新型能源驱动的车架总成的疲劳寿命在线评估与剩余寿命预测方法与流程

本发明涉及车架结构健康检测，尤其涉及新型能源驱动的车架总成的疲劳寿命在线评估与剩余寿命预测方法。

背景技术：

1、新能源汽车车架疲劳寿命评估技术，普遍沿用传统燃油车单点静态应变测试模式，仅通过车架局部少量测点采集应变数据，结合固定参数有限元模型、常规比例多轴疲劳损伤公式及均值统计寿命模型，完成车架疲劳损伤计算与剩余寿命预测。该类技术未针对新能源汽车电驱动专属工况优化，无多源传感数据融合机制，仿真模型参数固定不变，且寿命预测依赖车型历史海量数据，采用开环评估模式完成车架结构健康研判与运维参考；

2、然而，传统单点测试模式覆盖范围有限，无法适配车架全关键承载区域应力监测，难以实现全场应力重构，测试数据片面、误差大；且未考虑新能源汽车电机扭矩脉动、再生制动带来的非比例多轴应力特性，常规疲劳模型无法适配电驱动特殊工况，损伤计算偏差极大；同时，仿真模型无自适应更新能力，无法随车辆服役工况、环境变化迭代校准，模型适配性差；另外，现有技术中，全新无历史数据车型无法实现精准寿命预测，模型泛化能力弱；无运维数据反馈校准机制，无法形成全生命周期闭环管理，长期服役后评估精度持续衰减，因此，本发明提出新型能源驱动的车架总成的疲劳寿命在线评估与剩余寿命预测方法以解决现有技术中存在的问题。

技术实现思路

1、针对上述问题，本发明提出新型能源驱动的车架总成的疲劳寿命在线评估与剩余寿命预测方法，该新型能源驱动的车架总成的疲劳寿命在线评估与剩余寿命预测方法构建四位一体多源异构传感网络，突破传统单点应变测试局限，具备全场应力重构能力，通过覆盖新能源车架所有关键承载区域的应变、振动、温度、动力总线多维度数据同步采集，结合实车标定修正有限元基线模型，仅需少量测点数据即可精准反演整车架三维应力场，解决传统单点测试数据片面、无法反映车架整体应力分布的问题，实现车架应力测试从单点离散检测到全场连续重构的技术升级，大幅提升车架应力状态感知的全面性与真实性。

2、为实现本发明的目的，本发明通过以下技术方案实现：新型能源驱动的车架总成的疲劳寿命在线评估与剩余寿命预测方法，包括以下步骤：

3、s1、搭建应变-振动-温度-动力总线四位一体多源异构传感网络，全覆盖采集新能源车架关键承载区域运行数据，经实车标定修正有限元基线模型，实时反演整车架三维应力场，实现全场应力重构；

4、s2、构建适配电驱动特性的非比例多轴疲劳损伤在线计算模型，对实时应变时序数据雨流计数，结合电池soc与电机回馈功率修正平均应力，内嵌电驱动工况权重因子逐循环累加损伤；

5、s3、搭建车架数字孪生自进化闭环系统，实现物理数据与虚拟仿真同步联动，通过在线学习自适应校准仿真参数，超标时自动触发健康预警与检修推送；

6、s4、基于车辆使用画像与元学习机制，实现寿命模型跨车型迁移，完成新车型车架剩余寿命精准预测；

7、s5、通过运维数据反向迭代校准模型，形成车架全生命周期健康管理闭环。

8、进一步改进在于：所述s1中，全场应力重构采用如下应力反演算法公式：

9、；

10、其中：为车架空间坐标(x,y,z)处的重构三维应力，单位mpa；为对应坐标处的实时应变监测值，单位με；av为车架实时振动幅值，单位mm/s；t为车架实时工作温度，单位℃；pd为电机动力总线实时输出功率，单位kw；k1、k2、k3、k4分别为应变、振动、温度、动力功率的拟合修正系数；为实车标定后的有限元基线初始应力补偿值，单位mpa。

11、进一步改进在于：所述s1中，多源异构传感网络采用分布式布设方案，在车架纵梁、横梁、连接支座、悬架安装点等所有关键承载区域布设应变传感器、振动传感器、温度传感器，同步对接整车动力总线，实现四类数据毫秒级同步采集，数据采样频率不低于100hz。

12、进一步改进在于：所述s2中，非比例多轴疲劳损伤在线计算模型中，非比例多轴疲劳损伤单循环累加公式为：

13、；

14、其中：为第i个应力循环的单次疲劳损伤增量；为新能源电驱动工况损伤权重因子，无因次；wi为第i个循环临界面的实时应变能密度，单位j/m³；w0为车架材料疲劳门槛值应变能密度，单位j/m³；wf为车架材料极限断裂应变能密度，单位j/m³；为电池soc与电机回馈功率耦合的平均应力修正函数；soc为动力电池实时荷电状态，无因次；pm为电机实时回馈制动功率，单位kw。

15、进一步改进在于：所述s2中，内嵌电驱动工况权重因子逐循环累加损伤，其中，总疲劳损伤采用逐循环累加计算，计算公式为：

16、；

17、其中：d为车架当前累计总疲劳损伤，无因次，取值范围0~1；为第i个应力循环的单次疲劳损伤增量；n为雨流计数统计得到的实时有效应力循环总次数，无因次；当d=1时，判定车架达到疲劳失效临界状态。

