汽车试验技术47页.ppt

试验仪器 二 道路载荷谱采集是疲劳耐久性设计的基础，根据调查用 户的使用环境和用途，试验所用的仪器为 nCode 公司的 SoMat-eDAQ 数据采集仪和数据读取显示器。 SoMat-eDAQ 由基础层、各种不同功能的扩展层以及智能型调理模块组成， 系统可直接接入工程中常用的各类传感器，用来测量如应变、 加速度、温度、车轮六分力、载荷、压力、位移、数字脉冲、 数据总线及 GPS 等信号。 SoMat-eDAQ 系统的测试通道数可灵 活配置，单套系统的模拟通道数最高可达 96 个，数字信号通道 可多达 100 个。本次试验各通道采用低电平标定，数据采样频 率为 200Hz ，稳定工况数据采集时间长度不应少于 30min 。 第六节 试 验 数 据 预 处 理 试验数据的预处理是指通过数据采集、模数转 换和单位变换获得等时间间隔数字信号后，对其进行 奇异点 ( 野点 ) 的剔除、消除趋势项及数据检验等工作。 试验数据预处理是必须要进行的试验数据准备与校验 工作，也是进行后续试验数据分析处理工作的前提。 奇异点剔除 一 试验数据一般是在现场动态测试中通过数据采集设 备对测试仪器检测到的动态模拟信号进行离散化、数字 化、转换和变换后得到的一列具有等时间间隔特征的数 字信号。 试验数据发生突变，就形成了试验数据的奇异点。 试验数据的奇异点对后续数据处理有着极大的影响，会 造成对测试结果的不准确判断。因此，对试验数据出现 的奇异点必须予以剔除。 奇异点剔除 一 将某些采集的数据 Xi 与其相邻的数据点进行比较 , 判别 Xi 数值为合理点 ( 非奇异点 ) 的条件是其数值必须满足下面的 关系式 式中 k 为常数，通常取 3~5 ，根据被测量对象的精度而 定，本书取 k=3 。奇异点剔除之后，该点的值可用前两点 外推值替代。 第八章 汽 车 用 户 相 关 性 试 验 试验条件 试验数据预处理 试验数据雨流计数处理 载荷—时间历程的雨流计数 第五节 第六节 第八节 第七节 用户目标里程确定 用户相关性试验方案 强化系数模型 用户相关性试验模型 第一节 第四节 第三节 第二节 现行的汽车可靠性试验方法试验中所暴露出来的故 障，在用户可靠性试验中却很多都没有发生。并且由于 对该汽车试验场路面相对于目标用户的强化情况没有做 过研究，因此对强化试验结果也不能给出科学的产品可 靠性指标，这种情况给产品开发带来很大的困扰。所以 需要迫切研究制订符合用户使用条件的可靠性强化试验 方法及汽车试验场强化路面相对于目标用户使用的强化 工况。 第一节 用 户 目 标 里 程 确 定 用户数据调查 一 用户数据处理主程序界面如图 8-1 所示。 威布尔分布参数估计 二 正态分布理论适用于中、短寿命区的情况，而威布尔 分布不限于在这个范围内，对于疲劳寿命大于 106 循环的长 寿命区，有些试验结果也近似地服从威布尔分布，从而能给 出在长寿命区的安全寿命。 在研究汽车可靠性过程中，工程材料的疲劳强度、疲 劳寿命、磨损寿命、腐蚀寿命以及有许多单元组成的汽车总 成，一般都服从威布尔分布。在汽车零部件可靠性的试验处 理中，除非很有把握知道属于某种分布，一般用威布尔分布 来统计汽车零部件的寿命。 威布尔分布参数估计 二 由于威布尔概率密度函数中包含有三个待定参数，所 以它能更完善地拟合试验数据点。对于威布尔分布进行参数 估计的方法有很多，本文应用极大似然估计法进行参数估计。 极大似然估计法的基本思想是选择待定参数使调查出现在观 测值的领域内的概率最大，并以这个值作为未知参数的点估 计值。最终得γ、β、η 的估计值见表 8-1 。 90 ％ 用户目标里程计算 三 应用 Monte-Carlo 方法仿真求解用户平均目标里程 LA 步骤是： ( １ ) 针对要计算的用户平均目标里程，建立一个便于实 现的概率统计模型，使所求的 LA 恰好是该概率统计模型的数 学期望。 ( ２ ) 对模型中的随机变量建立抽样方法，在计算机上进 行模拟试验，抽取足够多的随机数，对有关事件进行统计。 ( ３ ) 建立一个或多个无偏估计量作为所要求的问题的解。 用统计方法估计出模型的数值特征。 ( ４ ) 统计处理仿真结果，获得所求解的统计估计值。 90 ％ 用户目标里程计算 三 通过对用户平均目标里程 LA 计算积分数值的 Monte- Carlo 仿真计算，得到承载系构件的 90 ％用户目标里程，见 表 8-2 。 第二节 用 户 相 关 性 试 验 模 型 一、试验模型的建立 二、关联模型比例系数参数估计 三、模型回归方程检验 四、回归系数显著性检验 第三节 强 化 系 数 模 型 强化系数研究方法 一 试验场道路加速系数反映强化试验相对于用户实际使 用条件下的强弱程度。加速系数是强化试验与实际使用