基于用戶大數(shù)據(jù)的電驅(qū)動(dòng)系統(tǒng)可靠性工況特征研究*

趙禮輝，王 震，馮金芝，鄭松林

（1.上海理工大學(xué)機(jī)械工程學(xué)院，上海 200093； 2.機(jī)械工業(yè)汽車(chē)機(jī)械零部件強(qiáng)度與可靠性評(píng)價(jià)重點(diǎn)實(shí)驗(yàn)室，上海 200093；3.上海市新能源汽車(chē)可靠性評(píng)價(jià)公共技術(shù)平臺(tái)，上海 200093）

前言

面對(duì)低碳、節(jié)能、環(huán)保的社會(huì)發(fā)展需求，電動(dòng)化成為汽車(chē)產(chǎn)業(yè)技術(shù)發(fā)展的主要趨勢(shì)，電驅(qū)動(dòng)系統(tǒng)作為汽車(chē)電動(dòng)化的核心部件，是純電動(dòng)、氫燃料電池、增程式等多種形式新能源汽車(chē)的唯一動(dòng)力系統(tǒng)［1］。相對(duì)傳統(tǒng)汽車(chē)，電動(dòng)汽車(chē)電機(jī)的恒轉(zhuǎn)矩特性使整車(chē)動(dòng)力性大幅提升、縱向載荷大幅提高，加劇了驅(qū)傳動(dòng)系統(tǒng)機(jī)械部件失效的風(fēng)險(xiǎn)［2］。如何保障電驅(qū)動(dòng)系統(tǒng)的可靠性，從而提高電動(dòng)汽車(chē)的市場(chǎng)認(rèn)可度，是新能源汽車(chē)企業(yè)長(zhǎng)期面臨的共性基礎(chǔ)問(wèn)題。

在汽車(chē)研發(fā)體系中，可靠性試驗(yàn)是產(chǎn)品可靠性驗(yàn)證的主要手段和最終環(huán)節(jié)，而試驗(yàn)載荷譜也是可靠性設(shè)計(jì)的重要依據(jù)。目前，盡管現(xiàn)行的ISO 19453、GB/T 1022、GB/T 29307等規(guī)范規(guī)定了可靠性試驗(yàn)條件與要求，仍存在整車(chē)壽命覆蓋不足、用戶工況關(guān)聯(lián)弱、失效模式不一致等問(wèn)題［3］。其主要原因在于，當(dāng)前電驅(qū)動(dòng)系統(tǒng)可靠性規(guī)范均是針對(duì)額定/最大轉(zhuǎn)速與轉(zhuǎn)矩等極限工況編制的恒應(yīng)力/低交變?cè)囼?yàn)載荷譜，不僅難以有效反映用戶實(shí)際運(yùn)行條件下動(dòng)態(tài)交變載荷的損傷效果，而且其對(duì)控制器、電機(jī)和減速器的單獨(dú)考核忽略了力、熱、電、磁等多物理載荷的相互影響和損傷耦合效應(yīng)。深入開(kāi)展電驅(qū)動(dòng)系統(tǒng)可靠性工況特征研究，進(jìn)而確定電驅(qū)動(dòng)系統(tǒng)全壽命周期的可靠性目標(biāo)及其工況比例構(gòu)成，從而制定更合理的可靠性試驗(yàn)規(guī)范，是新能源汽車(chē)高質(zhì)量開(kāi)發(fā)亟待解決的關(guān)鍵問(wèn)題。

