电动汽车可靠耐久试验技术研究

2020-07-29董立甲张元勤王世英刘占国

汽车文摘 2020年8期

董立甲张元勤王世英刘占国

（中国第一汽车股份有限公司研发总院，汽车振动噪声与安全控制综合技术国家重点实验室，长春 130013）

主题词：用户调查载荷谱疲劳损伤电机电动汽车

0 前言

随着我国电动汽车发展战略的实施以及电动车保有量日益提高，人们对电动汽车认可度逐渐提高，但仍有用户对电动车可靠性和安全性心存疑虑。到目前为止，国内各大厂家没有统一的电动车试验方法，各自为战，依据的试验规范纷繁复杂，而且其使用的试验规范都还没有与用户进行关联，大多数是照搬传统车试验规范，至于试车场的路面的强化系数也是很不准确。目前国内电动车用户已初具规模，为实现用户调查奠定了基础，因此深入研究该领域技术对于国内整车厂家意义重大。

某些厂家提出缩短整车开发周期至24个月的目标，只能通过优化整车可靠耐久性试验方法来缩短试验周期和实现精准试验的目标，实现试验周期由13个月降至6个月，实现精准试验来保证降低整车售后索赔率，建立精准电动车试验规范意义重大。

电动汽车的续驶里程是整车的最重要参数之一，降低整车质量提高续驶里程是国内外汽车厂家持续研究课题，通过电动汽车用户调查，实车载荷测试获取用户的真实信息，分析数据、进行从整车和总成系统到零部件的载荷分解，从而实现各零部件的结构优化，实现最大限度的整车轻量化设计，因此，制定代表95%中国用户的精准电动车可靠性试验验证方法迫切，而且必要。

另外，中国公路2010～2018年发生了较大变化（图1），各等级公路占总公路里程百分比[1]变化趋势明显（图2），坏路（包括等级外恶劣路面）占比明显降低，各种路面的变化决定了整车可靠性试验标准也应及时改变，来满足中国用户的可靠性需求。

图1 中国公路总体变化趋势

图2 各等级公路占总里程比例

综上所述，本文集中研究电动汽车整车系统可靠性精准试验方法研究，以电动车用户数据为基础建立用户工况识别技术、用户可靠性目标分解技术、用户载荷加速技术，分析电动车用户使用特点、电机电池的使用工况和载荷特性等，基于整车可靠耐久疲劳损伤理论及用户关联技术，制定代表95%中国用户的精准电动车可靠性试验验证方法。

1 搭建用户相关载荷加速技术模型

制定整车用户相关试验方法流程见图3，首先进行用户调查，获得电动车典型用户使用工况，其次，进行用户和试车场载荷测试试验，然后进行载荷数据的用户相关性分析，最终建立整车可靠性试验方法。其中，进行用户与试车场载荷关联性分析计算时，涉及到用户路面比例和用户载重比例，路面主要分成城市公路、山区公路、一般公路、高速公路和坏路，载重分为空载、半载和满载。采用用户调查中各种路面行驶里程占总里程的百分比和载重占比作为加权因子，与测试的载荷简单相乘，计算出用户的伪损伤值，根据Miner累积损伤理论，对试车场的各个强化路面优化同样计算试车场的损伤值，使之一致即满足了用户的载荷要求。

图3 制定整车试验方法流程

这种用户与试车场的载荷关联加速技术的缺点为：用户载荷测试的路面种类必须人为主观判断、而且难以避免有2种路面相互叠加而判断为一类路面情况，用户调查仅仅作为路面种类比例应用，计算结果误差大。本文自主开发了新的计算方法：

(1)将用户调查数据按照模型处理成图4形式的里程多维矩阵，每个用户在相同矩阵单元的行驶里程差异形成了每个用户的特色使用工况，有多少用户调查数据，就会形成多少个里程多维矩阵。

