電動汽車可靠耐久試驗技術研究

董立甲 張元勤 王世英 劉占國

（中國第一汽車股份有限公司 研發總院，汽車振動噪聲與安全控制綜合技術國家重點實驗室，長春 130013）

主題詞：用戶調查 載荷譜 疲勞損傷 電機 電動汽車

0 前言

隨著我國電動汽車發展戰略的實施以及電動車保有量日益提高，人們對電動汽車認可度逐漸提高，但仍有用戶對電動車可靠性和安全性心存疑慮。到目前為止，國內各大廠家沒有統一的電動車試驗方法，各自為戰，依據的試驗規范紛繁復雜，而且其使用的試驗規范都還沒有與用戶進行關聯，大多數是照搬傳統車試驗規范，至于試車場的路面的強化系數也是很不準確。目前國內電動車用戶已初具規模，為實現用戶調查奠定了基礎，因此深入研究該領域技術對于國內整車廠家意義重大。

某些廠家提出縮短整車開發周期至24個月的目標，只能通過優化整車可靠耐久性試驗方法來縮短試驗周期和實現精準試驗的目標，實現試驗周期由13個月降至6個月，實現精準試驗來保證降低整車售后索賠率，建立精準電動車試驗規范意義重大。

電動汽車的續駛里程是整車的最重要參數之一，降低整車質量提高續駛里程是國內外汽車廠家持續研究課題，通過電動汽車用戶調查，實車載荷測試獲取用戶的真實信息，分析數據、進行從整車和總成系統到零部件的載荷分解，從而實現各零部件的結構優化，實現最大限度的整車輕量化設計，因此，制定代表95%中國用戶的精準電動車可靠性試驗驗證方法迫切，而且必要。

另外，中國公路2010～2018年發生了較大變化（圖1），各等級公路占總公路里程百分比[1]變化趨勢明顯（圖2），壞路（包括等級外惡劣路面）占比明顯降低，各種路面的變化決定了整車可靠性試驗標準也應及時改變，來滿足中國用戶的可靠性需求。

圖1 中國公路總體變化趨勢

圖2 各等級公路占總里程比例

綜上所述，本文集中研究電動汽車整車系統可靠性精準試驗方法研究，以電動車用戶數據為基礎建立用戶工況識別技術、用戶可靠性目標分解技術、用戶載荷加速技術，分析電動車用戶使用特點、電機電池的使用工況和載荷特性等，基于整車可靠耐久疲勞損傷理論及用戶關聯技術，制定代表95%中國用戶的精準電動車可靠性試驗驗證方法。

1 搭建用戶相關載荷加速技術模型

制定整車用戶相關試驗方法流程見圖3，首先進行用戶調查，獲得電動車典型用戶使用工況，其次，進行用戶和試車場載荷測試試驗，然后進行載荷數據的用戶相關性分析，最終建立整車可靠性試驗方法。其中，進行用戶與試車場載荷關聯性分析計算時，涉及到用戶路面比例和用戶載重比例，路面主要分成城市公路、山區公路、一般公路、高速公路和壞路，載重分為空載、半載和滿載。采用用戶調查中各種路面行駛里程占總里程的百分比和載重占比作為加權因子，與測試的載荷簡單相乘，計算出用戶的偽損傷值，根據Miner累積損傷理論，對試車場的各個強化路面優化同樣計算試車場的損傷值，使之一致即滿足了用戶的載荷要求。

圖3 制定整車試驗方法流程

這種用戶與試車場的載荷關聯加速技術的缺點為：用戶載荷測試的路面種類必須人為主觀判斷、而且難以避免有2種路面相互疊加而判斷為一類路面情況，用戶調查僅僅作為路面種類比例應用，計算結果誤差大。本文自主開發了新的計算方法：

(1)將用戶調查數據按照模型處理成圖4形式的里程多維矩陣，每個用戶在相同矩陣單元的行駛里程差異形成了每個用戶的特色使用工況，有多少用戶調查數據，就會形成多少個里程多維矩陣。

(2)將全國典型載荷測試車每一個通道的數據按照模型都處理成圖4形式的損傷密度多維矩陣，每個通道在相同矩陣單元的損傷密度差異代表了同樣的行駛工況下每個零部件損傷的程度不一致，有多少個測試通道，就會形成多少個損傷密度多維矩陣。

(3)用戶調查和載荷測試數據分級方式完全一致，多維矩陣單元一一對應，用戶調查矩陣為里程，全通道車矩陣為損傷密度，用戶調查單中用戶里程擴展到目標里程后，得到全通道車按照該用戶行駛時造成的車輛損傷。

圖4 用戶工況數據分析模型

(4)全通道車按照該方式進行映射，使用每個用戶調查都會得到全通道車的損傷矩陣，按照該用戶方式駕駛時的車輛損傷[2]，有多少個用戶調查，就會有多少個車輛損傷。將這些損傷值進行正態分布統計，獲得95%的用戶目標損傷，示意圖5所示。