多年來(lái)，結(jié)合傳統(tǒng)汽車(chē)可靠性需求，汽車(chē)產(chǎn)業(yè)形成了普遍認(rèn)可的“用戶調(diào)研—小樣本載荷采集—可靠性目標(biāo)與工況確定”方法［4-5］。但由于驅(qū)動(dòng)系統(tǒng)的載荷不僅取決于車(chē)輛行駛的地形地勢(shì)、路面狀況、交通狀態(tài)等客觀條件，而且密切關(guān)聯(lián)加速、制動(dòng)、轉(zhuǎn)向等駕駛行為，具有強(qiáng)烈的主觀性［6］。完全依賴調(diào)查問(wèn)卷定義可靠性目標(biāo)，存在信息量不足、主觀干擾大等缺點(diǎn)，難以有效覆蓋用戶實(shí)際使用條件。近年來(lái)，研究人員以網(wǎng)聯(lián)汽車(chē)運(yùn)行數(shù)據(jù)為基礎(chǔ)，利用機(jī)器學(xué)習(xí)算法［7］確定工況類別并構(gòu)造循環(huán)工況。但目前，這一方法僅用于整車(chē)能耗或經(jīng)濟(jì)性評(píng)價(jià)的工況構(gòu)建［8-9］；工況分類以車(chē)速、加速度等特征構(gòu)造參數(shù)，未能涵蓋影響可靠性的轉(zhuǎn)矩、電流電壓等關(guān)鍵載荷信息［10-11］；構(gòu)造的工況僅采用平均強(qiáng)度水平，不符合產(chǎn)品可靠性評(píng)價(jià)需要覆蓋較高用戶百分位的一般要求。

本文中以純電動(dòng)汽車(chē)電驅(qū)動(dòng)系統(tǒng)用戶的運(yùn)行大數(shù)據(jù)為基礎(chǔ)，通過(guò)構(gòu)造運(yùn)行片段特征參數(shù)，結(jié)合機(jī)器學(xué)習(xí)的無(wú)監(jiān)督聚類分析方法，對(duì)用戶實(shí)際使用條件下電驅(qū)動(dòng)系統(tǒng)可靠性工況進(jìn)行識(shí)別，并研究不同類別工況分布規(guī)律，從而為構(gòu)造電驅(qū)動(dòng)全壽命周期可靠性目標(biāo)載荷奠定基礎(chǔ)。

1 用戶工況聚類

1.1 總體技術(shù)路線

本文中以用戶車(chē)輛運(yùn)行數(shù)據(jù)為基礎(chǔ)，對(duì)電驅(qū)動(dòng)系統(tǒng)可靠性工況特征進(jìn)行研究，包括用戶數(shù)據(jù)預(yù)處理、特征參數(shù)降維、工況聚類識(shí)別和工況載荷與損傷特征分析4個(gè)部分。電驅(qū)動(dòng)系統(tǒng)的失效取決于運(yùn)行工作過(guò)程中的轉(zhuǎn)矩、轉(zhuǎn)速、電流、電壓和伴生的熱載荷，鑒于轉(zhuǎn)矩與電流電壓的強(qiáng)相關(guān)性，將轉(zhuǎn)矩和轉(zhuǎn)速作為電驅(qū)動(dòng)系統(tǒng)機(jī)械部件直接失效的主導(dǎo)載荷，具體流程見(jiàn)圖1。

圖1 電驅(qū)動(dòng)系統(tǒng)可靠性工況分析流程

1.2 用戶大數(shù)據(jù)預(yù)處理

本文中采用的用戶數(shù)據(jù)涵蓋華中、華北、華東、西北4個(gè)地區(qū)共300個(gè)用戶1年的運(yùn)行數(shù)據(jù)，采樣頻率為1 Hz?？紤]到不同用戶的分散性，每一個(gè)城市用戶樣本數(shù)量不低于6個(gè)。針對(duì)數(shù)據(jù)采集過(guò)程中由于信號(hào)不良、長(zhǎng)時(shí)間怠速和劇烈加減速等情況異致的異常數(shù)據(jù)，剔除異常和無(wú)效載荷數(shù)據(jù)并生成新的載荷歷程。預(yù)處理后的運(yùn)行數(shù)據(jù)總時(shí)長(zhǎng)為135 440 h，怠速時(shí)長(zhǎng)為41 241 h，總行駛里程為3 547 640 km，部分用戶的行駛軌跡見(jiàn)圖2。

