基于用户模型的驱动电机系统可靠性试验循环研究.pdf

总第 484 期2023 年第 4 期基于用户模型的驱动电机系统可靠性试验循环研究刘海潮，沈丁建，唐雄辉，刘传德，刘佳祥（株洲中车时代电气股份有限公司，湖南 株洲 412001）摘要：针对目前电动汽车用驱动电机系统的台架可靠性试验工况与用户实际使用场景关联程度低、损伤效果存在不等效现象的问题，文章提出一种基于用户实际使用模型来构建可靠性试验循环的方法。首先，其通过用户实际运行大数据来分析使用场景，确定用户实际使用特征；其次，采用 K-means 聚类分析法来确定典型工况，并选取单位损伤强度在 95 百分位至 99 百分位的片段作为可靠性试验循环构建的备选库；最后，通过遗传算法和马尔科夫过程来构建最终的可靠性试验循环。经损伤分析可知，所构建的可靠性试验循环工况能保持用户使用的典型特征，当产品在测试台架上分别持续加载 1 625.7 h 和 1 302.1 h 后，轴系和齿轮系即可达到用户全寿命周期 30 万公里的损伤目标，具有较好的加速试验效果。关键词：可靠性试验；用户关联；载荷谱；工况构建；马尔可夫过程；驱动电机系统；电动汽车中图分类号：U461 文献标识码：A 文章编号：20965427(2023)04009609doi:10.13889/j.issn.20965427.2023.04.015Research on Reliability Test Cycle of Drive Motor System Based on User ModelLIU Haichao,SHEN Dingjian,TANG Xionghui,LIU Chuande,LIU Jiaxiang(Zhuzhou CRRC Times Electric Co.,Ltd.,Zhuzhou,Hunan 412001,China)Abstract:To address the issues in reliability bench tests for drive motor system of electric vehicle,particularly low correlation between reliability test conditions and real-world user driving scenarios,as well as non-equivalence in damage effects,a method for constructing reliability test cycles based on user driving models is proposed.Firstly,driving scenarios are analyzed and actual driving characteristics of users are identified by utilizing big data from real-world driving.Secondly,K-means clustering analysis is conducted to establish typical operating conditions,from which segments with unit damage intensity ranging from the 95th percentile to the 99th percentile are selected into an alternative library.Finally,reliability test cycles are constructed through a genetic algorithm and Markov process.The results of damage analysis show that the operating conditions constructed for reliability test maintain the typical driving characteristics of users and demonstrate a good acceleration test effect.When the motor product is continuously loaded on the test bench for 1625.7h and 1302.1h respectively,the shafting and gear train are considered achieving the users damage expectation,equivalent to a whole life cycle of 300,000 km.Keywords:reliability test;user correlated;load spectrum;condition construction;Markov process;drive motor system;electric vehicleRAMS技术收稿日期：20230408作者简介：刘海潮（1989），男，硕士，工程师，主要研究方向为车辆系统可靠性测试与评价。基金项目：国家重点研发计划项目（2022YFB2502605）962023 年第 4 期刘海潮 等：基于用户模型的驱动电机系统可靠性试验循环研究0引言为落实“碳达峰”和“碳中和”两大目标，作为“双碳”工作交通出行方面重点关注的内容之一，新能源汽车产业得到了迅速发展1。