因此，本文研制算法是把客觀測量數據由數據處理程序實現智能匹配，避免了人為主觀因素的影響，用戶調查的30萬公里數據可擴展為典型用戶載荷數據，算法準確度明顯提高，同時提高整車標準的精準化程度。

圖5 95%用戶載荷譜目標值

2 建立用戶工況識別模型

制定了整體試驗方案，并形成了整車可靠耐久性試驗標準制定流程圖，見圖3。用戶調查是前提條件，用戶調查內容主要涵蓋車輛總行駛里程，年行駛里程、總里程中各種路面比例、駕駛風格、乘員載荷、制動強度、轉向角度分布情況[3]，用戶調查獲得的上述參數的準確程度決定了試驗標準代表性和精準度，決定了整車輕量化水平，決定了整車售后索賠率大小。

2017年以前，用戶調查都采用問卷方式，其缺點主要是：訪談過程一般委托第三方公司進行，存在造假現象。被訪談對象對調查內容理解程度不足，難以回答問題（如路面比例問題等），致使數據不準和問卷廢品率較高。很多重要參數（制動、轉彎）根本無法獲取。

項目自主采集了全國30萬公里用戶使用的大數據，涵蓋私家車、出租車、公務車、T3出行車等用途數據，建立了包括高速、一級、二級、三級和等外公路路面類型的1 000 GB載荷數據庫。自主編制應用程序處理用戶調查數據，建立了用戶工況數據分析模型，通過4個輸入信號處理出各種路面比例、路面粗糙度、坡度、轉彎、制動、乘員、擋位、沖擊坑、俯仰、電器操作、日常操作、車速、轉速、軌跡等100余種特征參數分布和用戶工況分布，在國內尚無此項技術，國內外該技術對比分析見表1。

表1 國內外用戶調查技術對比分析

3 運營車電機可靠性目標構建

由于電動車使用成本低和各地政策的調整，運營車輛逐漸從傳統燃油車迭代為電動車，對電動車核心部件電機的可靠性提出了新的要求。根據市場調研，運營車輛的電機工作環境、工作時間、駕駛要求逐步提高，某主機廠宣傳電動車為5年50萬公里目標，本文真實大量運營車輛用戶數據，分析了50萬公里的電機典型工況特征，構建了代表95%用戶的電機臺架試驗工況和設計開發目標。

按照圖6的流程進行數據處理，首先對用戶調查的出租車、T3出行、滴滴出行的數據進行分割，定義運動學片段為車輛從一個怠速點開始（或結束）到下一個怠速點開始（或結束）的行駛過程，將數據進行運動學片段的分割，獲得145 626個有效運動學片段，提取表2所示的片段特征值，對這23個特征值進行主成分分析降維為5個參數及聚類分析為4類獲得各類下的典型用戶使用工況，根據里程及時間比例，在各類中智能化選取有代表性的用戶工況進行組合，構建用戶使用工況如圖7所示。

圖6 構建用戶工況流程

表2 特征參數

使用Ncode軟件，進行旋轉雨流計數，計算旋轉件的損傷，根據Y Lee[4]提出的Fatigue Testing and Analysis:Theory and Practice中RMH循環外推法，確定95%的用戶結果概率分布，圖7所示的工況循環3 693次達到試驗目標即是50萬公里電機開發目標，可直接用于設計、CAE和臺架試驗。

圖7 構建電機工況

4 結束語

綜上所述，本文論述了電動車可靠性開發目標的確定、用戶調查的方法、用戶與試車場載荷關聯方法以及操作類部件可靠性目標驗證技術路線[5]，這樣在產品投放市場前就可以預估可靠性狀況，通過制定可靠性措施，保證產品質量，達到設定的可靠性與耐久性目標。

(1)在電動車用戶調查方面，采用了用戶實車測量方式，數據采樣頻率高，精度高，通過4個輸入信號處理出各種路面比例、路面粗糙度、坡度、轉彎、制動、乘員、擋位、沖擊坑、俯仰、電氣操作、日常操作、車速、轉速、軌跡等100余種特征參數分布等用戶工況分布。

(2)采用矩陣式進行用戶關聯方法制定可靠性試驗規范，其試驗方法用戶關聯概率達到95%，試驗周期較原規范縮短20%，滿足電動車型產品開發24個月的需求，節省了產品研發費用，具有可實現社會價值，推動整車行業在汽車可靠性領域的發展，達到了國內領先水平。

未來整車可靠性將進一步擁抱大數據，依靠信息互聯互通，逐步提高整車可靠性預測能力，實現整車可靠性增長，達成整車自診斷功能的可靠性健康管理目標。