圖2 部分用戶的行駛軌跡

預(yù)處理后的用戶運(yùn)行數(shù)據(jù)在分析運(yùn)行工況特征之前須進(jìn)行片段劃分，在劃分片段時(shí)結(jié)合用戶載荷歷程對(duì)汽車(chē)運(yùn)行狀態(tài)進(jìn)行定義，見(jiàn)表1。

表1 運(yùn)行狀態(tài)劃分依據(jù)

從運(yùn)行數(shù)據(jù)中提取一段速度時(shí)間序列對(duì)片段類型進(jìn)行定義，如圖3所示。其中，運(yùn)行段從汽車(chē)車(chē)速為零開(kāi)始到下一個(gè)速度為零為止；怠速段為汽車(chē)啟動(dòng)但車(chē)速低于5 km/h的運(yùn)行片段。

圖3 片段類型示意圖

1.3 特征參數(shù)構(gòu)造與降維

以原始轉(zhuǎn)矩和轉(zhuǎn)速載荷歷程為基礎(chǔ)數(shù)據(jù)，以每個(gè)運(yùn)行片段的速度、加速度、轉(zhuǎn)矩、轉(zhuǎn)矩波動(dòng)和時(shí)間等參數(shù)構(gòu)造特征參數(shù)，每個(gè)運(yùn)行片段構(gòu)建18個(gè)特征參數(shù)。計(jì)算出所有片段的特征參數(shù)，作為其工況聚類識(shí)別的特征參數(shù)矩陣。

由于構(gòu)造的特征參數(shù)之間并非完全相互獨(dú)立，一些特征參數(shù)之間具有強(qiáng)相關(guān)性。通過(guò)主成分分析［12］，在保留原始特征參數(shù)信息的基礎(chǔ)上，將多維特征參數(shù)轉(zhuǎn)化為少數(shù)幾個(gè)互不相關(guān)的主成分進(jìn)行代替。

對(duì)于本文中構(gòu)造的18種特征參數(shù)，提取主成分時(shí)，按照各主成分累積貢獻(xiàn)率大于90%提取出前5個(gè)主成分。各主成分的特征值、貢獻(xiàn)率和累積貢獻(xiàn)率如圖4所示。通過(guò)因子分析中的方差最大化正交旋轉(zhuǎn)法［13］，將提取出的因子載荷矩陣進(jìn)行正交旋轉(zhuǎn)變換，旋轉(zhuǎn)后的因子載荷矩陣見(jiàn)表2，其中M1～M5為因子載荷系數(shù)。

圖4 各主成分特征值與貢獻(xiàn)量

因子載荷系數(shù)絕對(duì)值越高，則各主成分與對(duì)應(yīng)的特征值越相關(guān)。從表2中因子載荷系數(shù)M1～M5可以得出：第一主成分主要與轉(zhuǎn)矩參數(shù)相關(guān)；第二主成分主要與加速度參數(shù)相關(guān)；第三主成分主要與速度參數(shù)相關(guān)；第四主成分主要與時(shí)間里程參數(shù)相關(guān)；第五主成分主要與時(shí)間比例參數(shù)相關(guān)。這一結(jié)果與電驅(qū)動(dòng)系統(tǒng)失效主導(dǎo)載荷為轉(zhuǎn)矩和轉(zhuǎn)速的預(yù)判一致。進(jìn)一步分析得到了所有運(yùn)行片段的5維主成分得分矩陣，代替原18維特征參數(shù)矩陣進(jìn)行工況識(shí)別分類。

1.4 工況聚類識(shí)別

本文中采用無(wú)監(jiān)督的K-Means聚類方法對(duì)用戶運(yùn)行工況進(jìn)行識(shí)別分類，用Calinski-Harabasz（CH）指標(biāo)［14］預(yù)先確定聚類數(shù)目，基于簇間距離和簇內(nèi)距離的比值衡量聚類的有效性。