18、进一步改进在于：所述s3中，车架数字孪生自进化闭环系统基于数字孪生模型，其中，数字孪生模型自进化校准公式为：

19、；

20、其中：为第k+1次迭代后的仿真模型核心参数，包括材料s-n曲线参数、边界条件、阻尼系数；为第k次迭代的模型原始参数；α为在线学习迭代步长系数，无因次；dreal为实车实测疲劳损伤值；dsim为数字孪生虚拟仿真输出的疲劳损伤值。

21、进一步改进在于：所述s3中，健康预警的判定阈值为：当车架预测剩余使用寿命rul＜15%时，系统自动触发结构健康预警，同步调取运维数据库匹配最优检修路径；其中rul为剩余寿命占比，定义为当前剩余可服役循环次数与总极限疲劳循环次数的比值。

22、进一步改进在于：所述s4中，基于新能源车架服役核心影响因子，筛选驾驶行为、环境温度、充电频率三大关键维度特征，通过加权融合方式构建统一标准化画像特征向量，为元学习特征空间对齐、模型跨车型迁移提供量化输入依据，以此，构建车辆多维度服役特征融合算法，得到车辆用户画像特征融合迁移学习公式：

23、；

24、其中：f为融合后的车辆使用画像特征向量，作为迁移学习输入特征；b为驾驶行为特征因子，包含急加速、急制动、颠簸行驶频次参数；te为环境温度特征因子，为车辆服役周期内的平均环境温度，单位℃；cf为电池充电频率特征因子，单位次/天；分别为三类特征的权重系数，根据新能源车架疲劳损伤敏感程度自适应赋值，满足权重归一化约束条件；通过该公式完成多源服役特征量化融合，匹配元学习模型迁移机制，实现高样本车型到低样本新车型的寿命预测模型适配。

25、进一步改进在于：所述s4中，模型迁移的学习适配流程包括：基于元学习预训练高样本量成熟车型的寿命预测基础模型，通过画像特征向量完成新老车型特征空间对齐，将基础模型参数迁移至无历史数据的新车型。

26、进一步改进在于：所述s5中，通过运维数据反向迭代校准模型，包括以下步骤：系统根据预警等级推送对应个性化运维方案，完成车架检修维保后，采集维保后的车架刚度、应力响应、损伤状态实测数据，反向输入数字孪生模型，迭代更新模型损伤参数与仿真边界条件，实现模型全周期自适应优化。

27、本发明的有益效果为：

28、1、本发明构建四位一体多源异构传感网络，突破传统单点应变测试局限，具备全场应力重构能力，通过覆盖新能源车架所有关键承载区域的应变、振动、温度、动力总线多维度数据同步采集，结合实车标定修正有限元基线模型，仅需少量测点数据即可精准反演整车架三维应力场，解决传统单点测试数据片面、无法反映车架整体应力分布的问题，实现车架应力测试从单点离散检测到全场连续重构的技术升级，大幅提升车架应力状态感知的全面性与真实性。

29、2、本发明建立适配电驱动特性的非比例多轴疲劳损伤在线计算模型，精准匹配新能源汽车专属服役工况，针对电机瞬时扭矩脉动、再生制动引发的非比例多轴应力状态，采用临界面能量法结合雨流计数算法，融入电池soc与电机回馈功率平均应力等效修正机制，内嵌急加速、能量回收、颠簸堵转等典型电驱动工况损伤权重因子，有效解决传统比例疲劳模型无法适配新能源电驱动复杂应力工况、损伤计算精度低的缺陷，从核心算法层面大幅提升新能源车架疲劳损伤评估的准确性与针对性。

30、3、本发明搭建车架疲劳状态数字孪生体自进化闭环系统，实现仿真模型自适应迭代优化，通过物理层实时传感数据与虚拟层多物理场仿真、ai预测模型同步联动，依托在线学习机制将每次评估结果反馈至仿真参数库，自动校准材料s-n曲线、边界条件与阻尼系数，使模型可自适应匹配车辆不同服役工况，解决传统仿真模型参数固定、工况适配性差、长期使用精度衰减的问题，保障全服役周期内疲劳评估模型的稳定性与精准性。

31、4、本发明采用基于车辆使用画像的自适应迁移学习寿命预测框架，大幅降低新车型寿命预测的数据门槛，以驾驶行为、环境温度、充电频率构建三维用户画像特征库，通过元学习机制实现成熟车型寿命模型向新车型的高效迁移，针对无历史服役数据的新能源车架新车型，仅需30小时实车运行数据即可将预测误差控制在±8%以内，远优于传统均值统计寿命模型，有效解决新车型数据匮乏、寿命预测误差极大的行业难题，显著提升模型泛化能力与新车型适配效率。

32、5、本发明建立运维反馈校准的全生命周期健康管理闭环，实现车架寿命评估与运维决策的全流程智能化管控，构建分级预警与个性化运维方案的精准对应关系，将维保后的车架状态数据反向输入数字孪生模型，迭代校准模型核心损伤参数，形成“测试-评估-预测-预警-运维-校准”的完整闭环，解决传统技术开环评估、无后续迭代优化、无法适配车架全生命周期状态变化的问题，为新能源车架长期安全服役、精准运维提供全流程技术支撑。