鐘根丁，程小強，龔春輝

基于大數(shù)據(jù)的電動輕卡驅(qū)動系統(tǒng)可靠性工況構(gòu)建

鐘根丁，程小強，龔春輝

（江鈴汽車股份有限公司 江西省多功能乘用車工程研究中心，江西 南昌 330000）

基于車聯(lián)網(wǎng)T-BOX采集的用戶大數(shù)據(jù)，采用短行程分析法，關(guān)聯(lián)駕駛特性及電驅(qū)動系統(tǒng)的特性構(gòu)建出工況特征參數(shù)，采用主成分分析法對特征參數(shù)降維，利用K-Means聚類出5類不同典型的工況。結(jié)合驅(qū)動系統(tǒng)軸系損傷及線性損傷理論，選出具有代表性的短行程，構(gòu)建新的可靠性工況載荷譜。

大數(shù)據(jù)；可靠性；聚類分析

前言

2020全年，我國新能源商用車?yán)塾嬐瓿射N量為12.1萬輛，其中純電動商用車銷量為11.6萬輛，插電式混合動力商用車銷量為0.4萬輛。綜合來看，目前我國新能源商用車市場銷售也主要以純電動商用車為主。驅(qū)動系統(tǒng)作為純電動商用車的核心部件，其可靠性是影響客戶滿意度的重要因素。當(dāng)前電驅(qū)動系統(tǒng)可靠性規(guī)范均是針對額定/最大轉(zhuǎn)速與轉(zhuǎn)矩等極限工況編制的恒應(yīng)力/低交變試驗載荷譜，難以有效反映用戶實際運行條件下動態(tài)交變載荷的損傷效果[1]。通過對電驅(qū)動系統(tǒng)可靠性工況特征研究，制定更合理的可靠性試驗載荷譜及規(guī)范，對純電動商用車的電驅(qū)動系統(tǒng)的開發(fā)與驗證具有重要的意義。

本文依托新能源車輛管理平臺，以某純電動輕卡車型的用戶行駛數(shù)據(jù)為基礎(chǔ)，通過短行程分析法，構(gòu)建短行程的特征參數(shù)，利用主成分分析及無監(jiān)督機器學(xué)習(xí)的聚類方法，在結(jié)合電驅(qū)動系統(tǒng)的損傷強度對用戶實際使用條件下的可靠性工況進行識別，構(gòu)造新的綜合可靠性工況，為驗證電驅(qū)動系統(tǒng)的可靠性提供數(shù)據(jù)支撐。

1 樣本選擇及數(shù)據(jù)提取

在新能源車輛管理平臺上，某純電動輕卡通過車載T-BOX設(shè)備采集樣車CAN信號上傳至云端，從平臺系統(tǒng)上可以下載需要分析的數(shù)據(jù)，如時間、車速、轉(zhuǎn)速、扭矩等信號參數(shù)。為保證數(shù)據(jù)分析的精度，T-BOX設(shè)備的采集頻率為1 Hz。本次選取全國不同地區(qū)共20個用戶作為樣本，提取其行駛一個月的數(shù)據(jù)作為分析。用戶的選擇，主要考慮車型的主銷區(qū)域，并且能覆蓋全國各個涵蓋華中、華北、華東、西北 4 個地區(qū)。圖1為某個用戶行駛軌跡圖。

圖1 某個用戶行駛軌跡圖

T-BOX采集的數(shù)據(jù)因受設(shè)備、信號傳輸?shù)纫蛩氐挠绊懀瑢?dǎo)致獲取的數(shù)據(jù)存在丟失、異常等情況，需要對數(shù)據(jù)做預(yù)處理，剔除異常以及無效的數(shù)據(jù)，避免影響數(shù)據(jù)分析。

2 數(shù)據(jù)分析及處理

2.1 短行程劃分

本文采用短行程法對行駛工況數(shù)據(jù)進行分析，短行程是指從車速為零開始到下一個車速為零的運動行程，通常包括一個怠速部分和一個行駛部分[2]。一個短行程通常包含怠速、加速、勻速和減速四種運動模式，如下圖2所示。

