某滑移門(mén)車(chē)門(mén)把手力研究

劉琳，趙宇馨，季曉麗

(泛亞汽車(chē)技術(shù)中心有限公司，上海 201201)

0 引言

汽車(chē)滑移門(mén)設(shè)計(jì)要進(jìn)行虛擬耐久性試驗(yàn)[1]，即運(yùn)用現(xiàn)代CAE技術(shù)搭建一個(gè)整車(chē)結(jié)構(gòu)的混合多體動(dòng)力學(xué)理論模型，把一些典型工況和路面特征作為輸入載荷施加到虛擬試驗(yàn)?zāi)Ｐ蜕希Y(jié)合各種材料的疲勞數(shù)據(jù)得到相應(yīng)零部件理論疲勞損傷值，預(yù)測(cè)其疲勞壽命。

但該輸入載荷具體多大，如何得到該載荷，本文作者通過(guò)特定工裝，收集一批量客戶的實(shí)際關(guān)門(mén)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行分析處理，得到力的加載曲線，為更準(zhǔn)確地進(jìn)行CAE耐久分析提供依據(jù)。

1 測(cè)量工裝

根據(jù)客戶關(guān)門(mén)時(shí)把手的受力情況，設(shè)計(jì)了一個(gè)外觀與車(chē)門(mén)外把手造型基本一致的工裝來(lái)測(cè)作用力。在工裝的前后方向和里外方向各布置了一個(gè)三向的傳感器，可以精確地收集開(kāi)關(guān)門(mén)時(shí)客戶作用在把手上的力。測(cè)量工裝如圖1所示。

2 關(guān)門(mén)試驗(yàn)數(shù)據(jù)處理

試驗(yàn)共采集了31組關(guān)門(mén)數(shù)據(jù)，數(shù)據(jù)處理如下：

(1)對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行低通濾波，截止頻率為100 Hz。

(2)取前、后傳感器在Fx方向的絕對(duì)值進(jìn)行相加作為門(mén)把手在Fx方向合力的大小，門(mén)把手在Fy和Fz向的合力也采用同樣的方法處理，見(jiàn)圖2。

圖1 測(cè)量工裝

圖2 前、后傳感器的X向分力及合力

在MATLAB中對(duì)每組驅(qū)動(dòng)力數(shù)據(jù)進(jìn)行濾波降噪[2]處理，初步統(tǒng)計(jì)各組驅(qū)動(dòng)力數(shù)據(jù)的持續(xù)加載時(shí)間、最大值、平均值，如表1所示。

表1 關(guān)閉驅(qū)動(dòng)力初步統(tǒng)計(jì)結(jié)果

2.1 持續(xù)時(shí)間分布檢驗(yàn)

(1)統(tǒng)計(jì)描述

利用spss[3]，對(duì)31個(gè)樣本的持續(xù)時(shí)間進(jìn)行統(tǒng)計(jì)描述，如表2所示。

表2 持續(xù)時(shí)間統(tǒng)計(jì)

可知，樣本的平均持續(xù)時(shí)間為1.387 5 s，去掉兩側(cè)各5%的極端值后，截尾均數(shù)為2.002 9 s，中位數(shù)為1.418 s，從上述指標(biāo)即可推測(cè)出數(shù)據(jù)不存在極端值且為對(duì)稱(chēng)分布。持續(xù)時(shí)間的方差為0.073，標(biāo)準(zhǔn)差為0.269 95 s。最短持續(xù)時(shí)間為0.77 s，最長(zhǎng)持續(xù)時(shí)間為2.04 s。根據(jù)偏度及峰度系數(shù)可推斷出常速關(guān)閉驅(qū)動(dòng)力持續(xù)時(shí)間分布為正偏態(tài)，較陡峭；95%的人作用在門(mén)把手力持續(xù)時(shí)間為1.288 5～1.486 5 s。

(2)分布檢驗(yàn)

分別采用Kolmogorov-Smirnov檢驗(yàn)(柯?tīng)柲陕宸?斯米洛夫檢驗(yàn)，K-S檢驗(yàn))[4]、Shapiro-Wilk檢驗(yàn)(夏皮羅-威爾克檢驗(yàn)，W檢驗(yàn))，判斷樣本是否服從正態(tài)分布，如表3所示。

表3 持續(xù)時(shí)間分布檢驗(yàn)

注：a為里利氏顯著性修正。

因樣本含量較少，應(yīng)以W檢驗(yàn)結(jié)果為準(zhǔn)。由表3可知，其顯著性為0.805>0.05，因此持續(xù)時(shí)間服從正態(tài)分布。