表2 旋轉(zhuǎn)后的因子載荷矩陣

式中：p為總聚類個(gè)數(shù)；k為當(dāng)前的類；tr（B）為類間離差矩陣的跡；tr（W）為類內(nèi)離差矩陣的跡。簇內(nèi)分布越緊密、簇間分布越分散，則CH值越大，說(shuō)明聚類效果越好。CH值和聚類數(shù)目變化的計(jì)算結(jié)果如圖5所示，當(dāng)橫坐標(biāo)聚類數(shù)目p取5時(shí)，CH值最大，聚類效果最好。

圖5 CH指標(biāo)計(jì)算結(jié)果

通過(guò)K-Means聚類算法流程（圖6）將所有運(yùn)行片段分成5種典型工況，將前3列主成分的得分矩陣作為空間三維坐標(biāo)，繪制出聚類點(diǎn)云圖，如圖7所示。

圖6 K-Means聚類算法流程

圖7 聚類結(jié)果云圖

其中工況1至工況5分別包括390 208、277 124、1 049 260、97 155、847 663個(gè)運(yùn)行片段。提取與5種工況聚類中心距離最近的運(yùn)行片段作為該工況的典型特征，將片段車(chē)速和轉(zhuǎn)矩時(shí)間歷程進(jìn)行串接，如圖8所示。

圖8 各工況典型片段特征

工況1為中高速加減速，對(duì)應(yīng)大轉(zhuǎn)矩、中高轉(zhuǎn)速低頻波動(dòng)工況；工況2為短時(shí)間中低速加減速，對(duì)應(yīng)中轉(zhuǎn)矩、中低轉(zhuǎn)速高頻波動(dòng)工況；工況3為長(zhǎng)時(shí)間中速加減速，對(duì)應(yīng)中轉(zhuǎn)矩、中轉(zhuǎn)速低頻波動(dòng)工況；工況4為高速加減速，對(duì)應(yīng)中高轉(zhuǎn)矩、高轉(zhuǎn)速低頻波動(dòng)運(yùn)行工況；工況5為低速加減速，對(duì)應(yīng)中小轉(zhuǎn)矩、低轉(zhuǎn)速中低頻波動(dòng)工況。

2 聚類工況總體分析

2.1 工況時(shí)間比例

將聚類分析后5種典型工況下所有片段的總時(shí)間進(jìn)行統(tǒng)計(jì)，如圖9所示。在用戶行駛過(guò)程中，長(zhǎng)時(shí)間中速加減速（工況3）和高速加減速（工況4）運(yùn)行時(shí)間最長(zhǎng)，中低轉(zhuǎn)速高頻波動(dòng)（工況2）時(shí)間最短。

圖9 各工況總時(shí)間比例

此外，對(duì)每個(gè)工況的加速、減速和勻速時(shí)間進(jìn)行提取。從圖10可以看出：工況1和工況2加速減速時(shí)間較長(zhǎng)，包含較多急加速急減速工況；工況4高速行駛過(guò)程勻速時(shí)間比例較大；工況5低速行駛過(guò)程相對(duì)較為平緩。

圖10 各工況加速-減速-勻速總時(shí)間比例

對(duì)所有用戶一年的運(yùn)行時(shí)間進(jìn)行統(tǒng)計(jì)，結(jié)果符合對(duì)數(shù)正態(tài)分布如圖11所示，95%的用戶年運(yùn)行時(shí)間小于680 h。

2.2 工況里程比例

對(duì)每個(gè)運(yùn)行片段的行駛里程進(jìn)行計(jì)算，匯總各工況所有片段的總行駛里程比例，如圖12所示。工況4代表高速中轉(zhuǎn)矩運(yùn)行工況，其行駛里程較長(zhǎng)，總時(shí)間占比31%，對(duì)應(yīng)里程占比最高，為48%；工況5代表低速小轉(zhuǎn)矩運(yùn)行工況，其總時(shí)間占比14%，里程占比僅為5%。符合用戶實(shí)際水平。