电驱动系统、燃料电池和发动机系统为新能源汽车动力系统的核心部件。随着产品动力需求的不断提升，转速与转矩等载荷强度相应增加，加剧了汽车动力系统失效的风险2-3。目前，电动汽车用驱动电机系统的可靠性验证工况主要以在最高工作转速或峰值转矩等极限工况下制定的低交变载荷、准稳态试验工况循环为主，难以有效覆盖用户实际使用复杂场景下动态交变载荷的损伤强度 4-5。另外，随着新能源汽车技术的不断发展，主机厂越来越注重产品市场需求，更专注于细分市场的产品开发。如何根据细分市场的车辆行驶数据来构建反映用户实际使用条件的汽车动力系统可靠性试验工况，以在产品开发阶段有效验证其可靠性水平，从而避免出现过验证或欠验证的情况，这是当前亟须解决的关键技术问题之一。长期以来，国内外相关技术人员围绕关联用户的动力传动系统可靠性试验开展了大量的研究工作5-8。文献 5 根据实车采集用户行驶载荷数据，采用雨流计数和数理统计方式研究了传动系载荷谱室内台架试验编制方法，为准确评价汽车传动系零部件的可靠性和制定科学的室内台架试验规范提供了依据。文献 6 和文献 7 研究了重型载货汽车传动系可靠性，提出一种与工况累积能量相关联的汽车动力传动系强化试验方法，以避免传动系可靠性试验的盲目性；同时基于疲劳损伤等效理论，研究了乘用车传动系台架可靠性试验载荷谱的制定方法，实现了用台架试验代替整车道路试验，为科学评价乘用车传动系的可靠性提供了参考规范。文献 8 研究了用户-试验场的关联方法，提出了一种基于遗传算法的多目标优化方法，其为合理地制定试验场耐久性评价规范、有效评价整车可靠性与耐久性提供参考和依据。由于车辆行驶过程中所产生的载荷具有复杂交变的动态特征，其不仅取决于道路类型、弯道强度和交通状况等载荷环境条件，同时还取决于驾驶员的驾驶行为9，因此单一样本的数据采集难以反映用户群体特征，小样本的用户道路载荷信息采集也难以覆盖小概率的极端工况，导致据此制定的可靠性试验规范与用户实际使用特征的差异较大3。近年来，随着智能网联技术及大数据技术的发展，上传云端的汽车参数数据越来越多，其除时间、车速和海拔等GPS信息外，也包含转速和转矩等关键载荷信息，这为用户使用模型的定义和用户目标损伤的确定奠定了基础。本文以某细分市场的用户实际运行数据为基础，提出一种基于用户模型的电动汽车用驱动电机系统可靠性试验循环构建方法。其通过车辆装载质量与道路特征来建立用户使用模型，根据疲劳损伤理论来确定各工况下的损伤强度，采用遗传算法进行可靠性工况片段选择，并依据马尔科夫原理拼接不同工况片段，得到可应用于台架试验的可靠性试验循环，为电驱产品可靠性试验规范的制定提供一种参考方法。1总体技术路线随着车联网及人工智能技术的不断发展，利用机器学习算法10确定关联用户的测试循环为台架可靠性循环构建提供了新的思路。根据疲劳损伤理论，汽车动力系统的疲劳损伤主要是由循环载荷引起，可将转速和转矩作为系统机械部件直接失效的主导载荷3，6。本文以车辆实际用户运行大数据为基础，通过载重分析和道路特征分析，建立用户使用模型，来构建台架可靠性试验循环，如图1所示。2用户使用模型2.1用户行驶大数据收集及预处理本文基于智能网联平台收集了30个搭载某型号动力系统的用户实际运行数据，包括时间、车速、海拔、转速和转矩等信息，数据采样频率为1 Hz。对原始数据中异常片段进行多通道同步预处理，采用局部加权回图 1 台架可靠性试验工况构建总体流程Fig.1Overall process of platform reliability test condition construction 972023 年第 4 期归法对短时间内丢失的数据进行修复，并直接剔除长时间怠速及异常数据，部分用户的预处理情况如图2所示。预处理后，所有用户的总运行时长约为16 286 h，总行驶里程约为693 968 km。2.2工况切割对预处理后的用户运行数据进行工况片段切割和运动片段提取。根据所定义的规则11进行运行状态片段划分，具体见表1。其中，运行片段（涉及加速、减速和匀速工况）为汽车车速从0开始到下一个车速为0且平均车速大于0.5 km/h的片段，怠速片段为平均车速不大于0.5 km/h的片段。通过编制工况切分程序来实现车辆运行片段与怠速片段的自动划分，采用cell的形式建立基础片段库，并储存为每个片段的速度、海拔、加速度、转速及转矩等时间序列信息。由于怠速片段载荷波动小且损伤较低，因此本文剔除怠速片段，提取494 589个运行状态片段进行分析。2.3车辆载重估计将车辆的载荷状态划分空载、半载和满载3种状态。由于用户使用模型对车辆质量计算的精度要求不高，根据车辆动力学理论，可通过建立车辆行驶纵向动力学方程来对车辆质量进行逆向估算12：Teqigi0r=mgfcos+mgsin+CDAv221.15+ma(1)式中：Teq 输出转矩；传动系的机械效率；ig 变速箱速比；i0 主减速比；A 迎风面积；CD 风阻系数；v 车速；坡度角；f 车轮滚动阻力系数；r 轮胎滚动半径；汽车旋转质量换算系数，包括飞轮的转动惯量和车轮的转动惯量，根据经验，本文取=1.03；m 车辆质量；g 重力加速度；a 车辆加速度。2.4道路特征分析道路坡度是指道路沿汽车前进方向的梯度，通常坡度s=tan 100。将每个运行片段的车速和海拔的时间序列数据进行处理，通过计算得到道路坡度。由于目前GPS定位精度较差（一般在直径为5 m的范围之内），利用海拔计算得到的坡度数据存在较大失真。