大数据驱动的汽车可靠性设计技术创新与发展
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
9
二、汽车可靠性设计大数据生成与分析
2.1 用户数据获取—特定性用户数据获取—选定信息通道
通过实时监测汽车运行数据，构造用户大数据架构；结合大样本用户调研修 正并完善数据特征。数据涵盖驾驶习惯（包括使用时间习惯、各种操作习惯、车 速控制习惯、维保检查习惯等）、工作环境（包括直接使用环境、间接使用环境
大量的创新应用功能如远程离车操控、智能泊车、辅助驾驶、移动 办公等等获得应用，这些系统功能的可靠性需要面对操作习惯、环境 匹配等方面的严峻挑战。 3）策略上由传统的一次性设计过渡到一次性设计融合超前设计
许多器件早期植入（如梯级电池、环境传感器、载荷传感器等）， 用户使用条件下车企通过后台软件随时启用这些功能，这些系统功能 的可靠性需要面对振动、温度、EMC等环境在时间上的严峻挑战。。
散热器支架 Bracket
前稳定杆 Antiroll
左—前减弹 簧
Spring_LF
左前轴头加速度 左—转向拉 Spindle_LF 杆 Tierod_L
左侧A柱焊缝 4
左纵梁 Frame_ L
左前控制臂 排气管支架
Arm_L
Pipe
左后轴头加速度 后桥 Spindle_RR Axle
左后钢板弹簧 Spring_LR
11
二、汽车可靠性设计大数据生成与分析
2.1 用户数据获取—特定性用户数据获取—道路载荷采集
东北线 西部线 海南线
共采集452段载荷谱
半载
城市道路里程
1600 占比
0.16
高速里程
6700 占比
0.67
郊区道路
1500 占比
0.15
恶劣路况里程
Leabharlann Baidu
200 占比
0.02
总计 城市道路
10000 总计
1
满载
角度、叠放、朝向、走向、速度；型式、间隙、趾宽、 熔深、规则度、热影响区；厚度比、密度比、顺序等）； 冲压工艺（成型速度、拉延比、硬化程度、表面微裂纹 残余应力大小和方向等等） …… 材料性能特征：强度指标、强度变化特性；
系统寿命特征：系统可靠性、结构耐久性。 传统的应力强度干涉模型难以完整表征可靠性设计的新要求
7
一、大数据的内涵与传统汽车可靠性设计的不足
1.4 汽车可靠性设计大数据的内涵
用户驾驶习惯：制动强度与方式、减速愿望与方式、超载程度与频度；
用户工作环境：温度与腐蚀、沙尘与泥水、振动与冲击、电磁干扰等；
用户载荷特征：类型、耦合、时间、大小、频率、影响等； 制造工艺特征：焊接工艺（焊丝直径、喷嘴直径、时间、电流、电压、
与实际使用者一对 一访谈，访谈时间 60分钟，回收问卷 超过1000份。
13
二、汽车可靠性设计大数据生成与分析
2.2 用户数据获取—数据初步分析
根据灰度理论对问卷的有效性评价，剔除部分无效问卷，对有效问卷分析。
90%用户年行驶里程 90%用户在城市道路上行驶里程比例 90%用户在高速公路上行驶里程比例 90%用户在郊区道路上行驶里程比例 90%用户在常年失修的土路、碎石路上行驶里程比例 90%用户极限载重
<75213.82km <37% <43% <18% <2% <2860kg
将GPS采 集的里程推算 到相应的年行 驶里程，与调 研得到的年行 驶里程相互验 证。
二者误 差仅为2.1%， 进一步证明 了用户调研 数据的有效
性。
14
二、汽车可靠性设计大数据生成与分析
载荷谱外推
样本本身有缺陷，扩展推断后仍存在缺陷
6
一、大数据的内涵与传统汽车可靠性设计的不足
1.3 传统可靠性设计数据的缺陷（2）
信息利用不充分：非平稳信号难以与平稳信号融合、 突变信号造成的损伤缺少评估模型；
资源信息欠完整：材料数据、工艺数据等多靠手册查找。
实测载荷谱
样本延长后还可能出现，目前缺少利用的方法
1260 占比
0.14
高速里程
6300 占比
0.70
郊区道路
1170 占比
0.13
恶劣路况里程
270 占比
0.03
总计
9000 总计
1
12
二、汽车可靠性设计大数据生成与分析
2.1 用户数据获取—特定性用户数据获取—用户调研补充
实 地 用 户 访 谈 650 人次，累计行程 100,000公里；
