寻找供应商
广告
首页 > 仿真与模拟 > 正文

客户相关的道路载荷大数据获取和道路载荷分布模型的构建——西门子工业软件公司CUCO技术体系简介

2019-03-03 12:08:48·  来源：耐久论坛  作者：李旭东博士  
　
郑重声明本篇文章中涉及到的全部技术和方法，是对于西门子工业软件CUCO专利技术的介绍。西门子工业软件公司在全球范围内对CUCO技术有健全的专利授权予以保护，论
郑重声明
    
本篇文章中涉及到的全部技术和方法，是对于西门子工业软件CUCO专利技术的介绍。西门子工业软件公司在全球范围内对CUCO技术有健全的专利授权予以保护，论坛中标注的“原创”字样，对本篇文章来说，仅仅意味着这些介绍此项专利技术的文字为作者原创，不代表此项专利技术为作者原创。

以下为正文
   
CUCO项目以获取与特定客户群体相关的道路载荷大数据为前提，以建立与特定客户群体相关的道路载荷分布模型为目的，项目输出为车辆耐久性工程中最为重要、最为基础的顶层输入（没有之一）。CUCO项目的实质，是一场以全概率公式为指导、经过精心设计和组织的大型统计试验。
 
1 全概率公式
假设B1，B2，…，Bn为有限个事件（我们在CUCO中不需要考虑无限个事件的情形），它们两两互斥，而且在每次试验中至少发生一次，即
在此基础上，事件A发生的概率为
(1)
这里，P(A)为某一车辆每行驶1km时车辆某处的某载荷对应的伪损伤（或等效载荷幅值，……）Xi=x的概率，这个是我们从论坛第二篇文章《车辆耐久性工程中的重要随机变量及如何确定其服从怎样的分布模型》开始就经常提到的、心心念的“车辆耐久性工程中的重要随机变量”。
 
全概率公式告诉我们：如果在比较复杂的情况下直接计算P(A)是不容易的（咱们这个P(A)算起来特别不容易），但是A总是随着某个Bi伴出，适当构造一组Bi，往往可以简化计算。CUCO正式在这种思路的指引下，构建了一组Bi（尽管Bi多了点儿，谁叫我们碰上的这事儿这么麻烦），这组Bi我们在CUCO中称之为状态空间（State Space）。
 
2CUCO项目中状态空间的构建
我们需要从某型车辆构成的总体中进行适当的抽样（如前所述，抽样方法找机会另行成文介绍，这是一个有意思和有纵深的话题），抽出来n辆样本车辆。如图1(a)所述，我们对于每一辆样本车辆安装上不多的传感器，安装上一个小型的数据采集记录设备（我们习惯称之为CUCO Box），进行所谓的轻量化采集。CUCO Box主要记录的数据包括：4路加速度传感器获得的模拟信号，GPS信号，CAN总线信号。经过细致的传感器贴装、CUCO Box安置、线缆连接和固定，我们可以并不困难的做到让样本车辆的驾驶人员感受不到相关传感器、CUCO Box和多出来的线缆的存在。这种处理的初衷，并不是向样本车辆的驾驶人员隐瞒相关信息，而是想让样本车辆在使用过程中不受到任何的干扰。样本车辆被具有怎样驾驶习惯的司机、以多高的使用频率、在哪些个路况上行驶，等等各种造成“重要随机变量Xi”发生剧烈变异的因素，都可以因此丝毫不受影响的反映在样本车辆所载CUCO Box获取的大数据中。这会保证我们在对于相关大数据进行统计分析时，获取最全面和“原汁原味”的统计量变异信息。
 
依据CUCO Box获取的数据，运用道路载荷数据处理软件，可以分析获取包括挡位、扭矩、转速、坡度、路面不平度、负载、……，等等，方方面面的数据统计信息，如图1(b)所示，这些统计分析结果将成为整车和各个子系统、零部件在进行耐久性研发过程中的重要输入，也是构建状态空间的各个维度信息。
 
