简介:在开发、制造等过程中,由于车辆各零部件及总成的很多设计细节存在不确定性,会导致很难得到较为精确的整车质心高度,并且在实车下线前的整车质心高度传统预测方法往往不够精确。针对这些问题,通过对与整车质心高度有关的影响因素进行分析,确定整车质心高度预测的关键因素,找出质心高度影响因素与质心高度间的映射关系,然后通过多元线性回归分析法建立了整车质心高度预测模型。设计试验验证,将回归分析法的预测结果、以经验计算的传统预测结果与整车称重仪的试验结果进行对比分析,结果表明,回归分析预测模型在整车质心高度的预测中其精度优于以经验公式计算的传统预测方法。该质心高度预测模型解决了一定精度要求下整车质心高度的有效预测问题,为整车质量开发提供了科学依据。
简介:大数据分析是检查具有各种类型的大量数据并快速生成以识别隐藏模式、未知相关性和其他有用信息的过程。在现代汽车集团的研发中心,有许多类型的机器能够以前所未有的规模生成数据。作者开发了一种名为VDMS的车辆信号采集设备。这种类型的传感器每天在大数据系统上存储超过1TB的数据。因此,分析不断增加的数据量和高速流传感器数据的能力是必不可少的。本文研究了传感器数据的分析方法,首先,建立了从信号数据相关性分析到分类模型的分析过程,并开发了针对信号优化的分析方法。另外,提出了一种将异常信号数据形成图案并检测特定图案的方法。