西门子工程咨询服务团队解决方案之商用车辆疲劳耐久用户相关性分析技术

在当前市场环境对车辆多属性平衡（动力性，经济性，驾驶性，舒适性，操纵性等）的要求越来越高的背景下，特别是对整车耐久性设计目标提出了巨大的挑战，即：精准载荷目标定义。这需要对于商用车的客户在疲劳耐久方面的使用情况进行详细彻底的客户使用调查分析。

对于商用车进行客户使用调查分析中存在如下的两难局面：一方面，对于商用车，特别是重型卡车或牵引车等的商用车，为获取用户使用数据，需要在车辆上布置大量的测试通道，其包括但不限制于：应变测试通道，加速度测试通道，位移测试通道，其他与CAN总线上可获得的数据相关的测试通道；另外，如果考虑传动系，还需要获取发动机、变速器等相关的转矩、转速测试信号；而另一方面，为详细调查用户群的使用情况，特别是使得所述调查具有统计分布意义上的代表性，则需要选取足够多的商用车用户进行前述多通道测试，而非仅关注于个别用户的使用情况，从而造成样本量明显不足的情况。为此，需要一种方法来兼顾单个的具体样本的测试通道数量与多个样本数量之间的平衡。

为此，Siemens PLM 与欧美商用车企业联合开展了诸多工程项目，在这些项目背景下，进行了基于各种类型的重型牵引车的用户相关性分析工作，并且由此建立了一整套适用于获取商用车用户使用情况的方法，从而为指导疲劳耐久测试方案的制订/更新提供用户使用数据的统计分布作为基础。

在如下给出的本文中，以某6X4牵引车为例，给出对于此方法的描述，从而获得：

• 在统计学上合理可靠的用户相关目标荷载特性

• 与此目标荷载特性相对应的试验场耐久性测试方法

图1：用户使用数据的统计分布与疲劳耐久测试的关系

方法概述

Siemens PLM 用户相关性分析技术的一项核心要素是对真实用户样本进行驾驶行为观察，并以大数据分析为背景，获得客观的被观察车辆运行/使用状况的统计学分布。其核心要素是对于用户驾驶行为监测。

这种统计学分布采用若干属性进行描述，例如，车速，路面状态，车辆总质量等等。为了限制整体数据分析的计算量，这些属性采用离散化方式进行分类和表达，即在每一项用户驾驶属性的总数值范围内划分成若干等级。

如此建立一个多维空间矩阵，每个矩阵单元代表了所有属性整体各等级数值的组合特征，可以理解为被观测用户车辆运行/使用工况的离散化表达。这些属性从用户实车工况数据采集的测量值推导而来，而这些测量数据由车队测试的方式进行采集。

接受工况监测的卡车车队由真实用户所有和运营。这些车辆由 SIEMENS PLM 和作为SIEMENS PLM合作方的商用车企业进行数采设备及传感器的安装工作，其中测试通道例如包含车辆质心三向加速度及轴头 Z 向加速度传感器，GPS 以及相关CAN 信号，用于后期对驾驶条件进行特征描述。

其中认为与承载系疲劳耐久性目标有关的行驶条件如下：

•  卡车加速/减速

•  转弯

• 车辆总质量（拖车+挂车+负载质量）

• 路面平整度

• 道路坡度

• 车速 

此项车队测试工作的总体目标是通过观察处于真实运行/使用条件下的用户卡车，实现最直接的目标市场用户使用工况研究。

图2：基于多维矩阵的CUCO计算方法示例-测试记录划分

对于西门子PLM 的用户相关分析技术，其另外一个要素是车辆在行驶过程中各个荷载通道的响应。这项采集工作由全通道道路荷载数据采集（RLDA）测试完成，该测试的基础是一辆全通道载荷谱采集试验车。外场 RLDA 测试的目的是尽可能地复现用户卡车在驾驶员日常驾驶工况观察期间所可能出现的各种驾驶行为/使用工况，采集与结构耐久性相关的荷载谱。数量众多的测量通道当中包括了多个六分力通道，应变通道，加速度通道，位移通道等等。可以对此卡车在各种行驶条件下的结构荷载进行准确的特性描述。

外场 RLDA 测试工作主要由西门子合作方进行，其中全通道测试卡车包含多个模拟测量通道（应变计、加速计、位移传感器）。这些测量通道应用于卡车各关键结构件，如：车桥、车架、油箱、蓄电池和驾驶室。另外采集了其它 CAN 总线和 GPS 信号，用于提供辅助性信息。核心通道为整车 4 个车轮六分力，用于采集道路传递到轴头的载荷信号。

将这两项核心要素，即用户使用工况矩阵及全通道试验车工况损伤矩阵进行结合，对该用户使用工况条件下的累计损伤进行评估。

图3：基于多维矩阵的CUCO计算方法示例-数据合成

针对任一车队车辆Fleetxx，在用户损伤矩阵内对应任一特定荷载通道的所有损伤之和即提供了此车辆/用户的总损伤值。此数据为该用户在设计目标里程下针对这一荷载通道所评估的累积疲劳（伪）损伤值。针对车队测试中的每一个用户，对各个载荷通道的累积伪损伤值进行分别计算。

在此步骤之后，对于同一载荷通道中 n 台被监测车辆/用户样本可以确定 n个累计损伤值，基于这些样本可以形成一个累计用户损伤概率分布特性图，该分布提供了对整个用户群（市场）的累计分布概率函数的估计。