(2)将全国典型载荷测试车每一个通道的数据按照模型都处理成图4形式的损伤密度多维矩阵，每个通道在相同矩阵单元的损伤密度差异代表了同样的行驶工况下每个零部件损伤的程度不一致，有多少个测试通道，就会形成多少个损伤密度多维矩阵。

(3)用户调查和载荷测试数据分级方式完全一致，多维矩阵单元一一对应，用户调查矩阵为里程，全通道车矩阵为损伤密度，用户调查单中用户里程扩展到目标里程后，得到全通道车按照该用户行驶时造成的车辆损伤。

图4 用户工况数据分析模型

(4)全通道车按照该方式进行映射，使用每个用户调查都会得到全通道车的损伤矩阵，按照该用户方式驾驶时的车辆损伤[2]，有多少个用户调查，就会有多少个车辆损伤。将这些损伤值进行正态分布统计，获得95%的用户目标损伤，示意图5所示。

因此，本文研制算法是把客观测量数据由数据处理程序实现智能匹配，避免了人为主观因素的影响，用户调查的30万公里数据可扩展为典型用户载荷数据，算法准确度明显提高，同时提高整车标准的精准化程度。

图5 95%用户载荷谱目标值

2 建立用户工况识别模型

制定了整体试验方案，并形成了整车可靠耐久性试验标准制定流程图，见图3。用户调查是前提条件，用户调查内容主要涵盖车辆总行驶里程，年行驶里程、总里程中各种路面比例、驾驶风格、乘员载荷、制动强度、转向角度分布情况[3]，用户调查获得的上述参数的准确程度决定了试验标准代表性和精准度，决定了整车轻量化水平，决定了整车售后索赔率大小。

2017年以前，用户调查都采用问卷方式，其缺点主要是：访谈过程一般委托第三方公司进行，存在造假现象。被访谈对象对调查内容理解程度不足，难以回答问题（如路面比例问题等），致使数据不准和问卷废品率较高。很多重要参数（制动、转弯）根本无法获取。

项目自主采集了全国30万公里用户使用的大数据，涵盖私家车、出租车、公务车、T3出行车等用途数据，建立了包括高速、一级、二级、三级和等外公路路面类型的1 000 GB载荷数据库。自主编制应用程序处理用户调查数据，建立了用户工况数据分析模型，通过4个输入信号处理出各种路面比例、路面粗糙度、坡度、转弯、制动、乘员、挡位、冲击坑、俯仰、电器操作、日常操作、车速、转速、轨迹等100余种特征参数分布和用户工况分布，在国内尚无此项技术，国内外该技术对比分析见表1。

表1 国内外用户调查技术对比分析

3 运营车电机可靠性目标构建

由于电动车使用成本低和各地政策的调整，运营车辆逐渐从传统燃油车迭代为电动车，对电动车核心部件电机的可靠性提出了新的要求。根据市场调研，运营车辆的电机工作环境、工作时间、驾驶要求逐步提高，某主机厂宣传电动车为5年50万公里目标，本文真实大量运营车辆用户数据，分析了50万公里的电机典型工况特征，构建了代表95%用户的电机台架试验工况和设计开发目标。

按照图6的流程进行数据处理，首先对用户调查的出租车、T3出行、滴滴出行的数据进行分割，定义运动学片段为车辆从一个怠速点开始（或结束）到下一个怠速点开始（或结束）的行驶过程，将数据进行运动学片段的分割，获得145 626个有效运动学片段，提取表2所示的片段特征值，对这23个特征值进行主成分分析降维为5个参数及聚类分析为4类获得各类下的典型用户使用工况，根据里程及时间比例，在各类中智能化选取有代表性的用户工况进行组合，构建用户使用工况如图7所示。

图6 构建用户工况流程

表2 特征参数

使用Ncode软件，进行旋转雨流计数，计算旋转件的损伤，根据Y Lee[4]提出的Fatigue Testing and Analysis:Theory and Practice中RMH循环外推法，确定95%的用户结果概率分布，图7所示的工况循环3 693次达到试验目标即是50万公里电机开发目标，可直接用于设计、CAE和台架试验。