(3)圖示驗(yàn)證

繪制持續(xù)時(shí)間與頻數(shù)的直方圖，對(duì)結(jié)果進(jìn)行驗(yàn)證，如圖3所示。

圖3 持續(xù)時(shí)間與頻數(shù)的直方圖

可知，持續(xù)時(shí)間服從N(1.387 5,0.269 952)的正態(tài)分布。

2.2 驅(qū)動(dòng)力最大值分布檢驗(yàn)

由于客戶在開(kāi)關(guān)門(mén)過(guò)程中只在X方向做功，所以分析數(shù)據(jù)時(shí)只需考慮X方向的驅(qū)動(dòng)力。根據(jù)X向驅(qū)動(dòng)力的結(jié)果確認(rèn)最具代表性的加載力，從而確認(rèn)X/Y/Z方向的驅(qū)動(dòng)力大小。

(1)統(tǒng)計(jì)描述

利用spss，對(duì)31個(gè)樣本的驅(qū)動(dòng)力最大值進(jìn)行統(tǒng)計(jì)描述，如表4所示。

表4 X向驅(qū)動(dòng)力最大值統(tǒng)計(jì)

可知，31個(gè)樣本的X向驅(qū)動(dòng)力Fx最大值的平均值為46.967 8 N，去掉兩側(cè)各5%的極端值后，截尾均數(shù)為46.111 5 N，中位數(shù)為46.090 6 N，從上述指標(biāo)即可推測(cè)出數(shù)據(jù)不存在極端值且為對(duì)稱(chēng)分布。X向驅(qū)動(dòng)力最大值的方差為205.698，標(biāo)準(zhǔn)差為14.342 16 N。最小的力最大值為25.87 N，最大為88.73 N。根據(jù)偏度及峰度系數(shù)可推斷出X向驅(qū)動(dòng)力Fx最大值分布為正偏態(tài)，較陡峭；95%的人作用在門(mén)把手X向驅(qū)動(dòng)力Fx最大值為41.707～52.228 5 N。

(2)分布檢驗(yàn)

分別采用Kolmogorov-Smirnov檢驗(yàn)(K-S檢驗(yàn))、Shapiro-Wilk檢驗(yàn)(W檢驗(yàn))，判斷樣本是否服從正態(tài)分布，如表5所示。

表5 X向驅(qū)動(dòng)力最大值分布檢驗(yàn)

注：a為里利氏顯著性修正。

因樣本含量較少，應(yīng)以W檢驗(yàn)結(jié)果為準(zhǔn)?？芍滹@著性為0.188>0.05，因此X向驅(qū)動(dòng)力Fx最大值服從正態(tài)分布。

(3)圖示驗(yàn)證

繪制X向驅(qū)動(dòng)力最大值與頻數(shù)的直方圖對(duì)結(jié)果進(jìn)行驗(yàn)證，如圖4所示。

圖4 X向驅(qū)動(dòng)力最大值與頻數(shù)的直方圖

可知，驅(qū)動(dòng)力最大值服從N(46.967 8, 14.342 162)的正態(tài)分布。

2.3 驅(qū)動(dòng)力平均值分布檢驗(yàn)

(1)統(tǒng)計(jì)描述

利用spss，對(duì)31個(gè)樣本的驅(qū)動(dòng)力平均值進(jìn)行統(tǒng)計(jì)描述，如表6所示。

表6 X向驅(qū)動(dòng)力平均值統(tǒng)計(jì)

可知，31個(gè)樣本的X向驅(qū)動(dòng)力Fx平均值的均值為28.072 1 N，去掉兩側(cè)各5%的極端值后，截尾均數(shù)為27.855 9 N，中位數(shù)為27.911 4 N，從上述指標(biāo)即可推測(cè)出數(shù)據(jù)不存在極端值且為對(duì)稱(chēng)分布。X向驅(qū)動(dòng)力平均值的方差為56.302，標(biāo)準(zhǔn)差為7.503 44 N。最小的力平均值為15.85 N，最大為43.65 N。根據(jù)偏度及峰度系數(shù)可推斷出X向驅(qū)動(dòng)力Fx平均值分布為正偏態(tài)，較平坦；95%的人作用在門(mén)把手X向驅(qū)動(dòng)力Fx平均值為25.319 8～30.824 3 N。

(2)分布檢驗(yàn)