一般情况下，车速越低，坡度异常值越大。因此，本文将坡度时域数据转换为里程域数据后进行平滑处理，得到最终坡度数据并进行统计分析，部分运行片段统计情况见图3。按照表2所示规则确定道路特征，并根据式（2）进行坡度加权和计算。ssum=j=1npj|sp j(2)式中：ssum坡度加权和；pj不同分段区间坡度占比（%），其中j为分段数量，且j=123n；spj 不同分段区间的坡度值。(a)平原 (b)丘陵 (c)山区图 3不同地形地貌坡度分布直方图Fig.3Slope distribution histogram of different landforms(a)车辆行驶原始数据(b)预处理后车辆行驶数据图 2 部分用户实际运行数据Fig.2Actual driving data of a part users表 1运行状态划分规则Tab.1Partitioning rule of running state运行状态加速减速匀速怠速速度/（kmh-1）0.50.5加速度/（ms-2）0.15 0.15 m/s2的数据个数；a-i 加速度值，a-i-0.15 m/s2；N-aa-i-0.15 m/s2的数据个数。3）与道路坡度相关的特征参数，包括sstd、spmean、snmean、s_pos和s_neg。sstd=1N-1i=1N(si-smean)2(10)spmean=s+iN+i(11)snmean=s-iN-i(12)s_pos=N+iN100%(13)s_neg=N-iN100%(14)式中：smean坡度平均值；s+i 坡度，其值大于0.5%；N+i 坡度大于 0.5%的数据个数；s-i 坡度，其值小于-0.5%；N-i 坡度小于 0.5%的数据个数。4）转矩波动量Trange表征转矩变化速率，第ti时刻的转矩波动量Trange(i)=Ti+1-Tti+1-ti。与转矩相关的特征参数包括Tstd、Tpmean、Tnmean和Trange-std等。表 3用户使用模型Tab.3Driving models of users载荷状态空载半载满载里程占比/%平原道路5.9119.3726.98丘陵道路4.5813.1712.02山区道路2.837.527.62表 2道路特征判定规则Tab.2Determining rules of road features序号123ssum范围（0，75（75，150150道路特征平原丘陵山路表 4特征参数构造表Tab.4Construction table of characteristic parameters 符号vmax/（kmh-1）vmean/（kmh-1）vstd/（kmh-1）amax/（ms-2）amin/（ms-2）astd/（ms-2）apmean/（ms-2）anmean/（ms-2）a_pos/%a_neg/%spmean/%snmean/%特征参数最大速度平均速度速度标准差最大加速度最大减速度加速度标准差加速段平均加速度减速段平均减速度加速时间比例减速时间比例上坡平均坡度下坡平均坡度符号sstd/%S/kmTrange_std/（Nm）Tstd/（Nm）Tpmean/（Nm）Tnmean/（Nm）Trange_max/（Nm）Trange_min/（Nm）s_pos/%s_neg/%ttotal/s特征参数坡度标准差行驶里程转矩波动标准差转矩标准差平均正转矩平均负转矩转矩增加最大波动量转矩减小最大波动量上坡时间比例下坡时间比例总时间992023 年第 4 期Tstd=1N-1i=1N(Ti-Tmean)2(15)Tpmean=()T+iN+t(16)Tnmean=()T-iN-t(17)Trange_std=1N-1i=1N(Trange(i)-Trange_mean)2(18)式中：Tnmean转矩平均值；Trange_mean转矩波动量平均值；T+i大于0的转矩值；N+t转矩大于0的数据个数；T-i小于0的转矩值，N-t转矩小于0的数据个数。3.1.2主成分分析所构造的特征参数并不是相互独立的，一些参数之间具有较强的相关性，即这些变量存在较多的信息重复现象。采用主成分分析方法（principal component analysis，PCA）进行参数降维处理，在保留原始特征参数信息前提下将多维参数转化为少数几个互不相关的主成分进行代替。PCA 主要采用 corrcoef（）函数、pcacov（）函数进行主成分分析。图4示出所提取的各主成分的特征值与贡献量。可以看出，当主成分数量大于6个时，累积贡献率在90%以上，可以保留原特征矩阵有效信息。3.1.3K-Means聚类分析在满载平原道路条件下总共包含83 455个运行片段，行驶里程共计187 233 km。不同的运行工况下车辆具有不同的载荷特征和损伤强度，这影响系统的可靠性。对经主成分分析后的得分矩阵采用K-Means无监督学习算法进行聚类，以多维空间点与点之间的欧式距离作为分类依据，采用CH 指标法3，确定聚类中心点个数为6。聚类分析主要采用evalclusters（）函数和kmeans（）函数。图5为聚类结果云图，聚类后基本信息汇总见表5。3.2疲劳载荷计数分析驱动电机系统各类部件的失效机理和失效规律各不相同，轴和齿轮类零件的失效机理主要是疲劳破坏。由于在动态交变载荷下，转速与转矩非同步变化，不同零部件失效主导载荷的计数方式不同。针对轴类零件，直接采用雨流计数的方式进行载荷计数分析9。