莫易敏，毛萬鑫，張 偶,蔣華梁

(1.武漢理工大學(xué) 機電工程學(xué)院，湖北 武漢 430070；2.上汽通用五菱股份有限公司，廣西 柳州 545007)

汽車駕駛性研究是衡量汽車在駕駛過程中性能表現(xiàn)的重要手段。加速和換擋過程性能對用戶駕駛過程的影響巨大，對車輛加速和換擋工況駕駛性作出準確的評價有利于整車駕駛性開發(fā)與優(yōu)化。目前駕駛性評價方法主要有主觀評價法、客觀評價法。主觀評價法被各大車企廣泛采用，即由專業(yè)評車人員試駕，根據(jù)量化等級進行打分，其評價結(jié)果受個人因素影響較大，且評價過程難重復(fù)。由于受到不同評價者或者乘員的不同駕駛經(jīng)歷、不同駕駛習(xí)慣和心理及身體因素不同的影響，往往存在著較大的隨機性和不確定性[1]?？陀^評價是指根據(jù)車輛行駛過程的相應(yīng)物理參數(shù)，定義并通過車輛測試獲得相應(yīng)數(shù)據(jù)，計算相應(yīng)的評價指標(biāo)值，用于駕駛性分析并完成評價。

文獻[2]通過起步控制機理分析，確定了起步和加速工況的駕駛性指標(biāo)，提出了基于模糊神經(jīng)網(wǎng)絡(luò)的起步和加速工況駕駛性品質(zhì)評價方法。文獻[3]對重型車輛駕駛性進行定量評價，采用主觀評分并分析。文獻[4]通過完整換擋過程中的車輛變化分析，量化規(guī)定了7個客觀評價指標(biāo)用于駕駛性評價。文獻[5]通過對汽車駕駛性能主觀評價，然后根據(jù)試驗獲得客觀性能指標(biāo)參數(shù)，運用灰色關(guān)聯(lián)分析法分析指標(biāo)參數(shù)與主觀評價的關(guān)聯(lián)度。文獻[6]對緊湊型SUV(sport utility vehicle)和混合動力汽車的駕駛性進行了研究，將駕駛性的響應(yīng)延遲和加速度峰值等特征量作為評價指標(biāo)。文獻[7]以DCT(dual clutch transmission)典型動力升擋工況為例建立了換擋品質(zhì)評價指標(biāo)體系，構(gòu)建了以理想換擋過程為參考的換擋品質(zhì)評價模型，并驗證其評價結(jié)果與主觀評價結(jié)果一致性良好。

筆者對加速換擋過程進行分析，針對駕駛性分析定義相應(yīng)的評價指標(biāo)，對駕駛過程的性能水平進行量化。

1 工況分析

1.1 換擋工況

車輛駕駛過程中，工況變化較為復(fù)雜，加速及換擋作為常見的重要工況，換擋品質(zhì)和加速性能對整車影響較大。汽車換擋是非常頻繁的，換擋過程不可避免會引起沖擊振動，產(chǎn)生動載荷，引起結(jié)合元件熱負荷[8]。車輛換擋工況可以大致概括為：加速升擋、急松升擋、急踩降擋、滑行降擋等。換擋過程會造成動力傳動系統(tǒng)的沖擊，若沖擊較為嚴重，會引起動力及傳動系統(tǒng)的動載荷大幅增加，影響傳動系統(tǒng)壽命。

變速器類型眾多，由于結(jié)構(gòu)及工作原理的不同，其評價也需要從不同方向出發(fā)。如無級變速器(continuously variable transmission, CVT)，其傳動比改變是通過改變鋼帶連接的滑輪間距，改變滑輪的有效傳動半徑，從而改變傳動比。該傳動可實現(xiàn)速比的無級變化，動力傳輸持續(xù)且順暢。

