[发明专利]一种汽车疲劳寿命耐久性预测方法及系统

说明书

本发明提供了一种汽车疲劳寿命耐久性预测方法及系统，涉及汽车数据处理技术领域，包括获取汽车在行驶过程中的动态数据和静态数据；将动态数据和静态数据输入至汽车有限元模型中，得到关键疲劳点；基于自注意力机制和双向长短期记忆网络，构建汽车疲劳寿命耐久性预测模型，得到汽车关键疲劳点预测结果；分析汽车在各个疲劳阶段的故障率变化规律情况，基于汽车关键疲劳点预测结果和故障率变化规律情况计算汽车疲劳寿命耐久性损伤值；判断汽车疲劳寿命耐久性损伤值与预设的疲劳损伤值的大小。本发明的有益效果为能够以更短的时间和成本来验证汽车整车或零部件疲劳寿命，能够全面准确地评价汽车整车、子系统或零部件的质量和可靠度。

技术领域

本发明涉及汽车数据处理技术领域，具体而言，涉及一种汽车疲劳寿命耐久性预测方法及系统。

背景技术

整车、车辆各子系统和零部件的耐久性和可靠性验证试验规范及试验验证，是车辆耐久性和可靠性工程的重要环节，直接关系到车辆的使用安全性以及质量。汽车的可靠寿命体现了在用车的整体技术水平和性能状态，其受车主的驾驶习惯、维修保养程度以及车型出厂质量水平等综合因素影响。然而，以往对车辆的可靠性分析及寿命预测主要基于汽车维修记录和故障数据，不仅需要大量的维修记录积累还须准确真实的识别出故障信息，因此具有时间延时性，在一定情况下，对车辆维修记录数量和数据质量的记录方面要求较高，但是在实际应用中操作难度大且不具备普遍适用性，因此往往无法实时高效的对车辆寿命及可靠性水平进行准确判断。

发明内容

本发明的目的在于提供一种汽车疲劳寿命耐久性预测方法及系统，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种汽车疲劳寿命耐久性预测方法，包括：

获取汽车在行驶过程中的动态数据和静态数据，其中动态数据为随着汽车的使用呈动态变化的车辆信息，静态数据为汽车固定的属性信息；

将动态数据和静态数据输入至汽车有限元模型中，采用静态叠加法和模态叠加法对汽车进行疲劳分析，得到关键疲劳点；

基于自注意力机制和双向长短期记忆网络，构建汽车疲劳寿命耐久性预测模型，将至少一个关键疲劳点输入至汽车疲劳寿命耐久性预测模型中进行预测，得到汽车关键疲劳点预测结果；

分析汽车在各个疲劳阶段的故障率变化规律情况，基于汽车关键疲劳点预测结果和故障率变化规律情况计算汽车疲劳寿命耐久性损伤值；

判断汽车疲劳寿命耐久性损伤值与预设的疲劳损伤值的大小，若汽车疲劳寿命耐久性损伤值小于预设的疲劳损伤值，则确定汽车疲劳耐久性测试合格；若汽车疲劳寿命耐久性损伤值大于预设的疲劳损伤值，则确定汽车疲劳耐久性测试不合格。

优选地，所述将动态数据和静态数据输入至汽车有限元模型中，采用静态叠加法和模态叠加法对汽车进行疲劳分析，得到关键疲劳点，其中包括：

采集有关于汽车的参数建立有限元模型；

利用求解器分别计算静态叠加和模态叠加，求解汽车车身单元或节点在一定时间范围内, 汽车车身受到的应力随时间的变化规律；

选取汽车车身上至少四个关键点位置，其中包括汽车的电机轴承、避震器、方向盘和火花塞；

基于静态叠加法和模态叠加法，分别对提取到的四个关键点位置进行计算得到四个关键点位置分别所对应的应力信号，并对应力信号进行幅值统计和频谱分析，得到关键疲劳点。

优选地，所述得到汽车关键疲劳点预测结果，其中还包括：

利用信号功率谱密度函数对汽车各关键零部件进行数据频域分析，确定汽车各关键零部件振动信号的频率成分和结构，其中包括对多通道响应信号进行分析，得到多通道响应信号中各个信号所对应的功率谱密度函数矩阵；其中汽车各关键零部件包括车轮、轮毅、轮轴、转向节和悬挂臂；

对功率谱密度函数矩阵进行奇异值分解，得到功率谱密度曲线；