针对齿轮系零件，由于其旋转一圈啮合一次，通过各片段的转速与转矩的时间序列进行联合分布计数，得到计数矩阵tmn。若转矩载荷被划分为Nk个等级，转速被划分为Nn个等级，则在给定转矩水平Tm下，其旋转圈数rm可被表示为rm=160n=1Nnnntmn(19)式中：nn转速等级，n=12Nn。图 6 为雨流循环计数结果，图 7 为联合分布计数结果。可以看出，工况 2 和工况 4 主要为小转矩循环，工况 1 和工况 6 的载荷雨流计数频次相对较高。图 4 各主成分特征值与贡献量Fig.4Eigenvalues and contributions of principle components 表 5聚类工况基本信息汇总Tab.5Basic information summary of clustering conditions工况123456描述高速、大转矩中速、小转矩中速、高加减速、大转矩中低速、低加减速、小转矩低速、大转矩中速、高加减速、小转矩片段数量8 69514 26010 33216 51317 22616 429片段时间/h912.83954.381 023.26835.34464.21826.42片段里程里程/km24 97355 47158 51016 65513 32618 298占比/%13.3429.6331.248.907.129.77图 5 聚类结果云图Fig.5Contour plot of clustering results1002023 年第 4 期刘海潮 等：基于用户模型的驱动电机系统可靠性试验循环研究 (a)工况 1 (b)工况 2 (c)工况 3 (d)工况 4 (e)工况 5 (f)工况 6图 6 转矩雨流循环计数Fig.6Counting of torque-rain flow cycles (a)工况 1 (b)工况 2 (c)工况 3 (d)工况 4 (e)工况 5 (f)工况 6图 7 转速转矩联合分布计数Fig.7Counting of rotational speed and torque joint distribution 1012023 年第 4 期3.3工况损伤强度分析3.3.1损伤理论根据材料的疲劳寿命 T-N 曲线14，ni为对应转矩水平Ti下的载荷循环次数，Ni为Ti下的疲劳寿命。由 Miner 线性累积损伤理论可知，总疲劳损伤量为D=Di=niNi(20)材料的T-N曲线可被表述为Ti=Tf(Ni)b(21)式中：Tf 疲劳强度系数；b 疲劳强度指数。3.3.2损伤强度分析针对每种工况的所有片段进行损伤分析，并计算单位里程的损伤强度。轴系各工况损伤强度占比分布见图8。可以看出，工况5的单位里程损伤强度最大，占比约为28%；其次为工况1和工况3的。齿轮系各工况损伤强度占比见图9。可以看出，工况3的单位里程损伤强度最大，占比约为41%；其次为工况5、工况1和工况6的。3.3.3可靠性试验片段的确定可靠性试验循环既要保持用户实际使用的工况特征，又要进行强化加速。对各聚类工况库的所有片段进行单位里程损伤强度分析后，选取损伤强度在95百分位99百分位之间的片段作为可靠性循环试验的备选工况库。各工况里程单位损伤强度概率分布见图10，损伤强度百分位取值见表6。4可靠性加速试验循环构建一般情况下，在进行驱动电机系统的台架可靠性验证前，用户实际行驶的工况数据需被重构为指定长度（通常为0.51 h）的试验循环工况数据，以缩短试验时间，减少验证成本。4.1工况片段选择与拼接为保证最终构建的可靠性验证工况中包含所有的工况特征，在聚类后的备选工况库中，针对每种工况各选择一个片段。假定最终构建时长约为2 500 s的可靠性测试工况，根据加权因子确定各工况下循环次数，基于遗传算法来进行工况片段选择，目标函数为F=min()(x(i)-Lrandi(xi)2(22)约束条件如下：图 8 轴系各工况单位里程损伤强度占比Fig.8Proportions of damage intensity per unit mileage of shafting in each condition图 9 齿轮系各工况单位里程损伤强度占比Fig.9Proportions of damage intensity per unit mileage of gear train in each condition表 6各工况损伤强度百分位取值Tab.6Percentiles of damage intensity in each working condition工况12345695百分位损伤强度值2.59E072.05E075.49E071.68E079.63E078.14E0799百分位损伤强度值3.21E077.49E078.72E074.94E071.83E061.49E06片段总数8 69514 26010 33216 51317 22616 429提取可靠性片段数170392235482510478图 10 各工况单位里程损伤强度概率分布Fig.10Probability distribution of damage intensity per unit mileage in each working condition 1022023 年第 4 期刘海潮 等：基于用户模型的驱动电机系统可靠性试验循环研究x(i)=2500lminx(i)lmax (23)式中：x(i)选择工况的片段长度，i为工况编号，i=126；Lrandi(xi)随机挑选工况的片段长度；lmin备选工况库的最小片段长度；lmax备选工况库的最大片段长度。