對(duì)所有用戶一年的行駛里程進(jìn)行統(tǒng)計(jì)，結(jié)果符合對(duì)數(shù)正態(tài)分布如圖13所示，95%的用戶年行駛里程小于25 800 km。

2.3 工況損傷比例

電驅(qū)動(dòng)系統(tǒng)不同部件失效機(jī)理和規(guī)律各不相同。定子和轉(zhuǎn)子的失效主要是電磁力和溫度作用下的疲勞和老化；軸和齒輪的失效主要是疲勞破壞；軸承和密封則是疲勞與磨損綜合的失效，失效主導(dǎo)載荷是接觸應(yīng)力和相對(duì)運(yùn)動(dòng)速度。

電驅(qū)動(dòng)系統(tǒng)工作在動(dòng)態(tài)交變載荷下，且由于其轉(zhuǎn)速與轉(zhuǎn)矩非同步變化，不同的零部件失效主導(dǎo)載荷需采用不同的計(jì)數(shù)方式，以進(jìn)行損傷等效與關(guān)聯(lián)。即使對(duì)于相同失效模式的兩個(gè)部件（齒輪和軸），因同一工況下載荷作用次數(shù)的不同，實(shí)際損傷效果也會(huì)存在較大差異［15］。因此，本文中針對(duì)電驅(qū)動(dòng)系統(tǒng)中軸系類主要受轉(zhuǎn)矩作用的部件，其損傷取決于運(yùn)行工況下轉(zhuǎn)矩的變幅加載歷程，通過(guò)雨流循環(huán)計(jì)數(shù)對(duì)運(yùn)行片段的轉(zhuǎn)矩時(shí)間序列提取載荷循環(huán)，得到各級(jí)轉(zhuǎn)矩變程下對(duì)應(yīng)的載荷頻次nR，i，利用Miner線性累積損傷準(zhǔn)則［16］得出每一個(gè)運(yùn)行片段造成的總損傷Di1，最終得到軸系各工況總損傷比例，見(jiàn)圖14。

圖11 不同用戶年運(yùn)行時(shí)間分布

圖12 各工況總里程比例

圖13 不同用戶年行駛里程分布

圖14 軸系各工況總損傷比例

式中：Nk為轉(zhuǎn)矩載荷等級(jí)；nR，i為第i級(jí)轉(zhuǎn)矩幅值下對(duì)應(yīng)的頻次；Nf，i為第i級(jí)轉(zhuǎn)矩幅值下的疲勞壽命。

電驅(qū)動(dòng)系齒輪等旋轉(zhuǎn)類部件受到的載荷與輸入軸的轉(zhuǎn)矩相關(guān)，載荷的循環(huán)次數(shù)與輸入軸的轉(zhuǎn)速相關(guān)［14］。針對(duì)電驅(qū)動(dòng)系中疲勞損傷由轉(zhuǎn)速和轉(zhuǎn)矩聯(lián)合循環(huán)載荷引起的零部件，通過(guò)對(duì)每個(gè)運(yùn)行片段的轉(zhuǎn)速與轉(zhuǎn)矩時(shí)間序列聯(lián)合分布計(jì)數(shù)，得到計(jì)數(shù)矩陣tij，則在給定轉(zhuǎn)矩水平ki下齒輪旋轉(zhuǎn)周次為ri。

式（3）中i覆蓋所有轉(zhuǎn)矩水平ki，j覆蓋所有轉(zhuǎn)速水平nj。

針對(duì)齒輪類零件損傷分析，根據(jù)式（3）統(tǒng)計(jì)出各級(jí)轉(zhuǎn)矩載荷下齒輪旋轉(zhuǎn)的周次ri，再根據(jù)線性累積損傷準(zhǔn)則得出每個(gè)運(yùn)行片段造成的損傷Di2。最終齒輪系各工況總損傷比例如圖15所示。

