基于用户道路载荷谱采集的试验场关联研究

陈传钦，陈春燕，钟志宏，周德泉

(广汽集团汽车工程研究院，广东 广州 511434)

1 引 言

汽车等工程产品的开发，应以市场为导向，既满足大多数用户的使用需求，也应考虑产品的经济性及竞争性。目前，国内各汽车厂家在零部件的开发过程中，多采用强度设计而非寿命设计，即保证在最差工况下车辆构件不发生断裂，且能满足一般的工程要求。这种方式容易忽略用户的实际使用情况，造成产品的“过度”或“不足”设计[1]。因此，在整车开发过程中，加入了车辆道路可靠性试验，用于考核和验证汽车的使用寿命。完成这样的试验需要耗费巨大的人力和物力，同时也拉长了车辆的研发周期。为降低研发成本及节省研发时间，目前大多数厂家采用道路试验与试验场试验并行的措施。这就需要将用户道路对车辆造成的损伤等效地转移到试验场内，实现用户道路与试验场的关联[2]。

目前，国内汽车公司在试验场转场方面的研究相对比较滞后，现有的可靠性试验规范大都沿用国外某知名公司，或通过试验场之间的转场获得，很少有真正调查用户使用情况及用户路面采集方面的数据。

本文针对上述问题，系统地介绍了一种用户路面与汽车试验场关联的分析方法，通过对用户使用习惯的统计、载荷谱的采集以及相关的关联分析，制定出符合用户实际使用情况的试验场可靠性试验规范。

2 关联参数选取

业界大多依靠轴头加速度及悬架应变来进行试验场关联等相关研究。而引起零部件疲劳损伤的最直接因素是力(应变)与位移，与加速度之间不存在必然的关系[3]。

从理论上讲，加速度经过滤波及二次积分可获得相对位移。然而在实际应用中，只有在某种特定的工况下(如共振路或凸块路)，才能得到相位一致且幅值较接近的数值，而多数工况下与实际位移有较大的差别，尤其在低频大幅值或宽频的工况下，经常出现相位与幅值完全对应不上的情况。图1所示为石块路上的载荷谱，加速度积分与位移传感器测量值存在明显的差异，且误差随车速增加而变大。

图1 石块路载荷谱对比

目前较普遍且合理的做法是在悬架上布置应变片，通过采集相应零部件的载荷来实现关联分析。这种方法适用于单个零件的疲劳分析，反推到整车级别上存在较大的误差。在硬件条件受限的情况下，通过此方法可获得相对可靠但精度受限的关联结果。因为在测试悬架应变的时候，或多或少都有耦合力的存在。在进行关联研究时，很难准确地比对某个方向的关联性。如再用悬架应变反算轮心载荷，加上车辆模型准确性的影响，往往不能获取准确的数值。曾经有幸参与国际某知名工程服务公司进行相关方面的合作，对方解算的车轮六分力载荷，因误差过大最终无法应用于悬架系统的台架试验。

3 载荷谱采集与预处理

通过在某车型上搭载车轮六分力传感器，同时增加GPS信号、轴头加速度、悬架位移、悬架及车身应变作为参考信号，采集用户道路及汽车试验场各工况的载荷谱。

因试验场数据的一致性较好，一般同种工况采集3～5组数据即可。用户路面的采集需涵盖高速公路、城市道路、一般公路、乡村路及坏路等路况，还要保证采集的里程满足一定的要求。把采集的数据不分路况按每组50km进行截取，共分得32组数据。当损伤比值稳定在1附近时，则认为用户道路的数据采集长度满足要求。

本文建议的最小分割里程为50km，原因在于：更短里程的分割，其信号的损伤矩阵不足以充分定义和描述路面类型。如图2所示，50km的损伤矩阵呈L形，是较为理想的数据；而小于50km的损伤直方图(如15km、30km等)，并不能很好地表征路面的损伤模型。

图2 50km损伤直方图

试验场数据的选取方式可参考中值损伤等理论，每个工况选取一组用于关联分析。

用户路面数据的处理要复杂得多，如异常极值的处理需要借助数学统计等方式，如图3所示，运用极值分布寻找异常值，并将个别极大值替换成正常的幅值。数据的截取与组合也要视不同情况而定，如采集的区域分布比较广泛，同种类型的路况差异较大，可根据频响函数和车轮轴头垂向加速度响应求得路面不平度功率谱，将用户路面进行等级划分[6，7]，这种方法获得的数据是最准确的，同时也是成本最高且设备风险最大的。另一种做法是以某个具有代表性的城市为中心，向外辐射周边区域，因数据特征比较明显，可截取成不同类型的路况，再按照用户实际的使用比例进行组合，通过线性外推获取相应里程的损伤，这种做法需要验证采集区域的合理性。因国内公路里程及密度变化较快，路面组合比例需要不断更新，每隔一段时间就应调查用户的实际使用情况。通过问卷调查及与相关汽车公司对标的结果，确定路面类型比例为，高速路∶城市路∶一般路∶山路∶坏路=30%∶30%∶29%∶10%∶1%。

图3 异常极值剔除

4 载荷谱关联分析

关联分析的目的是计算试验场道路和用户路面的当量关系。对于整车级别的分析，大多采用损伤关联法，即：在保证两者损伤一致的前提下，尽量使雨流分布也一致。对于零部件级别的分析，一般采用雨流关联法，即：在保证二者的雨流分布一致的前提下，尽量使损伤也一致。本文采用损伤关联法进行研究。