1.2 加速升擋過程

以加速升擋為例，動力升擋測試工況下，車輛為自動擋車輛，起步時處于1擋，控制油門踏板開度為50%保持不變，車輛加速，擋位上升時，CVT變速箱中鋼帶連接的滑輪間距變化，傳動比發(fā)生改變。油門開度50%的加速過程相關(guān)信息數(shù)據(jù)如圖1所示。

圖1 油門開度50%的加速過程

如圖1所示，測試時在短時間內(nèi)將油門踏板踩至50%開度并保持不變，車輛起步加速直至此油門開度下的最大速度。這個過程中，發(fā)動機轉(zhuǎn)速從怠速開始增加，然后在換擋位置部分回落，然后繼續(xù)上升。車輛加速度達到峰值后，有所降低，即后段加速的速率較前段更平緩。換擋時，傳動比的改變導(dǎo)致發(fā)動機負荷變化，轉(zhuǎn)速會下降，負荷穩(wěn)定后，轉(zhuǎn)速繼續(xù)上升，最后達到穩(wěn)定。

2 實車測試

2.1 試驗車輛及道路

測試車輛為某公司SUV車型，車況良好，相關(guān)車輛信息如表1所示。

表1 試驗車輛性能參數(shù)

整車磨合里程為3 000～10 000 km，試驗道路應(yīng)為干燥、平直的水泥或瀝青路面。水平試驗道路縱向坡度不超過±1%，橫向坡度不超過±3%，長度不小于1 000 m。

試驗車輛性能良好，通過加速升擋工況的測試，獲取其駕駛過程中的車速、加速度、油門開度等信息，通過其數(shù)據(jù)信號分析可對其駕駛性進行相應(yīng)的分析。

2.2 試驗設(shè)備

車輛實車測試通過AVL-DRIVR軟件[9]及其所配套的數(shù)據(jù)采集儀(DMU2)完成，需要安裝的試驗設(shè)備如DMU2數(shù)據(jù)采集儀、加速度傳感器、振動傳感器等，采集駕駛過程中的車速信號、加速度信號、油門踏板開度等信息，用于駕駛性分析計算。加速度信號由加速度傳感器采集得到，由一個三軸加速度傳感器(裝載在副駕駛座椅滑軌末端)和兩個單軸加速度傳感器(分別裝于駕駛位座椅頭枕處和懸掛下擺臂處)采集得到。車輛加速換擋工況測試系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2 車輛加速換擋工況測試結(jié)構(gòu)圖

加速度傳感器的采樣頻率為100 Hz，其余信號從CAN(controller area network)總線中進行讀取。試驗道路為某主機廠試驗場地，道路條件符合相應(yīng)標(biāo)準要求。

3 信號處理

3.1 原始信號

汽車加速度信號由傳感器測試得到，由于車身振動、發(fā)動機及底盤噪聲、空氣動力噪聲及傳感器振動等，所測加速度信號質(zhì)量受到很大的影響，有可能無法分辨出加速、換擋過程中的加速度信號變化趨勢，信號出現(xiàn)尖峰、突變等，信號質(zhì)量較差。50%開度時的加速度原始信號如圖3所示。

圖3 50%開度時的加速度原始信號

由于加速度信號中包含了很多有用信息，如加速度信號的最大值和均方根值等可以表征車輛的動力性、舒適性等，該數(shù)據(jù)對于駕駛性評價和分析而言是不可或缺的。因此如何有效抑制噪聲、突出有效信號成了駕駛性分析中的重要步驟[10]。

3.2 去噪方法

加速度信號中的噪聲以高頻分量為主。小波去噪對不同的信號類型適應(yīng)性不強，需要根據(jù)信號特點設(shè)置合適的小波基函數(shù)，分解層數(shù)和閾值的選擇等；經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition, EMD)去噪方法中直接去掉的高頻分量中依然有可能包含一定的有用信號，去噪后的信號會出現(xiàn)失真現(xiàn)象。針對這些弊端，需要采用更好的降噪方法對加速度信號進行處理?？刹捎媒?jīng)驗?zāi)B(tài)分解(EMD)與小波閾值降噪方法相結(jié)合，先通過EMD將信號分解為多個內(nèi)涵模態(tài)分量(intrinsic mode functions, IMF)，將傳統(tǒng)EMD直接去掉的高頻部分內(nèi)涵模態(tài)分量(IMF)通過小波分解進行閾值去噪，得到去噪后的高頻信號，再進行EMD重構(gòu)得到兩種方法結(jié)合的去噪信號。其去噪過程示意圖如圖4所示。