圖15 齒輪系各工況總損傷比例

式中：Nk為轉(zhuǎn)矩載荷等級(jí)；ri為第i級(jí)轉(zhuǎn)矩載荷下旋轉(zhuǎn)周次；Ni為第i級(jí)載荷下的疲勞壽命。

從圖14和圖15可得：反復(fù)加減速引起較大的轉(zhuǎn)矩波動(dòng)（如工況1），這是軸類失效的主導(dǎo)工況；而連續(xù)高速行駛較大轉(zhuǎn)矩工況（如工況4）是齒輪失效的主導(dǎo)工況；低速較小轉(zhuǎn)矩行駛工況（如工況5）對(duì)軸系和齒輪部件損傷貢獻(xiàn)量較小。

3 不同用戶差異性分析

3.1 不同用戶工況典型特征

由于電驅(qū)動(dòng)系統(tǒng)的載荷不僅取決于車(chē)輛行駛的地形地勢(shì)、路面狀況、交通狀態(tài)等客觀條件，而且密切關(guān)聯(lián)加速、制動(dòng)、轉(zhuǎn)向等駕駛行為。不同用戶條件下各工況的運(yùn)行時(shí)間、行駛里程、損傷貢獻(xiàn)等典型特征具有差異性。本文中基于300個(gè)用戶一年的運(yùn)行數(shù)據(jù)，通過(guò)聚類分析將每個(gè)用戶不同工況的總體運(yùn)行時(shí)間、行駛里程、損傷貢獻(xiàn)進(jìn)行統(tǒng)計(jì)，并計(jì)算出每個(gè)用戶不同工況的時(shí)間、里程和損傷貢獻(xiàn)占該用戶總運(yùn)行時(shí)間、總里程和總損傷的比例，通過(guò)不同用戶在5大類工況下時(shí)間、里程和損傷比例分布模型可以直觀反映每個(gè)用戶的分布特征，同時(shí)根據(jù)累計(jì)概率分布模型（以95百分位為例）可以反映不同工況下整體用戶水平。

通過(guò)不同用戶各工況下運(yùn)行時(shí)間比例累積概率分布（見(jiàn)圖16）可知，工況3運(yùn)行時(shí)間占比較高，95%用戶水平下工況3的運(yùn)行時(shí)間比例低于71%。

圖16 各工況下運(yùn)行時(shí)間比例累積概率分布

通過(guò)不同用戶各工況下行駛里程比例累積概率分布（見(jiàn)圖17）可知，工況4行駛里程占比較高，95%用戶水平下工況4的行駛里程比例低于78%。

本文中以齒輪和軸系損傷為例，通過(guò)不同用戶各工況下軸系損傷比例累積概率分布（見(jiàn)圖18）得到：工況1的軸系損傷占比較高，95%用戶水平下工況1對(duì)軸系造成的損傷比例低于74%。通過(guò)不同用戶各工況下齒輪損傷比例累積概率分布（見(jiàn)圖19）可知，工況4齒輪損傷占比較高，95%用戶水平下工況4對(duì)齒輪造成損傷比例低于88%。

圖17 各工況下行駛里程比例累積概率分布

圖18 各工況下軸系損傷比例累積概率分布

圖19 各工況下齒輪損傷比例累積概率分布

3.2 不同工況損傷強(qiáng)度分析

由于5種典型用戶工況的載荷頻次和損傷貢獻(xiàn)不同，其損傷強(qiáng)度分布特征也有差異。通過(guò)構(gòu)建不同失效部件的損傷強(qiáng)度分布模型，確定較高損傷強(qiáng)度的運(yùn)行片段，從而為電驅(qū)動(dòng)系統(tǒng)可靠性試驗(yàn)片段的選取提供依據(jù)。選取工況片段時(shí)應(yīng)選取損傷強(qiáng)度較高的片段，但同時(shí)應(yīng)避免改變其失效模式。因此，本文中基于單位損傷強(qiáng)度分布模型，選取95百分位下的累積損傷強(qiáng)度值為依據(jù)。其中，損傷強(qiáng)度是將各工況片段單位里程下的損傷強(qiáng)度值Dunit＿i進(jìn)行分布擬合得到的。

