本技術涉及汽車，尤其涉及一種載荷譜的確定方法、裝置、電子設備、存儲介質(zhì)及車輛。

背景技術：

1、電動汽車外特性(電動機全負荷時所測出來的功率或者扭矩隨轉(zhuǎn)速的變化曲線)與傳統(tǒng)燃油車外特性(發(fā)動機全負荷時所測出來的功率或者扭矩隨轉(zhuǎn)速的變化曲線)差異較大，且由于沒有離合器、減震器等緩沖裝置，電動汽車對減速器的要求更嚴苛。

2、高精度的載荷譜作為減速器或電機等旋轉(zhuǎn)部件設計的基礎，對電動汽車的行車安全具有重要意義。現(xiàn)有的減速器載荷譜或電機載荷譜的構建方法主要是通過試驗車按預設采集比例采集各種典型道路的行駛數(shù)據(jù)(即得到不同運動類型的行駛數(shù)據(jù))，再利用采集的數(shù)據(jù)構建對應的載荷譜。

3、然而，各種典型道路、預設采集比例等參數(shù)的設定往往依賴于經(jīng)驗設定，不符合真實行駛工況，導致構建的載荷譜無法反映真實行駛工況且精度較差。

技術實現(xiàn)思路

1、本技術提供了一種載荷譜的確定方法、裝置、電子設備、存儲介質(zhì)及車輛，構建的載荷譜能夠反映真實行駛工況且精度較高。

2、第一方面，本技術實施例提供了一種載荷譜的確定方法，包括：獲取同一車型的多個車輛對應的實際行駛數(shù)據(jù)，該實際行駛數(shù)據(jù)包括每個車輛的至少一個歷史駕駛循環(huán)中的每個歷史駕駛循環(huán)的運動特征參數(shù)；基于每個備選車輛的每個歷史駕駛循環(huán)的該運動特征參數(shù)，從多個運動學片段中確定屬于不同運動類型的至少一個運動學片段，得到多個典型運動學片段，該多個運動學片段為該每個備選車輛的每個歷史駕駛循環(huán)對應的各個運動學片段，每個運動學片段用于指示對應的歷史駕駛循環(huán)的速度-時間曲線，該每個備選車輛分別為該多個車輛中的一個；將該多個典型運動學片段進行拼接處理，得到目標時長的路譜；將該目標時長的路譜輸入到目標車型的整車動力學仿真模型中，仿真得到該目標車型的目標載荷譜，該目標載荷譜為目標旋轉(zhuǎn)部件的載荷譜，該整車動力學仿真模型包括該目標旋轉(zhuǎn)部件對應的模塊。

3、本技術一些實施例中，該實際行駛數(shù)據(jù)還包括該每個車輛的每個歷史駕駛循環(huán)的目標旋轉(zhuǎn)部件的損傷參數(shù)；該基于每個備選車輛的每個歷史駕駛循環(huán)的該運動特征參數(shù)，從多個運動學片段中確定屬于不同運動類型的至少一個運動學片段，得到多個典型運動學片段之前，該方法還包括：

4、基于損傷標準計算公式和該每個車輛的每個歷史駕駛循環(huán)的該損傷參數(shù)，確定該每個車輛的該目標旋轉(zhuǎn)部件的損傷標準值；

5、基于該每個車輛的該損傷標準值，從該多個車輛中確定多個備選車輛，每個備選車輛的該損傷標準值大于該多個車輛中除該多個備選車輛之外的其他車輛的該損傷標準值。

6、本技術一些實施例中，該目標旋轉(zhuǎn)部件為減速器，該損傷參數(shù)包括扭矩和回轉(zhuǎn)次數(shù)，該損傷標準值為單位里程損傷值，該損傷標準計算公式包括：

7、

8、其中，d1為單位里程損傷值,ti為車輛的各個歷史駕駛循環(huán)中第i個扭矩恒定的時間段內(nèi)的扭矩，ni為扭矩為ti時的總回轉(zhuǎn)次數(shù)，a為扭矩的冪指數(shù)，s為車輛的各個歷史駕駛循環(huán)的總行駛里程。

9、本技術一些實施例中，該目標旋轉(zhuǎn)部件為電機，該損傷參數(shù)包括轉(zhuǎn)速，該損傷標準值為高轉(zhuǎn)速時長占比，該損傷標準計算公式包括：

10、

11、其中，d2為高轉(zhuǎn)速時長占比,tj為車輛的各個歷史駕駛循環(huán)中第j個轉(zhuǎn)速大于或等于轉(zhuǎn)速閾值的運動過程的時長，tk為車輛的第k個歷史駕駛循環(huán)的總時長。

12、本技術一些實施例中，該基于該每個車輛的該損傷標準值，從該多個車輛中確定多個備選車輛，包括：將該多個車輛中該損傷標準值大于或等于損傷閾值的車輛，確定為該多個備選車輛；

