[发明专利]一种数据驱动的拖挂房车车架结构安全监测方法

权利要求书

1.一种数据驱动的拖挂房车车架结构安全监测方法，其特征在于，步骤如下：

步骤1，构建拖挂房车的数字孪生模型；

步骤2，将给定某款拖挂房车作为物理实体，对其建立几何模型和有限元模型，得到虚拟实体；确定质心在车厢内的分布区域；

步骤3，结合拖挂房车在公路上的行驶工况，对质心坐标和行驶工况进行参数化；将得到的有限元模型的质心坐标参数、质量参数、行驶工况参数添加到孪生数据集；

步骤4，对步骤3中得到的有限元模型的变量参数进行批量化修改，得到批量变参数的有限元模型；

步骤5，对变参数有限元模型批量计算，并对应力分布结果进行提取，使有限元模型的质心坐标参数、质量参数、工况参数与应力分布结果对应，构建结构仿真的数据集，添加到孪生数据集；

步骤6，使用神经网络对有限元模型参数和应力分布结果之间的关系进行拟合，构建神经网络模型，并计算神经网络的误差；

步骤7，根据预测的最大应力值划分为三个安全等级，并确定各安全等级的应力值上下限；将构建的神经网络和安全等级上下限结合，得到结构安全监测机，作为数字孪生模型的系统服务；

步骤8，在拖挂房车车架中安装传感器，实时采集质心坐标、质量和工况参数，建立起物理实体与孪生数据之间的连接；将采集的数据输入到结构安全监测机，实时计算车架的应力分布，并根据步骤7中划分的安全等级进行提示，建立起孪生数据与系统服务之间的连接，驱动虚拟实体的变化，建立起系统服务与虚拟实体之间的连接；

步骤9，将传感器数据、拖挂房车行驶状态、应力分布、安全等级、操作提醒等信息进行可视化显示，建立起物理实体与虚拟实体之间的连接，实现基于数字孪生技术的虚实结合，作为最终输出结果。

2.根据权利要求1所述的数据驱动的拖挂房车车架结构安全监测方法，其特征在于，在所述步骤1中，构建拖挂房车的数字孪生模型，包括物理实体、虚拟实体、孪生数据集、系统服务以及各部分之间的连接。

3.根据权利要求2所述的数据驱动的拖挂房车车架结构安全监测方法，其特征在于，在所述步骤2中，包含以下子步骤：

(2.1)将给定某款拖挂房车作为数字孪生模型中的物理实体；

(2.2)根据给定的拖挂房车，以车厢地板的中心为原点，以车辆行驶的前方为x轴正方向，以车辆行驶方向左侧为y轴正方向，以竖直向上为z轴正方向，建立拖挂房车的坐标系；分别建立拖挂房车的车厢和车架的几何模型，对其进行组装，并进行有限元前处理；使用质量点单元表示拖挂房车的质心，使用全局加速度载荷表示拖挂房车行驶中受到的载荷；根据拖挂房车的车厢和车架所使用的材料设置杨氏模量、泊松比以及屈服强度，得到初始有限元模型，作为数字孪生模型的虚拟实体；

(2.3)根据拖挂房车的车厢尺寸，得到质心分布的区域。

4.根据权利要求3所述的数据驱动的拖挂房车车架结构安全监测方法，其特征在于，在所述步骤3中，包含以下子步骤：

(3.1)根据拖挂房车在实际行驶过程中的工况，选择质心坐标、质量、工况参数作为变量，添加到孪生数据集；

(3.2)当拖挂房车实体的质心位置改变时，质心坐标参数x、y、z发生变化，有限元模型中质量点的位置也会随之移动；当拖挂房车实体的总质量改变时，质量参数m发生变化，有限元模型的总质量也会随之变动；当拖挂房车实体在行驶过程中受到x方向和y方向的加速度载荷改变时，工况参数a_x和a_y发生变化，有限元模型中全局加速度的方向和大小也会随之变化。

5.根据权利要求4所述的数据驱动的拖挂房车车架结构安全监测方法，其特征在于，在所述步骤4中，包含以下子步骤：

(4.1)根据步骤(2.3)得到的质心分布区域，确定质心坐标x、y、z三个参数的范围；

(4.2)根据拖挂房车的使用情况，确定m、a_x、a_y三个参数的范围；

(4.3)根据采样样本的精度要求，设置采样间隔后，对六个参数分别进行均匀采样，要求每个参数采样得到的样本数均为n；

(4.4)将采集的六个参数进行排列组合，得到n⁶个样本组，对有限元模型进行修改后，对应得到n⁶个变参数有限元模型。