式中：Dunit＿i為第i個(gè)片段載荷計(jì)數(shù)后片段的單位損傷強(qiáng)度；Di為第i個(gè)片段載荷計(jì)數(shù)后造成的損傷；Si為第i個(gè)運(yùn)行片段的行駛里程。

因?yàn)椴煌r單位損傷強(qiáng)度分布模型的準(zhǔn)確性直接影響電驅(qū)動(dòng)系統(tǒng)可靠性工況的選取，所以，本文中采用分布擬合優(yōu)度檢驗(yàn)法，基于已有的正態(tài)、對(duì)數(shù)正態(tài)、威布爾、3參數(shù)對(duì)數(shù)logistic等分布模型，結(jié)合最小二乘法對(duì)分布進(jìn)行參數(shù)估計(jì)，通過(guò)Anderson-Darling（AD）檢驗(yàn)統(tǒng)計(jì)量確定最優(yōu)分布模型，AD檢驗(yàn)統(tǒng)計(jì)量為

Anderson-Darling檢驗(yàn)通過(guò)比較AD2和各分布簇臨界值的大小，在顯著度水平α下，接受或拒絕原假設(shè)H0，其中AD2值越小，該分布擬合效果越好。由此分別確定出載荷雨流循環(huán)計(jì)數(shù)（軸系）與聯(lián)合分布計(jì)數(shù)（齒輪系）后的單位損傷強(qiáng)度累積概率分布模型。本節(jié)中主要提供工況單位損傷強(qiáng)度分析方法，以工況1為例，圖20與圖21分別是工況1軸系與齒輪系損傷強(qiáng)度累積概率分布圖。

圖20 工況1軸系損傷強(qiáng)度累積概率分布

圖21 工況1齒輪系損傷強(qiáng)度累積概率分布

為關(guān)聯(lián)多部件同步損傷強(qiáng)度，對(duì)同一種工況綜合齒輪與軸損傷強(qiáng)度累積分布模型，以試驗(yàn)片段同時(shí)滿足齒輪與軸95百分位水平下的損傷強(qiáng)度值為原則，篩選出各工況試驗(yàn)片段，進(jìn)行可靠性試驗(yàn)。將工況1篩選出的95%累積損傷強(qiáng)度對(duì)應(yīng)的片段與工況1聚類中心處的均值片段進(jìn)行損傷強(qiáng)度對(duì)比（見(jiàn)圖22）。結(jié)果表明：根據(jù)工況損傷分布模型選取的高百分位下的運(yùn)行片段對(duì)電驅(qū)動(dòng)系齒輪和軸系結(jié)構(gòu)造成較大的損傷，能夠代表可靠性循環(huán)片段進(jìn)行加速試驗(yàn)驗(yàn)證。

圖22 工況1試驗(yàn)片段與均值片段損傷強(qiáng)度對(duì)比

4 典型工況細(xì)化

由于K-Means聚類分析法以多維空間點(diǎn)與點(diǎn)之間的歐式距離作為分類依據(jù)，對(duì)于同一種工況，聚類中心處的片段與遠(yuǎn)離聚類中心的片段特征具有差異性。為涵蓋更多用戶運(yùn)行條件下的工況類別，對(duì)5大類典型工況片段分別進(jìn)行聚類分析，每一大類工況可以分為2或3種子工況，最終對(duì)每個(gè)子工況的總時(shí)間和總里程占所有用戶數(shù)據(jù)的比例進(jìn)行統(tǒng)計(jì)，同時(shí)用每種子工況所包含片段的參數(shù)平均值表征工況特征。本文中選取了速度、加速度、轉(zhuǎn)矩相關(guān)參數(shù)的平均值來(lái)區(qū)分細(xì)化后的13種子工況，如表3所示。