以图1(c)所示，假设由于某一研发需求，我们只关心由路面类型和负载，这两个维度的信息“张”成的二维状态空间，而且，为了简化说明，我们假设路面只区分成高速路和非高速路，而负载方面，只区分成满载和半载两种情形。这样，这个仅仅用于说明的粗糙的二维状态空间，仅仅包含了4个状态单元（State Cell），或者说，如上一节所述，仅仅划分成了4个事件，即：
B1={LC11，即某车以全载荷行驶于高速路}
B2={LC12，即某车以全载荷行驶于非高速路}
B3={LC21，即某车以半载荷行驶于高速路}
B4={LC22，即某车以半载荷行驶于非高速路}
 
通过CUCO Box的大数据累积以及运用道路载荷数据处理软件对于数据进行的分析，我们可以获得事件P(Bi)发生的概率ki，ki由相应状态单元的累积行驶里程占总里程的百分比决定，是对统计学大数定理的一次典型应用。
 
至此，我们通过CUCO Box的大数据获取和累积，以及运用道路载荷数据处理软件进行的数据分析和统计，获得了各个事件Bi（每一个事件Bii对应于状态空间的一个状态单元）发生的概率ki。只是在实际的CUCO项目中，所划分的事件（或者说状态单元）的数目可不是4个，动辄百万量级，因此，这里面牵扯到对于道路载荷数据处理软件的究极的运用。
(a)
(b)
(c)
图1 CUCO项目中构建状态空间的示意图1
 
3 P(A|Bi)的获取
 
在上一小节获取了各个事件Bi发生的概率ki以后，我们在CUCO项目的第二阶段解决P(A|Bi)的问题，或者称之为“关联”，即获取在各个事件Bi发生时，“某一车辆每行驶1km时车辆某处的某载荷对应的伪损伤（或等效载荷幅值，……）”的条件概率分布。
 
为了获得这一系列的条件概率分布结果，我们从CUCO项目第一阶段的n辆样本车中随便的挑选一辆（只要选中的那辆样本车上面装的传感器、GPS还好用，CAN信息还可以读取就行）。原先的传感器一个不拆，加装其他需要的传感器。加装后的车辆相当于传统的整车路试试验车辆。将这一车辆在各种典型的公共路面和强化路面上行驶，开展传统的整车路试工作。
 
如图2所示，在对于这一阶段获取的数据进行分析时，首先需要重新“复现”状态空间，上一小节的状态空间如何构建的，在这一阶段的状态空间要原原本本的（道路载荷数据分析软件中相关命令的每一个参数设置都需要完完全全的一样）重现。然后，依据每一个状态单元，将车辆某处某载荷对应的时域数据进行分割和提取，进而获得“某一车辆每行驶1km时车辆某处的某载荷对应的伪损伤（或等效载荷幅值，……）”的一系列样本值Xi，进而获得对应于每一个状态空间的条件概率分布P(A|Bi)，从而完成载荷的“关联”。
图2 CUCO项目中载荷的关联1
 
4 客户相关的道路载荷分布模型的建立
 
在第2小节获得P(Bi)，第3小节获得P(A|Bi)后，如图3所示，我们可以依据全概率公式，获得“客户相关”条件下的某一样本车辆每行驶1km时，车辆某处的某载荷对应的伪损伤（或等效载荷幅值，……）的概率分布P(A)。将其放大到设计里程，即可获得“客户相关”条件下的某一样本车辆累积行驶里程达到设计里程时，车辆某处的某载荷对应的伪损伤的密度函数或分布函数。
 
我们有n辆样本车，可以获得n个这样的重要分布，如图3所示，可以据此获得客户相关条件下覆盖（比如说）95％客户使用习惯的载荷边界。这一过程严格的说牵扯到二维随机变量的概率分布问题，不过我们可以讨个巧，限制在边缘分布的范畴里，简单的依旧用论坛里目前介绍的那些对付一维随机变量的手段来处理，因此暂时不需要牵扯到更复杂的统计学工具。
 
图4给出了CUCO项目的整体思路，可以方便大家通览从第2节到第4节的内容，并对CUCO项目有一个总体性的理解。
图3 CUCO项目给出的客户相关条件下覆盖95％客户使用习惯的载荷边界1
 图4 CUCO项目的统计学设计和思路1
 
这里我们要说一句，并不是所有的行业在进行耐久性工程的时候都需要进行CUCO项目。之所以有些行业务必要进行CUCO项目，究其原因是P(Bi)的高度随机性和不可预测性。因此，只能借助于统计学大数定理和大数据来对其使用状态进行划分，之后再借助全概率公式对结果进行“组装”。哪些行业的P(Bi)是高度随机和不可预测的呢？乘用车、商用车！因此，在乘用车、商用车领域，如果我们要做出在耐久性方面具有“客户相关性”的高品质车辆，没有什么办法，必须进行CUCO。
 