根据用户实际行驶的原始时间序列确定状态转移概率矩阵，如图11所示，通过马尔可夫过程确定工况片段拼接顺序3。通过计算分析，满载、平原场景下的可靠性验证工况拼接如下：工况5工况4工况6工况3工况2工况1，如图12所示。4.2工况加权因子按照4.1节所述流程可获得用户模型中其他场景条件下的可靠性试验循环。驱动电机系统的损伤强度与工况特征息息相关，台架试验工况构建过程中既要反映用户的实际使用情况，又要考虑缩短测试时间来加速试验。综合考虑用户使用模型和聚类工况特征，工况加权因子t按照式（24）进行计算。t=lrpg(24)式中：lr用户模型占比；pg各聚类工况里程占比。4.3损伤效果对比分析针对用户实际使用工况与所构建的可靠性试验循环进行损伤效果对比分析，如表7所示。假定用户全寿命周期定义为3105 km，则轴系目标损伤为4.71E 02，齿轮系目标损伤为4.23E02。由表7计算可知，采用基于实际用户使用模型构建的可靠性试验循环进行台架试验，分别持续加载试验1 625.7 h和1 302.1 h后，轴系和齿轮系可达到用户目标损伤。可以看出，本文所提可靠性试验循环工况既考虑了用户使用的场景特征，又能缩短试验时间。图 11 满载、平原工况状态转移矩阵Fig.11State transition matrix in the condition of full load and plain scenario condition(a)车速(b)转速(c)转矩图 12 满载、平原场景下可靠性测试循环Fig.12Reliability testing cycle in the condition of full load and plain scenario表 7损伤效果对比情况Tab.7Comparison on damage effects场景类型用户实际使用条件所构建的可靠性试验循环空载平原空载丘陵空载山路半载平原半载丘陵半载山路满载平原满载丘陵满载山路工况里程/km310533.7730.1226.2128.1325.9722.1625.7123.3522.07运行时间/h9 446.420.670.660.670.660.660.650.650.660.67轴系损伤4.71E 021.77E 051.86E 052.18E 051.69E 051.60E-052.38E 051.95E 052.04E 052.84E 05损伤强度1.57E 075.25E 076.18E 078.30E 076.02E 076.15E 071.06E 067.59E 078.72E 071.29E 06齿轮系损伤4.23E 022.35E 052.30E 052.78E 052.28E 052.40E-052.52E 051.67E 052.19E 052.91E 05损伤强度1.41E 076.96E 077.64E 071.06E 068.09E 079.23E 071.14E 066.48E 079.40E 071.32E 061032023 年第 4 期5结束语为有效评估电动汽车用驱动电机系统的可靠性，本文通过智能网联用户大数据来分析使用场景，提出了一种基于用户模型的驱动电机系统可靠性试验循环构建方法。其通过用户实际行驶数据进行载重估算、道路特征分析，从而构建用户使用模型；运用聚类分析获得典型工况，并按照不同场景条件下里程比进行工况加权；采用遗传算法来选择符合规定长度的循环曲线。最后，根据损伤等效原则，计算了产品全寿命周期试验加载时间。结果表明，所构建的试验循环具有良好的加速验证效果。本文提出的方法可为电机驱动的可靠性验证及规范制定提供参考和借鉴，但其仅考虑了转矩这单一结构载荷的作用，且暂未对所提构建方法进行实际损伤效果试验验证。随着新能源汽车电驱产品逐步向高压、高速化方向的发展，热应力、电应力等多种载荷形式的耦合影响不容忽视。因此，后续将对此进行深入的研究和测试验证。参考文献：1杨延风,葛新旗.双碳 背景下中国新能源汽车产业创新发展研究J.储能科学与技术,2022,11(7):2406-2407.YANG Y F,GE X Q.Research on the innovative development of Chinas new energy vehicle industry under the background of dual carbon J.Energy Storage Science and Technology,2022,11(7):2406-2407.2SASIDHARAN S,ISHA T B.Reliability analysis in an electrical drive systemJ.Indian Journal of Science and Technology,2016,9(48):1-4.3赵礼辉,王震,冯金芝,等.基于用户大数据的电动汽车驱动系统可靠性试验循环工况构建方法J.机械工程学报,2021,57(14):129-140.ZHAO L H,WANG Z,FENG J Z,et al.Construction method for reliability test driving cycle of electric vehicle drive system based on users big dataJ.Journal of Mechanical Engineering,2021,57(14):129-140.4全国汽车标准化技术委员会.