(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210665472.3 (22)申请日 2022.06.14 (71)申请人 岚图汽车 科技有限公司 地址 430000 湖北省武汉市武汉经济技 术 开发区人工智能科技园N栋研发楼3层 N3010号 (72)发明人 丁鼎　韩广宇　张永仁　卢放　 马德慧　 (74)专利代理 机构 北京众达德权知识产权代理 有限公司 1 1570 专利代理师 张桂蓉 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06N 3/00(2006.01)G06F 119/14(2020.01) (54)发明名称 基于粒子群算法的汽车时域载荷外推方法 及装置 (57)摘要 本发明公开了一种基于粒子群算法的汽车 时域载荷外推方法及装置， 应用于车辆耐久试验 领域， 该方法包括： 采集车辆在公共道路的载荷 信号数据； 根据在公共道路的载荷信号数据建立 时域载荷外推计算模型， 时域载荷外推计算模型 包括超阀值概率分布函数和超阀值概率密度函 数； 采用粒子群算法对所述超阀值概率密度函数 进行求解， 并根据对超阀值概率密度函数的求解 结果进行时域载荷外推， 得到车辆在全生命周期 内的载荷信号数据。 通过本发明解决了时域外推 方法所得到的载荷信号数据不 准确的技 术问题。 权利要求书2页 说明书12页 附图2页 CN 114757058 A 2022.07.15 CN 114757058 A 1.一种基于粒子群算法的汽车时域载荷外推方法， 其特 征在于， 包括： 采集车辆在公共道路的载荷信号数据； 根据所述在公共道路的载荷信号数据建立时域载荷外推计算模型， 其中， 所述时域载 荷外推计算模型包括超阀值 概率分布函数和超阀值 概率密度函数； 采用粒子群算法对所述超阀值概率密度函数进行求解， 并根据对所述超阀值概率密度 函数的求 解结果进行时域载荷外推， 得到所述车辆在全生命周期内的载荷信号数据。 2.如权利要求1所述的方法， 其特征在于， 所述采集车辆在公共道路的载荷信号数据， 包括： 在所述车辆上布置轮心六分力传感器和三向加速度传感器、 在所述车辆的传动轴上布 置非接触式传动轴扭矩传感器、 以及 在所述车辆的悬架杆件上布置杆件力传感器； 规划在公共道路行驶的合计里程及在每种公共道路的行驶路线， 其中， 所述合计里程 中， 城市道路的里程占比为 ， 高速道路的里程占比为 ， 郊区道路的里程占比为 ， 国省 道道路的里程占比为 ， 坏路道路的里程占比为 ， 山区道路的里程占比为 ， 其中： ； 在所述车辆行驶于所述公共道路过程中， 通过如下任意一种方式采集在公共道路的载 荷信号数据： 所述车辆上布置的轮心六分力传感器采集轮心六分力信号、 通过适应于车辆 上布置的三向加速度传感器采集轮心三向加速度信号、 通过所述车辆的传动轴上布置的非 接触式传动轴扭矩传感器采集传动轴扭矩信号、 以及通过所述车辆的悬架杆件上布置杆件 力传感器采集杆件力 信号； 对所述在公共道路的载荷信号数据进行检查和清洗 。 3.如权利要求2所述的方法， 其特 征在于， 还 包括： 设定所述车辆在全生命周期内的目标 里程； 根据所述目标里程和所述车辆在多种公共道路上行驶的合计里程， 确定对所述在公共 道路的载荷信号进行外推的倍数N。 4.如权利要求3所述的方法， 其特征在于， 所述根据 所述在公共道路的载荷信号数据建 立时域载荷外推 计算模型， 包括： 定义所述在公共道路的载荷信号数据； 定义阀值 参数、 形状参数以及尺寸 参数； 定义大于所述阀值 参数的载荷信号数据为超阀值； 根据所述公共道路的载荷信号数据、 所述阀值参数、 所述形状参数以及所述尺寸参数， 建立所述超阀值 概率分布函数和所述超阀值 概率密度函数。 5.如权利要求3所述的方法， 其特征在于， 所述采用粒子群算法对所述超阀值概率密度 函数进行求 解， 包括： 步骤1： 均匀随机产生粒子构成粒子群集合， 其中， 所述粒子群集合中每一个粒子包括 位置向量及速度向量； 步骤2： 计算所述粒子群集 合中每一个粒子的适应度函数； 步骤3： 定义个 体最优粒子位置及全局最优粒子位置； 步骤4： 针对所述粒子群集 合所有粒子进行变异操作；权　利　要　求　书 1/2 页 2 CN 114757058 A 2步骤5： 针对粒子进行速度向量及位置向量更新； 步骤6： 判断是否满足迭代结束条件， 如果满足则终止迭代， 并求解得到粒子的位置向 量解集合， 如果不满足则跳转至执行所述步骤2、 步骤3、 步骤4以及步骤5， 直到满足迭代结 束条件或者达 到最大迭代次数； 步骤7： 取所述位置向量解集合中阀值参数最大的粒子位置作为载荷信号超阀值的概 率密度函数的求 解结果。 6.如权利要求5所述的方法， 其特 征在于： 所述个体最优粒子位置定义为针对个体粒子在迭代过程中适应度数值最大时对应的 粒子位置； 所述全局最优粒子位置定义为针对粒子群在迭代过程中适应度数值最大对应的粒子 位置。 7.如权利要求3所述的方法， 其特征在于， 所述根据对所述超阀值概率密度函数的求解 结果进行时域载荷外推， 得到所述车辆在全生命周期内的载荷信号数据， 包括： 从所述在公共道路的载荷信号数据中， 提取超过阀值 参数的数据； 针对所述超过阀值参数的数据， 采用超阀值概率密度函数的求解结果重复进行N次操 作， 每次操作随机产生 新的载荷信号数据进行替换原数据； 将重复进行N次操作所生成的载荷信号数据进行首尾相连， 得到外推N倍的时域载荷信 号； 将所述外推N 倍的时域载荷信号作为所述车辆在全生命周期内的载荷信号数据。 8.一种基于粒子群算法的汽车时域载荷外推装置， 其特 征在于， 包括： 数据采集单 元， 用于采集车辆在公共道路的载荷信号数据； 模型建立单元， 用于根据所述在公共道路的载荷信号数据建立时域载荷外推计算模 型， 其中， 所述时域载荷外推 计算模型包括超阀值 概率分布函数和超阀值 概率密度函数； 模型求解单元， 用于采用粒子群算法对所述超阀值 概率密度函数进行求 解； 外推执行单元， 用于根据对所述超阀值概率密度函数的求解结果进行时域载荷外推， 得到所述车辆在全生命周期内的载荷信号数据。 9.一种基于粒子群算法进行汽车时域载荷外推的电子设备， 其特征在于， 包括： 存储 器、 处理器以及存储在所述存储器上并可在所述处理器上运行 的代码， 所述处理器在执行 所述代码时实现权利要求1 ‑7中任一所述方法。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 该程序被处理器 执行时实现权利要求1 ‑7任一所述方法。权　利　要　求　书 2/2 页 3 CN 114757058 A 3