[發明專利]車輪力模型訓練方法、車輪力測量方法及設備

在審

• 申請號: 202111397953.2
• 申請日: 2021-11-23
• 公開（公告）號: CN116150866A
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 黃順;梁振輝;陳春燕;鄭望曉;吳傳洋;盧海波
• 申請（專利權）人: 廣州汽車集團股份有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06F119/04;G06F119/06;G06F119/14
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 張美君

本發明公開一種車輪力模型訓練方法、車輪力測量方法及設備。該車輪力模型訓練方法包括：獲取試驗車輛在試驗特征路面上行駛形成的實測車輛數據，實測車輛數據包括實測車輪力數據、實測加速度、實測應變和實測車速；基于實測車輪力數據、實測加速度、實測應變和實測車速，獲取模型訓練樣本，將模型訓練樣本劃分為訓練集和測試集；將訓練集中的模型訓練樣本輸入GRU神經網絡模型進行模型訓練，獲取原始車輪力模型；采用測試集中的模型訓練樣本，對原始車輪力模型進行模型測試，獲取模型測試結果；若模型測試結果為測試通過，則將原始車輪力模型確定為目標車輪力模型。該目標車輪力模型可有效降低車輪力測量的成本，并保障車輪力測量的精度。

技術領域

本發明涉及汽車耐久性技術領域，尤其涉及一種車輪力模型訓練方法、車輪力測量方法及設備。

背景技術

在汽車研發過程中，車輪力是進行車輛零部件耐久試驗和疲勞壽命分析的先決條件，是研究汽車耐久性的關鍵數據。一般來說，通過道路試驗采集車輪力，臺架試驗以車輪力為激勵源，而CAE仿真也需要車輪力來實現建模和驗證。因此，在車型開發階段，會投入大量試驗資源進行路譜采集工作。

目前車輪力的采集大多是利用車輪力測量設備直接測量車輪六分力的方式，該測量方法受車輛結構影響較小，能夠準確地測量車輪力，同時，增加軸頭加速度和懸架應變作為參考信號，更全面地采集用戶道路及汽車試驗場的車輪力。業內通用的車輪力測量設備為WFT六分力測試儀，是由輪轂適配器、車輪六分力傳感器、輪輞適配器、放大器滑環總成、電子調節設備和數據采集系統等組成。該套設備主要依賴國外制造商，價格昂貴，且維護標定要依靠國外制造商，服務周期長，維護成本高。此外，路譜采集試驗周期較長，試驗場路譜采集需要數周時間，公共道路路譜采集則需要數月的時間，路譜采集周期過長，容易造成車輪力測量設備的損壞和部件丟失情況。

發明內容

本發明實施例提供一種車輪力模型訓練方法、車輪力測量方法及設備，以解決現有車輪六分力測量存在成本高的問題。

本發明實施例提供一種車輪力模型訓練方法，包括：

獲取試驗車輛在試驗特征路面上行駛形成的實測車輛數據，所述實測車輛數據包括實測車輪力數據、實測加速度、實測應變和實測車速；

基于所述實測車輪力數據、所述實測加速度、所述實測應變和所述實測車速，獲取模型訓練樣本，將所述模型訓練樣本劃分為訓練集和測試集；

將所述訓練集中的模型訓練樣本輸入GRU神經網絡模型進行模型訓練，獲取原始車輪力模型；

采用所述測試集中的模型訓練樣本，對所述原始車輪力模型進行模型測試，獲取模型測試結果；

若所述模型測試結果為測試通過，則將所述原始車輪力模型確定為目標車輪力模型。

優選地，所述獲取試驗車輛在試驗特征路面上行駛形成的實測車輛數據，包括：

獲取所述試驗車輛在試驗特征路面上行駛形成的原始車輛數據；

對所述原始車輛數據進行數據清洗，獲取清洗車輛數據；

對所述原始車輛數據進行濾波處理，獲取實測車輛數據。

優選地，所述將所述訓練集中的模型訓練樣本輸入GRU神經網絡模型進行模型訓練，獲取原始車輪力模型，包括：

將所述訓練集中的模型訓練樣本中，第k-n時刻至第k+n時刻對應的實測加速度、所述實測應變和所述實測車速，確定為第k時刻對應的樣本特征，將第k時刻對應的所述實測車輪力數據，確定為第k時刻對應的樣本標簽，輸入GRU神經網絡模型進行堆疊處理，獲取基于多步計算形成的原始車輪力模型。

優選地，所述采用所述測試集中的模型訓練樣本，對所述原始車輪力模型進行模型測試，獲取模型測試結果，包括：