以下步骤：在Adams中先进行多体动力学某工况的基础分析，产生驱动文件，记录工况参数设置信息；以整车硬点坐标、整车质心坐标、整车质量、减震器特性数据、减震弹簧特性数据、衬套特性数据、缓冲块特性数据作为变量，分别采用不同的规则进行抽样。本发明专利技术有益效果：本方案提出一种基于人工智能的车辆动力学性能预测方法，通过一套规定的训练方法训练神经网络模型，训练完成后，只要输入整车硬点、弹性元件特性数据、整车质心及质量信息，即可通过训练好的神经网络模型直接计算出动力学性能，大幅提升了开发效率。大幅提升了开发效率。大幅提升了开发效率。

【技术实现步骤摘要】
基于人工智能的车辆动力学性能预测方法


[0001]本专利技术属于多体动力学、人工智能领域，尤其是涉及一种基于人工智能的车辆动力学性能预测方法。

技术介绍

[0002]汽车在整车操稳性能、平顺性能开发过程中，通常会借助CAE工具进行相关性能的计算机辅助计算，以在产品开发前期快速指导设计。目前比较主流的汽车动力学辅助工具为MSC公司的Adams，需要获取整车硬点信息、衬套、弹簧、减震器、缓冲块等弹性元件的特性参数、各零部件质量及转动惯量、整车质心等基本信息的基础上，建立整车动力学模型后进行操作稳定性、平顺性等相关指标的仿真分析；实际开发过程中，硬点的微调、或者弹性元件特性的更新更改，都需重新更新整车动力学模型并重新进行动力学仿真来获取基本信息更新后的性能。

