本技术介绍了一种创新的数据驱动式汽车操控稳定性测试项目智能识别技术,该技术通过量化特征物理量与测试项目的相关性,提高了识别的科学性和准确性。
背景技术
在汽车产品开发过程中,实车场地试验是确保产品性能与质量的关键验证手段。操纵稳定性作为影响车辆行驶安全性和驾驶体验的核心因素,是产品竞争力的重要组成部分。因此,在产品开发阶段,必须进行大量的操纵稳定性实车场地试验。然而,操纵稳定性试验涉及众多工况,数据量庞大,传统人工处理方式效率较低。为提升试验效率,主机厂积极探索利用自动化的手段来解决海量数据的处理问题,而试验项目自动识别技术是实现数据自动化处理的基础和起点。
经文献调研,汽车操纵稳定性试验项目自动识别方法主要有以下2种,举例说明如下:仲昭辉等人在论文“基于卷积神经网络的汽车操纵稳定性试验类型识别方法”中通过分析汽车操纵稳定性试验项目数据图像特征,建立卷积神经网络模型,实现试验项目的分类。卢萍萍等人在专利CN107238500A“汽车操纵稳定性试验快速评价系统建立方法”中采用动态时间规整方法和神经网络方法来实现试验项目的分类。
现有的方法均是根据人的经验,从每个试验项目的特点出发,选取一个特征物理量,用它的时域曲线特点作为试验项目识别的特征。然而,这种方法严重依赖人的经验水平,未量化特征物理量与试验项目的相关性,这使得识别过程缺乏足够的科学性和严谨性。
实现思路