13、或者，將該多個車輛按照該損傷標準值從大到小進行排序；將排名靠前的部分車輛確定為該多個備選車輛。

14、本技術一些實施例中，該基于該每個備選車輛的每個歷史駕駛循環(huán)的該運動特征參數(shù)，從多個運動學片段中確定屬于不同運動類型的至少一個運動學片段，得到多個典型運動學片段，包括：基于該每個備選車輛的每個歷史駕駛循環(huán)的該運動特征參數(shù)，對該多個運動學片段進行聚類處理，得到多個運動學片段集合，每個運動學片段集合包括屬于同一種運動類型的多個運動學片段；將該每個運動學片段集合中的部分運動學片段，確定為該多個典型運動學片段。

15、本技術一些實施例中，該將該每個運動學片段集合中的部分運動學片段，確定為該多個典型運動學片段，包括：基于相似度公式，確定該每個運動學片段集合中的運動學片段與對應的聚類中心的相似度；將該每個運動學片段集合中的對應的相似度大于或等于相似度閾值的運動學片段，確定為該多個典型運動學片段，或者，將該每個運動學片段集合中的對應的相似度從大到小排列排在前m個的運動學片段，確定為該多個典型運動學片段。

16、本技術一些實施例中，該目標時長為預設時長或為該多個典型運動學片段的總時長；其中，該預設時長小于或等于該多個典型運動學片段的總時長。

17、本技術一些實施例中，該目標時長為該預設時長；該將該多個典型運動學片段進行拼接處理，得到目標時長的路譜，包括：將該多個典型運動學片段按照不同運動類型的時長占比進行拼接處理，得到該目標時長的路譜，該時長占比是將該多個運動學片段按照不同運動類型分類，各個運動類型下的運動學片段的總運動時長的比值。

18、本技術一些實施例中，該將該多個典型運動學片段按照不同運動類型的時長占比進行拼接處理，得到該目標時長的路譜，包括：按照該時長占比，將該預設時長分為多個區(qū)間，每個區(qū)間對應一個運動類型；針對該每個區(qū)間執(zhí)行下述步驟s1得到該預設時長的路譜；其中，s1包括：從目標區(qū)間對應的目標運動類型的典型運動學片段中，確定該運動特征參數(shù)與該目標運動類型最匹配的至少一個典型運動學片段；將該至少一個典型運動學片段拼接到該目標區(qū)間，該目標區(qū)間為該多個區(qū)間中的任意一個。

19、第二方面，本技術實施例提供了一種載荷譜的確定裝置，包括：獲取模塊，用于獲取同一車型的多個車輛對應的實際行駛數(shù)據(jù)，該實際行駛數(shù)據(jù)包括每個車輛的至少一個歷史駕駛循環(huán)中的每個歷史駕駛循環(huán)的運動特征參數(shù)；確定模塊，用于基于該每個備選車輛的每個歷史駕駛循環(huán)的該運動特征參數(shù)，從多個運動學片段中確定屬于不同運動類型的至少一個運動學片段，得到多個典型運動學片段，該多個運動學片段為該每個備選車輛的每個歷史駕駛循環(huán)對應的各個運動學片段，每個運動學片段用于指示對應的歷史駕駛循環(huán)的速度-時間曲線，該每個備選車輛分別為該多個車輛中的一個；拼接模塊，用于將該多個典型運動學片段進行拼接處理，得到目標時長的路譜；仿真模塊，用于將該目標時長的路譜輸入到目標車型的整車動力學仿真模型中，仿真得到該目標車型的目標載荷譜，該目標載荷譜為目標旋轉(zhuǎn)部件的載荷譜，該整車動力學仿真模型包括該目標旋轉(zhuǎn)部件對應的模塊。

20、本技術一些實施例中，該實際行駛數(shù)據(jù)還包括該每個車輛的每個歷史駕駛循環(huán)的目標旋轉(zhuǎn)部件的損傷參數(shù)；該確定模塊，還用于在基于每個備選車輛的每個歷史駕駛循環(huán)的該運動特征參數(shù)，從多個運動學片段中確定屬于不同運動類型的至少一個運動學片段，得到多個典型運動學片段之前，基于損傷標準計算公式和該每個車輛的每個歷史駕駛循環(huán)的該損傷參數(shù)，確定該每個車輛的該目標旋轉(zhuǎn)部件的損傷標準值；該確定模塊，還用于基于該每個車輛的該損傷標準值，從該多個車輛中確定多個備選車輛，每個備選車輛的該損傷標準值大于該多個車輛中除該多個備選車輛之外的其他車輛的該損傷標準值。

21、本技術一些實施例中，該目標旋轉(zhuǎn)部件為減速器，該損傷參數(shù)包括扭矩和回轉(zhuǎn)次數(shù)，該損傷標準值為單位里程損傷值，該損傷標準計算公式包括：

22、

23、其中，d1為單位里程損傷值,ti為車輛的各個歷史駕駛循環(huán)中第i個扭矩恒定的時間段內(nèi)的扭矩，ni為扭矩為ti時的總回轉(zhuǎn)次數(shù)，a為扭矩的冪指數(shù)，s為車輛的各個歷史駕駛循環(huán)的總行駛里程。

24、本技術一些實施例中，該目標旋轉(zhuǎn)部件為電機，該損傷參數(shù)包括轉(zhuǎn)速，該損傷標準值為高轉(zhuǎn)速時長占比，該損傷標準計算公式包括：