4.1 疲劳理论基础

疲劳是指材料在循环(交变)载荷作用下，因累积损伤而引起低应力破坏的现象；疲劳寿命则为对应的循环应力的次数。汽车在行驶过程中，各结构件受到随时间变化的随机载荷作用而产生动态循环应力，在高应力区会引发疲劳损伤，根据Miner线性累积损伤理论[8]：

首先可以大力开展全域旅游群众性宣传活动，形成浓厚的创建氛围，让全域旅游创建工作深入人心；其次可将旅游服务设施、各类旅游产品依托全媒体网络营销，实现精准营销，以达到实时、高效、便捷的营销效果；最后注重节庆营销，积极开展旅游节庆和各类营销活动，做到全年、全民、全季节办会、办活动，实现四季有品牌，每月有主题，经常有活动。

(1)

式中，D为疲劳累积损伤，K为载荷等级，ni为第f级载荷下实际载荷循环次数，(Nf)i为第f级载荷下疲劳寿命。

在实际应用中，因无法准确获取零部件的S/N曲线来计算实际的疲劳寿命，故引进相对损伤的概念。研究表明，两组载荷谱相对损伤的比值与S/N曲线的截距无关，仅与斜率有一定的关系。在使用相对损伤来进行对比时，应选取与实际零件材料S/N曲线相近的斜率，一般汽车底盘件的斜率取值为-3～-5。对于本研究的车型，经查阅相关资料，斜率取值-5。

4.2 基于疲劳理论及Excel规划求解的关联分析

关联分析的逻辑方法为：通过改进试验场各种路面的组合关系，使试验场道路与用户路面所引起的名义损伤一致；同时，尽量使两者所引起的载荷谱在雨流计数方面具有相似的统计规律[9]，其数学表达式为：

(2)

式中：i为关联参数的通道数，Aj为试验场路面的比例系数；[Xij]为各种试验路面载荷分布矩阵；[Yi]为用户道路上的载荷分布矩阵。

式(2)可通过最小二乘法来拟合，同时，可在对数坐标下进行求解。将上述方程求解转为式(3)带约束条件的最小值问题[10]，最后利用Excel规划求解进行解算。

(3)

上述方法主要通过关联各通道总损伤获取比例系数，能快速计算出一个较合适的关联系数。这种方法的不足在于忽略了信号的频率信息，只针对信号的总损伤进行关联分析，这可能导致个别通道在细分频段的损伤存在较大的差异，从而引起车辆的运动模式失真，这种情况在关联计算中经常出现。因此，此方法在业界存在一定的争议。

本文对上述方法进行改进，结合Excel规划求解，通过分频段计算损伤的方式，确保在关联过程中各个频段内的损伤值都在可控的范围内，从而确保车辆的运动模式与实际接近。主要操作思路为，根据车辆的响应特性，将信号分解成4个频段进行关联计算，分别为：0～0.6Hz(车辆驾驶操纵响应频段)、0.6～8Hz(车身跳动响应频段)、8～20Hz(车轮跳动响应频段)、20～50Hz(路面的特定激励频段)。因50Hz以上信号占比小，关联研究时可以舍弃。根据上述思路，将式(2)分解成：

(4)

分频段进行关联计算时，矩阵运算被放大了好几倍，难以确保每个通道每个频段的关联结果都满足要求，因为过多的约束有可能导致方程无解。这时需要对各通道主要频段的关联系数进行约束，使得总体损伤满足要求的同时，各主要频段内的损伤也能满足要求(这里取各通道损伤值最大的2～3个频段作为主要分析频段，要求所取频段损伤值大于其他频段最少一个数量级)；同时，应增加约束条件，确保各频段相同通道的关联系数一致，即各频段的Aj值一致；通过Excel规划求解，获取最优的关联系数。这种方法与传统的优化关联软件对比，其优点在于：

(1)实现对各通道的分频段损伤关联，优于个别软件只能进行总损伤关联；

(2)利用Excel规划求解，使各参数设置更加灵活，且设置空间更大；

(3)关联过程人为控制因素较多，使得计算结果能朝预期方向无限逼近；

(4)能实时反馈各频段的关联结果，便于查看数据。

将汽车试验场24种工况与用户道路进行关联，考虑试验场实际情况，同区域的工况取相等或有一定倍数的循环次数，试验场关联结果如表1所示。最后通过优化行车路线，即可制定出符合用户实际使用情况的试验场可靠性试验规范。

表1 试验场关联结果

垂向力各主要频段及总损伤比(试验场/用户道路)如图4所示，主频段损伤及总损伤比值均在1附近，载荷分布如图5所示，两曲线吻合度较好。

图4 分频段损伤关联

图5 载荷分布对比

各主要通道总损伤比(试验场道路/用户道路)如表2所示。

表2 各通道损伤比

各主要通道损伤比介于0.78～1.72之间，且大部分位于1附近，损伤均值为1.15；各通道的主要频段损伤比也能满足要求；载荷分布形态接近；另对比其他参考通道，大部分损伤比位于0.3～3之间，关联效果较理想。

5 总 结

本文研究了用户道路与汽车试验场的关联分析方法，通过前期的用户调查，数据采集与预处理，基于疲劳损伤累积理论，并与excel规划求解相结合，实现了分频段进行数据关联，弥补了损伤计算中丢失频率信息的不足，使试验场关联效果更加理想。