涵盖27 省 / 市 / 自 治 区 32 个 网 点 ， 覆 盖 95% 以 上 销 量 分 布 ；
一、大数据的内涵与传统汽车可靠性设计的不足
1.1 汽车面临的技术挑战
汽车大趋势：电动化、智能化、网联化与共享化
技术特征：多系统机械性耦合 多物理量渐近性耦合 动力流&信息流高度融合
技术目标：开发更加可靠的设计技术 更加高效的新工艺技术 更加稳妥的轻量化技术
轮毂直驱
技术挑战：最大限度掌握用户与资源信息、 探索多源信息融合下的数据利用准则与方法
等）、载荷特征（负荷比例、时间比例、车速比例、外部激励、路况关联等）
右前轴头加速度 Spindle_RF
右T—ie转ro向d_拉R杆右侧A柱5 焊缝
右前控制臂 Arm_R
右纵梁 Frame_R
移门焊缝 右后轴头加速度 3 Spindle_RR
尾门右上角 2
右—前减弹 簧
Spring_RF
发动机悬置支架
技术实现：大数据构成了反映这些关键要素的主要载体。
4
一、大数据的内涵与传统汽车可靠性设计的不足
1.2 工程技术数据的利用历程
纸面数据 磁盘数据
重
信
信
复
息
息
利
量
量
用
有
增
率
限
大
提
高
数据库
信 息 量 更 大
便 于 发 现 关 联 性
适 于 信 息 扩 充
知识库 信信 利辅 息息 用助 类内 规智 型容 则能 增丰 清决 多富 晰策
8
一、大数据的内涵与传统汽车可靠性设计的不足
1.5 大数据支撑的汽车可靠性设计新理念
1）方法上由传统的可维修性设计过渡到维修性设计融合可检测性设计 大量的传感器用于汽车位置、姿态、状态的实时监测，大量数据实
时传输到车企数据中心，为汽车的智能决策提供可靠保障。 2）理念上由传统的市场跟随设计过渡到引导用户设计
大数据 信信 利支全 息息 用持生 类渠 规在产 型道 则线链 更更 多决利 多宽 样策用
结构化（关联性、函数表达）
高度非结构化（5V）
利用手段和能力持续提升促进设计方法不断变革创新
5
一、大数据的内涵与传统汽车可靠性设计的不足
1.3 传统可靠性设计数据的缺陷（1）
采集渠道少：往往采用选择性采集（样车、零件；环境、工况）； 处理方法简单：信息不完整、剔除尖峰突跳、时间历程重构、统计推断等；
二、汽车可靠性设计大数据生成与分析
2.1 用户数据获取—特定性用户数据获取—选定信息通道
通过实时监测汽车运行数据，构造用户大数据架构；结合大样本用户调研修 正并完善数据特征。数据涵盖驾驶习惯（包括使用时间习惯、各种操作习惯、车 速控制习惯、维保检查习惯等）、工作环境（包括直接使用环境、间接使用环境
大量的创新应用功能如远程离车操控、智能泊车、辅助驾驶、移动 办公等等获得应用，这些系统功能的可靠性需要面对操作习惯、环境 匹配等方面的严峻挑战。 3）策略上由传统的一次性设计过渡到一次性设计融合超前设计
许多器件早期植入（如梯级电池、环境传感器、载荷传感器等）， 用户使用条件下车企通过后台软件随时启用这些功能，这些系统功能 的可靠性需要面对振动、温度、EMC等环境在时间上的严峻挑战。。
散热器支架 Bracket
前稳定杆 Antiroll
左—前减弹 簧
Spring_LF
左前轴头加速度 左—转向拉 Spindle_LF 杆 Tierod_L
左侧A柱焊缝 4
左纵梁 Frame_ L
左前控制臂 排气管支架
Arm_L
Pipe
左后轴头加速度 后桥 Spindle_RR Axle
左后钢板弹簧 Spring_LR
11
二、汽车可靠性设计大数据生成与分析
2.1 用户数据获取—特定性用户数据获取—道路载荷采集
东北线 西部线 海南线
共采集452段载荷谱
半载
城市道路里程
1600 占比
0.16
高速里程
6700 占比
0.67
郊区道路
1500 占比
0.15
恶劣路况里程
Leabharlann Baidu
200 占比
0.02
总计 城市道路
10000 总计
1
满载
角度、叠放、朝向、走向、速度；型式、间隙、趾宽、 熔深、规则度、热影响区；厚度比、密度比、顺序等）； 冲压工艺（成型速度、拉延比、硬化程度、表面微裂纹 残余应力大小和方向等等） …… 材料性能特征：强度指标、强度变化特性；
系统寿命特征：系统可靠性、结构耐久性。 传统的应力强度干涉模型难以完整表征可靠性设计的新要求