技术实现思路

[0003]有鉴于此，本专利技术旨在提出一种基于人工智能的车辆动力学性能预测方法，通过一套规定的训练方法训练神经网络模型，训练完成后，只要输入整车硬点、弹性元件特性数据、整车质心及质量信息，即可通过训练好的神经网络模型直接计算出动力学性能，大幅提升了开发效率。
[0004]为达到上述目的，本专利技术的技术方案是这样实现的：基于人工智能的车辆动力学性能预测方法，包括以下步骤：S1、在Adams中先进行多体动力学某工况的基础分析，产生驱动文件，记录工况参数设置信息；S2、以整车硬点坐标、整车质心坐标、整车质量、减震器特性数据、减震弹簧特性数据、衬套特性数据、缓冲块特性数据作为变量，分别采用不同的规则进行抽样；S3、对步骤S2中所得的所有样本，依次在把每一组样本值更新至多元体动力学模型中，并进行计算、结果提取、指标计算后，得到该组样本对应的一个标签值；S4、步骤S3中的所有样本计算完成并提取结果、计算指标完成后，得到所有样本及每组样本对应的标签值，从而得到完整的训练集数据；S5、利用步骤S4得到训练数据，通过搭建四层全连接层神经网络模型；S6、基于步骤S5中搭建好的神经网络模型，以S4中得到的训练集数据进行模型训练，得到神经网络模型的所有权重系数。
[0005]进一步的，在步骤S2中，整车硬点坐标、整车质心坐标、整车质量作为离散点，各点之间没有趋势关系，采用给定上限值、下限值，应用拉定超立方抽样方法，在各自区间上进行均匀撒点的方式进行抽样：其中，减震器特性数据、减震弹簧特性数据、衬套特性数据、缓冲块特性数据，由于其各点存在走势趋势，不能作为离散点处理，因此采用不同的抽样方法进行抽样。
[0006]进一步的，减震器抽样后的所有样本，满足活塞压缩过程中，阻尼力呈现压力，且活塞压缩速度越大，压力越大；活塞行程拉升过程中，阻尼力呈现拉力，且活塞拉升速度越大，拉力越大；当活塞速度为零时，阻尼力为零。
[0007]进一步的，减震弹簧抽样后，产生的弹簧刚度值位于期望的合理区间，以符合弹簧行程及弹簧力的限值。
[0008]进一步的，衬套抽样后的所有样本，衬套具有三个方向的刚度，对于每个方向的刚度特性曲线，其实际特性为：衬套在一个方向上的变形越大，呈现的反力越大，当衬套在某方向上无变形，则该方向上衬套呈现的力为零。
[0009]进一步的，缓冲块抽样后的所有样本，其只在受压时起作用，且随着受压变形量的增加，缓冲力增大，开始受压时，缓冲力增加幅度较小，随着变形的进一步增大，缓冲力显著增大。
[0010]进一步的，在步骤S4中，输入层的节点数等于变量数；隐藏层的激活函数选用最为常用的ReLU函数，输出层线性输出，不使用激活函数；输出层的节点数为1，即直接输出所预测的动力学性能指标值。
[0011]一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，所述处理器用于执行基于人工智能的车辆动力学性能预测方法。
[0012]一种服务器，包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行基于人工智能的车辆动力学性能预测方法。
[0013]一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现基于人工智能的车辆动力学性能预测方法。
[0014]相对于现有技术，本专利技术所述的基于人工智能的车辆动力学性能预测方法具有以下有益效果：本专利技术所述的基于人工智能的车辆动力学性能预测方法，只要对动力学某性能指标按所述方法训练完毕，即可在不建立动力学仿真模型的情况下，直接输入整车硬点坐标信息、整车质心信息、整车重量、减震器特性数据、减震弹簧特性数据、衬套特性数据、缓冲块特性数据，即可直接预测出该动力学性能指标值。大幅提升研发效率，降低动力学建模、计算等重复劳动。
附图说明
[0015]构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例所述的减震器特性数据趋势规律示意图；图2为本专利技术实施例所述的减震弹簧特性数据趋势规律示意图（斜率不变，简化为一个刚度值）；图3为本专利技术实施例所述的衬套特性数据趋势规律示意图；图4为本专利技术实施例所述的缓冲块特性数据趋势规律示意图；图5为本专利技术实施例所述的减震器特性的抽样区间及抽样示意图；图6为本专利技术实施例所述的减震弹簧特性的抽样区间及刚度取值范围示意图；
图7为本专利技术实施例所述的衬套特性的抽样区间及抽样示意(x方向)示意图；图8为本专利技术实施例所述的衬套特性的抽样区间及抽样示意(y方向)示意图；图9为本专利技术实施例所述的衬套特性的抽样区间及抽样示意(z方向)示意图；图10为本专利技术实施例所述的缓冲块特性的抽样区间及抽样示意图；图11为本专利技术实施例所述的四层全链接层神经网络模型示意图。
具体实施方式
[0016]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0017]下面将参考附图并结合实施例来详细说明本专利技术。
[0018]本专利技术针对车辆动力学性能开发过程中，整车硬点或者弹性元件等的更新，导致动力学模型反复更新并重复仿真产生的大量低效劳动及重复劳动的问题，通过提出一种基于人工智能的车辆动力学性能预测方法，可以实现在整车基本信息变化后，无需重复建模及重复进行仿真计算，直接得到新的动力学性能值，鉴于整车动力学指标众多，本专利技术所述方法就其中一种指标展开说明，具体如下：步骤一：基础计算产生驱动文件；针对特定指标，例如操稳性能中
‑
角阶跃工况中
‑
横摆角速度响应时间这个指标，首先在动力学仿真模型的基础上，进行角阶跃工况的计算，计算后产生该工况的分析驱动.xml文件，该文件中定义了角阶跃工况分析过程中的参数设置信息，方便在后面的步骤中对DOE（试验设计）样本进行计算时直接调用该工况进行计算；其他工况及指标处理方法与此相同；步骤二：DOE（试验设计）产生大量硬点样本数据、整车质心样本数据、整车重量样本数据；硬点数据、整车质心、整车重量信息等离散点之间无趋势变化关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的车辆动力学性能预测方法，其特征在于，包括以下步骤：S1、在Adams中先进行多体动力学某工况的基础分析，产生驱动文件，记录工况参数设置信息；S2、以整车硬点坐标、整车质心坐标、整车质量、减震器特性数据、减震弹簧特性数据、衬套特性数据、缓冲块特性数据作为变量，分别采用不同的规则进行抽样；S3、对步骤S2中所得的所有样本，依次在把每一组样本值更新至多元体动力学模型中，并进行计算、结果提取、指标计算后，得到该组样本对应的一个标签值；S4、步骤S3中的所有样本计算完成并提取结果、计算指标完成后，得到所有样本及每组样本对应的标签值，从而得到完整的训练集数据；S5、利用步骤S4得到训练数据，通过搭建四层全连接层神经网络模型；S6、基于步骤S5中搭建好的神经网络模型，以S4中得到的训练集数据进行模型训练，得到神经网络模型的所有权重系数。2.根据权利要求1所述的基于人工智能的车辆动力学性能预测方法，其特征在于：在步骤S2中，整车硬点坐标、整车质心坐标、整车质量作为离散点，各点之间没有趋势关系，采用给定上限值、下限值，应用拉定超立方抽样方法，在各自区间上进行均匀撒点的方式进行抽样：其中，减震器特性数据、减震弹簧特性数据、衬套特性数据、缓冲块特性数据，由于其各点存在走势趋势，不能作为离散点处理，因此采用不同的抽样方法进行抽样。3.根据权利要求2所述的基于人工智能的车辆动力学性能预测方法，其特征在于：减震器抽样后的所有样本，满足活塞压缩过程中，阻尼力呈现压力，且活塞压缩速度越大，压力越大；活塞行程拉升过程中，阻尼力呈现拉力，且活塞拉升速度越大，拉力越大；当活塞速度为零时，阻尼力为零。4.根据权利要求2所述的基于人工智能的车辆动力学性能预测方法，其特征在于：减震弹簧抽样后，产...

【专利技术属性】
技术研发人员：王鹏，杨建森，武振江，王振峰，刘忠海，李欣，张雨，张志国，邹楠，
申请(专利权)人：中汽研天津汽车工程研究院有限公司，
类型：发明
国别省市：