[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

说明书

本发明属于数字孪生技术与特种车辆结构安全监测领域，提供了一种数据驱动的拖挂房车车架结构安全监测方法。对给定某款拖挂房车的车架和车厢建立有限元模型并进行组装，通过对质心参数、质量参数、工况参数进行采样，使用有限元方法建立起结构仿真数据集；使用归回神经网络将拖挂房车运行参数与应力分布、安全状态的对应关系进行拟合；使用传感器对车架运行状态进行实时采集，转变为运行参数后输入神经网络模型，即可实现基于数字孪生技术的拖挂房车车架结构安全的实时监测。

技术领域

本发明涉及数字孪生技术与特种车辆结构安全监测领域，具体涉及一种数据驱动的拖挂房车车架结构安全监测方法。

背景技术

房车出行得到普及，拖挂房车与自行式房车相比，使用更加灵活且性价比更高，用户规模不断扩大。但拖挂房车的行驶方式较为特殊，由前车牵引行驶，因此对使用者提出了较高的要求。在行驶过程中，拖挂房车的质心坐标、质量和工况会不断变化，当使用者无法及时感知到拖挂房车的状态变化时，在极限工况下拖挂房车的车架结构会发生失效，对车厢结构造成不可逆的损伤，且不易修复。如何对拖挂房车车架在行驶过程中的状态进行实时监测受到了越来越多人的关注。

拖挂房车具有较高的灵活性，能够满足多种使用场景的需求。在实际使用的过程中，拖挂房车的运行状态是实时变化的。当在不平的路面行驶时，拖挂房车的质心位置会发生不同程度的移动，例如上坡时质心会后移，下坡时质心会前移；质心位置的变化会对行驶安全性和车架的结构安全性均会产生影响。根据使用场景的不同，拖挂房车内会放置不同物品，且物品的摆放具有较大的不确定性，使拖挂房车的质心位置和总质量发生变化。行驶中工况会实时发生变化，拖挂房车车架受到的载荷也不断改变。在行驶过程中，前车牵引拖挂房车行驶，两车处于分离状态，使用者在前车中无法对后车的状态进行准确感知，仅能依靠经验对拖挂房车的行驶工况进行判断。当使用者经验不足或判断失误时，无法及时感知到拖挂房车的危险工况，会造成拖挂房车车架结构的损伤，且车架损伤后不易修复，还会对车厢结构造成不可逆的损伤。

通过在车辆中安装传感器，能够对车辆的运行状态进行实时感知。例如，姚雪萍在学位论文《载货汽车危险状态辨识及监测预警研究》中，通过拉线式位移传感器对车辆各车轮的载荷进行采集，并得到水平面上的质心位置，实现对车轮危险状态的识别和监测；但在实际中，质心的高度变化也会对车辆的状态产生影响，且车辆的不同工况所对应的质心安全范围有所差异。

数字孪生(Digital Twin)是一种充分利用模型和数据、智能继承多学科、通过数据连接物理空间与虚拟空间、提供高效且智能化实时服务的技术。当前，数字孪生技术得到了快速发展。随着传感器技术的进步，采集数据的精度和实时性不断提高。有限元方法在结构安全评估中得到了广泛应用，但通常计算过程需要耗费较多的资源和时间。机器学习技术能够对数据进行处理，对数据间的关系进行拟合，计算效率较高。本方法基于数字孪生技术，将传感器技术、有限元方法和机器学习技术进行结合，通过有限元方法构建拖挂房车车架结构仿真数据集，使用人工神经网络对数据集中的数据进行处理，对拖挂房车运行参数与应力分布之间的关系进行拟合。将传感器采集的数据进行处理，转换为拖挂房车的运行参数，并输入到人工神经网络中，即可对拖挂房车车架结构的安全状态进行实时监测。通过数据驱动实现实时监测，从而能够减少因操作者预判失误或经验不足而造成的车架结构损伤。

发明内容

本发明提供了一种数据驱动的拖挂房车车架结构安全监测方法，针对拖挂房车使用情景的多样性和行驶工况的多变性造成的车架结构损伤问题，基于数字孪生技术实时监测拖挂房车的运行状态，对车架结构的安全状态进行实时计算并进行提醒。本方法的思路为：通过构建质心坐标参数、质量参数、工况参数与拖挂房车车架结构应力分布的数据集，使用神经网络快速预估拖挂房车车架结构的安全状态，由传感器采集到数据后能够实现对拖挂房车结构安全状态的实时监测和提醒，及时为使用者的使用过程提供建议。

本发明的技术方案为：一种数据驱动的拖挂房车车架结构安全监测方法，具体步骤如下：