圖4 EMD與小波聯(lián)合去噪過程

首先對含噪加速度信號進行EMD分解，得到IMF分量，如圖5和圖6所示。

圖5 高頻IMF分量

圖6 低頻IMF分量

然后對圖5中的高頻分量進行小波分解，通過閾值去噪去除高頻噪聲后，再與低頻IMF分量聯(lián)合重組得到去噪信號。

聯(lián)合去噪得到的信號較好，能很好地去除掉信號中包含的噪聲，且能最大限度保存信號中的有用信息，原信號中出現(xiàn)的毛刺和加速度波動大幅減少，較完整地表現(xiàn)了加速度的變化過程。去噪信號如圖7所示。去噪后的信號，毛刺和突變明顯減少，可以更好地用于駕駛過程性能分析。

圖7 50%油門開度時的加速度去噪信號

4 評價指標(biāo)及體系

加速升擋過程的評價應(yīng)包含兩個維度，一是加速過程的評價指標(biāo)，表征車輛的加速能力；二是換擋性能評價指標(biāo)，表征車輛換擋過程的平順性和保持動力傳遞等能力。

4.1 加速評價指標(biāo)

加速工況是車輛最常見的工況之一，加速工況中應(yīng)著重考量其動態(tài)性能和舒適性能，如短時間內(nèi)加速到目標(biāo)車速的能力，加速度波動等性能指標(biāo)。以全油門加速為例，測試時將油門踏板踩至100%開度，加速度到最大車速。圖8為該工況下車輛加速度、車速、油門和轉(zhuǎn)速之間的關(guān)系。

圖8 100%油門開度時的車輛性能

加速評價指標(biāo)包括：

(1)最高車速。該油門開度下的車輛能達到的最大速度值，衡量車輛動力性。指標(biāo)值越大，說明車輛動力性越強。

(2)加速時間。車輛從速度為零加速到100 km/h所需時間。若車輛最大速度不足100 km/h，則計算其起步達最大速度所需時間。該指標(biāo)值越大，加速性能越差。

(3)峰值加速度。加速過程中加速度的最大值，如圖8所示。峰值加速度越大，車輛加速的動態(tài)性能越好。

(4)加速度增益。駕駛過程中加速度值與油門開度的比值，表征單位油門開度下的加速度增量，指標(biāo)數(shù)值越大表明車輛動態(tài)性能越好。

(5)加速度波動。相應(yīng)工況下的加速度擾動情況，用平均值、均方根、振動劑量值及峰值因子4個指標(biāo)表述。該指標(biāo)值越小，加速度越穩(wěn)定，性能越好。

(6)最大加速度變化率。加速度變化率的最大值，由加速度信號對時間求導(dǎo)可得。該指標(biāo)值越大，性能越好。

4.2 換擋評價指標(biāo)

換擋工況是車輛駕駛中常見且較為頻繁的工況，在駕駛中通過換擋調(diào)速可以適應(yīng)不同的路況。換擋過程需要考量的性能指標(biāo)要體現(xiàn)換擋過程對車輛平順性、動力性、舒適性等的影響程度。評價指標(biāo)如下：