通過(guò)提取各類子工況聚類中心處的片段表征工況特征，將各類工況代表性片段的速度時(shí)間序列進(jìn)行提取，如圖23～圖27所示。

對(duì)于同一大類工況，由于片段載荷特征存在差異，可以對(duì)工況進(jìn)行細(xì)分?；谟脩?大類典型工況通過(guò)聚類分析，進(jìn)一步劃分為13種子工況。細(xì)化后各子工況總體特征見(jiàn)表3，如工況4屬于高速加減速工況，但根據(jù)加速度、轉(zhuǎn)矩和時(shí)間等特征參數(shù)又可將工況4劃分出兩個(gè)子工況，如圖26所示。典型工況細(xì)化可以體現(xiàn)用戶條件下不同的運(yùn)行工況，在針對(duì)電驅(qū)動(dòng)系統(tǒng)載荷譜編制和可靠性試驗(yàn)循環(huán)工況的選取中，可以關(guān)聯(lián)用戶條件下的不同工況特征。

表3 細(xì)化后各子工況總體特征

圖23 工況1子工況示意圖

圖24 工況2子工況示意圖

圖25 工況3子工況示意圖

圖26 工況4子工況示意圖

圖27 工況5子工況示意圖

5 結(jié)論

本文中基于用戶大數(shù)據(jù)對(duì)電驅(qū)動(dòng)系統(tǒng)可靠工況特征進(jìn)行研究，主要結(jié)論如下。

（1）提出了基于用戶運(yùn)行數(shù)據(jù)的電驅(qū)動(dòng)系統(tǒng)可靠性工況特征研究方法，主要包括用戶大數(shù)據(jù)預(yù)處理、特征參數(shù)降維、工況聚類識(shí)別、工況載荷和損傷特征分析4個(gè)部分。

（2）在用戶使用條件下基于載荷特征將劃分出的電驅(qū)動(dòng)系統(tǒng)運(yùn)行工況分為5大類，對(duì)各工況總體特征和不同用戶差異性進(jìn)行分析，并將5大類典型工況劃分為13種工況，以體現(xiàn)用戶條件下更多種工況的特征。

（3）針對(duì)電驅(qū)動(dòng)系統(tǒng)的不同部件，各工況造成的損傷貢獻(xiàn)差異較大，同樣為疲勞失效的齒輪和軸系兩種部件，其損傷貢獻(xiàn)程度不同。其中，工況1為反復(fù)加減速引起較大的轉(zhuǎn)矩波動(dòng)，是軸類失效的主導(dǎo)工況；而工況4為連續(xù)高速行駛，對(duì)應(yīng)較大轉(zhuǎn)矩，是齒輪失效的主導(dǎo)工況。

（4）針對(duì)各工況部件損傷強(qiáng)度的差異性，對(duì)各工況片段下電驅(qū)動(dòng)系齒輪與軸的單位損傷強(qiáng)度進(jìn)行擬合分布，并給出較高百分位下的損傷強(qiáng)度值作為加速試驗(yàn)工況參考依據(jù)。

本文中從用戶大數(shù)據(jù)角度出發(fā)，研究電驅(qū)動(dòng)系統(tǒng)可靠性工況特征，通過(guò)分析不同用戶的年行駛時(shí)間、里程和損傷特征，為電驅(qū)動(dòng)系統(tǒng)典型部件全壽命周期損傷目標(biāo)的確定奠定基礎(chǔ)。針對(duì)可靠性試驗(yàn)工況的選取提出了基于各工況片段的單位損傷強(qiáng)度分布模型，篩選加速試驗(yàn)片段，從而為電驅(qū)動(dòng)系統(tǒng)可靠性試驗(yàn)載荷譜編制提供參考和依據(jù)。