根据这一累计分布估计值，推算出 95%的概率损伤值，该数据作为最终基准参考数值，用于描述特定通道95%的用户荷载目标。在针对所有通道执行概率统计分析后，能够提供一组基准损伤值，用于代表各个相关荷载通道95%用户的疲劳耐久性目标。

在此之后，可建立和/或修正试验场试验方法，其目标是通过对试验场不同路面/车速/载重量的组合，尽可能的复现各个目标载荷通道的目标累积损伤值。

图4：利用用户相关性分析结果建立或修正试验场试验方法

试验场路谱载荷相关性分析可以利用西门子的软件产品 Tecware的Combitrack模块进行。Combitrack模块模块提供两种不同的相关性分析方法： 

1. 载荷直方图优化：针对不同的载荷谱进行优化组合，计算和目标载荷相关性最好的结果（通常选用的优化方法）。

2. 测试里程优化：通过不同载荷谱的优化组合，形成满足目标值的最短试验场测试方法（通常试验场载荷结果会比目标载荷大）。

Combitrack模块的迭代计算也有两种模式：

1. 全局损伤 – 对雨流矩阵整体进行损伤计算得出伪损伤值并与目标损伤对比

2. 局部损伤 – 针对目标载荷和试验场载荷雨流矩阵中的载荷分布进行局部对比

对于疲劳耐久性用户相关性分析而言，不存在也并不需要用户目标雨流矩阵，因此在迭代计算中仅使用全局损伤优化模型。

图5：利用西门子的软件产品 Tecware的Combitrack模块进行的迭代处理

工程项目案例

西门子与国内某商用车制造商利用前述技术联合进行了商用车用户相关性项目，如下基于此项目的执行给出具体工程化案例，以用于更好地阐述此方法的实施。

01

车队测试

车队测试工作由西门子和西门子合作方（商用车制造商）在多辆用户卡车上执行，这些卡车分别命名为Fleet 01至 Fleet 0X。所有的辆卡车数据均用于后续数据处理及分析。驾驶路线覆盖华北，华南，西北和西南等主要市场。驾驶条件为日常自由驾驶，无任何驾驶行为导向。测量通道为加速度传感器（主要布置在车架和车轮上）+GPS+CAN。累计观察时间大约2000小时。累计观察里程10万千米。

02

全通道试验车路谱采集（RLDA）

在疲劳耐久性用户相关性分析中，于外场公共道路上全通道试验车用于描述在某个特定用户工况下车辆各个零部件的载荷响应。同时在试验场强化路面上用于采集加速的疲劳耐久性测试信号，便于后期用户载荷目标与试验场测试强度等效。

全通道试验车路谱采集中主要布置如下的测量通道：位移传感器（拉线式位移传感器），应变片（对于拉压弯扭进行全桥测量），加速度传感器（电容式PCB加速度传感器），车轮六分力传感器，其他类型的传感器（GPS，CAN信号等）。

全通道测试车从北京空载出发，途径石家庄，郑州，后抵达襄樊。在襄樊进行车辆状态检查及修整后，进行公共道路谱采集。其中同一载重工况的基础路谱数据采集时长约六天，测试里程约1700公里。去程从襄樊出发，途径武汉，合肥到达定远，以高速公路为主，行程约为三天。回程从定远出发，途径六安，信阳返回襄樊，以国道为主，行程约为三天。

试验路线以测试车试验牌照有效省份为基础，包含国道，高速，山区，城市等典型用户工况，尽量保证测试工况的多样性。外场过程中有服务车全程跟踪辅助，测试停经点有专门的服务站便于试验车的停靠及测试系统的检查及修整。测试过程中对途径省市各典型路面进行路谱信号采集，含高速，国道，省道，山区，城市道路，各大物流园进出道路等。测试同时对公共道路谱路面质量进行主观评价并记录。

本次襄阳试验场耐久性载荷谱采集主要基于场内强化路面，其中包含直搓板，带角度搓板路，坑洼路，乙种水泥路面，甲种水泥路面，长波路，小扭曲，大扭曲，中扭曲，卵石路，短波路及比利时环路。每种路面之间有平滑连接路进行过度，整体布局以并联路面为主。

图6：襄樊试验场耐久性测试路面整体布局

03

数据处理中的一些技术要点

1. 坡度计算

用户工况中的路面坡度计算可基于以下两种测试信号获取：GPS海拔信号和零频加速度传感器信号。

由于GPS传感器对海拔的精度相对较低，因此本次用户工况分析通过车辆质心 X向零频加速度信号获取路面坡度信息。车辆质心零频X向加速度测试信号包含两方面的信息：

• 车速变化产生的卡车纵加速度

  
  

• 道路坡度导致的传感器局部坐标旋转产生的重力场分量

  
  

即：a_x_measured = a_x_SpeedChange + a_x_RoadGradient

其中车辆速度变化产生的车辆纵向加速度可以通过车速变化曲线的微分获取：

a_x_SpeedChange = d/dt (VehicleSpeed)

从X向零频加速度传感器获取的时域信号中移除车速产生的加速度信号成分，既保留由于路面坡度产生的X向零频加速度分量：

a_x_RoadGradient = a_x_measured – a_x_SpeedChange

需要注意的是，用于坡度计算的加速度信号都是在非常低频的区域进行计算的。

2.变速器档位计算

本次用户相关性分析的目标是整车承载系统，但是对于整车质量的估算仍旧需要变速箱档位信息，以提高整车质量计算精度。变速器档位计算的基本方法是在一个离合器结合状态下发动机转速和车速的比例关系：