圖2 短行程示意圖

2.2 特征參數(shù)構(gòu)建

汽車行駛工況，是由多個具有代表性的短行程工況組合而成。選取具有代表性的短行程工況，需要參考一定的標(biāo)準(zhǔn)及依據(jù)。通常采用一定的參數(shù)來評估工況，結(jié)合電動車的電驅(qū)動系統(tǒng)的特性，除時間、車速、加速度外，需要特別考慮扭矩變化對電驅(qū)動系統(tǒng)的影響，綜合考慮，共設(shè)定15個短行程特征參數(shù)。

表1 短行程特征參數(shù)

特征值定義 T/s總時間 S/m總里程 V_max/(km/h)最大速度 V_mean/(km/h)平均速度 V_std/(km/h)速度標(biāo)準(zhǔn)差 P_acc/%加速時間比例 P_dec/%減速時間比例 a_std/(m/s2)加速度標(biāo)準(zhǔn)差 a_max/(m/s2)最大加速度 a_min/(m/s2)最小減速度 a_acc_mean/(m/s2)加速段平均加速度 a_dec_mean/(m/s2)減速段平均減速度 Trq_p_mean/(N·m)平均正扭矩 Trq_n_mean/(N·m)平均負(fù)扭矩 Trq_std/(N·m)扭矩標(biāo)準(zhǔn)差

2.3 主成分分析

主成分分析（Principal Components Analysis），簡稱 PCA，是基于降維思想下產(chǎn)生的處理高維數(shù)據(jù)的方法。常用于高維數(shù)據(jù)的降維，用于提取數(shù)據(jù)的主要特征分量。提取主成分時，按照各主成分累積貢獻率大于80%提取出前6個主成分，各主成分貢獻率和累積貢獻率見表2所示。將原始15維的矩陣數(shù)據(jù)轉(zhuǎn)化為6維的主成分矩陣數(shù)據(jù)進行分析。

表2 主成分貢獻率及累計貢獻率

主成分貢獻率/%累計貢獻率/% M140.14140.141 M217.15457.295 M39.25766.552 M47.94774.499 M55.05479.553 M64.70184.254 ……………… M150.294100.000

2.4 聚類分析

對主成分矩陣數(shù)據(jù)采用K-Means無監(jiān)督學(xué)習(xí)進行聚類，取K=5，將工況行程聚類成5大類。5類短行程的分布情況如下表3所示。

表3 聚類工況統(tǒng)計

聚類時間占比/%里程占比/%短行程占比/% 110.8317.8919.12 211.1818.1720.92 342.1415.5513.05 429.0640.8241.24

3 行駛工況構(gòu)建

3.1 損傷理論

電動車的電驅(qū)動系統(tǒng)的損傷，按軸系損傷貢獻作為計算依據(jù)，以電機輸出扭矩、轉(zhuǎn)速產(chǎn)生的交變載荷形成的不同的損傷強度，采用線性損傷的數(shù)學(xué)模型進行計算[3-4]。線性累積損傷原理假設(shè)損傷（壽命耗盡）是累積相加的，電機轉(zhuǎn)矩—轉(zhuǎn)數(shù)相關(guān)線性疲勞累積損傷為：

式中：D為載荷第級產(chǎn)生的疲勞損傷；n為電機在轉(zhuǎn)矩T下的轉(zhuǎn)數(shù)；N為在轉(zhuǎn)矩T時的疲勞壽命（失效轉(zhuǎn)數(shù)）；T由轉(zhuǎn)矩—壽命（-）曲線確定?？偟膿p傷表示每個單獨損傷（d）的累積過程，由n和N的比值來定義。可通過傳動系統(tǒng)基準(zhǔn)抗疲勞與壽命關(guān)系得出：

式中：T為電機扭矩；T為疲勞強度系數(shù)；為疲勞強度指數(shù)。計算在某一扭矩T下的轉(zhuǎn)數(shù)N，通過公式（1）、（2）可以計算出其對應(yīng)的疲勞壽命N和損傷d。

3.2 工況構(gòu)建

根據(jù)聚類結(jié)果分成的5類，提取典型短行程工況，除考慮該短行程的相關(guān)系數(shù)，需結(jié)合該短行程的損傷貢獻，以實現(xiàn)加速驗證的目的[4]。選取損傷值較大，且相關(guān)系數(shù)較大的短行程，作為具有代表性的短行程工況。

