来源：期刊VIP网 时间：
作者：冯金芝;李增宏;张东东;刘东俭;赵礼辉;
单位：上海理工大学机械工程学院;机械工业汽车机械零部件强度与可靠性评价重点实验室;上海市新能源汽车可靠性评价专业技术服务平台;中汽研汽车试验场股份有限公司;
摘要：车辆与路面间相互作用力中的车轮六分力是车路间的唯一耦合，获取车轮六分力是开展整车可靠性与耐久性评价的关键。针对传统的车轮六分力获取方法成本高、周期长、效率低的问题，提出数据驱动的车轮载荷快速预测的方法。首先，针对实车道路非平稳随机信号，采用基于自适应噪声完备集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN）、排列熵（Permutation Entropy, PE）以及小波阈值降噪（Wavelet Threshold Denoising, WTD）的联合方法进行数据去噪；其次，以轮心加速度、减振器位移、质心加速度等容易获取且获取成本低的数据为输入，设计包含非线性传递关系的不同神经网络架构进行多路面下车轮六分力预测，并建立时域、频域、损伤域多维度载荷预测评估体系；最后，为克服训练样本大且获取代价高的缺点，提出基于神经网络输入与输出相关性-相干性分析的输入通道压缩方法，提出最小载荷信号片段划分指标并确定各路面最小片段时长，进行训练集压缩。经过模型不断迭代，车轮六分力的预测值与实测值较为接近，载荷特征也得以保留，计算效率提高28.85%，证明了最小数据集模型能够以较少的输入通道数量、较短的载荷片段时长复现较高期望的预测精度。
关键词：轮心六分力;;载荷预测;;神经网络;;损伤评估;;疲劳耐久分析
基金资助：国家自然科学基金项目(51705322);; 产学研合作项目(H-2022-304-042)~~