如图5所示，CUCO技术是德国汽车工业耐久性工程载荷谱制定方面的技术结晶和骄傲。当年MathTech公司受德国五大OEM（奔驰、宝马、大众、奥迪、保时捷）的委托开始相关技术路线的设计和实施，后来“大鱼吃小鱼，小于吃虾米”，MathTech被LMS收购，LMS又被SIEMENS收购，相关技术专利目前属于德国西门子工业集团。如图6所示，德国五大OEM的道路载荷强化试验标准规范，都是在获得了CUCO的结果后，通过CombiTrack技术优化得到的（对于CombiTrack技术后面会有文章介绍。这些涉及到具体技术的话题，聊起来更容易）。如果我们不做CUCO，而直接通过CombiTrack技术把规范转场到国内，这种处理在耐久性研发起步阶段无可厚非，但是一定要清醒：这意味着我们下游的所有耐久性研发最终关联到了相关试验规范所关联的客户群体，而（很）不见得是中国的客户群体。这会因为道路载荷分布是耐久性工程的“顶层”输入，而导致在耐久性工程下游的全部研发环节中全部产生系统性的偏差。这一点，很要命！
那么换言之，如果有些行业的P(Bi)是可预测的、可制定的，哪怕这种P(Bi)的制定和划分有一定的离散，那么也可以让我们不必这么大动干戈的去做CUCO。我们把这些行业称之为用户工况是可以Pre-Design的行业（比如说轨道交通、军用车辆、工程机械等等）。对于这些行业，载荷谱同样也是耐久性工程开展的首要顶层输入，但是牵扯到的载荷谱采集工作相对于CUCO要省不少事情。但是，甘蔗没有两头甜，这些行业在进行载荷谱的编制时，将涉及到更加复杂的统计学知识，论坛里目前介绍的那一点儿对付一维随机变量的统计学知识就不够了。我们会在论坛中找机会，就面向这类行业的载荷谱编制时所需要的更多的统计学方法，适时刊出连载的文章。
图5 CUCO技术是德国汽车工业耐久性工程载荷谱制定方面的技术结晶1
图6 强化路面试验规范关联性不协调引发的系统性问题1
我们从一开始就强调，道路载荷分布模型的构建是车辆耐久性工程中最为重要、最为基础，也是国内耐久性工程发展到今天比较稀缺的一个顶层输入。我们在下一篇文章中，将谈一下这一顶层输入如何指导耐久性工程中下游的设计载荷、试验载荷和试验规范的形成，从而有助于大家理解“顶层”两个字的含义，以及这一顶层输入的极端重要性。
 
参考文献
1. 来源于西门子工业软件有限公司内部资料.
 
作者简介
李旭东，2003年毕业于大连理工大学机械工程学院，获工学学士学位；2008年毕业于北京大学力学系固体力学专业，获理学博士学位。2008年至2014年，就职于中国航空综合技术研究所，历任工程师、高级工程师；2015年至今，就职于西门子工业软件（北京）有限公司，任职耐久性应用工程师。长期专注于（金属）材料和结构耐久性和损伤容限分析方法研究。
 
作者个人微信号：lixudong2008 （添加微信号请注明“姓名+工作单位”） 
分享到：
 
反对 0 举报 0 收藏 0 评论 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 为什么选择BCS？德国comemso倾力打造！！！ • CCS AC/DC欧美标测试分析 | 功能展示篇技术帖（五）
• CCS AC/DC欧美标测试分析 | 功能展示篇技术帖（四） • EVCC | SECC测试分析 | 功能展示篇技术帖（三）
• CANoe EVCA测试分析 | 功能展示篇技术帖（二） • 某电瓶箱箱体开裂问题有限元分析与解决方案
• 电动汽车EV充电桩分析仪测试仪器 | 功能展示篇技术帖（一 • 整车通过性虚拟仿真
• 基于预测声音行为的混合动力汽车仿真阶段评估 • 金贝KD6 中国区代理goldshell KD6超算服务器
0 条相关评论
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026620号