表4 子工況參數(shù)表

工況相關(guān)系數(shù)時間/s單位時間損傷值 工況1_10.8092139.50E?09 工況1_20.925694.26E?09 工況1_30.8151153.98E?09 工況2_10.886287.77E?10 工況2_20.8982151.95E?09 工況3_10.9391193.44E?08 工況3_20.887993.15E?08 工況4_10.8231419.94E?09 工況4_20.893764.88E?09 工況4_30.8792014.65E?09 工況5_10.8365943.14E?09

圖3 可靠性綜合工況

基于單位時間的損傷強度及相關(guān)系數(shù)，損傷強度選取90%分位以上，相關(guān)系數(shù)大于0.8，并結(jié)合各聚類占比情況，共選取11個子工況作為典型工況，用于構(gòu)建新的工況。選取的11個子工況參數(shù)如表4所示，新構(gòu)建的綜合工況如圖3所示。

3.3 工況對比

對選取的短行程的工況與原始數(shù)據(jù)對比分析見表5所示，新構(gòu)建的工況的損傷貢獻在5個聚類上分布基本相當(dāng)，為實現(xiàn)加速驗證的目的，時間分布上存在一定的差異。新構(gòu)建的工況總時間為1 870 s，基于相同的損傷強度，經(jīng)計算其驗證時間周期可以壓縮至原工況的1/12。

表5 工況對比

聚類原工況時間占比/%原工況損傷占比/%新工況時間占比/%新工況損傷占比/% 114.0318.0621.2318.51 221.711.9412.992.95 36.3247.1011.6648.06 431.9118.0622.3518.05 526.0314.8431.7612.44

4 結(jié)論

基于新能源車輛管理平臺獲取的純電動輕卡的實際客戶數(shù)據(jù)，將其行駛工況特性聚類成5大類，結(jié)合電驅(qū)動系統(tǒng)的損傷強度，提取出11個短行程子工況，構(gòu)建成1 870 s的可靠性綜合工況。新構(gòu)建的工況，為電動輕卡電驅(qū)動系統(tǒng)的可靠性驗證提供了依據(jù)和參考，不僅與實際客戶的行駛工況高度關(guān)聯(lián)，同時也能極大地提高驗證效率，壓縮驗證周期。

[1] 趙禮輝.基于用戶大數(shù)據(jù)的電驅(qū)動系統(tǒng)可靠性工況特征研究[J].汽車工程,2020,42(10):1386-1396.

[2] 宋怡帆.基于聚類和Python語言的深圳市城市道路車輛行駛工況構(gòu)建[D].西安:長安大學(xué),2018.

[3] 門玉琢,劉博等.與典型用戶數(shù)據(jù)相關(guān)的乘用車傳動系臺架可靠性試驗載荷譜制定研究[J].汽車工程,2017,39(11):1286-1293.

[4] 鐘根丁.基于客戶關(guān)聯(lián)的純電動輕卡驅(qū)動電機可靠性臺架試驗研究[J].汽車實用技術(shù),2021,46(8):90-92.

Construction of Reliability Working Condition of Electric Light Truck Drive System Based on Big Data

ZHONG Gending, CHEN Xiaoqiang, GONG Chunhui

( Product research and Development Institute Jiangling Motors. Co., Ltd., Jiangxi Nanchang 330000 )

Based on the user big data collected by the Internet of vehicles T-box, the working condition characteristic parameters are constructed by using the short travel analysis method and associating the driving characteristics and the characteristics of the electric drive system. The dimension of the characteristic parameters is reduced by using the principal component analysis method, and five different typical working conditions are clustered by K-means. Combined with the shafting damage and linear damage theory of the drive system, the representative short stroke is selected and a new reliability working condition load spectrum is constructed.

Big data;Reliability;Cluster analysis

A

1671-7988(2021)22-129-03

U467

A

1671-7988(2021)22-129-03

CLC NO.: U467

鐘根丁，助理工程師，就職于江鈴汽車股份有限公司，研究方向：整車耐久可靠性耐久測試及開發(fā)、大數(shù)據(jù)場景化分析。

10.16638/j.cnki.1671-7988.2021.022.033