25、

26、其中，d2為高轉(zhuǎn)速時長占比,tj為車輛的各個歷史駕駛循環(huán)中第j個轉(zhuǎn)速大于或等于轉(zhuǎn)速閾值的運動過程的時長，tk為車輛的第k個歷史駕駛循環(huán)的總時長。

27、本技術一些實施例中，該確定模塊，具體用于將該多個車輛中該損傷標準值大于或等于損傷閾值的車輛，確定為該多個備選車輛；或者，將該多個車輛按照該損傷標準值從大到小進行排序；將排名靠前的部分車輛確定為該多個備選車輛。

28、本技術一些實施例中，該確定模塊，具體用于基于該每個備選車輛的每個歷史駕駛循環(huán)的該運動特征參數(shù)，對該多個運動學片段進行聚類處理，得到多個運動學片段集合，每個運動學片段集合包括屬于同一種運動類型的多個運動學片段；將該每個運動學片段集合中的部分運動學片段，確定為該多個典型運動學片段。

29、本技術一些實施例中，該確定模塊，具體用于基于相似度公式，確定該每個運動學片段集合中的運動學片段與對應的聚類中心的相似度；將該每個運動學片段集合中的對應的相似度大于或等于相似度閾值的運動學片段，確定為該多個典型運動學片段，或者，將該每個運動學片段集合中的對應的相似度從大到小排列排在前m個的運動學片段，確定為該多個典型運動學片段。

30、本技術一些實施例中，該目標時長為預設時長或為該多個典型運動學片段的總時長；

31、其中，該預設時長小于或等于該多個典型運動學片段的總時長。

32、本技術一些實施例中，該目標時長為該預設時長；該拼接模塊，具體用于將該多個典型運動學片段按照不同運動類型的時長占比進行拼接處理，得到該目標時長的路譜，該時長占比是將該多個運動學片段按照不同運動類型分類，各個運動類型下的運動學片段的總運動時長的比值。

33、本技術一些實施例中，該拼接模塊，具體用于按照該時長占比，將該預設時長分為多個區(qū)間，每個區(qū)間對應一個運動類型；針對該每個區(qū)間執(zhí)行下述步驟s1得到該預設時長的路譜；其中，s1包括：從目標區(qū)間對應的目標運動類型的典型運動學片段中，確定該運動特征參數(shù)與該目標運動類型最匹配的至少一個典型運動學片段；將該至少一個典型運動學片段拼接到該目標區(qū)間，該目標區(qū)間為該多個區(qū)間中的任意一個。

34、第三方面，本技術實施例提供了一種電子設備，包括：處理器，所述處理器用于執(zhí)行存儲于存儲器的計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)第一方面提供的任一種載荷譜的確定方法的步驟。

35、第四方面，本技術實施例提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)第一方面提供的任一種載荷譜的確定方法的步驟。

36、第五方面，本技術實施例提供了一種車輛，包括：如第二方面所述的載荷譜的確定裝置，或如第三方面所述的電子設備，或包括如第四方面所述的計算機可讀存儲介質(zhì)。

37、第六方面，本技術實施例提供一種計算機程序產(chǎn)品，其中，該計算機程序產(chǎn)品包括計算機程序或指令，當該計算機程序產(chǎn)品在處理器上運行時，使得處理器執(zhí)行該計算機程序或指令，實現(xiàn)如第一方面所述的載荷譜的確定方法的步驟。

38、第七方面，本技術實施例提供了一種芯片，該芯片包括處理器、存儲器和通信接口，該通信接口和該處理器耦合，該存儲器用于存儲可在該處理器上運行的程序或指令，該處理器用于執(zhí)行該程序或指令，實現(xiàn)如第一方面所述的載荷譜的確定方法的步驟。

39、本技術實施例提供的技術方案與現(xiàn)有技術相比具有如下優(yōu)點：本技術實施例中，基于同一車型的多個車輛的實際行駛數(shù)據(jù)中每個備選車輛的每個歷史駕駛循環(huán)的運動特征參數(shù)，從多個備選車輛的各個運動學片段中確定能夠覆蓋不同運動類型的多個典型運動學片段，然后將該多個典型運動學片段按照不同運動類型的時長占比進行拼接處理，得到目標時長的路譜，再根據(jù)目標時長的路譜，通過目標車型(與多個車輛的車型可以相同，也可以不同)的整車動力學仿真模型仿真得到目標車型的目標旋轉(zhuǎn)部件的載荷譜。如此，由于同一車型的多個車輛的實際行駛數(shù)據(jù)可以反映真實的行駛工況，且同一車型的多個車輛的目標旋轉(zhuǎn)部件針對相同運動類型的運動的損傷情況基本相同，因此利用同一車型的車輛的實際行駛數(shù)據(jù)獲取目標車型的目標旋轉(zhuǎn)部件的載荷譜，相對于通過目標車型的試驗車按預設采集比例采集各種典型道路的行駛數(shù)據(jù)，本技術實施例不依賴經(jīng)驗設定，可以使得仿真得到的載荷譜能夠反映真實的行駛工況且精度較高。