分別采用Kolmogorov-Smirnov檢驗(yàn)(K-S檢驗(yàn))、Shapiro-Wilk檢驗(yàn)(W檢驗(yàn))，判斷樣本是否服從正態(tài)分布，如表7所示。

表7 X向驅(qū)動(dòng)力平均值分布檢驗(yàn)

注：a為里利氏顯著性修正。

因樣本含量較少，應(yīng)以W檢驗(yàn)結(jié)果為準(zhǔn)?？芍滹@著性為0.172>0.05，因此X向驅(qū)動(dòng)力Fx平均值服從正態(tài)分布。

(3)圖示驗(yàn)證

繪制X向驅(qū)動(dòng)力平均值與頻數(shù)的直方圖對(duì)結(jié)果進(jìn)行驗(yàn)證，如圖5所示。

圖5 X向驅(qū)動(dòng)力平均值與頻數(shù)的直方圖

可知，驅(qū)動(dòng)力平均值服從N(28.072 1, 7.503 442)的正態(tài)分布。

2.4 主成分分析

實(shí)際工作中，為了全面系統(tǒng)地反映問(wèn)題，往往收集的變量較多，但這樣就會(huì)經(jīng)常出現(xiàn)所收集的變量間存在較強(qiáng)相關(guān)性的情況。這些變量間存在著較多的重復(fù)信息，直接用它們分析現(xiàn)實(shí)問(wèn)題，不但模型復(fù)雜，還會(huì)因?yàn)樽兞块g存在的多重共線性而引起極大的誤差。

為了能夠充分而有效地利用數(shù)據(jù)，通常希望用較少的新指標(biāo)代替原來(lái)較多的舊變量，同時(shí)要求這些新指標(biāo)盡可能地反映原變量的信息。主成分分析和因子分析正是解決此問(wèn)題最有效的多元統(tǒng)計(jì)方法，它們能夠提取信息，使變量簡(jiǎn)化降維，從而使問(wèn)題更加簡(jiǎn)單直觀。

主成分分析[5]是考察多個(gè)變量間相關(guān)性的一種多元統(tǒng)計(jì)方法。它是研究如何通過(guò)少數(shù)幾個(gè)主分量來(lái)解釋多個(gè)變量間的內(nèi)部結(jié)構(gòu)。也就是說(shuō)，從原始變量中導(dǎo)出少數(shù)幾個(gè)主分量，使它們盡可能多地保留原始變量的信息，且彼此間互不相關(guān)。主成分分析的應(yīng)用目的可以被簡(jiǎn)單歸結(jié)為：數(shù)據(jù)的壓縮、數(shù)據(jù)的解釋。它常被用來(lái)尋找判斷某種事物或現(xiàn)象的綜合指標(biāo)，并且對(duì)綜合指標(biāo)所包含的信息給以適當(dāng)?shù)慕忉專(zhuān)瑥亩由羁痰亟沂臼挛锏膬?nèi)在規(guī)律。

對(duì)描述驅(qū)動(dòng)力加載方式的3個(gè)變量進(jìn)行主成分分析，得到各變量間的相關(guān)系數(shù)矩陣，如表8所示。

表8 驅(qū)動(dòng)力描述變量相關(guān)性矩陣

可知，許多變量之間直接的相關(guān)性比較強(qiáng)，的確存在信息上的重疊。

表9是各成分的方差貢獻(xiàn)率和累計(jì)貢獻(xiàn)率?？芍?，只有前2個(gè)特征根大于1，因此只提取了前2個(gè)主成分。

表9 各成分的方差貢獻(xiàn)率與累計(jì)貢獻(xiàn)率

第一個(gè)主成分的方差占所有主成分方差的62.647%，超過(guò)一半，前兩個(gè)主成分的方差貢獻(xiàn)率達(dá)到96.217%，因此選前兩個(gè)主成分已足夠描述驅(qū)動(dòng)力的普遍加載規(guī)律。

3 結(jié)論

根據(jù)前述各變量的分布檢驗(yàn)結(jié)果及主成分提取結(jié)果，可以得出：某一速度下關(guān)門(mén)力的持續(xù)加載時(shí)間服從N(1.387 5,0.269 952)的正態(tài)分布，驅(qū)動(dòng)力最大值服從N(46.97, 14.342 1)的正態(tài)分布。據(jù)此可從31組樣本中選取最具代表性的驅(qū)動(dòng)力加載方式，如圖6所示(樣本編號(hào)947.rsp)。

圖6 樣本編號(hào)947.rsp驅(qū)動(dòng)力