7
一、大数据的内涵与传统汽车可靠性设计的不足
1.4 汽车可靠性设计大数据的内涵
用户驾驶习惯：制动强度与方式、减速愿望与方式、超载程度与频度；
用户工作环境：温度与腐蚀、沙尘与泥水、振动与冲击、电磁干扰等；
用户载荷特征：类型、耦合、时间、大小、频率、影响等； 制造工艺特征：焊接工艺（焊丝直径、喷嘴直径、时间、电流、电压、
与实际使用者一对 一访谈，访谈时间 60分钟，回收问卷 超过1000份。
13
二、汽车可靠性设计大数据生成与分析
2.2 用户数据获取—数据初步分析
根据灰度理论对问卷的有效性评价，剔除部分无效问卷，对有效问卷分析。
90%用户年行驶里程 90%用户在城市道路上行驶里程比例 90%用户在高速公路上行驶里程比例 90%用户在郊区道路上行驶里程比例 90%用户在常年失修的土路、碎石路上行驶里程比例 90%用户极限载重
<75213.82km <37% <43% <18% <2% <2860kg
将GPS采 集的里程推算 到相应的年行 驶里程，与调 研得到的年行 驶里程相互验 证。
二者误 差仅为2.1%， 进一步证明 了用户调研 数据的有效
性。
14
二、汽车可靠性设计大数据生成与分析
载荷谱外推
样本本身有缺陷，扩展推断后仍存在缺陷
6
一、大数据的内涵与传统汽车可靠性设计的不足
1.3 传统可靠性设计数据的缺陷（2）
信息利用不充分：非平稳信号难以与平稳信号融合、 突变信号造成的损伤缺少评估模型；
资源信息欠完整：材料数据、工艺数据等多靠手册查找。
实测载荷谱
样本延长后还可能出现，目前缺少利用的方法
1260 占比
0.14
高速里程
6300 占比
0.70
郊区道路
1170 占比
0.13
恶劣路况里程
270 占比
0.03
总计
9000 总计
1
12
二、汽车可靠性设计大数据生成与分析
2.1 用户数据获取—特定性用户数据获取—用户调研补充
实 地 用 户 访 谈 650 人次，累计行程 100,000公里；
涵盖27 省 / 市 / 自 治 区 32 个 网 点 ， 覆 盖 95% 以 上 销 量 分 布 ；
一、大数据的内涵与传统汽车可靠性设计的不足
1.1 汽车面临的技术挑战
汽车大趋势：电动化、智能化、网联化与共享化
技术特征：多系统机械性耦合 多物理量渐近性耦合 动力流&信息流高度融合
技术目标：开发更加可靠的设计技术 更加高效的新工艺技术 更加稳妥的轻量化技术
轮毂直驱
技术挑战：最大限度掌握用户与资源信息、 探索多源信息融合下的数据利用准则与方法
等）、载荷特征（负荷比例、时间比例、车速比例、外部激励、路况关联等）
右前轴头加速度 Spindle_RF
右T—ie转ro向d_拉R杆右侧A柱5 焊缝
右前控制臂 Arm_R
右纵梁 Frame_R
移门焊缝 右后轴头加速度 3 Spindle_RR
尾门右上角 2
右—前减弹 簧
Spring_RF
发动机悬置支架
技术实现：大数据构成了反映这些关键要素的主要载体。
4
一、大数据的内涵与传统汽车可靠性设计的不足
1.2 工程技术数据的利用历程
纸面数据 磁盘数据
重
信
信
复
息
息
利
量
量
用
有
增
率
限
大
提
高
数据库
信 息 量 更 大
便 于 发 现 关 联 性
适 于 信 息 扩 充
知识库 信信 利辅 息息 用助 类内 规智 型容 则能 增丰 清决 多富 晰策
8
一、大数据的内涵与传统汽车可靠性设计的不足
1.5 大数据支撑的汽车可靠性设计新理念
1）方法上由传统的可维修性设计过渡到维修性设计融合可检测性设计 大量的传感器用于汽车位置、姿态、状态的实时监测，大量数据实
时传输到车企数据中心，为汽车的智能决策提供可靠保障。 2）理念上由传统的市场跟随设计过渡到引导用户设计
大数据 信信 利支全 息息 用持生 类渠 规在产 型道 则线链 更更 多决利 多宽 样策用
结构化（关联性、函数表达）
高度非结构化（5V）
利用手段和能力持续提升促进设计方法不断变革创新
5
一、大数据的内涵与传统汽车可靠性设计的不足
1.3 传统可靠性设计数据的缺陷（1）
采集渠道少：往往采用选择性采集（样车、零件；环境、工况）； 处理方法简单：信息不完整、剔除尖峰突跳、时间历程重构、统计推断等；