(1)換擋時間。完成一次換擋動作所需時間，從換擋指令發(fā)出到換擋完成的時間。

(2)加速度波動。相應(yīng)工況下的加速度擾動情況，用平均值、均方根、振動劑量值及峰值因子4個指標(biāo)表述。

(3)轉(zhuǎn)速變化。換擋完成前后，發(fā)動機轉(zhuǎn)速變化值，轉(zhuǎn)速變化越小即表明換擋時沖擊越小，平順性越好。

(4)換擋加速度沖擊。換擋過程中，加速度達到峰值后的最大加速度變化，衡量換擋過程的平順性。

4.3 評價體系

實車測試時，通過某車企專業(yè)評車師駕駛車輛，并對其各工況駕駛感受進行相應(yīng)的評分。同時，測試設(shè)備根據(jù)駕駛過程記錄相應(yīng)數(shù)據(jù)如時間、車速、加速度、發(fā)動機轉(zhuǎn)速等，處理計算可得各評價指標(biāo)數(shù)據(jù)。根據(jù)加速工況的6個評價指標(biāo)數(shù)據(jù)值，采用回歸分析，結(jié)合主觀評價所得評分，可以將主客觀結(jié)合進行綜合評價。加速工況相關(guān)指標(biāo)數(shù)據(jù)和主觀評分如表2所示。

根據(jù)表2所測得的駕駛性客觀指標(biāo)值和主觀評分值，分別對6個駕駛性評價指標(biāo)值與主觀評分分值進行相關(guān)性分析。統(tǒng)計學(xué)上常用相關(guān)系數(shù)r(X,Y)衡量變量之間的線性關(guān)系程度，其計算公式如下：

表2 主客觀評價數(shù)據(jù)

(1)

根據(jù)式(1)，分別計算各指標(biāo)與主觀得分的相關(guān)系數(shù)，其結(jié)果如表3所示。

由表3可知，6個駕駛性客觀評價指標(biāo)中，5個與主觀評分值中度相關(guān)，加速時間與主觀評分呈現(xiàn)高度相關(guān)，可對其進行多元線性回歸分析，將主觀評分作為因變量，表3中6個評價指標(biāo)分別作為X1，X2，…，X6，建立的回歸模型為：

表3 評價指標(biāo)與主觀評分相關(guān)性

Yi=b0+b1X1i+b2X2i+b3X3i+

b4X4i+b5X5i+b6X6i

(2)

式中：i為變量序號；bk(k=1,2,…,6)為各自變量的回歸系數(shù)；b0為常數(shù)項。

(3)

因此擬合的線性回歸模型為：

Y=37.76+0.01X1-0.77X2-3.59X3+1.76X4-8.24X5-3.79X6

(4)

對計算完成的模型進行殘差分析，繪制回歸系數(shù)的殘差和置信區(qū)間，結(jié)果如圖9所示。

圖9 模型殘差圖

從圖9可知，模型無異常點，且殘差值較小，能較好地逼近樣本數(shù)據(jù)。

該回歸模型進行顯著性檢驗需要計算一些統(tǒng)計量，如判定系數(shù)R2、回歸方差顯著性的統(tǒng)計量觀測值F、對應(yīng)F統(tǒng)計量的概率P以及誤差方差估計值。經(jīng)過計算可得，該回歸模型的判定系數(shù)R2=0.978 5，與1非常接近，說明模型擬合程度較高。同時F=311.585，P=0.043，F(xiàn)越大，P越小時回歸方程越顯著。此處的回歸方程擬合程度較高，能基本反映主觀得分與評價指標(biāo)之間的線性關(guān)系。

5 結(jié)論

(1)根據(jù)駕駛性評價需要，設(shè)計試驗方案，測量車輛駕駛過程數(shù)據(jù)，并針對其中加速度信號采用了EMD聯(lián)合小波分析的方法進行降噪，避免了傳統(tǒng)去噪方法適應(yīng)性不強、信號不完整等缺點。

(2)構(gòu)建加速升擋工況評價指標(biāo)6個，分別為：最高車速、加速時間、峰值加速度、加速度增益、加速度均方根值、最大加速度變化率，用于駕駛性量化分析的數(shù)據(jù)支持。并與主觀評分相結(jié)合，通過客觀數(shù)據(jù)模型預(yù)測主觀評分，模型判定系數(shù)大于0.95，擬合程度較高，可以為駕駛性主客觀數(shù)據(jù)分析提供思路。