电动汽车用驱动电机系统可靠性试验方法:GB/T 29307-2012S.北京:中国标准出版社,2013.National Technical Committee of Auto Standardization.The reliability test methods of drive motor system for electric vehicles:GB/T 29307-2012S.Beijing:Standards Press of China,2013.5李文礼,石晓辉,柯坚,等.关联用户的汽车传动系载荷谱室内台架试验编制方法J.机械工程学报,2014,50(20):143-150.LI W L,SHI X H,KE J,et al.Weave method study of customer correlated load spectrum for driveline durability indoor testJ.Journal of Mechanical Engineering,2014,50(20):143-150.6门玉琢,于海波,韩愈.用户相关汽车动力传动系可靠性试验新方法J.振动与冲击,2013,32(11):25-29.MEN Y Z,YU H B,HAN Y.New method of reliability test for powertrain of a vehicle correlated with customersJ.Journal of Vibration and Shock,2013,32(11):25-29.7门玉琢,刘博,李明达,等.与典型用户数据相关的乘用车传动系台架可靠性试验载荷谱制定研究J.汽车工程,2017,39(11):1286-1293.MEN Y Z,LIU B,LI M D,et al.A research on the load spectra development for reliability bench test of passenger car drive-train related to typical user dataJ.Automotive Engineering,2017,39(11):1286-1293.8赵礼辉,李佳欣,井清,等.关联用户的汽车试验场耐久性评价路况循环确定方法研究J.汽车工程,2020,42(1):127-133.ZHAO L H,LI J X,JING Q,et al.Research on the method of determining road condition cycles of durability test of correlated user automobile test fieldJ.Automotive Engineering,2020,42(1):127-133.9JOHANNESSON P,SPECKERT M.Guide to load analysis for durability in vehicle engineeringM.Hoboken:Wiley,2013.10 BRADY J,OMAHONY M.Development of a driving cycle to evaluate the energy economy of electric vehicles in urban areasJ.Applied Energy,2016,177:165-178.11 全国汽车标准化技术委员会.中国汽车行驶工况 第2部分:重型商用车辆:GB/T 38146.2-2019S.北京:中国标准出版社,2019.National Technical Committee of Auto Standardization.China automotive test cyclepart 2:heavy-duty commercial vehicles:GB/T 38146.2-2019S.Beijing:Standards Press of China,2019.12 臧政,霍炜,王玉海,等.重型商用车辆质量估计算法研究J.中国机械工程,2020,31(11):1360-1367.ZANG Z,HUO W,WANG Y H,et al.Research on mass estimation algorithm for heavy commercial trucksJ.China Mechanical Engineering,2020,31(11):1360-1367.13 陈世栋,张立博,连俊锋,等.商用车用户使用工况数据采集路线策划研究J.汽车工程学报,2021,11(1):53-58.CHEN S D,ZHANG L B,LIAN J F,et al.Research on route planning of duty cycle data collection for commercial vehicle usersJ.Chinese Journal of Automotive Engineering,2021,11(1):53-58.14 LEE Y L,PAN J,HATHAWAY R B,et al.Fatigue testing and analysis:theory and practiceM.Boston:Butterworth-Heinemann,2005.104